CN115420854A - 一种基于正后向模型结合的大气污染物溯源方法 - Google Patents
一种基于正后向模型结合的大气污染物溯源方法 Download PDFInfo
- Publication number
- CN115420854A CN115420854A CN202211009250.2A CN202211009250A CN115420854A CN 115420854 A CN115420854 A CN 115420854A CN 202211009250 A CN202211009250 A CN 202211009250A CN 115420854 A CN115420854 A CN 115420854A
- Authority
- CN
- China
- Prior art keywords
- source
- emission
- steady
- pollution
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 41
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 41
- 238000011160 research Methods 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000009792 diffusion process Methods 0.000 claims abstract description 7
- 238000000556 factor analysis Methods 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 5
- 239000000356 contaminant Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
一种基于正后向模型结合的大气污染物溯源方法,属于大气污染防治与溯源技术领域。包括以下步骤:一、收集研究区域内已知的稳态源排放源信息;二、以研究区域内监测站点为研究目标地,确定监测站点位置信息;三、通过气象模型模拟,获取研究区域精细化气象数据;四、基于后向溯源模型对监测站点进行后向轨迹计算,得到污染来源轨迹;并基于污染来源轨迹进行潜在源贡献因子分析,确定后向溯源法污染潜在来源区域;五、基于稳态源排放信息库和精细化气象数据进行正向的空气质量扩散模型模拟,识别稳态源排放贡献浓度并获取其主要稳态排放源位置;六、基于步骤四中污染物潜在来源区域以及步骤五中获取的稳态源位置,获得非稳态源潜在区域。
Description
技术领域:
本发明属于大气污染防治与溯源技术领域,具体而言,涉及一种基于正后向模型结合的大气污染物溯源方法。
背景技术:
大气污染对人类健康、社会经济发展有重要负面影响,大气污染治理具有重要意义。随着我国经济快速发展和工业化、城镇化进程不断加速,城市污染问题日益严重,城市管理部门为了实时采集各区域范围内的空气质量数据,都会选择部署空气环境监测终端实现网格化的管理与在线监测,进而实现面向逐个监测站点污染的精细化管控。实现精细化管控,就必须在发生突发性的大气污染事件时,明确污染来源,靶向精准管控。因此,亟需建立一套针对监测站点的大气污染物溯源方法。
监测站点周边的污染源可分为已知的稳定排放的稳态源和未知的突发排放的非稳态源。非稳态源排放是造成监测站点突发高值的主要原因,实现非稳态源的来源追溯对监测站点污染管控的意义重大。目前常用的正向空气质量溯源模型只能基于已知的排放源信息进行模拟,这些排放源多为稳态源。因此,正向模型对稳态源排放贡献识别起到了很好的效果。基于拉格朗日粒子模型的后向溯源技术可追溯到所有的污染潜在源区,但其并不能区分出是哪种源排放。可见,现有技术并不能实现针对监测站点周边非稳态源的来源追溯。
综上,本发明拟通过结合正后向溯源模型建立一种大气污染物溯源方法,通过正向模型识别已知稳态源排放贡献及其位置,并结合后向模型溯源结果实现对监测站点周边的非稳态源排放进行来源追溯,进而实现精细化管控。对从源头上治理大气污染问题,从整体上提高大气环境质量有着重要作用。
发明内容:
针对现有技术中存在的上述问题,提出了基于正后向模型结合的大气污染物溯源方法。本研究的目的在于发生非稳态源(未知的突发排放的污染源)排放造成的污染事件时,通过正后向溯源模型结合对非稳态源的位置进行快速辨识,进而为制定管控措施提供科学依据,这对改善空气质量意义重大。
本发明公开一种正后向模型结合的大气污染物溯源方法,实现对突发性的非稳态源排放污染事件的污染来源快速精准识别,包括以下步骤:
步骤一、收集研究区域内已知的稳态源(已知的稳定排放的污染源)排放源信息,建立研究区域稳态源排放信息库;
步骤二、以研究区域内监测站点为研究目标地,确定监测站点位置信息,包括经度、纬度、站点高度,并基于站点空气质量数据确定突发性的非稳态源排放污染事件导致的污染物浓度突发高值时段;
步骤三、通过气象模型模拟,获取研究区域精细化气象数据;
步骤四、基于后向溯源模型对监测站点进行后向轨迹计算,得到污染来源轨迹;并基于污染来源轨迹进行潜在源贡献因子分析,确定后向溯源法污染潜在来源区域,在此后向溯源法污染潜在来源区域内存在可能的突发性的非稳态源排放污染染区域;
步骤五、基于稳态源排放信息库和精细化气象数据进行正向的空气质量扩散模型模拟,识别稳态源排放贡献浓度并获取其主要稳态排放源位置;
步骤六、基于步骤四中污染物潜在来源区域以及步骤五中获取的稳态源位置,获得非稳态源潜在区域。
所述步骤一中研究区域稳态源排放信息库的建立方法是:收集研究区域统计年鉴、污染物排放活动水平数据以及排放因子以及其他的稳态源排放信息,稳态源可分为工业源、居民源、移动源、餐饮源等,排放信息主要包括排放源位置、排放速率、排放污染物、排放时间、排放高度等,建立研究区域稳态源排放信息库。
所述步骤二中站点污染物浓度突发高值时段选取方法如下:首先获取监测站点污染物浓度突然变大化的一段时间(在时段内依次包括污染物浓度逐渐增加之后污染物浓度逐渐减小的时段),计算污染物浓度逐小时的变化率,其中污染物浓度变化率计算公式如下:
式中:Δc-污染物浓度变化率
t-时刻,t小时;
c-污染物浓度;
在计算污染物浓度逐小时变化率后,高值时段的起始时刻为变化率大于50%的时刻(即开始突增时刻),终止时刻为变化率小于-50%的时刻(骤减结束时刻),从一个突增时刻到与之间隔时间最短的骤减时刻所包含的时段为一个突发高值时段。若选取的多个高值时段为连续的时间,则将其合并为一个高值时段;突发高值时段的时间段记为tl-t2;
所述步骤三中精细化气象数据的获取方法如下:通过NECP气象数据以及精细化的下垫面地形数据进行WRF气象模型模拟,并结合四维变分同化技术,得到空间分辨率为几百米~几千米,时间分辨率为小时的三维网格化精细气象数据,包括风向、风速、温度、湿度、边界层高度等气象要素;并使用HYSPLIY模型中将NC格式的WRF模拟结果转换为后向模型所需要的ARL格式;
所述步骤四中污染来源轨迹的获取方法是:由于在不同的高度层,污染物来源方向是不同的,故而选取不同的高度层(高度层的选取可基于WRF模拟时高度层的设置或经验所得)分别获取污染来源轨迹,以研究站点高度为起始位置向上每经过一段高度的研究站点上方物理位置污染来源轨迹,每一物理位置对应一组污染来源轨迹;每一组污染来源轨迹的计算:基于步骤三得到的精细气象数据,通过拉格朗日粒子模型(如后向气流轨迹模型HYSPLIT模型等)对突发高值时段t1-t2内每间隔一定的时间段Δx如一个小时作为进行后向轨迹计算的时间起始点(如分别以t1、t1+Δx、t1+2Δx、tl+3Δx、……t2),得到同一物理位置不同时刻起点即同一物理位置不同污染浓度对应的污染来源轨迹,最后并通过地理处理软件(如ArcGIS等)将不同高度层的所有污染来源轨迹进行合并,得到研究站点的污染来源轨迹;其中,以某一个时刻为起始点后向轨迹计算方法如下:
假设污染来源为一个气团,后向时长为T小时,后向时间步长为Δt′小时(如0.5-1小时中的任意时长),若在ti时刻,气团位置为Pti,基于Pti点气象场数据计算得出前一个时间步长后t(i-1)=ti-Δt′时刻的气团位置Pt(i-1),以此类推得到后一时刻的气团位置;其中的后向时长T小时可以根据需要设置或试验,使得最后一时刻的气团位置刚好位于所研究的区域内,在推后一个Δt′步长对应的时刻时气团位置超出所研究的区域;
基于获取的污染来源轨迹,选取合适的网格分辨率,将研究区域分为多个网格,使用HYSPLIT模型中潜在源贡献因子分析模块来计算每个网格的贡献率,并通过贡献率大小来确定污染潜在源区(为多个网格状区域);网格(i,j)贡献率PSCF(i,j)的计算方式如下:其中网格(i,j)代表坐标为(i,j)的网格;
假设经过网格(i,j)的污染轨迹节点个数为m,所有网格内所有轨迹节点总个数为n,则贡献率为:
所述步骤五稳态源排放贡献识别及其所在区域获取的方法为:将步骤一所获得研究区域稳态源排放信息及步骤三所获得的精细化气象数据提供给正向的空气质量扩散模型如CALPUFF、AERMOD等,模型根据给定的稳态源排放信息(如排放速率等),结合气象数据,计算经过污染气团传输在突发高值时段t1-t2、研究站点上方物理位置对应的每个排放源的排放贡献,因此通过正向模拟可以计算得到稳态源排放贡献,并通过排放贡献大小确定主要的稳态源,根据稳态源所在的区域得到基于稳态源排放区域。
所述步骤六非稳态源所在区域的获取方法如下:基于步骤四中所得后向溯源法污染潜在来源区域几乎包括所有的污染源(必然包括非稳态污染源)及步骤五中稳态源位置信息;
若后向模型追溯出的某个污染潜在源区内,没有稳态源排放或者稳态源排放贡献很小,那则有可能存在非稳态源排放;若稳态源排放贡献大,且是排放贡献在突发高值时段发生突增,那则是该区域内稳态源转化成了非稳态源。
与现有技术相比,本发明的有益效果为:
本发明的一种基于正后向模型结合的大气污染物溯源方法,通过气象模型获得研究区域精细化气象数据,进而基于正向的空气质量模型获取监测站点周边稳态源排放贡献及位置信息,结合后向拉格朗日粒子模型获取的污染潜在源区,能够实现针对监测站点周边非稳态源的快速追溯。研究成果可为管理部门提供重要的参考依据,为制定精确合理的大气污染管控措施提供科技支撑。
附图说明:
图1为本发明一种基于正后向模型结合的大气污染物溯源方法的流程图。
图2鲁南制药厂周边排放源分布图
图3后向溯源潜在源区分布图
图4正向模拟排放源排放贡献分布图
图5非稳态源潜在区域结果。
具体实施方式:(修改实施例最好与发明内容对应)
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
如图1所示,本发明提供一种基于正后向模型结合的大气污染物溯源的方法,包括S1~S6,具体的:
S1、收集研究区域排放源信息,建立研究区域污染物排放信息库。
S2、确定研究的目标站点,并基于站点空气质量数据,选取污染物浓度突发高值时段。
S3、通过WRF模型获取研究区域内站点污染物浓度高值时段及该时段前后24小时的精细化气象数据。
S4、将精细化气象数据输入到后向模型,计算不同高度层的后向轨迹,并将其合并,并进行潜在源贡献因子分析,确定污染潜在源区。
S5、基于精细化气象数据和排放源信息进行正向空气质量模型模拟,确定稳态源排放贡献浓度及主要稳态排放源位置信息。
S6、基于步骤四中所得污染潜在来源区域及步骤五中稳态源位置信息,通过对比,得到可能存在非稳态源的区域。
实施例:
基于所发明的溯源方法,以山东省临沂市为研究区域,鲁南制药厂站点为研究目标进行实施案例溯源如下:
S1、基于已获得的临沂市部分工业源排放信息,包括排放源所在位置、排放浓度、排放速率、排放高度等,在鲁南制药厂站点周边设置了非稳态源和稳态源,其中P11和P05为非稳态源,其余为P01、P03、P06、P07、P08、P09、P12、P18等为稳态源,排放污染物为颗粒物,并通过所发明专利实现对P11、P05的追溯。图2为案例中设置的鲁南制药厂周边排放源分布图。
S2、由于本案例并非实际情景,没有真实站点监测数据,详细的高值时段选取方法可参考权力要求书。本案例2022年7月16日9时-12时为站点突发高值时段。
S3、基于选取的高值时段,使用WRF气象模型获得的临沂市2022年7月15日0时到7月17日23时的3km×3km网格分辨率的逐小时气象数据。并使用HYSPLIT模型将NC格式的WRF模拟结果转换为后向模型所需要的ARL格式。
S4、基于S3所获得的ARL格式的气象数据,选取三个高度层,分别为30m、100m、200m,基于HYSPLIT模型计算站点突发高值时段内每个时刻的后向轨迹,通过ArcGIS软件将三个高度层的轨迹文件合并为一个文件,获得合并后的污染来源轨迹,使用HYSPLIT模型进行潜在源贡献因子分析,得到污染潜在源区,污染潜在源区包含大部分对站点污染物浓度有贡献的非稳态源和稳态源。图3为潜在源区分布图。可以发现污染潜在源区分布在站点南部的罗庄区,并且在研究时段内每个时刻,识别出的污染潜在源区内排放源贡献在80%以上,如表一。
表二后向溯源结果潜在源区内排放源贡献表
S5、基于S3获取的精细化气象数据和S1设置的稳态和非稳态排放源,进行正向空气质量扩散模型模拟(本案例使用AERMOD模型),模拟时间为2022年7月15日0时到7月16日23时(非稳态源只在16日6时-16日12时进行排放),得到研究时段内鲁南制药厂站点颗粒物浓度。并且得到研究时段内各排放源对站点的排放贡献,图3为研究时段内鲁南制药厂周边的排放源排放贡献分布图。可以发现对鲁南制药厂其主要贡献的源处于站点南部的罗庄区,包括稳态源P01、P07、P08、P12、P18等。由表二可以看出研究时段内每个时刻罗庄区内的稳态源排放贡献占比均在60%以上。
表二正向模拟主要排放源贡献表
S6、基于S4和S5获取结果,污染潜在源区主要包括A、B、C、D、E总共五个区域,其中C中包含较多的稳态源,且排放贡献较大,但在研究时段内排放贡献未发生突增,故而存在非稳态源的可能性最低;而A、D中没有稳态源,B、E中稳态源排放贡献较小,故这四个区域为可能存在非稳态源的区域。在B中存在非稳态源P11,E中存在非稳态源P05,说明我们的方法可对污染发生时的非稳态源所在区域进行来源追溯。在真实情景中我们只需对可能存在非稳态源的区域进行排查,并制定相应的措施。
本发明的一种基于正后向模型结合的大气污染溯源物方法,属于大气污染防治与溯源技术领域。本发明建立了研究区域排放源信息库;利用气象模型建立研究区域精细化气象场;基于拉格朗日粒子后向溯源模型和空气质量正向扩散模型,得到研究区域污染潜在源区和稳态源排放贡献以及位置信息,从而结合两种模型模拟结果实现对非稳态源的来源追溯。本发明建立了一种基于正后向模型结合的大气污染溯源物方法,能够快速准确的实现对非稳态源的追溯,大大弥补了现有溯源方法中的不足,提供了一种新的大气污染物溯源方法,可为制定大气污染防控措施提供科学依据。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种正后向模型结合的大气污染物溯源方法,实现对突发性的非稳态源排放污染事件的污染来源快速精准识别,包括以下步骤:
步骤一、收集研究区域内已知的稳态源排放源信息,建立研究区域稳态源排放信息库;
步骤二、以研究区域内监测站点为研究目标地,确定监测站点位置信息,包括经度、纬度、站点高度,并基于站点空气质量数据确定突发性的非稳态源排放污染事件导致的污染物浓度突发高值时段;
步骤三、通过气象模型模拟,获取研究区域精细化气象数据;
步骤四、基于后向溯源模型对监测站点进行后向轨迹计算,得到污染来源轨迹;并基于污染来源轨迹进行潜在源贡献因子分析,确定后向溯源法污染潜在来源区域,在此后向溯源法污染潜在来源区域内存在可能的突发性的非稳态源排放污染染区域;
步骤五、基于稳态源排放信息库和精细化气象数据进行正向的空气质量扩散模型模拟,识别稳态源排放贡献浓度并获取其主要稳态排放源位置;
步骤六、基于步骤四中污染物潜在来源区域以及步骤五中获取的稳态源位置,获得非稳态源潜在区域。
2.按照权利要求1所述的方法,其特征在于,步骤一中研究区域稳态源排放信息库的建立方法是:收集研究区域统计年鉴、污染物排放活动水平数据以及排放因子以及其他的稳态源排放信息,稳态源可分为工业源、居民源、移动源、餐饮源等,排放信息主要包括排放源位置、排放速率、排放污染物、排放时间、排放高度等,建立研究区域稳态源排放信息库。
4.按照权利要求1所述的方法,其特征在于,所述步骤三中精细化气象数据的获取方法如下:通过NECP气象数据以及精细化的下垫面地形数据进行WRF气象模型模拟,并结合四维变分同化技术,得到空间分辨率为几百米~几千米,时间分辨率为小时的三维网格化精细气象数据,包括风向、风速、温度、湿度、边界层高度等气象要素。
5.按照权利要求1所述的方法,其特征在于,所述步骤四中污染来源轨迹的获取方法是:由于在不同的高度层,污染物来源方向是不同的,故而选取不同的高度层(高度层的选取可基于WRF模拟时高度层的设置或经验所得)分别获取污染来源轨迹,以研究站点高度为起始位置向上每经过一段高度的研究站点上方物理位置污染来源轨迹,每一物理位置对应一组污染来源轨迹;每一组污染来源轨迹的计算:基于步骤三得到的精细气象数据,通过拉格朗日粒子模型(如后向气流轨迹模型HYSPLIT模型等)对突发高值时段t1-t2内每间隔一定的时间段Δx如一个小时作为进行后向轨迹计算的时间起始点,如分别以t1、t1+Δx、t1+2Δx、t1+3Δx、……t2为时间起始点,得到同一物理位置不同时刻起点即同一物理位置不同污染浓度对应的污染来源轨迹,最后并通过地理处理软件,将不同高度层的所有污染来源轨迹进行合并,得到研究站点的污染来源轨迹;其中,以某一个时刻为起始点后向轨迹计算方法如下:
假设污染来源为一个气团,后向时长为T小时,后向时间步长为Δt′小时(如0.5-1小时中的任意时长),若在ti时刻,气团位置为Pti,模型基于Pti点气象场数据计算得出前一个时间步长后t(i-1)=ti-Δt′时刻的气团位置Pt(i-1),以此类推得到后一时刻的气团位置;其中的后向时长T小时可以根据需要设置或试验,使得最后一时刻的气团位置刚好位于所研究的区域内,在推后一个Δt′步长对应的时刻时气团位置超出所研究的区域;
基于获取的污染来源轨迹,选取合适的网格分辨率,将研究区域分为多个网格,使用HYSPLIT模型中潜在源贡献因子分析模块来计算每个网格的贡献率,并通过贡献率大小来确定污染潜在源区;网格(i,j)贡献率PSCF(i,j)的计算方式如下:其中网格(i,j)代表坐标为(i,j)的网格;
假设经过网格(i,j)的污染轨迹节点个数为m,所有网格内所有轨迹节点总个数为n,则贡献率为:
6.按照权利要求1所述的方法,其特征在于,所述步骤五稳态源排放贡献识别及其所在区域获取的方法为:将步骤一所获得研究区域稳态源排放信息及步骤三所获得的精细化气象数据提供给正向的空气质量扩散模型如CALPUFF、AERMOD等,模型根据给定的稳态源排放信息,结合气象数据,计算经过污染气团传输在突发高值时段t1-t2、研究站点上方物理位置对应的每个排放源的排放贡献,因此通过正向模拟可以计算得到稳态源排放贡献,并通过排放贡献大小确定主要的稳态源,根据稳态源所在的区域得到基于稳态源排放区域。
7.按照权利要求1所述的方法,其特征在于,所述步骤六非稳态源所在区域的获取方法如下:基于步骤四中所得后向溯源法污染潜在来源区域几乎包括所有的污染源及步骤五中稳态源位置信息;
若后向模型追溯出的某个污染潜在源区内,没有稳态源排放或者稳态源排放贡献很小,那则有可能存在非稳态源排放;若稳态源排放贡献大,且是排放贡献在突发高值时段发生突增,那则是该区域内稳态源转化成了非稳态源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211009250.2A CN115420854B (zh) | 2022-08-22 | 2022-08-22 | 一种基于正后向模型结合的大气污染物溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211009250.2A CN115420854B (zh) | 2022-08-22 | 2022-08-22 | 一种基于正后向模型结合的大气污染物溯源方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115420854A true CN115420854A (zh) | 2022-12-02 |
CN115420854B CN115420854B (zh) | 2023-12-15 |
Family
ID=84198373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211009250.2A Active CN115420854B (zh) | 2022-08-22 | 2022-08-22 | 一种基于正后向模型结合的大气污染物溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115420854B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792137A (zh) * | 2023-01-17 | 2023-03-14 | 河北先河环保科技股份有限公司 | 大气污染溯源方法及装置、终端 |
CN115902114A (zh) * | 2022-12-07 | 2023-04-04 | 北京工业大学 | 基于半定量法的小尺度大气污染溯源方法 |
CN116739190A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 优化污染控制的减排比例、减排成本与管控时间的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
CN109522603A (zh) * | 2018-10-18 | 2019-03-26 | 南京大学 | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 |
CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN112132450A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种气态污染物的定位方法 |
WO2022082072A1 (en) * | 2020-10-16 | 2022-04-21 | Third Pole, Inc. | Nitric oxide generation process controls |
CN114818391A (zh) * | 2022-06-28 | 2022-07-29 | 北京化工大学 | 一种基于多溯源模型的污染源浓度智能分析方法 |
-
2022
- 2022-08-22 CN CN202211009250.2A patent/CN115420854B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN109522603A (zh) * | 2018-10-18 | 2019-03-26 | 南京大学 | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 |
CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN112132450A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种气态污染物的定位方法 |
WO2022082072A1 (en) * | 2020-10-16 | 2022-04-21 | Third Pole, Inc. | Nitric oxide generation process controls |
CN114818391A (zh) * | 2022-06-28 | 2022-07-29 | 北京化工大学 | 一种基于多溯源模型的污染源浓度智能分析方法 |
Non-Patent Citations (3)
Title |
---|
DING X. ET AL: "Long-range and regional transported size-resolved atmospheric aerosols during summertime in urban Shanghai", 《SCI. TOTAL ENVIRON》, no. 583, pages 334 - 343, XP029914736, DOI: 10.1016/j.scitotenv.2017.01.073 * |
ZHAO N ET AL: "Air pollution episodes during the COVID-19 outbreak in the Beijing-Tianjin-Hebei region of China: An insight into the transport pathways and source distribution", 《ENVIRONMENTAL POLLUTION》, vol. 267, pages 1 - 11 * |
沈泽亚等: "典型耦合优化算法在源项反演中的对比研究", 《中国环境科学》, vol. 39, no. 8, pages 3207 - 3214 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115902114A (zh) * | 2022-12-07 | 2023-04-04 | 北京工业大学 | 基于半定量法的小尺度大气污染溯源方法 |
CN115792137A (zh) * | 2023-01-17 | 2023-03-14 | 河北先河环保科技股份有限公司 | 大气污染溯源方法及装置、终端 |
CN116739190A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 优化污染控制的减排比例、减排成本与管控时间的方法 |
CN116739190B (zh) * | 2023-08-14 | 2023-12-01 | 中科三清科技有限公司 | 优化污染控制的减排比例、减排成本与管控时间的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115420854B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115420854A (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
CN110909483B (zh) | 一种基于网格化数据的点源大气污染物排放清单校验方法 | |
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
Wang et al. | The contribution from distant dust sources to the atmospheric particulate matter loadings at XiAn, China during spring | |
CN112749478A (zh) | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 | |
CN110531030B (zh) | 一种基于物联网大数据大气污染物分析的方法及装置 | |
CN103325068B (zh) | 一种实时动态三维电网污区分布图的绘制方法 | |
CN111896680B (zh) | 基于卫星遥感数据的温室气体排放分析方法及系统 | |
CN115130831B (zh) | 一种小尺度精细化大气污染溯源方法 | |
CN104865353A (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
CN113624921B (zh) | 多模式综合污染溯源方法 | |
CN107145668A (zh) | 发电厂烟气污染物排放对区域大气雾霾的评价方法及装置 | |
CN113436045A (zh) | 大气污染多尺度融合溯源方法、装置和可读存储介质 | |
CN110095394A (zh) | 一种大气颗粒物污染快速溯源方法 | |
CN116011317B (zh) | 一种基于多方法融合的小尺度近实时大气污染溯源方法 | |
CN108802856B (zh) | 一种基于ai的源数据动态修正预报系统及其工作方法 | |
CN113284244B (zh) | 一种基于格点化扩散模拟的大气污染物溯源方法 | |
CN112131739A (zh) | 一种乡镇级别大气污染溯源的预报方法 | |
CN110658307A (zh) | 评估污染源对环境空气质量影响的方法 | |
CN111458456A (zh) | 一种基于cwt的大气一次污染物外来源定量分析方法 | |
CN114578457B (zh) | 一种基于进化集成学习的大气污染物浓度时空预测方法 | |
CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
CN114444356A (zh) | 一种获取居民空间碳排放量的方法及装置 | |
CN111563331A (zh) | 一种基于移动监测的区域大气污染分布预测方法 | |
CN115293545A (zh) | 一种基于电网台区划分的台风灾害风险评估方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |