CN116109323B - 臭氧污染溯源方法、装置、设备及存储介质 - Google Patents
臭氧污染溯源方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116109323B CN116109323B CN202211679916.5A CN202211679916A CN116109323B CN 116109323 B CN116109323 B CN 116109323B CN 202211679916 A CN202211679916 A CN 202211679916A CN 116109323 B CN116109323 B CN 116109323B
- Authority
- CN
- China
- Prior art keywords
- ozone
- target
- vocs
- county
- determining
- 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.)
- Active
Links
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 215
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000035945 sensitivity Effects 0.000 claims abstract description 52
- 239000002245 particle Substances 0.000 claims abstract description 49
- 238000009792 diffusion process Methods 0.000 claims abstract description 46
- 239000012855 volatile organic compound Substances 0.000 claims description 82
- 238000009826 distribution Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical group O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 74
- 229910002089 NOx Inorganic materials 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 239000000356 contaminant Substances 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- ZWWCURLKEXEFQT-UHFFFAOYSA-N dinitrogen pentaoxide Chemical compound [O-][N+](=O)O[N+]([O-])=O ZWWCURLKEXEFQT-UHFFFAOYSA-N 0.000 description 2
- WFPZPJSADLPSON-UHFFFAOYSA-N dinitrogen tetraoxide Chemical compound [O-][N+](=O)[N+]([O-])=O WFPZPJSADLPSON-UHFFFAOYSA-N 0.000 description 2
- LZDSILRDTDCIQT-UHFFFAOYSA-N dinitrogen trioxide Chemical compound [O-][N+](=O)N=O LZDSILRDTDCIQT-UHFFFAOYSA-N 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- -1 methane hydrocarbons Chemical class 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 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 description 1
- 239000002028 Biomass Substances 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 150000008282 halocarbons Chemical class 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Natural products C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Oxygen, Ozone, And Oxides In General (AREA)
Abstract
本发明公开了一种臭氧污染溯源方法、臭氧污染溯源设备、臭氧污染溯源设备及存储介质，该方法包括：本发明基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；基于所述控制类型确定目标区县的臭氧污染来源浓度。由此通过基于拉格朗日粒子扩散模型确定目标区县，进而基于排放清单和臭氧敏感性指示剂确定目标区县的臭氧污染来源浓度，提高了臭氧溯源结果的精细程度，将溯源结果精细化到区县级别并获得该区县的臭氧污染来源浓度。
Description
技术领域
本发明涉及臭氧污染溯源设备技术领域，尤其涉及一种臭氧污染溯源方法、装置、设备、臭氧污染溯源设备及存储介质。
背景技术
臭氧污染溯源追踪是指通过观测和数学模型方法来定性或者定量识别城市或区域环境中臭氧污染的成因机制和臭氧的来源贡献。
目前对O3进行溯源的传统方法有欧拉模型、观测模型、拉格朗日粒子扩散模型(Lagrangian Particle Dispersion Model，LPDM)。欧拉模型法是以欧拉型空气质量数值模式为基础的方法，其基于排放源清单和气象场，用数值方法模拟污染物在大气中的输送扩散、化学转化、干湿清除等大气物理化学过程，定量估算不同地区和不同类别污染源排放对受体环境空气污染物浓度的贡献情况，但是欧拉模型对计算机资源要求较高，计算量大。欧拉模型法中包含了复杂的化学过程，存在输入数据复杂，计算量大的问题，同时欧拉模型是区域尺度模型，溯源的结果一般到省市级别，无法做到区县级别的溯源。模型对计算机资源要求较高，计算量大。
观测模型的基本原理是运用数学方法结合实际观测数据来模拟解析大气化学反应速率，与欧拉模型相比，观测模型避免了排放清单不确定性的影响，但也对观测数据提出了较高要求。观测模型通过输入详细的可挥发性污染物组分的观测浓度及其他相关参数，运用较为详尽的化学反应机制进行大气化学反应过程的模拟。观测模型缺少考虑如垂直和水平输送的物理过程，因此一般用来研究局地的臭氧生成，无法进行地区之间的传输模拟。
LPDM拉格朗日粒子扩散模型(Lagrangian Particle Dispersion Model，LPDM)通过计算点、线、面或体积源释放的大量粒子轨迹，来描述示踪物在大气中长距离、中尺度的输送、扩散、干湿沉降和辐射衰减等过程。拉格朗日粒子扩散模型结合排放源清单信息可以反向估算出大气中一次污染物的潜在来源贡献的空间分布和影响强度，但是由于臭氧是二次污染物，一般无法确定臭氧的污染潜在区域，更难以获得潜在区域中臭氧污染物来源的浓度。
发明内容
本发明提供一种臭氧污染溯源方法、装置、设备及存储介质，旨在提高臭氧溯源结果的精细程度，将溯源结果精细化到区县级别并获得该区县的臭氧污染来源浓度。
为实现上述目的，本发明提供一种臭氧污染溯源方法，所述方法应用于臭氧污染溯源设备，所述方法包括：
基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；
确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
基于所述控制类型确定目标区县的臭氧污染来源浓度。
可选地，所述基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区包括：
基于气象模型、多个预报中心的再分析数据获得气象数据；
将所述气象数据输入所述拉格朗日粒子扩散模型，通过所述拉格朗日粒子扩散模型获得臭氧污染的潜在源区。
可选地，所述将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值包括：
将所述排放清单中的相关数据输入欧拉模型，由所述欧拉模型计算各个目标区县的H2O2与HNO3的产率的比值，将H2O2与HNO3的产率的比值确定为臭氧敏感性指示剂值。
可选地，所述基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型包括：
将所述臭氧敏感性指示剂值与判断阈值进行对比；
若所述臭氧敏感性指示剂值小于或等于判断阈值，则确定所述目标区县的臭氧来源的控制类型为VOCs控制；
若所述臭氧敏感性指示剂值大于判断阈值，则确定所述目标区县的臭氧来源的控制类型为NOx控制。
可选地，所述控制类型包括VOCs控制型和NOx控制型，所述基于所述控制类型确定目标区县的臭氧污染来源浓度包括：
对于控制类型为VOCs控制型的VOCs目标区域，确定VOCs目标区域中VOCs排放量的第一VOC总值以及NOx排放量的第一NOx总值，基于所述第一VOC总值、第一NOx总值确定VOCs贡献浓度；
对于控制类型为NOx控制型的NOx目标区域，确定NOx目标区域中VOCs排放量的第二VOCs总值以及NOx排放量的第二NOx总值，基于所述第二VOC总值、第二NOx总值确定VOCs贡献浓度；
将所述VOCs贡献浓度与所述NOx贡献浓度之和确定为目标区县的臭氧污染来源浓度。
可选地，所述确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单包括：
基于所述潜在源区的空间分布，将所述空间分布内的区县确定为目标区县；
从排放源数据中筛选与所述目标区县相关的排放数据，获得所述排放清单。
可选地，所述基于所述控制类型确定目标区县的臭氧污染来源浓度之后，还包括：
获取目标辖区内的多个目标区县的臭氧污染来源浓度，计算所述目标辖区内的臭氧污染来源总浓度。
本发明还提供一种臭氧污染溯源装置，包括：
获得模块，用于基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；
获取模块，用于确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
判断模块，用于将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
确定模块，用于基于所述控制类型确定目标区县的臭氧污染来源浓度。
本发明还提供一种臭氧污染溯源设备，包括存储器、处理器以及存储在所述存储器上的臭氧污染溯源程序，所述臭氧污染溯源程序被所述处理器运行时实现如上所述的臭氧污染溯源方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有臭氧污染溯源程序，所述臭氧污染溯源程序被处理器运行时实现如上所述的臭氧污染溯源方法的步骤。
本发明公开了一种臭氧污染溯源方法、臭氧污染溯源设备、臭氧污染溯源设备及存储介质，该方法包括：本发明基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；基于所述控制类型确定目标区县的臭氧污染来源浓度。由此通过基于拉格朗日粒子扩散模型确定目标区县，进而基于排放清单和臭氧敏感性指示剂确定目标区县的臭氧污染来源浓度，提高了臭氧溯源结果的精细程度，将溯源结果精细化到区县级别并获得该区县的臭氧污染来源浓度。
附图说明
图1是本发明本发明各实施例涉及的臭氧污染溯源设备的硬件结构示意图；
图2是本发明臭氧污染溯源方法第一实施例的流程示意图；
图3是本发明臭氧污染溯源方法第二实施例的流程示意图；
图4是本发明臭氧污染溯源装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例主要涉及的臭氧污染溯源设备是指能够实现网络连接的网络连接设备，所述臭氧污染溯源设备可以是服务器、云平台等。
参照图1，图1是本发明各实施例涉及的臭氧污染溯源设备的硬件结构示意图。本发明实施例中，臭氧污染溯源设备可以包括处理器1001(例如中央处理器CentralProcessing Unit、CPU)，通信总线1002，输入端口1003，输出端口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；输入端口1003用于数据输入；输出端口1004用于数据输出，存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种可读存储介质的存储器1005可以包括操作系统、网络通信模块、应用程序模块以及臭氧污染溯源程序。在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001用于调用存储器1005中存储的臭氧污染溯源程序，并执行如下操作：
基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；
确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
基于所述控制类型确定目标区县的臭氧污染来源浓度。
基于上述臭氧污染溯源设备提出本发明臭氧污染溯源方法的第一实施例。请参照图2，图2是本发明臭氧污染溯源方法第一实施例的流程示意图。
如图2所示，本发明第一实施例提出一种臭氧污染溯源方法，所述方法应用于臭氧污染溯源设备，所述方法包括：
步骤S101，基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；
获取取气象模式模拟的高分辨率的气象数据，以及各大预报中心的再分析气象数据。利用气象数据驱动拉格朗日粒子扩散模型，拉格朗日粒子扩散模型在预设的目标点释放大量粒子进行后向模拟，模拟统计出粒子在三维网络空间中每个网格的驻留时间，获得追溯目标点的臭氧污染溯源的潜在源区。
步骤S102，确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
具体地，基于所述潜在源区的空间分布，将所述空间分布内的区县确定为目标区县；
从排放源数据中筛选与所述目标区县相关的排放数据，获得所述排放清单。也即排放清单包括目标区县的排放源数据。
拉格朗日粒子扩散模型输出的是区县是网格化的，因此在确定潜在源区对应的空间分布后，将该空间分布与实际地图中的网格进行对比，将所述空间分布网格内的区县确定为目标区县。
一般地，可以用行政区划代码表示各个目标区县。行政区划代码是国家对能够统治的行施管辖区域进行分级分层进行管辖用信息化手段编制的对各层级行政区划编制的替代数码，输入需要进行污染来源分析的区县代码，提取目标区县的行政区划代码，将全国省、市、县以及行政区的空间分布代码数据进行裁剪和合并，最后提取出只有目标区域代码的网格数据，该网格数据的空间分布与拉格朗日模型设置的区域大小一致。
排放源数据是指一个时间段内所关注区域各类污染物排放数据，一般地排放源数据按部门、地区、污染来源等。排放清单包括了特定空间范围内各类污染源的排放量，污染来源有人为源和天然源，人为源包括了能源源、工业锅炉源、工艺过程源、溶剂使用源、道路源、非道路源、居民源、农业源，民航源、船舶源、油气源、扬尘源、废弃物源和生物质源，对不同行业进行了细分，排放清单中涵盖了所有常规大气污染物物种，例如SO2、NOx、CO、NH3、VOC、TSP、PM10、PM2.5等。排放清单是空气质量管理的基础，它能够反应特定空间范围内的污染物排放情况。由此，本实施例使用高时空分辨率的人为源和天然源排放清单，做到了对臭氧来源的行业细分，同时不仅考虑了人为源，还考虑了天然源的影响，提高了臭氧污染来源的准确度。
步骤S103，将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
当确定目标区县、获得目标区县的排放清单后，需要确定各个目标区县的臭氧来源的控制类型。所述控制类型包括VOCs控制型和NOx控制型。VOCs是Volatile OrganicCompounds(挥发性有机物)的缩写，VOCs控制型表示臭氧污染来源主要是非甲烷碳氢化合物(简称NMHCs)、含氧有机化合物、卤代烃、含氮有机化合物、含硫有机化合物等。NOx表示氮氧化合物，氮氧化物指的是只由氮、氧两种元素组成的化合物，包括多种化合物，如一氧化二氮(N2O)、一氧化氮(NO)、二氧化氮(NO2)、三氧化二氮(N2O3)、四氧化二氮(N2O4)和五氧化二氮(N2O5)等。
具体地，将所述排放清单中的相关数据输入欧拉模型，由所述欧拉模型计算各个目标区县的H2O2与HNO3的产率的比值，将H2O2与HNO3的产率的比值确定为臭氧敏感性指示剂值。
臭氧敏感性指示剂是基于已有的光化学理论，使用光化学反应中某些特定的物种、物种组合或物种比值等作为指示剂，从而来判定臭氧生成的敏感性。
臭氧敏感性指示剂一般从欧拉模型的输出的结果中获取，本实施例的欧拉模型中的臭氧敏感性指示剂为H2O2与HNO3的产率比值作为臭氧生成受NOx控制或VOCs控制的臭氧敏感性指示剂值Q：
其中P(H2O2)表示H2O2的产率，P(HNO3)表示HNO3的产率。
将所述臭氧敏感性指示剂值与判断阈值进行对比，若所述臭氧敏感性指示剂值小于或等于判断阈值，则确定所述目标区县的臭氧来源的控制类型为VOCs控制；若所述臭氧敏感性指示剂值大于判断阈值，则确定所述目标区县的臭氧来源的控制类型为NOx控制。
本实施例中所述判断阈值根据经验确定，例如将判断阈值确定为0.35，则P(H2O2)/P(HNO3)大于0.35，表示臭氧生成受NOx控制；P(H2O2)/P(HNO3)小于或等于0.35，表示臭氧生成受VOCs控制。在其它实施例中可以将判断阈值确定为0.42、0.3、0.25等。
步骤S104，基于所述控制类型确定目标区县的臭氧污染来源浓度。
具体地，对于控制类型为VOCs控制型的VOCs目标区域，确定VOCs目标区域中VOCs排放量的第一VOCs总值以及NOx排放量的第一NOx总值，基于所述第一VOC总值、第一NOx总值确定VOCs贡献浓度：
其中，CONC1表示VOCs贡献浓度；表示VOCs控制区中各个目标区县的VOCs排放量的第一VOCs总值，/>表示VOCs控制区中各个目标区县的NOx排放量的第一NOx总值；X1表示第一VOCs贡献占比；Y1表示第一NOx贡献占比。
对于控制类型为NOx控制型的NOx目标区域，确定NOx目标区域中VOCs排放量的第二VOC总值以及NOx排放量的第二NOx总值，基于所述第二VOC总值、第二NOx总值确定VOCs贡献浓度；
其中，CONC2表示NOx贡献浓度；表示VOCs控制区中各个目标区县的VOCs排放量的第二NOx总值，/>表示VOCs控制区中各个目标区县的VOCs排放量的第一VOCs总值；X2表示第二NOx贡献占比；Y2表示第二VOCs贡献占比。
将所述VOCs贡献浓度与所述NOx贡献浓度之和确定为目标区县的臭氧污染来源浓度。
其中，表示臭氧污染来源浓度。
进一步地，获取目标辖区内的多个目标区县的臭氧污染来源浓度，计算所述目标辖区内的臭氧污染来源总浓度。
为了更好的进行污染源控制，在获得目标区县的臭氧污染来源后，可以基于目标区县的臭氧污染来源浓度进行统计。一般地，以行政管辖区划界，若统计目标辖区的臭氧污染来源总浓度，则对目标辖区内的多个目标区县的臭氧污染来源浓度进行求和。
进一步地，当获得多个目标辖区的臭氧污染来源总浓度后，还可以对各个目标辖区的臭氧污染排放情况进行分析。也可以将同一辖区在不同时期的臭氧污染来源总浓度进行对比，分析不同时期的臭氧污染来源排放情况。
本实施例通过上述方案，基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；基于所述控制类型确定目标区县的臭氧污染来源浓度。由此通过基于拉格朗日粒子扩散模型确定目标区县，进而基于排放清单和臭氧敏感性指示剂确定目标区县的臭氧污染来源浓度，提高了臭氧溯源结果的精细程度，将溯源结果精细化到区县级别并获得该区县的臭氧污染来源浓度。
如图3所示，本发明第二实施例提出一种臭氧污染溯源方法，基于上述图2所示的实施例，步骤S101：所述基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区包括：
步骤S1011，基于气象模型、多个预报中心的再分析数据获得气象数据；
拉格朗日粒子扩散模型通过计算点、线、面或体积源释放的大量粒子运动轨迹，来描述示踪物在大气中长距离、中尺度的输送、扩散、干湿沉降和辐射衰减等过程。为了进行臭氧污染溯源，需要输入气象数据来驱动拉格朗日粒子扩散模型，气象数据可以是中尺度气象模型输出的气象数据结果，也可以是各大气象预报中心的再分析数据，其中气象预报中心的再分析数据可以是欧洲中期天气预报中心(European Centre for Medium-RangeWeather Forecasts,ECMWF)、美国国家大气研究中心(National Center for AtmosphericResearch,NCAR)的全球预报系统(Global Forecasting System，GFS)数据。
步骤S1012，将所述气象数据输入所述拉格朗日粒子扩散模型，通过所述拉格朗日粒子扩散模型获得臭氧污染的潜在源区。
拉格朗日粒子扩散模型在目标点释放大量粒子进行后向模拟，统计出粒子在三维网络空间中每个网格的驻留时间，得到追溯目标点的潜在源区。
基于中尺度气象模式预报结果，拉格朗日粒子扩散模式通过模拟污染时段的平流和扩散过程，给出当前输送特征，为污染溯源提供一种可能。释放到大气边界层中的污染物受到平均流场和各种尺度湍流影响，在大气中迁移扩散，从而引起污染物浓度的稀释和再分配，气象条件对污染物的累积过程有着支配性的作用。拉格朗日粒子扩散模型考虑预报时段的气象条件，通过随机漫步法(Stochastic or random-walk method)再现湍流过程，以达到对大气输送和扩散特征的准确估计，从而获得潜在源区。
本实施例通过上述方案，基于气象模型、多个预报中心的再分析数据获得气象数据；将所述气象数据输入所述拉格朗日粒子扩散模型，通过所述拉格朗日粒子扩散模型获得臭氧污染的潜在源区。由此，通过拉格朗日粒子扩散模型模拟粒子扩散过程获得臭氧污染的潜在源区，实现了臭氧污染的空间定位，有助于提高臭氧溯源结果的精细程度，使得溯源结果精细化到区县级别。
进一步地，为实现上述目的，本发明还提供一种臭氧污染溯源装置，具体地，参见4，图4是本发明臭氧污染溯源装置第一实施例的功能模块示意图，所述装置包括：
获得模块10，用于基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区
获取模块20，用于确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
判断模块30，用于将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
确定模块40，用于基于所述控制类型确定目标区县的臭氧污染来源浓度。
进一步地，所述获得模块包括：
气象数据获得单元，用于基于气象模型、多个预报中心的再分析数据获得气象数据；
输入单元，用于将所述气象数据输入所述拉格朗日粒子扩散模型，通过所述拉格朗日粒子扩散模型获得臭氧污染的潜在源区。
进一步地，所述判断模块还包括：
臭氧敏感性指示剂值获得单元，用于基于欧拉模型获得所述目标区县的所述臭氧敏感性指示剂值。
进一步地，所述判断模块包括：
第一计算单元，用于基于所述排放清单计算各个目标区县的H2O2与HNO3的产率的比值，获得臭氧敏感性指示剂值；
第一确定单元，用于若所述臭氧敏感性指示剂值小于或等于判断阈值，则确定所述目标区县的臭氧来源的控制类型为VOCs控制；
第二确定单元，用于若所述臭氧敏感性指示剂值大于判断阈值，则确定所述目标区县的臭氧来源的控制类型为NOx控制。
进一步地，所述确定模块包括：
第三确定单元，用于对于控制类型为VOCs控制型的VOCs目标区域，确定VOCs目标区域中VOCs排放量的第一VOC总值以及NOx排放量的第一NOx总值，基于所述第一VOC总值、第一NOx总值确定VOCs贡献浓度；
第四确定单元，用于对于控制类型为NOx控制型的NOx目标区域，确定NOx目标区域中VOCs排放量的第二VOCs总值以及NOx排放量的第二NOx总值，基于所述第二VOC总值、第二NOx总值确定VOCs贡献浓度；
第五确定单元，用于将所述VOCs贡献浓度与所述NOx贡献浓度之和确定为目标区县的臭氧污染来源浓度。
进一步地，所述确定模块包括：
目标区县确定单元，用于基于所述潜在源区的空间分布，将所述空间分布内的区县确定为目标区县；
排放清单获得单元，用于从排放源数据中筛选与所述目标区县相关的排放数据，获得所述排放清单。
进一步地，所述确定模块还包括：
第二计算单元，用于获取目标辖区内的多个目标区县的臭氧污染来源浓度，计算所述目标辖区内的臭氧污染来源总浓度。
此外，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有臭氧污染溯源程序，所述臭氧污染溯源程序被处理器运行时实现如上所述的臭氧污染溯源方法的步骤，在此不再赘述。
相比现有技术，本申请基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；基于所述控制类型确定目标区县的臭氧污染来源浓度。由此通过基于拉格朗日粒子扩散模型确定目标区县，进而基于排放清单和臭氧敏感性指示剂确定目标区县的臭氧污染来源浓度，提高了臭氧溯源结果的精细程度，将溯源结果精细化到区县级别并获得该区县的臭氧污染来源浓度。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种臭氧污染溯源方法，其特征在于，所述方法包括：
基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；
确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
基于所述控制类型确定目标区县的臭氧污染来源浓度，包括：
对于控制类型为VOCs控制型的VOCs目标区域，确定VOCs目标区域中VOCs排放量的第一VOCs总值以及NOx排放量的第一NOx总值，基于所述第一VOCs总值和第一NOx总值确定VOCs贡献浓度；
对于控制类型为NOx控制型的NOx目标区域，确定NOx目标区域中VOCs排放量的第二VOCs总值以及NOx排放量的第二NOx总值，基于所述第二VOCs总值和第二NOx总值确定NOx贡献浓度；
将所述VOCs贡献浓度与所述NOx贡献浓度之和确定为目标区县的臭氧污染来源浓度。
2.根据权利要求1所述的方法，其特征在于，所述基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区包括：
基于气象模型、多个预报中心的再分析数据获得气象数据；
将所述气象数据输入所述拉格朗日粒子扩散模型，通过所述拉格朗日粒子扩散模型获得臭氧污染的潜在源区。
3.根据权利要求1所述的方法，其特征在于，所述将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值包括：
将所述排放清单中的相关数据输入欧拉模型，由所述欧拉模型计算各个目标区县的与/>的产率的比值，将/>与/>的产率的比值确定为臭氧敏感性指示剂值。
4.根据权利要求1所述的方法，其特征在于，所述基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型包括：
将所述臭氧敏感性指示剂值与判断阈值进行对比；
若所述臭氧敏感性指示剂值小于或等于判断阈值，则确定所述目标区县的臭氧来源的控制类型为VOCs控制；
若所述臭氧敏感性指示剂值大于判断阈值，则确定所述目标区县的臭氧来源的控制类型为NOx控制。
5.根据权利要求1所述的方法，其特征在于，所述确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单包括：
基于所述潜在源区的空间分布，将所述空间分布内的区县确定为目标区县；
从排放源数据中筛选与所述目标区县相关的排放数据，获得所述排放清单。
6.根据权利要求1所述的方法，其特征在于，所述基于所述控制类型确定目标区县的臭氧污染来源浓度之后，还包括：
获取目标辖区内的多个目标区县的臭氧污染来源浓度，计算所述目标辖区内的臭氧污染来源总浓度。
7.一种臭氧污染溯源装置，其特征在于，包括：
获得模块，用于基于拉格朗日粒子扩散模型获得臭氧污染的潜在源区；
获取模块，用于确定所述潜在源区对应的目标区县，并获取所述目标区县的排放清单；
判断模块，用于将所述排放清单中的相关数据输入欧拉模型获得所述目标区县的臭氧敏感性指示剂值，基于所述臭氧敏感性指示剂值判断所述目标区县臭氧来源的控制类型；
确定模块，用于基于所述控制类型确定目标区县的臭氧污染来源浓度，具体用于：
对于控制类型为VOCs控制型的VOCs目标区域，确定VOCs目标区域中VOCs排放量的第一VOCs总值以及NOx排放量的第一NOx总值，基于所述第一VOCs总值和第一NOx总值确定VOCs贡献浓度；
对于控制类型为NOx控制型的NOx目标区域，确定NOx目标区域中VOCs排放量的第二VOCs总值以及NOx排放量的第二NOx总值，基于所述第二VOCs总值和第二NOx总值确定NOx贡献浓度；
将所述VOCs贡献浓度与所述NOx贡献浓度之和确定为目标区县的臭氧污染来源浓度。
8.一种臭氧污染溯源设备，其特征在于，包括存储器、处理器以及存储在所述存储器上的臭氧污染溯源程序，所述臭氧污染溯源程序被所述处理器运行时实现如权利要求1-6中任一项所述的臭氧污染溯源方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有臭氧污染溯源程序，所述臭氧污染溯源程序被处理器运行时实现如权利要求1-6中任一项所述的臭氧污染溯源方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211679916.5A CN116109323B (zh) | 2022-12-26 | 2022-12-26 | 臭氧污染溯源方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211679916.5A CN116109323B (zh) | 2022-12-26 | 2022-12-26 | 臭氧污染溯源方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116109323A CN116109323A (zh) | 2023-05-12 |
| CN116109323B true CN116109323B (zh) | 2023-08-01 |
Family
ID=86257338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211679916.5A Active CN116109323B (zh) | 2022-12-26 | 2022-12-26 | 臭氧污染溯源方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116109323B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583743A (zh) * | 2018-11-26 | 2019-04-05 | 南京创蓝科技有限公司 | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 |
| CN110824110A (zh) * | 2019-10-30 | 2020-02-21 | 山东大学 | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统 |
| CN112131739A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种乡镇级别大气污染溯源的预报方法 |
| CN112988940A (zh) * | 2021-04-02 | 2021-06-18 | 中科三清科技有限公司 | 污染溯源方法及装置 |
| CN113720972A (zh) * | 2021-09-02 | 2021-11-30 | 中科三清科技有限公司 | 大气污染物的源解析方法及装置 |
| CN113919533A (zh) * | 2020-07-07 | 2022-01-11 | 中国环境科学研究院 | 一种基于人工智能的空气质量溯源预报方法 |
| CN114155129A (zh) * | 2021-11-29 | 2022-03-08 | 中科三清科技有限公司 | 一种基于工业园区的大气环境溯评方法和系统 |
| CN114356880A (zh) * | 2021-12-15 | 2022-04-15 | 浙江工业大学 | 基于数据驱动的小尺度区域大气污染物快速溯源方法 |
| CN114354841A (zh) * | 2020-10-12 | 2022-04-15 | 江苏省环境科学研究院 | 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 |
| CN114971031A (zh) * | 2022-05-31 | 2022-08-30 | 中科三清科技有限公司 | 大气污染排放的溯源方法、装置、电子设备及存储介质 |
| CN115099451A (zh) * | 2022-04-30 | 2022-09-23 | 北京工商大学 | 一种基于污染精准溯源预报技术的企业敏感性识别方法 |
| CN115271547A (zh) * | 2022-09-22 | 2022-11-01 | 中科三清科技有限公司 | 臭氧污染的源解析方法、装置和电子设备 |
-
2022
- 2022-12-26 CN CN202211679916.5A patent/CN116109323B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583743A (zh) * | 2018-11-26 | 2019-04-05 | 南京创蓝科技有限公司 | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 |
| CN110824110A (zh) * | 2019-10-30 | 2020-02-21 | 山东大学 | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统 |
| CN113919533A (zh) * | 2020-07-07 | 2022-01-11 | 中国环境科学研究院 | 一种基于人工智能的空气质量溯源预报方法 |
| CN112131739A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种乡镇级别大气污染溯源的预报方法 |
| CN114354841A (zh) * | 2020-10-12 | 2022-04-15 | 江苏省环境科学研究院 | 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 |
| CN112988940A (zh) * | 2021-04-02 | 2021-06-18 | 中科三清科技有限公司 | 污染溯源方法及装置 |
| CN113720972A (zh) * | 2021-09-02 | 2021-11-30 | 中科三清科技有限公司 | 大气污染物的源解析方法及装置 |
| CN114155129A (zh) * | 2021-11-29 | 2022-03-08 | 中科三清科技有限公司 | 一种基于工业园区的大气环境溯评方法和系统 |
| CN114356880A (zh) * | 2021-12-15 | 2022-04-15 | 浙江工业大学 | 基于数据驱动的小尺度区域大气污染物快速溯源方法 |
| CN115099451A (zh) * | 2022-04-30 | 2022-09-23 | 北京工商大学 | 一种基于污染精准溯源预报技术的企业敏感性识别方法 |
| CN114971031A (zh) * | 2022-05-31 | 2022-08-30 | 中科三清科技有限公司 | 大气污染排放的溯源方法、装置、电子设备及存储介质 |
| CN115271547A (zh) * | 2022-09-22 | 2022-11-01 | 中科三清科技有限公司 | 臭氧污染的源解析方法、装置和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于伴随方法的大气污染溯源;黄顺祥;刘峰;盛黎;程麟钧;吴琳;李军;;科学通报(16);47-56 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116109323A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110085281B (zh) | 一种基于特征污染因子源解析的环境污染溯源系统及方法 | |
| Ferrero et al. | Impact of the electric vehicles on the air pollution from a highway | |
| CN109583743A (zh) | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 | |
| KR102324392B1 (ko) | 지역별 미세먼지 농도 예측방법 및 시스템 | |
| Misra et al. | An integrated modelling approach to estimate urban traffic emissions | |
| Schatzmann et al. | Issues with validation of urban flow and dispersion CFD models | |
| Borge et al. | Emission inventories and modeling requirements for the development of air quality plans. Application to Madrid (Spain) | |
| Zhang et al. | Real-time air quality forecasting, part II: State of the science, current research needs, and future prospects | |
| Hooyberghs et al. | A neural network forecast for daily average PM10 concentrations in Belgium | |
| Stein et al. | A hybrid modeling approach to resolve pollutant concentrations in an urban area | |
| Lefebvre et al. | Evaluation of the RIO-IFDM-street canyon model chain | |
| Tsuang | Quantification on the source/receptor relationship of primary pollutants and secondary aerosols by a Gaussian plume trajectory model: Part I—Theory | |
| CN105631537A (zh) | 基于气象服务平台的空气质量预报业务系统 | |
| CN113720972B (zh) | 大气污染物的源解析方法及装置 | |
| Deng et al. | The MR-CA models for analysis of pollution sources and prediction of PM 2.5 | |
| Han et al. | MICS-Asia II: Model intercomparison and evaluation of ozone and relevant species | |
| CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 | |
| Volta et al. | GAMES, a comprehensive gas aerosol modelling evaluation system | |
| Zhang et al. | Large-eddy simulation of traffic-related air pollution at a very high resolution in a mega-city: evaluation against mobile sensors and insights for influencing factors | |
| Redington et al. | Sensitivity of modelled sulphate and nitrate aerosol to cloud, pH and ammonia emissions | |
| CN115099451A (zh) | 一种基于污染精准溯源预报技术的企业敏感性识别方法 | |
| Duisebekova et al. | Development of an information-analytical system for the analysis and monitoring of climatic and ecological changes in the environment: Part 1 | |
| Hakala et al. | Observed coupling between air mass history, secondary growth of nucleation mode particles and aerosol pollution levels in Beijing | |
| CN117116381B (zh) | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 | |
| Dey et al. | Spatio-temporal variation and futuristic emission scenario of ambient nitrogen dioxide over an urban area of eastern India using GIS and coupled AERMOD–WRF model |
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 |