CN116187095A - 一种道路交通扬尘环境影响评价方法及装置 - Google Patents
一种道路交通扬尘环境影响评价方法及装置 Download PDFInfo
- Publication number
- CN116187095A CN116187095A CN202310418735.5A CN202310418735A CN116187095A CN 116187095 A CN116187095 A CN 116187095A CN 202310418735 A CN202310418735 A CN 202310418735A CN 116187095 A CN116187095 A CN 116187095A
- Authority
- CN
- China
- Prior art keywords
- dust
- road
- road traffic
- emission
- traffic
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 305
- 238000011156 evaluation Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000012805 post-processing Methods 0.000 claims abstract description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 36
- 231100000719 pollutant Toxicity 0.000 claims description 36
- 238000009825 accumulation Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 239000002245 particle Substances 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 3
- 238000003915 air pollution Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 239000003570 air Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011163 secondary particle Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于大气污染评估技术领域,提供了一种道路交通扬尘环境影响评价方法及装置,所述方法包括以下步骤:获取待评价区域内交通路网的各道路交通扬尘实测数据;采用AP‑42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子;根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理。本发明填补了运用CALPUFF模型开展城市道路交通扬尘源的影响评估的空白。
Description
技术领域
本发明属于大气污染评估技术领域,尤其涉及一种道路交通扬尘环境影响评价方法及装置。
背景技术
城市扬尘是指城市范围内的地表松散颗粒物质在自然力或人力作用下进入到环境空气中形成的一定粒径范围的空气颗粒物。近年来,快速的城市建设加大了扬尘排放强度。研究表明,城市道路扬尘容易在机动车、行人及风力的作用下反复扬起,反复沉降。道路扬尘是城市扬尘污染的主要来源之一,对城市空气质量的影响尤为显著。常见的建筑工地、河道治理、小区改造、雨污分流工程等施工过程中,抛洒滴漏、未密闭运输、车身不洁、带泥上路等问题,不仅污染城市道路,而且影响城市环境。而道路扬尘源是城市扬尘污染防治的关键,其有效管控对于改善城市颗粒物污染至关重要。因此,对于城市道路扬尘源对国控站点影响量化的评估和管控工作尤为重要。
目前关于气象的预测预报主流为WRF(天气预报模式)、关于空气质量预测预报的模型包括中小尺度模型(AERMOD模型、ADMS模型和CALPUFF模型)、综合区域尺度模型(CMAx模型、CMAQ模型、NAQPMS模型和WRF-Chem模型)和全球尺度模型(MOZART模型和GEOS-Chem模型)。其中,AERMOD模型、ADMS模型和CALPUFF模型均被列为有关标准中的推荐模型,AERMOD模型、ADMS模型、CALPUFF模型均可模拟挥发性有机物(VOCs)、SO2、NOx一次污染情况,但只有CALPUFF模型可模拟VOCs生成二次有机气溶胶的情况,能够评估二次颗粒物浓度,此外CALPUFF模型在模拟地形复杂情况下污染物的扩散情况也具有优势。
但是,目前尚未发现有运用CALPUFF模型开展城市道路交通扬尘源的影响评估相关的现有技术。
发明内容
本发明实施例的目的在于提供一种道路交通扬尘环境影响评价方法,填补了运用CALPUFF模型开展城市道路交通扬尘源的影响评估的空白;可以根据实测数据建立道路交通扬尘源排放清单,基于道路交通扬尘源排放清单,利用CALPUFF模型开展城市不同路网道路交通扬尘源对国控站点颗粒物的量化影响,为污染治理提供支撑依据。
本发明实施例是这样实现的,一种道路交通扬尘环境影响评价方法,所述方法包括以下步骤:
获取待评价区域内交通路网的各道路交通扬尘实测数据;
采用AP-42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子;
根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;
根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
进一步地,所述方法还包括:
在对小时贡献大于设定名次的道路实施管控后,使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估。
进一步地,所述使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估的步骤,具体包括:
更新实施管控的道路交通扬尘实测数据,以及对应管控区域内的气象场数据;
将更新的道路交通扬尘实测数据和气象场数据输入CALPUFF模型,通过贡献度排序或扬尘排放量的削减情况评价管控效果。
进一步地,所述获取待评价区域内交通路网的各道路交通扬尘实测数据的步骤,具体包括:
利用道路积尘负荷走航监测设备对各道路开展积尘负荷走航,获取各道路一定时间内的积尘负荷数据;
对获取的积尘负荷数据进行数据预处理、分类和筛选,进而建立扬尘源信息库,即得到各道路交通扬尘实测数据。
进一步地,所述采用AP-42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子的步骤,满足:
所述AP-42 模型提供的道路扬尘排放量核算公式为:
进一步地,所述根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单的步骤,具体包括:
基于AP-42模型,根据不同粒径修正经验值、平均车重、积尘负荷数据和天气参数,计算不同类型道路的扬尘排放因子;
根据道路上机动车的日流量和道路种类数,计算单位长度的各类型道路交通扬尘日排放量;
确定道路交通扬尘的排放特征及其变化趋势;并以实际道路长度为分配因子,根据获取的车流量实际数据,建立道路交通扬尘源排放清单;
其中所述道路交通扬尘源排放清单包括:各道路的起点和终点经纬度、道路PM10或PM2.5排放量、道路宽度、排放高度和道路路面高程。
进一步地,所述根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序的步骤中,还包括:
对各道路交通扬尘源对国控点污染物浓度的贡献度数据和对应气象场的气象数据进行处理,运用surfer程序进行绘图并将结果储存,建立道路交通扬尘污染数据库。
进一步地,所述CALPUFF模型包括:CALMET模块、CALPUFF模块和CALPOST模块;
所述CALMET模块,用于生成待评价区域内的气象场数据;
所述CALPUFF模块,基于所述道路交通扬尘源排放清单,及待评价区域内的气象场数据,计算各道路交通扬尘源的污染浓度模拟场;
所述CALPOST模块,通过处理CALPUFF模块输出的文件,生成各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库。
本发明实施例的另一目的在于提供一种道路交通扬尘环境影响评价装置,所述装置包括:数据获取单元、AP-42模型运行单元和CALPUFF模型运行单元;
所述数据获取单元,用于获取待评价区域内交通路网的各道路交通扬尘实测数据;
所述AP-42模型运行单元,采用AP-42模型计算指定一定周期内交通路网中不同类型道路的扬尘排放因子;根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
所述CALPUFF模型运行单元,基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;以及用于根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
进一步地,所述装置还包括扬尘管控评估单元;所述扬尘管控评估单元,在对小时贡献大于设定名次的道路实施管控后,使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估。
本发明实施例提供的一种道路交通扬尘环境影响评价方法,该方法是根据实测数据建立道路交通扬尘源排放清单,基于道路交通扬尘源排放清单,利用CALPUFF模型开展城市不同路网道路交通扬尘源对国控站点颗粒物的量化影响,为污染治理提供支撑依据;此外可针对城市污染天情况下开展城市重点道路管控并开展效果评估,进一步验证评价方法的准确性。
附图说明
图1为本发明实施例提供的一种道路交通扬尘环境影响评价方法流程图;
图2为本发明实施例提供的另一种道路交通扬尘环境影响评价方法流程图;
图3为本发明实施例中AP-42模型建立道路交通扬尘源排放清单流程原理图;
图4为本发明实施例中利用CALLPUFF模型开展影响评估流程原理图;
图5为本发明实施例中各道路上行驶的各类型机动车平均车重、车型构成比例图;
图6为为本发明实施例中道路交通扬尘源对国控点污染源贡献热度图;
图7为本发明实施例中实施管控前后道路交通扬尘源对国控点污染源贡献变化柱状图;
图8为本发明实施例提供的一种道路交通扬尘环境影响评价装置框图;
图9为本发明实施例提供的另一种道路交通扬尘环境影响评价装置框图;
图10为一个发明实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
图1为本发明实施例提供的一种道路交通扬尘环境影响评价方法的流程图,具体可以包括如图1所示的步骤S101至S109:
S101、获取待评价区域内交通路网的各道路交通扬尘实测数据;
本步骤中,待评价区域是指城市建成区域,其中的交通路网包含有:主干道、次干道和支道,以及高架桥、隧道等道路;道路交通扬尘实测数据的获取,可以通过道路积尘负荷走航监测设备,也称道路积尘负荷走航监测系统;道路积尘负荷走航监测设备具体可以对道路PM2.5、PM10和TSP(总悬浮微粒物)的排放进行实测,包括但不限于测量这些数据。
在本实施例的一个示例中,所述获取待评价区域内交通路网的各道路交通扬尘实测数据+的步骤,具体包括:利用道路积尘负荷走航监测设备对各道路开展积尘负荷走航,获取各道路一定时间内的积尘负荷数据;对获取的积尘负荷数据进行数据预处理、分类和筛选,进而建立扬尘源信息库,即得到各道路交通扬尘实测数据。
S103、采用AP-42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子;
本步骤中,所述采用AP-42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子的步骤,满足:
所述AP-42 模型提供的道路扬尘排放量核算公式为:
在一个示例中,天数的降雨修正项,类比自非铺装道路降雨修正;P为周期内降雨量大于0.254 mm的天数;N为周期天数。
本实施例的一个示例中,k 为粒度乘数,可以采用修正数值的方法,道路积尘负荷小于0.5g·m-2时,k取0.19g·VKT-1,道路积尘负荷大于0.5g·m-2时,k取0.17g·VKT-1。
需要说明的是,AP-42模型是在1968年首次提出,用于规范计算道路扬尘检测,中国的《防治城市扬尘污染技术规范》(HJ/T 393-2007)的撰写主要依据AP-42方法,该方法也被称为“积尘负荷法”。道路扬尘排放主要受到道路积尘负荷、降雨、交通(车型构成、车流量、道路长度)的影响,其中道路积尘负荷(或道路尘负荷)是基本因素。
上述,在对降雨、道路积尘负荷进行实测或间接获取后,再通过现有交通路网监测的交通中的车型构成、车流量、道路长度数据,即可完成道路扬尘检测的主要数据支撑,以实现道路扬尘检测。
在一个实施例中,需要对获取的各道路交通扬尘实测数据进行预处理;一般地,可以进行数据预处理、分类、筛选和处理;具体地预处理包括运用Python程序命令来对收集的城市各主干道道路积尘负荷走航原始数据进行异常值的判定和删除,异常值的判定依据为:道路经纬度为空值、PM10和PM2.5监测数据为零、出现负值等情况;缺失值、降水天数值等剔除;按各道路类型、长度和车流量等数据进行统计、分析、分类和计算等,数据的预处理为现有技术,在此不再详述。
显然,交通路网中不同类型道路的扬尘排放因子是不同的,因此,粒度乘数k并非唯一确定,需要进行修正;即根据不同粒径修正经验值、平均车重、道路积尘负荷和可见降水天数等参数,计算城市不同类型道路交通扬尘排放因子。
S105、根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
本步骤中,AP-42 模型中,针对不同的道路类型,根据确定的扬尘排放因子,结合通过交通路网获取或测量的道路上机动车的日流量和道路种类数,计算各类型道路交通扬尘排放强度,即单位长度的各类型道路交通扬尘日排放量;从道路类型、车型和车流量等方面分析道路交通扬尘的排放特征,从小时、日和月等时间维度分析其变化趋势,并以实际道路长度为分配因子,然后再根据城市道路网上车流量实际数据,以自下而上的方法建立道路交通扬尘源排放清单。
其中,所述的约束条件,可以是一种规律变化的网格节点、目录或名册,为贡献度(或小时/天贡献)的排序提供参考,根据其规律变化实现数据的网格化,并将其叠加到交通路网,也可表格化或文档化生成所述的道路交通扬尘源排放清单;此外,可以参考现有的交通路网的绘制方式,应用各城市市测绘设计研究院制作的路网电子数据,提供便捷的基础工具,可以减少本方法实施的处理数据量,提高效率。
进一步地,针对其他的道路,也可运用python程序命令进行数据预处理、分类、筛选和处理,进而建立道路交通扬尘源排放清单库。
图3为本发明实施例中AP-42模型建立道路交通扬尘源排放清单流程原理图;图5为本发明实施例中各道路上行驶的各类型机动车平均车重、车型构成比例图;在一个示例中,所述AP-42模型运行的详细实现过程如下步骤S201至S205:
S201,确定粒度乘数(即k),收集一定周期内(可以是一年或者春夏秋冬季节)道路尘负荷走航监测数据(g·m-2);收集一定周期内降雨量大于 0.254 mm天数等数据;收集各道路上行驶的各类型机动车平均车重W(t)数据;如图5所示。
所述粒度乘数k,取自AP-42 模型参考值;当道路尘负荷小于0.5g·m-2时,k取0.19g·VKT-1,道路尘负荷大于0.5g·m-2时,k取0.17 g·VKT-1;
S203,进行道路扬尘排放总量计算,具体可以通过式(2)进行计算;
S204,结合城市道路排放因子及道路长度、车流量信息等,利用Python程序计算城市各道路扬尘排放量;
其中,基于”链路级”车流量和路网信息核算,车流信息来自交管部门并结合现场调研,交通路网应用各城市市测绘设计研究院制作的路网电子数据。
S205,整合符合CALPUFF模型的各道路扬尘排放源清单(或城市各道路扬尘排放源清单),可以通过Python数据整合程序对城市各道路排放量数据进行数据格式的转换,建立符合CALPUFF模型的源信息库。
在一个实施例中,所述方法还包括:S107、基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;
其中,在一个示例中,所述CALPUFF模型包括:CALMET模块、CALPUFF模块和CALPOST模块;
所述CALMET模块,用于生成待评价区域内的气象场数据;
所述CALPUFF模块,基于所述道路交通扬尘源排放清单,及待评价区域内的气象场数据,计算各道路交通扬尘源的污染浓度模拟场;
所述CALPOST模块,通过处理CALPUFF模块输出的文件,生成各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库。
本步骤S107中,待评价区域内的气象场数据,可以基于WRF-CALWRF-CALMET(可称CALMET模块,CALPUFF模型的组成部分)生成,为一定周期内(年度/春夏秋冬等季节、走航期间)的历史气象数据;各道路交通扬尘源的污染浓度模拟场,具体可以是CALPUFF模型的CALPUFF模块构建;可以图形化表征,是各道路交通扬尘源对国控站点污染物(PM10、PM2.5)平均浓度贡献值、小时贡献值、污染物热图等。并可以通过CALPUFF模型的CALPOST模块进行后处理,得到各道路交通扬尘源对国控点污染物浓度的小时/天贡献,即贡献度,特别的,贡献度可以体现各重点道路交通扬尘源对国控点污染物浓度的贡献值排名情况;并通过Python程序(或python程序命令)对所评价时间段内的污染物贡献浓度数据和气象数据进行处理,运用surfer程序进行绘图并将结果储存,建立道路交通扬尘数据库。
在一个示例中,WRF-CALWRF-CALMET生成的气象场数据为:一定周期内(年度/春夏秋冬等季节、走航期间)的历史气象数据。
在一个示例中,所述道路交通扬尘源排放清单,包括各道路的起点和终点经纬度(转化成UTM坐标)、道路PM10或PM2.5排放量(kg/h)、道路宽度、排放高度和道路路面高程,这些信息均为CALPUFF模块运行所需的扬尘源排放信息。
因此,可以通过CALPUFF模型的CALPOST模块进行后处理的结果,还可以包括走航期间每条道路对国控点PM10或PM2.5的贡献情况、各交通扬尘排放源的道路对国控点污染物浓度贡献值排名、各交通扬尘排放源对国控点影响的浓度文件以及污染物浓度分布图所需的网格文件。
在另一个实施例中,为了便于实现本方法的评价,可以进行污染物贡献数据和气象数据之间方位敏感性分析,具体可以是逐小时污染物贡献浓度值与气象数据中的风向结合来综合分析污染物传输的方位敏感性,得到浓度贡献值较大的主导风向及时间段。
在一个示例中,道路交通扬尘数据库包括各道路交通扬尘源对国控站点污染物(PM10、PM2.5)平均浓度贡献值、小时贡献值、污染物热图绘制所需要的GRD文件、污染物热图以及方位敏感性分析的结果图表。
S109、根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
在一个实施例中,如图2、图4、图5所示,所述方法还包括:
S111、在对小时贡献大于设定名次的道路实施管控后,使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估。
本步骤中,实施管控的措施包括道路限行、洒水、临时封闭、分级管控等,但不局限于此。
在对实施管控后的道路扬尘管控效果进行评估时,评估需要的源清单信息为管控期间的走航数据形成的城市路网交通扬尘源排放清单信息;所述CALPUFF模型进行后评估所需的气象数据为管控期间的气象数据;管控效果可以通过道路扬尘所引起的PM10或PM2.5排放量的减少情况以及重点道路交通源对国控点污染物贡献值削减情况来体现;
参见图6、图7,为某城市某条道路PM10或PM2.5对国控点污染物浓度贡献值的削减情况,结果显示,通过本方法实施管控后的道路扬尘管控效果得到明显改善。
在本实施例的一个示例中,所述使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估的步骤,具体包括:
更新实施管控的道路交通扬尘实测数据,以及对应管控区域内的气象场数据;
将更新的道路交通扬尘实测数据和气象场数据输入CALPUFF模型,通过贡献度排序或扬尘排放量的削减情况评价管控效果。
在一个实施例中,所述根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单的步骤,具体包括:
基于AP-42模型,根据不同粒径修正经验值、平均车重、积尘负荷数据和天气参数,计算不同类型道路的扬尘排放因子;
根据道路上机动车的日流量和道路种类数,计算单位长度的各类型道路交通扬尘日排放量;
确定道路交通扬尘的排放特征及其变化趋势;并以实际道路长度为分配因子,根据获取的车流量实际数据,建立道路交通扬尘源排放清单;
其中所述道路交通扬尘源排放清单包括:各道路的起点和终点经纬度、道路PM10或PM2.5排放量、道路宽度、排放高度和道路路面高程;各道路的起点和终点经纬度、道路宽度、排放高度和道路路面高程等数据,可以交通路网获得,交通路网应用各城市市测绘设计研究院制作的路网电子数据。
在一个示例中,图4为本发明实施例中利用CALLPUFF模型开展影响评估流程原理图;具体包括步骤S301至S305:
S301,源清单信息调取,其中源清单信息包括各道路的起点和终点经纬度(转化成UTM坐标)、道路PM10或PM2.5排放量(kg/h)、道路宽度、排放高度和道路路面高程,记录于上述的道路交通扬尘源排放清单;
S302,调取WRF-CALWRF-CALMET气象数据,由CALLPUFF模型的CALMET模块生成,以配合调取;
S303,模型的运行和模型结果处理,得到各道路对监测站点(国控点)污染物的贡献;
S304,各道路对监测站点污染物的贡献进行排名,筛选贡献值较大的道路,绘制污染物浓度分布图;
其中,模型结果处理包括:走航期间每条道路对国控点PM10或PM2.5的贡献情况、各交通扬尘排放源的道路对国控点污染物浓度贡献值排名、各交通扬尘排放源对国控点影响的浓度文件以及污染物浓度分布图所需的网格文件;
S305,将模型结果进行存储,建立城市道路交通扬尘污染数据库。
在本实施例的一个示例中,所述根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序的步骤中,还包括:
对各道路交通扬尘源对国控点污染物浓度的贡献度数据和对应气象场的气象数据进行处理,运用surfer程序进行绘图并将结果储存,建立道路交通扬尘污染数据库。
具体可以通过Python程序(或python程序命令)对所评价时间段内的污染物贡献浓度数据和气象数据进行处理,运用surfer程序进行绘图并将结果储存,建立道路交通扬尘数据库。
如图8所示,本发明实施例的另一目的在于提供一种道路交通扬尘环境影响评价装置,所述装置包括:数据获取单元100、AP-42模型运行单元200和CALPUFF模型运行单元300;
所述数据获取单元100,用于获取待评价区域内交通路网的各道路交通扬尘实测数据;
所述AP-42模型运行单元200,采用AP-42模型计算指定一定周期内交通路网中不同类型道路的扬尘排放因子;根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
所述CALPUFF模型运行单元300,基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;以及用于根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
本实施例中,利用道路积尘负荷走航监测系统对城市重点区内主干道、次干道和支道等道路进行道路积尘检测,获取城市道路积尘空间分布特征,并通过不同路型、不同功能区、不同车道的扬尘排放潜势分析;采用 AP-42 模型,计算不同类型道路交通扬尘排放因子;结合道路上机动车的日流量和道路种类数,计算各类型道路交通扬尘排放强度,即单位长度的各类型道路交通扬尘日排放量;从道路类型、车型和车流量等方面分析道路交通扬尘的排放特征,从小时、日和月等时间维度分析其变化趋势,并以实际道路长度为分配因子;根据城市道路网上车流量实际数据,以自下而上的方法建立道路交通扬尘源排放清单,即建立源信息库;收集CALPUFF模型所需信息源,调用源信息库中的源信息,并基于WRF-CALWRF-CALMET历史气象场数据,运行CALPUFF模块,并运用CALPOST模块对CALPUFF结果进行后处理,得到城市内不同路网道路交通扬尘源对国控点污染物浓度的小时/天贡献,从而指导主管部门开展城市道路交通扬尘综合管控。
在一个实施例中,如图9所示,所述装置还包括扬尘管控评估单元400;所述扬尘管控评估单元400,在对小时贡献大于设定名次的道路实施管控后,使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估。
本发明实施例提供的一种道路交通扬尘环境影响评价方法,该方法是根据实测数据,采用AP-42模型计算扬尘排放因子,并建立道路交通扬尘源排放清单;基于道路交通扬尘源排放清单,利用CALPUFF模型开展城市不同路网道路交通扬尘源对国控站点颗粒物的量化影响,为污染治理提供支撑依据;此外可针对城市污染天情况下开展城市重点道路管控并开展效果评估,进一步验证评价方法的准确性。
如图10所示,在另一个实施例中,提供的一种计算机设备,所述计算机设备存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述道路交通扬尘环境影响评价方法的步骤S101-步骤S109:
步骤S101,获取待评价区域内交通路网的各道路交通扬尘实测数据;
步骤S103,采用AP-42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子;
步骤S105,根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
步骤S107,基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;
步骤S109,根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
图10示出了一个实施例中计算机设备的内部结构图。该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现道路交通扬尘环境影响评价方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行道路交通扬尘环境影响评价方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种道路交通扬尘环境影响评价方法,其特征在于,所述方法包括以下步骤:
获取待评价区域内交通路网的各道路交通扬尘实测数据;
采用AP-42模型计算一定周期内交通路网中不同类型道路的扬尘排放因子;
根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;
根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
2.根据权利要求1所述的道路交通扬尘环境影响评价方法,其特征在于,所述方法还包括:
在对小时贡献大于设定名次的道路实施管控后,使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估。
3.根据权利要求2所述的道路交通扬尘环境影响评价方法,其特征在于,所述使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估的步骤,具体包括:
更新实施管控的道路交通扬尘实测数据,以及对应管控区域内的气象场数据;
将更新的道路交通扬尘实测数据和气象场数据输入CALPUFF模型,通过贡献度排序或扬尘排放量的削减情况评价管控效果。
4.根据权利要求1所述的道路交通扬尘环境影响评价方法,其特征在于,所述获取待评价区域内交通路网的各道路交通扬尘实测数据的步骤,具体包括:
利用道路积尘负荷走航监测设备对各道路开展积尘负荷走航,获取各道路一定时间内的积尘负荷数据;
对获取的积尘负荷数据进行数据预处理、分类和筛选,进而建立扬尘源信息库,即得到各道路交通扬尘实测数据。
6.根据权利要求1所述的道路交通扬尘环境影响评价方法,其特征在于,所述根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单的步骤,具体包括:
基于AP-42模型,根据不同粒径修正经验值、平均车重、积尘负荷数据和天气参数,计算不同类型道路的扬尘排放因子;
根据道路上机动车的日流量和道路种类数,计算单位长度的各类型道路交通扬尘日排放量;
确定道路交通扬尘的排放特征及其变化趋势;并以实际道路长度为分配因子,根据获取的车流量实际数据,建立道路交通扬尘源排放清单;
其中所述道路交通扬尘源排放清单包括:各道路的起点和终点经纬度、道路PM10或PM2.5排放量、道路宽度、排放高度和道路路面高程。
7.根据权利要求1所述的道路交通扬尘环境影响评价方法,其特征在于,所述根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序的步骤中,还包括:
对各道路交通扬尘源对国控点污染物浓度的贡献度数据和对应气象场的气象数据进行处理,运用surfer程序进行绘图并将结果储存,建立道路交通扬尘污染数据库。
8.根据权利要求1所述的道路交通扬尘环境影响评价方法,其特征在于,所述CALPUFF模型包括:CALMET模块、CALPUFF模块和CALPOST模块;
所述CALMET模块,用于生成待评价区域内的气象场数据;
所述CALPUFF模块,基于所述道路交通扬尘源排放清单,及待评价区域内的气象场数据,计算各道路交通扬尘源的污染浓度模拟场;
所述CALPOST模块,通过处理CALPUFF模块输出的文件,生成各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库。
9.一种道路交通扬尘环境影响评价装置,其特征在于,所述装置包括:数据获取单元、AP-42模型运行单元和CALPUFF模型运行单元;
所述数据获取单元,用于获取待评价区域内交通路网的各道路交通扬尘实测数据;
所述AP-42模型运行单元,采用AP-42模型计算指定一定周期内交通路网中不同类型道路的扬尘排放因子;根据交通路网中的道路类型及其对应的扬尘排放因子,建立约束条件,网格分配各道路交通扬尘实测数据,以建立道路交通扬尘源排放清单;
所述CALPUFF模型运行单元,基于所述道路交通扬尘源排放清单,及预先生成的待评价区域内的气象场数据,根据CALPUFF模型计算各道路交通扬尘源的污染浓度模拟场,再对计算结果进行后处理后获得各道路交通扬尘源对国控点污染物浓度的贡献度,以获得道路交通扬尘数据库;以及用于根据所述道路交通扬尘数据库中各道路贡献度的小时贡献排序,实现道路交通扬尘环境影响的评价。
10.根据权利要求9所述的道路交通扬尘环境影响评价装置,所述装置还包括扬尘管控评估单元;
所述扬尘管控评估单元,在对小时贡献大于设定名次的道路实施管控后,使用CALPUFF模型对实施管控后的道路扬尘管控效果进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310418735.5A CN116187095B (zh) | 2023-04-19 | 2023-04-19 | 一种道路交通扬尘环境影响评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310418735.5A CN116187095B (zh) | 2023-04-19 | 2023-04-19 | 一种道路交通扬尘环境影响评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116187095A true CN116187095A (zh) | 2023-05-30 |
CN116187095B CN116187095B (zh) | 2023-07-28 |
Family
ID=86444588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310418735.5A Active CN116187095B (zh) | 2023-04-19 | 2023-04-19 | 一种道路交通扬尘环境影响评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187095B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116485191A (zh) * | 2023-06-26 | 2023-07-25 | 安徽中科蓝壹信息科技有限公司 | 基于拉格朗日扩散模型的环境影响预警方法及系统 |
CN116797054A (zh) * | 2023-08-28 | 2023-09-22 | 安徽中科蓝壹信息科技有限公司 | 基于双模型的机动车排放对环境影响的评估方法和系统 |
CN117454729A (zh) * | 2023-11-13 | 2024-01-26 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
CN117494011A (zh) * | 2023-12-29 | 2024-02-02 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车土石方运输特征的扬尘点位类型判别方法 |
CN117808211A (zh) * | 2024-02-28 | 2024-04-02 | 深圳市法莱茵科技有限公司 | 一种基于空气质量检测数据的评估方法及系统 |
CN117976083A (zh) * | 2024-03-29 | 2024-05-03 | 北京工业大学 | 一种道路积尘负荷重点管控时段的筛选识别方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010044844A1 (en) * | 2000-05-17 | 2001-11-22 | Masahiro Takei | Method and system for analyzing performance of large-scale network supervisory system |
JP2014137741A (ja) * | 2013-01-17 | 2014-07-28 | Sumitomo Electric System Solutions Co Ltd | 交通評価装置、コンピュータプログラム及び交通評価方法 |
US20150019185A1 (en) * | 2013-02-08 | 2015-01-15 | University Of Alaska Fairbanks | Validating And Calibrating A Forecast Model |
KR20160080535A (ko) * | 2014-12-29 | 2016-07-08 | 대한민국(환경부 국립환경과학원장) | 자동차 대기오염 물질 배출량 산정 방법 및 장치 |
US20200393434A1 (en) * | 2019-06-13 | 2020-12-17 | Southern University Of Science And Technology | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
CN113515722A (zh) * | 2021-09-15 | 2021-10-19 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与系统 |
WO2021208393A1 (zh) * | 2020-04-15 | 2021-10-21 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN114662899A (zh) * | 2022-03-21 | 2022-06-24 | 美境数字科技(杭州)有限公司 | 道路扬尘监管方法 |
CN115796034A (zh) * | 2022-12-01 | 2023-03-14 | 信阳师范学院 | 一种基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
-
2023
- 2023-04-19 CN CN202310418735.5A patent/CN116187095B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010044844A1 (en) * | 2000-05-17 | 2001-11-22 | Masahiro Takei | Method and system for analyzing performance of large-scale network supervisory system |
JP2014137741A (ja) * | 2013-01-17 | 2014-07-28 | Sumitomo Electric System Solutions Co Ltd | 交通評価装置、コンピュータプログラム及び交通評価方法 |
US20150019185A1 (en) * | 2013-02-08 | 2015-01-15 | University Of Alaska Fairbanks | Validating And Calibrating A Forecast Model |
KR20160080535A (ko) * | 2014-12-29 | 2016-07-08 | 대한민국(환경부 국립환경과학원장) | 자동차 대기오염 물질 배출량 산정 방법 및 장치 |
US20200393434A1 (en) * | 2019-06-13 | 2020-12-17 | Southern University Of Science And Technology | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
WO2021208393A1 (zh) * | 2020-04-15 | 2021-10-21 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN113515722A (zh) * | 2021-09-15 | 2021-10-19 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与系统 |
CN114662899A (zh) * | 2022-03-21 | 2022-06-24 | 美境数字科技(杭州)有限公司 | 道路扬尘监管方法 |
CN115796034A (zh) * | 2022-12-01 | 2023-03-14 | 信阳师范学院 | 一种基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
Non-Patent Citations (5)
Title |
---|
TINGKUN LI 等: "Application and validation of the fugitive dust source emission inventory compilation method in Xiong\'an New Area, China", SCIENCE OF THE TOTAL ENVIRONMENT, pages 1 - 10 * |
周姝雯;高菲;马克明;: "基于ENVI-met模型的北京市典型道路行道树树种优化研究", 中国园林, no. 06 * |
张帅 等: "西安市典型道路扬尘排放清单及化学组分", 环境科学学报, pages 318 - 328 * |
张雯婷;王雪松;刘兆荣;张远航;邵敏;程群;吴德刚;田伟;: "贵阳建筑扬尘PM_(10)排放及环境影响的模拟研究", 北京大学学报(自然科学版), no. 02 * |
樊守彬;秦建平;蔡煜;: "呼和浩特交通扬尘排放清单研究", 环境科学与管理, no. 06 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116485191A (zh) * | 2023-06-26 | 2023-07-25 | 安徽中科蓝壹信息科技有限公司 | 基于拉格朗日扩散模型的环境影响预警方法及系统 |
CN116797054A (zh) * | 2023-08-28 | 2023-09-22 | 安徽中科蓝壹信息科技有限公司 | 基于双模型的机动车排放对环境影响的评估方法和系统 |
CN117454729A (zh) * | 2023-11-13 | 2024-01-26 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
CN117454729B (zh) * | 2023-11-13 | 2024-04-19 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
CN117494011A (zh) * | 2023-12-29 | 2024-02-02 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车土石方运输特征的扬尘点位类型判别方法 |
CN117494011B (zh) * | 2023-12-29 | 2024-03-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车土石方运输特征的扬尘点位类型判别方法 |
CN117808211A (zh) * | 2024-02-28 | 2024-04-02 | 深圳市法莱茵科技有限公司 | 一种基于空气质量检测数据的评估方法及系统 |
CN117808211B (zh) * | 2024-02-28 | 2024-05-07 | 深圳市法莱茵科技有限公司 | 一种基于空气质量检测数据的评估方法及系统 |
CN117976083A (zh) * | 2024-03-29 | 2024-05-03 | 北京工业大学 | 一种道路积尘负荷重点管控时段的筛选识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116187095B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116187095B (zh) | 一种道路交通扬尘环境影响评价方法及装置 | |
Cai et al. | Traffic-related air pollution modeling during the 2008 Beijing Olympic Games: the effects of an odd-even day traffic restriction scheme | |
Meng et al. | A land use regression model for estimating the NO2 concentration in Shanghai, China | |
Borge et al. | Comparison of road traffic emission models in Madrid (Spain) | |
Soulhac et al. | The model SIRANE for atmospheric urban pollutant dispersion; PART II, validation of the model on a real case study | |
Shahbazi et al. | Investigating the influence of traffic emission reduction plans on Tehran air quality using WRF/CAMx modeling tools | |
Gao et al. | Assessing neighborhood air pollution exposure and its relationship with the urban form | |
Tian et al. | Current status and future trends of SO2 and NOx pollution during the 12th FYP period in Guiyang city of China | |
Kim et al. | Land-use regression panel models of NO2 concentrations in Seoul, Korea | |
Rowangould | A new approach for evaluating regional exposure to particulate matter emissions from motor vehicles | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
Wu et al. | Application of a taxi-based mobile atmospheric monitoring system in Cangzhou, China | |
Elbir et al. | Comparison of predicted and observed PM 10 concentrations in several urban street canyons | |
Barbulescu et al. | Modeling the carbon monoxide dissipation in Timisoara, Romania | |
Kim et al. | MUNICH v2. 0: a street-network model coupled with SSH-aerosol (v1. 2) for multi-pollutant modelling | |
CN117454729B (zh) | 一种大气污染贡献度预测方法、装置及可读存储介质 | |
Hossain | Predictive ability of improved neural network models to simulate pollutant dispersion | |
Elangasinghe et al. | A simple semi-empirical technique for apportioning the impact of roadways on air quality in an urban neighbourhood | |
Anjaneyulu et al. | Modeling ambient carbon monoxide pollutant due to road traffic | |
Heinold et al. | High-resolution air-quality modeling in urban areas—A case study for the city of leipzig | |
Ignatyev | Methodology for comprehensive assessment of atmospheric air state in populated areas | |
Wallace et al. | Modeling NOx and NO2 emissions from mobile sources: A case study for Hamilton, Ontario, Canada | |
Ramos et al. | Geostatistics for air quality mapping: Case of Baguio City, Philippines | |
Eltarkawe et al. | Modeling county-level benzene emissions using transportation analysis zones in the Denver metro area | |
Sertel et al. | Predictive mapping of air pollutants: a spatial approach |
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 |