CN115453069A - 一种面向城市臭氧超标污染遥感溯源方法 - Google Patents
一种面向城市臭氧超标污染遥感溯源方法 Download PDFInfo
- Publication number
- CN115453069A CN115453069A CN202211262234.4A CN202211262234A CN115453069A CN 115453069 A CN115453069 A CN 115453069A CN 202211262234 A CN202211262234 A CN 202211262234A CN 115453069 A CN115453069 A CN 115453069A
- Authority
- CN
- China
- Prior art keywords
- pollution
- grid
- concentration
- data
- hcho
- 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 53
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 30
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 76
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 50
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 48
- 238000012544 monitoring process Methods 0.000 claims description 36
- 239000012855 volatile organic compound Substances 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 14
- 239000002243 precursor Substances 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000011109 contamination Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 238000004939 coking Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005034 decoration Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000005272 metallurgy Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- -1 printing Substances 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 239000002904 solvent Substances 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000003889 chemical engineering Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910002089 NOx Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 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 or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0039—O3
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大气污染溯源技术领域，具体地说是一种面向臭氧超标污染遥感溯源技术方法，通过融合地面观测数据、后向轨迹、卫星遥感和电子地图POI数据构建了臭氧污染溯源技术方法及系统，准确定位污染源，列出污染清单，不仅能够解析臭氧污染成因，还能精准锁定污染来源，指导臭氧污染源精准管控工作，从而弥补传统的污染溯源排查方法中过于依赖污染源清单数据、覆盖面不全以及污染确定性不足导致无法准确锁定污染企业的局限性。
Description
技术领域
本发明涉及大气环境质量污染溯源技术领域，具体地说是一种面向城市臭氧超标污染遥感溯源方法。
背景技术
臭氧超标不像颗粒物超标那样明显影响大气能见度，不易察觉，但高浓度臭氧仍可对人体健康、作物生长造成危害，已成为现阶段夏季主要大气污染物，日益受到社会公众关注。近年来，我国多个城市O3浓度超标，臭氧污染形势不容乐观，污染防治任务仍然较重，特别是在夏季O3污染高发时期，成为影响城市环境空气质量的主要污染因子。O3污染成因复杂，主要是由于人类活动排放了大量的NOx和VOCs，和天然源一起在太阳辐射、温度、湿度等环境中通过复杂的光化学反应生成O3。O3与前体物复杂的非线性关系给O3污染溯源带来了较大困难，目前VOCs尚未列入国家环境空气质量监测体系，主要通过建设超级站点对城市主要VOCs进行监测，并根据VOCs种类特征和O3生成潜势进行溯源。但是，由于超级站点建设成本高昂，有限的监测站点无法对大范围O3污染及来源进行全覆盖监测，同时由于O3生命周期较长，存在城市间O3及其前体物污染传输，因此仅依靠单个城市超级站进行O3污染溯源效果有限。
卫星遥感作为一种新兴技术，超光谱卫星遥感技术可以实现对O3前体物甲醛(HCHO)和二氧化氮(NO2)，为O3污染溯源监测提供了重要手段，它具有宏观、动态、客观、准确等特点，在信息获取方面与传统的地面监测手段相比，在空间范围上具有其独特的优势，通过超光谱和多光谱监测技术连续获取大范围区域的O3前体物浓度分布以及土地利用分布时空变化，因此可以有效地支撑区域O3污染溯源。
目前，国内外主流大气环境卫星遥感数据(如OMI、TropOMI等)的O3前体物监测能够实现最高每天1次、空间分辨率最高达到3.5公里；土地利用则最高能达到优于1m的空间分辨率，高分一号、高分二号、高分六号、资源三号等多星组网观测能达到2m分辨率卫星数据每月覆盖1次的监测频次，可以实现针对O3污染源的目标识别和无组织排放精细化解译；相关的天气再分析资料也能达到24小时内的逐小时、公里级别，可以满足O3污染溯源的需要。
目前，主要基于地面超级监测站点实时测量开展O3污染溯源分析，但是溯源覆盖面小且准确性较低，一方面超级站点的测量设备建设和运行维护成本较高，一般城市难以建设多个超级站点进行O3污染源溯源，因此只是基于有限站点数据很难实现大范围区域的全面溯源监测，无法准确定位到具体区域甚至具体企业；另一方面，为弥补地面监测站点覆盖不足的缺陷，部分研究引入超光谱卫星遥感资料或者大气化学模式模拟资料筛选出几公里甚至几十公里的O3污染高值区，为臭氧污染溯源提供目标参考区域，实际上对于环境管理人员来说，几公里的范围企业量大面广，逐一核查的工作量也相对较大，同时O3污染形成机理较为复杂，除了城市本地的排放还需要考虑城市间的O3污染区域传输影响。因此，传统的溯源方法中监测覆盖面不足或者监测数据分辨率较低等会导致无法对O3污染进行精准溯源。
因此，为了解决上述问题，本申请提出了一种面向城市臭氧超标污染遥感溯源方法，通过融合多尺度卫星遥感、后向轨迹和潜在污染源贡献分析方法构建了O3污染遥感溯源技术方法，来综合准确反映O3污染来源，不仅能够反映区域的O3污染前体物时空分布变化和区域污染传输，还能精细化反映污染源的无组织排放和潜在污染风险，解析O3污染来源，指导O3污染源精准管控工作，从而弥补传统的预测方法中监测覆盖面不足或者监测数据分辨率较低等会导致无法对O3污染进行精准溯源的局限性。
发明内容
本发明的目的是填补现有技术的空白，提供了一种面向城市臭氧超标污染遥感溯源方法，通过融合地面观测数据、后向轨迹、卫星遥感和电子地图POI数据构建了臭氧污染溯源技术方法及系统，准确定位污染源，列出污染清单，不仅能够解析臭氧污染成因，还能精准锁定污染来源，指导臭氧污染源精准管控工作，从而弥补传统的污染溯源排查方法中过于依赖污染源清单数据、覆盖面不全以及污染确定性不足导致无法准确锁定污染企业的局限性。
为了达到上述目的，本发明提供一种面向城市臭氧超标污染遥感溯源方法，该方法包括步骤：
S1.根据城市环境空气质量监测站点的O3浓度小时监测数据，利用潜在源贡献因子(PSCF)方法和浓度权重轨迹分析(CWT)方法计算加权潜在源贡献因子(WPSCF)和权重浓度，提取5km潜在污染源网格单元；
S2.根据卫星遥感监测的区域甲醛(HCHO)和二氧化氮(NO2)柱浓度数据，重构合成高分辨率O3生成前体物分布结果，通过上下文方法，结合潜在污染源网格单元提取1km污染排放热点网格；
S3.根据热点网格圈定矢量区域范围，利用关键字搜索方法从电子地图中获取污染排放热点网格单位内的相关企业POI；
S4.利用高分辨率影像对的企业POI进行解译核查，筛选出污染企业清单。
S1包括：
S1.1按月收集城市O3浓度小时监测数据和全球数据同化预报系统(GDAS)发布的气象数据；
S1.2以城市建成区环境空气质量监测站点的几何中心作为起始点，采用500m高度作为大气边界层的平均流场，通过HYSPLIT模型对每天的气团移动24h后向轨迹进行模拟；
S1.3将评估城市及周边区域划分为5km×5km的网格，结合城市O3小时浓度以160μg/m3作为污染轨迹判断标准，即经过某网格的气团轨迹达到城市时所对应的O3浓度超过160μg/m3则判定该轨迹为污染轨迹，反之则判定为清洁轨迹；
S1.4逐网格计算潜在源加权贡献因子(WPSCF)，计算方式如下：
其中，WPSCFij为第i行j列网格的潜在源加权贡献因子，pij为经过第i行j列网格的污染轨迹数量，nij为经过第i行j列网格的所有轨迹数量。
S1.5根据潜在源加权贡献因子(WPSCF),筛选出潜在源加权贡献因子超过0.6的5km×5km网格单位作为潜在污染源网格。
S2包括：
S2.1所述卫星遥感资料包括通过Sentinel-5P卫星TropOMI传感器探测数据反演获取的O3生成前体物甲醛(HCHO)和二氧化氮(NO2)柱浓度逐日产品数据，并从产品中提取每日5.5km×3.5km格点信息，包括格点经度、纬度、HCHO柱浓度、NO2柱浓度以及相应的qa值。
S2.1按月将逐日的格点数据汇总合并，并根据qa值筛选出qa大于0.5的经度、纬度、HCHO柱浓度和NO2柱浓度月度监测数据集。根据月度监测数据，通过克里金插值方法将甲醛(HCHO)和二氧化氮(NO2)月度数据集采样成城市及周边地区高空间分辨率的浓度分布数据，分别形成1km*1km分辨率的甲醛(HCHO)和二氧化氮(NO2)月度分布数据。
S2.3根据步骤S1.5提取的潜在污染源网格，提取HCHO和NO2浓度数据，对潜在污染源网格内的每一个1km×1km网格HCHO和NO2浓度，通过比较网格浓度与背景浓度差异判定是否为热点网格，如满足下列条件(1)则判为NO2热点网格，满足条件(2)则判为VOCs热点网格：
其中，ΝO2为1km网格NO2柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格平均NO2柱浓度，单位为1013molec/cm2；
为5km潜在污染热点网格NO2柱浓度的平均绝对偏差，单位为1013molec/cm2；HCHO为1km网格HCHO柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格平均HCHO柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格HCHO柱浓度的平均绝对偏差，单位为1013molec/cm2。
S2.4分别以NO2和VOCs热点网格中心为原点，以800m为半径制作缓冲区，并合并形成NO2热点区域和VOCs热点区域。
S3包括：
S3.1所述电子地图包括高德地图、百度地图，根据多边形搜索方法，在NO2热点区域内，以电厂、钢铁、冶金、铸造、焦化、锅炉、物流园区等关键字搜索公司企业类型的POI，收集POI的地理坐标、名称等信息；
S3.2所述电子地图包括高德地图、百度地图，根据多边形搜索方法，在VOCs热点区域内，以4S、汽修、喷涂、涂料、装饰、家具、溶剂、油墨、印刷、加油站、石化、化工关键字搜索公司企业类型的POI，收集POI的地理坐标、名称信息；
S3.3汇总热点区域搜索的POI信息，采用坐标转换方法将POI的火星坐标系(GCJ02)转化为WGS84坐标系，形成疑似污染企业清单。
S4包括：
S4.1所述卫星遥感数据包括高分一号、高分二号、高分六号优于2m的多光谱卫星遥感数据，收集近一个月的多光谱卫星影像，并进行几何校正、图像融合等预处理；
S4.2对疑似污染企业清单高分辨影像进行解译，剔除没有生产车间或者工厂面积小于100m2以及位于商场的企业POI干扰源；
S4.3利用高分辨率卫星影像对剔除干扰POI后的污染企业无组织排放点等情况进行解译识别，无组织排放包括物料未密闭存储、露天作业等识别，存在10处以上无组织排放点判为高风险污染企业，5-10处无组织排放点判为中风险污染企业，5处以下判为低风险污染企业。
本发明同现有技术相比，通过融合地面观测数据、后向轨迹、卫星遥感和电子地图POI数据构建了臭氧污染溯源技术方法及系统，准确定位污染源，列出污染清单，不仅能够解析臭氧污染成因，还能精准锁定污染来源，指导臭氧污染源精准管控工作，从而弥补传统的污染溯源排查方法中过于依赖污染源清单数据、覆盖面不全以及污染确定性不足导致无法准确锁定污染企业的局限性。
附图说明
图1为本发明一种面向城市臭氧超标污染遥感溯源流程图
具体实施方式
现结合附图对本发明做进一步描述。
请参阅图1，一种面向城市臭氧超标污染遥感溯源方法，其特征在于，该方法包括步骤：
S1.根据城市环境空气质量监测站点的O3浓度小时监测数据，利用潜在源贡献因子(PSCF)方法和浓度权重轨迹分析(CWT)方法计算加权潜在源贡献因子(WPSCF)和权重浓度，提取5km潜在污染源网格单元；
S2.根据卫星遥感监测的区域甲醛(HCHO)和二氧化氮(NO2)柱浓度数据，重构合成高分辨率O3生成前体物分布结果，通过上下文方法，结合潜在污染源网格单元提取1km污染排放热点网格；
S3.根据热点网格圈定矢量区域范围，利用关键字搜索方法从电子地图中获取污染排放热点网格单位内的相关企业POI；
S4.利用高分辨率影像对的企业POI进行解译核查，筛选出污染企业清单；
在本实施例中，步骤S1进一步包括：
S1.1按月收集城市O3浓度小时监测数据和全球数据同化预报系统(GDAS)发布的气象数据；
S1.2以城市建成区环境空气质量监测站点的几何中心作为起始点，采用500m高度作为大气边界层的平均流场，通过HYSPLIT模型对每天的气团移动24h后向轨迹进行模拟；
S1.3将评估城市及周边区域划分为5km×5km的网格，结合城市O3小时浓度以160μg/m3作为污染轨迹判断标准，即经过某网格的气团轨迹达到城市时所对应的O3浓度超过160μg/m3则判定该轨迹为污染轨迹，反之则判定为清洁轨迹；
S1.4逐网格计算潜在源加权贡献因子(WPSCF)，计算方式如下：
其中，WPSCFij为第i行j列网格的潜在源加权贡献因子，pij为经过第i行j列网格的污染轨迹数量，nij为经过第i行j列网格的所有轨迹数量。
S1.5根据潜在源加权贡献因子(WPSCF),筛选出潜在源加权贡献因子超过0.6的5km*5km网格单位作为潜在污染源网格。
在本实施例中，步骤S2进一步包括：
S2.1所述卫星遥感资料包括通过Sentinel-5P卫星TropOMI传感器探测数据反演获取的O3生成前体物甲醛(HCHO)和二氧化氮(NO2)柱浓度逐日产品数据，并从产品中提取每日5.5km×3.5km格点信息，包括格点经度、纬度、HCHO柱浓度、NO2柱浓度以及相应的qa值。
S2.1按月将逐日的格点数据汇总合并，并根据qa值筛选出qa大于0.5的经度、纬度、HCHO柱浓度和NO2柱浓度月度监测数据集。根据月度监测数据，通过克里金插值方法将甲醛(HCHO)和二氧化氮(NO2)月度数据集采样成城市及周边地区高空间分辨率的浓度分布数据，分别形成1km*1km分辨率的甲醛(HCHO)和二氧化氮(NO2)月度分布数据。
S2.3根据步骤S1.5提取的潜在污染源网格，提取HCHO和NO2浓度数据，对潜在污染源网格内的每一个1km×1km网格HCHO和NO2浓度，通过比较网格浓度与背景浓度差异判定是否为热点网格，如满足下列条件(1)则判为NO2热点网格，满足条件(2)则判为VOCs热点网格：
其中，ΝO2为1km网格NO2柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格平均NO2柱浓度，单位为1013molec/cm2；
为5km潜在污染热点网格NO2柱浓度的平均绝对偏差，单位为1013molec/cm2；HCHO为1km网格HCHO柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格平均HCHO柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格HCHO柱浓度的平均绝对偏差，单位为1013molec/cm2。
S2.4分别以NO2和VOCs热点网格中心为原点，以800m为半径制作缓冲区，并合并形成NO2热点区域和VOCs热点区域。
在本实施例中，步骤S3进一步包括：
S3.1所述电子地图包括高德地图、百度地图等，根据多边形搜索方法，在NO2热点区域内，以电厂、钢铁、冶金、铸造、焦化、锅炉、物流园区等关键字搜索公司企业类型的POI，收集POI的地理坐标、名称等信息；
S3.2所述电子地图包括高德地图、百度地图等，根据多边形搜索方法，在VOCs热点区域内，以4S、汽修、喷涂、涂料、装饰、家具、溶剂、油墨、印刷、加油站、石化、化工等关键字搜索公司企业类型的POI，收集POI的地理坐标、名称等信息；
S3.3汇总热点区域搜索的POI信息，采用坐标转换方法将POI的火星坐标系(GCJ02)转化为WGS84坐标系，形成疑似污染企业清单。
在本实施例中，步骤S4进一步包括：
S4.1所述卫星遥感数据包括高分一号、高分二号、高分六号等优于2m的多光谱卫星遥感数据，收集近一个月的多光谱卫星影像，并进行几何校正、图像融合等预处理；
S4.2对疑似污染企业清单高分辨影像进行解译，剔除没有生产车间或者工厂面积小于100m2以及位于商场的企业POI干扰源；
S4.3利用高分辨率卫星影像对剔除干扰POI后的污染企业无组织排放点等情况进行解译识别，无组织排放包括物料未密闭存储、露天作业等识别，存在10处以上无组织排放点判为高风险污染企业，5-10处无组织排放点判为中风险污染企业，5处以下判为低风险污染企业。
需要说明的是，基于卫星遥感的O3超标污染溯源方法是一种综合溯源方法,它是一种反映区域O3前体物排放等大气污染源时空分布特征、区域传输影响和污染源无组织排放等污染溯源的量化指标，反映了O3污染来源成因及污染排放企业空间分布特征。因此，采用本方法客服了传统溯源证据不足或者覆盖不全面的劣势，使得通过基于卫星遥感的O3污染溯源更加精准全面。
以上仅是本发明的优选实施方式，只是用于帮助理解本申请的方法及其核心思想，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
本发明从整体上解决了现有技术中只是基于有限站点监测数据的方向性溯源，没有考虑到O3生成前体物污染排放源动态变化、区域污染传输的问题，通过融合地面观测数据、后向轨迹、卫星遥感和电子地图POI数据构建了臭氧污染溯源技术方法及系统，准确定位污染源，列出污染清单，不仅能够解析臭氧污染成因，还能精准锁定污染来源，指导臭氧污染源精准管控工作，从而弥补传统的污染溯源排查方法中过于依赖污染源清单数据、覆盖面不全以及污染确定性不足导致无法准确锁定污染企业的局限性。
Claims (5)
1.一种面向城市臭氧超标污染遥感溯源方法，其特征在于，该方法包括步骤：
S1.根据城市环境空气质量监测站点的O3浓度小时监测数据，利用潜在源贡献因子(PSCF)方法和浓度权重轨迹分析(CWT)方法计算加权潜在源贡献因子(WPSCF)和权重浓度，提取5km潜在污染源网格单元；
S2.根据卫星遥感监测的区域甲醛(HCHO)和二氧化氮(NO2)柱浓度数据，重构合成高分辨率O3生成前体物分布结果，通过上下文方法，结合潜在污染源网格单元提取1km污染排放热点网格；
S3.根据热点网格圈定矢量区域范围，利用关键字搜索方法从电子地图中获取污染排放热点网格单位内的相关企业POI；
S4.利用高分辨率影像对的企业POI进行解译核查，筛选出污染企业清单。
2.根据权利要求1所述的一种面向城市臭氧超标污染遥感溯源方法，其特征在于，所述S1包括：
S1.1按月收集城市O3浓度小时监测数据和全球数据同化预报系统(GDAS)发布的气象数据；
S1.2以城市建成区环境空气质量监测站点的几何中心作为起始点，采用500m高度作为大气边界层的平均流场，通过HYSPLIT模型对每天的气团移动24h后向轨迹进行模拟；
S1.3将评估城市及周边区域划分为5km×5km的网格，结合城市O3小时浓度以160μg/m3作为污染轨迹判断标准，即经过某网格的气团轨迹达到城市时所对应的O3浓度超过160μg/m3则判定该轨迹为污染轨迹，反之则判定为清洁轨迹；
S1.4逐网格计算潜在源加权贡献因子(WPSCF)，计算方式如下：
其中，WPSCFij为第i行j列网格的潜在源加权贡献因子，pij为经过第i行j列网格的污染轨迹数量，nij为经过第i行j列网格的所有轨迹数量；
S1.5根据潜在源加权贡献因子(WPSCF)，筛选出潜在源加权贡献因子超过0.6的5km*5km网格单位作为潜在污染源网格。
3.根据权利要求1所述的一种面向城市臭氧超标污染遥感溯源方法，其特征在于，所述S2包括：
S2.1所述卫星遥感资料包括通过Sentinel-5P卫星TropOMI传感器探测数据反演获取的O3生成前体物甲醛(HCHO)和二氧化氮(NO2)柱浓度逐日产品数据，并从产品中提取每日5.5km×3.5km格点信息，包括格点经度、纬度、HCHO柱浓度、NO2柱浓度以及相应的qa值；
S2.1按月将逐日的格点数据汇总合并，并根据qa值筛选出qa大于0.5的经度、纬度、HCHO柱浓度和NO2柱浓度月度监测数据集；根据月度监测数据，通过克里金插值方法将甲醛(HCHO)和二氧化氮(NO2)月度数据集采样成城市及周边地区高空间分辨率的浓度分布数据，分别形成1km*1km分辨率的甲醛(HCHO)和二氧化氮(NO2)月度分布数据；
S2.3根据步骤S1.5提取的潜在污染源网格，提取HCHO和NO2浓度数据，对潜在污染源网格内的每一个1km*1km网格HCHO和NO2浓度，通过比较网格浓度与背景浓度差异判定是否为热点网格，如满足下列条件(1)则判为NO2热点网格，满足条件(2)则判为VOCs热点网格：
其中，ΝO2为1km网格NO2柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格平均NO2柱浓度，单位为1013molec/cm2；
为5km潜在污染热点网格NO2柱浓度的平均绝对偏差，单位为1013molec/cm2；HCHO为1km网格HCHO柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格平均HCHO柱浓度，单位为1013molec/cm2；
为5km潜在污染源网格HCHO柱浓度的平均绝对偏差，单位为1013molec/cm2；
S2.4分别以NO2和VOCs热点网格中心为原点，以800m为半径制作缓冲区，并合并形成NO2热点区域和VOCs热点区域。
4.根据权利要求1所述的一种面向城市臭氧超标污染遥感溯源方法，其特征在于，所述S3包括：
S3.1所述电子地图包括高德地图、百度地图，根据多边形搜索方法，在NO2热点区域内，以电厂、钢铁、冶金、铸造、焦化、锅炉、物流园区关键字搜索公司企业类型的POI，收集POI的地理坐标、名称信息；
S3.2所述电子地图包括高德地图、百度地图，根据多边形搜索方法，在VOCs热点区域内，以4S、汽修、喷涂、涂料、装饰、家具、溶剂、油墨、印刷、加油站、石化、化工关键字搜索公司企业类型的POI，收集POI的地理坐标、名称信息；
S3.3汇总热点区域搜索的POI信息，采用坐标转换方法将POI的火星坐标系(GCJ02)转化为WGS84坐标系，形成疑似污染企业清单。
5.根据权利要求1所述的一种面向城市臭氧超标污染遥感溯源方法，其特征在于，所述S4包括：
S4.1所述卫星遥感数据包括高分一号、高分二号、高分六号优于2m的多光谱卫星遥感数据，收集近一个月的多光谱卫星影像，并进行几何校正、图像融合等预处理；
S4.2对疑似污染企业清单高分辨影像进行解译，剔除没有生产车间或者工厂面积小于100m2以及位于商场的企业POI干扰源；
S4.3利用高分辨率卫星影像对剔除干扰POI后的污染企业无组织排放点等情况进行解译识别，无组织排放包括物料未密闭存储、露天作业等识别，存在10处以上无组织排放点判为高风险污染企业，5-10处无组织排放点判为中风险污染企业，5处以下判为低风险污染企业。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211262234.4A CN115453069B (zh) | 2022-10-14 | 2022-10-14 | 一种面向城市臭氧超标污染遥感溯源方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211262234.4A CN115453069B (zh) | 2022-10-14 | 2022-10-14 | 一种面向城市臭氧超标污染遥感溯源方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115453069A true CN115453069A (zh) | 2022-12-09 |
| CN115453069B CN115453069B (zh) | 2023-05-30 |
Family
ID=84310405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211262234.4A Active CN115453069B (zh) | 2022-10-14 | 2022-10-14 | 一种面向城市臭氧超标污染遥感溯源方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115453069B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117147778A (zh) * | 2023-10-31 | 2023-12-01 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
| CN117252489A (zh) * | 2023-11-20 | 2023-12-19 | 湖北君邦环境技术有限责任公司 | 臭氧污染来源的评估方法、装置、介质及电子设备 |
| CN117269081A (zh) * | 2023-11-20 | 2023-12-22 | 北京英视睿达科技股份有限公司 | 一种温室气体的碳通量监测方法及碳通量监测系统 |
| CN117473398A (zh) * | 2023-12-26 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
| CN117973710A (zh) * | 2024-04-02 | 2024-05-03 | 生态环境部卫星环境应用中心 | 一种针对卫星高值区的大气污染溯源方法 |
-
2022
- 2022-10-14 CN CN202211262234.4A patent/CN115453069B/zh active Active
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117147778A (zh) * | 2023-10-31 | 2023-12-01 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
| CN117147778B (zh) * | 2023-10-31 | 2024-01-05 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
| CN117252489A (zh) * | 2023-11-20 | 2023-12-19 | 湖北君邦环境技术有限责任公司 | 臭氧污染来源的评估方法、装置、介质及电子设备 |
| CN117269081A (zh) * | 2023-11-20 | 2023-12-22 | 北京英视睿达科技股份有限公司 | 一种温室气体的碳通量监测方法及碳通量监测系统 |
| CN117252489B (zh) * | 2023-11-20 | 2024-03-15 | 湖北君邦环境技术有限责任公司 | 臭氧污染来源的评估方法、装置、介质及电子设备 |
| CN117269081B (zh) * | 2023-11-20 | 2024-03-15 | 北京英视睿达科技股份有限公司 | 一种温室气体的碳通量监测方法及碳通量监测系统 |
| CN117473398A (zh) * | 2023-12-26 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
| CN117473398B (zh) * | 2023-12-26 | 2024-03-19 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
| CN117973710A (zh) * | 2024-04-02 | 2024-05-03 | 生态环境部卫星环境应用中心 | 一种针对卫星高值区的大气污染溯源方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115453069B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115453069B (zh) | 一种面向城市臭氧超标污染遥感溯源方法 | |
| Shi et al. | Investigating the influence of urban land use and landscape pattern on PM2. 5 spatial variation using mobile monitoring and WUDAPT | |
| CN112418609A (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| Luo et al. | Trans-boundary air pollution in a city under various atmospheric conditions | |
| CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
| Carmichael et al. | The MICS-Asia study: model intercomparison of long-range transport and sulfur deposition in East Asia | |
| Baker | A cluster analysis of long range air transport pathways and associated pollutant concentrations within the UK | |
| Matějíček et al. | A GIS-based approach to spatio-temporal analysis of environmental pollution in urban areas: A case study of Prague's environment extended by LIDAR data | |
| CN116050612A (zh) | 基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质 | |
| Super et al. | Interpreting continuous in-situ observations of carbon dioxide and carbon monoxide in the urban port area of Rotterdam | |
| Filonchyk et al. | Atmospheric pollution assessment near potential source of natural aerosols in the South Gobi Desert region, China | |
| Park et al. | Numerical simulation of atmospheric CO2 concentration and flux over the Korean Peninsula using WRF-VPRM model during Korus-AQ 2016 campaign | |
| Costabile et al. | A preliminary assessment of major air pollutants in the city of Suzhou, China | |
| Wang et al. | High-resolution modeling for criteria air pollutants and the associated air quality index in a metropolitan city | |
| Karion et al. | Background conditions for an urban greenhouse gas network in the Washington, DC, and Baltimore metropolitan region | |
| Shi et al. | High-precision methodology for quantifying gas point source emission | |
| Li et al. | The impact of urban agglomeration on ozone precursor conditions: A systematic investigation across global agglomerations utilizing multi-source geospatial datasets | |
| Nalini et al. | High‐Resolution Lagrangian Inverse Modeling of CO2 Emissions Over the Paris Region During the First 2020 Lockdown Period | |
| Ravshanov et al. | Mathematical software to study the harmful substances diffusion in the atmosphere | |
| Jun et al. | Effects of transboundary PM2. 5 transported from China on the regional PM2. 5 concentrations in South Korea: A spatial panel-data analysis | |
| Verma et al. | Urban Air Quality Monitoring and Modelling Using Ground Monitoring, Remote Sensing, and GIS | |
| Yang et al. | A synchronized estimation of hourly surface concentrations of six criteria air pollutants with GEMS data | |
| Khuzestani et al. | Long-range transport of sulfur dioxide emissions from external sources to Tehran | |
| Chauhan et al. | Thermal characterization of Ajmer city: insights into urban heat dynamics | |
| Boschetti et al. | On the representation of IAGOS/MOZAIC vertical profiles in chemical transport models: contribution of different error sources in the example of carbon monoxide |
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 |