CN116363047A - 一种秸秆焚烧大气污染风险预警方法 - Google Patents
一种秸秆焚烧大气污染风险预警方法 Download PDFInfo
- Publication number
- CN116363047A CN116363047A CN202211010970.0A CN202211010970A CN116363047A CN 116363047 A CN116363047 A CN 116363047A CN 202211010970 A CN202211010970 A CN 202211010970A CN 116363047 A CN116363047 A CN 116363047A
- Authority
- CN
- China
- Prior art keywords
- index
- straw
- pollution
- risk
- early warning
- 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
- 239000010902 straw Substances 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000009792 diffusion process Methods 0.000 claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 44
- 239000011159 matrix material Substances 0.000 claims description 30
- 210000005104 human peripheral blood lymphocyte Anatomy 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 239000013618 particulate matter Substances 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 6
- 238000003915 air pollution Methods 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 claims description 3
- 238000003306 harvesting Methods 0.000 claims description 3
- 238000009331 sowing Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 239000010419 fine particle Substances 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cultivation Of Plants (AREA)
- Incineration Of Waste (AREA)
Abstract
本发明涉及大气环境质量污染风险评估技术领域,具体地说是一种秸秆焚烧大气污染风险预警方法,通过融合卫星遥感、气象预报和大气细颗粒物浓度空间分布构建了秸秆焚烧污染源风险、扩散风险和空气质量基准风险模型,来综合准确预测秸秆焚烧对大气环境质量影响风险,不仅能够反映区域的秸秆存量、扩散条件和空气质量情况,还能反映秸秆焚烧对大气环境质量污染风险,指导秸秆禁烧精准管控工作,从而弥补传统的预测方法中源清单更新不及时以及监测覆盖面不足导致无法准确评估区域秸秆焚烧污染风险的局限性。
Description
技术领域
本发明涉及大气环境质量污染风险评估技术领域,具体地说是一种秸秆焚烧大气污染风险预警方法。
背景技术
卫星遥感作为一种新兴技术,为耕地秸秆存量等污染源监测及其对大气环境质量影响评估提供了重要手段,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,通过多光谱监测技术连续获取大范围区域的耕地秸秆存量分布时空变化,因此可以有效地支撑区域秸秆焚烧对大气环境污染风险预测预警。
目前,国内外主流大气环境卫星遥感数据(如MODIS、VIIRS等)的秸秆覆盖监测能够实现最高每天1次、空间分辨率最高达到375米,大气细颗粒物浓度则最高能达到1公里的分辨率,相关的天气预报资料也能达到24小时内的逐小时、公里级别,可以满足评估区域秸秆焚烧污染风险预测的需要。
目前,主要基于地面监测站点实时测量或者大气化学模式模拟技术开展秸秆焚烧对区域大气环境污染风险研究分析,但是预测准确性较低,一方面只是基于主要分布在城市建成区的地面有限站点数据,而秸秆焚烧主要发生在农村地区,在区域覆盖程度上存在不足;另一方面大气化学模式在评价方法上只是气象预测资料,没有考虑到耕地秸秆存量、雪地覆盖等污染源的动态变化以及大气细颗粒物浓度实时基准环境空气质量的空间分布变化,因此,传统的预测方法中源清单更新不及时以及监测覆盖面不足导致无法对区域秸秆焚烧污染风险进行准确评估。
因此,为了解决上述问题,本申请提出了一种秸秆焚烧大气污染风险预警方法,通过融合卫星遥感、气象预报和大气细颗粒物浓度空间分布构建了秸秆焚烧污染源风险、扩散风险和空气质量基准风险模型,来综合准确预测秸秆焚烧对大气环境质量影响风险,不仅能够反映区域的秸秆存量、扩散条件和空气质量情况,还能反映秸秆焚烧对大气环境质量污染风险,指导秸秆禁烧精准管控工作,从而弥补传统的预测方法中源清单更新不及时以及监测覆盖面不足导致无法准确评估区域秸秆焚烧污染风险的局限性。
发明内容
本发明的目的是填补现有技术的空白,提供了一种秸秆焚烧大气污染风险预警方法,通过融合卫星遥感、气象预报和大气细颗粒物浓度空间分布构建了秸秆焚烧污染源风险、扩散风险和空气质量基准风险模型,来综合准确预测秸秆焚烧对大气环境质量影响风险,不仅能够反映区域的秸秆存量、扩散条件和空气质量情况,还能反映秸秆焚烧对大气环境质量污染风险,指导秸秆禁烧精准管控工作,从而弥补传统的预测方法中源清单更新不及时以及监测覆盖面不足导致无法准确评估区域秸秆焚烧污染风险的局限性。
为了达到上述目的,本发明提供一种秸秆焚烧大气污染风险预警方法,该方法包括步骤:
S1.根据近红外多光谱卫星遥感监测数据,计算归一化差异雪指数NDSI和归一化耕作指数NDTI,合成计算耕地区域可焚烧秸秆存量指数;
S2.根据气象预测资料,提取24小时风速、边界层高度和降雨量逐小时预测结果;
S3.根据卫星遥感监测结果,利用地理加权回归方法反演获取区域大气细颗粒物颗粒物浓度分布结果;
S4.逐网格计算秸秆焚烧污染风险指数及风险等级划分。
S1包括:
S1.1根据区域农业物候历史记录,确定区域本轮农作物收割和下一轮农作物播种的起始时间,作为预警评估时段;
S1.2根据优于10m的高分辨率卫星影像,采用目视解译方法获取区域耕地分布信息,并将评估区域划分为1km×1km的网格;
S1.3卫星遥感监测包括预警评估时段极轨卫星空间分辨率优于1km的多光谱监测数据,对绿波段0.55μm、近红外1.6μm处和2.1μm处波段进行大气校正,分别获取0.55μm、1.6μm处和2.1μm处波段的地表反射率ρ1.6和ρ2.1;
S1.4利用极轨卫星中等分辨率卫星在绿波段0.55μm、近红外1.6μm处和2.1μm处波段的多光谱监测数据,根据步骤S1.2逐网格计算预警评估时段内耕地每天的归一化差异雪指数NDSI和归一化耕作指数NDTI分布,计算公式如下:
其中,ρ0.55、ρ1.6和ρ2.1为0.55μm、1.6μm处和2.1μm处波段地表反射率,NDSI为归一化差异雪指数,当NDSI大于0.3时,认为下垫面为雪覆盖区域;NDTI为归一化耕作指数,与耕地秸秆覆盖呈正比;
S1.5根据气象预报资料,获取24小时内降雨量小时预报资料,采用双线性方法插值为1km分辨率,并根据预警评估时间按步骤S1.2逐网格计算24小时累计降雨量totalrainfall,合成计算方法如下:
其中,TRF(t)为预警评估的累计降雨量,一般累计降雨量超过10mm时秸秆无法焚烧。
S1.6判定区域可焚烧秸秆存量,利用下垫面、降雨量预报、NDTI和NDSI合成计算预警评估时段内每天耕地可燃烧农作物秸秆存量指数Combustible Crop Straw StockIndex,CCSSI。
S2包括:
S2.1气象预测资料包括预警评估区域的地面10m风速、边界层高度PBLH逐小时预报数据,通过双线性插值将预报数据采样为1km分辨率,根据步骤S1.2逐网格计算地面风速,如下:
其中,WS为预警评估区域风速,U10为预警评估区域地面10m风场纬向分量风速,单位为m/s,V10评估区域地面10m风场经向分量风速,单位为m/s;
S2.2根据风速和秸秆焚烧防火安全要求,根据步骤S1.2逐网格计算秸秆焚烧污染水平扩散指数Pollution Horizontal Diffusion Index of Straw Burning,如下:
其中,PHDISB为秸秆焚烧污染水平扩散指数,WS为预警评估区域风速,单位为m/s;
S2.3根据天气预报资料,按照步骤S1.2逐网格计算耕地区域秸秆焚烧污染扩散指数Pollution Diffusion Index of Straw Burning,PDISB,如下:
其中,PDISB为秸秆焚烧污染扩散指数,PHDISB为秸秆焚烧污染水平扩散指数(无量纲),PBLH为预警评估区域边界层高度,单位为m;
S3包括:
S3.1卫星遥感监测包括多光谱卫星遥感监测,根据多光谱卫星遥感监测数据,利用地理加权回归方法构建如下卫星遥感大气细颗粒物浓度遥感反演方法模型:
ln(M(PM2.5(ui,vi)))=β0(ui,vi)+β1(ui,vi)ln(AOD)+β2(ui,vi)ln(HPBL)+β3(ui,vi)ln(1-RH/100)
其中,β0(ui,vi)为常数项在观测点(ui,vi)处的回归系数,β1(ui,vi)为AOD在观测点(ui,vi)处的回归系数,β2(ui,vi)为HPBL在观测点(ui,vi)处的回归系数,β3(ui,vi)为RH在观测点(ui,vi)处的回归系数,M(PM2.5(ui,vi))为观测点(ui,vi)处的PM2.5浓度;
S3.2评估区域PM2.5浓度遥感反演:
采用加权最小二乘法,根据地理加权回归模型获取权重函数矩阵,权重函数矩阵如下:
β(ui,vi)=[XTW(ui,vi)X]-1XTW(ui,vi)Y
其中,β为回归系数,W为权重函数矩阵,Y为PM2.5浓度矩阵,X为输入参数矩阵,输入参数包括:常数项、AOD、HPBL以及RH;
采用交叉验证法,根据权重函数矩阵获取每个地面站点的最优带宽,并根据最优带宽获取各输入参数的权重函数矩阵;
对各输入参数的权重函数矩阵和与输入参数对应的地面站点的地理位置进行空间匹配,获取空间函数权重矩阵;
通过克里金空间插值法,根据空间函数权重矩阵分别获取常数项、AOD、HPBL以及RH的回归系数;
S3.3根据卫星遥感数据中每个像元对应的AOD、HPBL、RH以及回归系数,结合地理加权回归模型获取评估区域根据步骤S1.2逐网格计算每个像元的PM2.5质量浓度,计算方法如下:
M(PM2.5)=exp(β0(ui,vi)+β1(ui,vi)ln(AOD)+β2(ui,vi)ln(HPBL)+β3(ui,vi)ln(1-RH/100))
其中,β0(ui,vi)为常数项在观测点(ui,vi)处的回归系数,β1(ui,vi)为AOD在观测点(ui,vi)处的回归系数,β2(ui,vi)为HPBL在观测点(ui,vi)处的回归系数,β3(ui,vi)为RH在观测点(ui,vi)处的回归系数,M(PM2.5(ui,vi))为观测点(ui,vi)处的PM2.5浓度。
S4包括:
S4.1根据步骤S1.6计算的耕地可燃农作物秸秆存量指数,采用斜坡函数根据步骤S1.2逐网格计算污染源风险指数Pollution source risk index,计算方法如下:
其中,PSRI为污染源风险指数即无量纲,CCSSI为耕地可燃秸秆存量指数;
S4.2根据步骤S2.3计算的区域秸秆焚烧污染扩散指数,采用斜坡函数根据步骤S1.2逐网格计算污染扩散风险指数Pollution diffusion risk index,计算方法如下:
其中,PDRI为污染扩散风险指数即无量纲,PDISB为秸秆焚烧污染扩散指数;
S4.3根据步骤S3.3计算的区域PM2.5浓度,采用斜坡函数根据步骤S1.2逐网格计算空气质量基准风险指数Air quality baseline risk index,计算方法如下:
其中,AQBRI为空气质量基准风险指数即无量纲,M(PM2.5)为区域大气细颗粒物浓度,单位为μg/m3;
S4.4计算秸秆焚烧污染风险指数Pollution Risk Index of Straw Burning,PRISB,计算方法如下:
其中,PPISR为秸秆焚烧污染风险指数即无量纲,PSRI为污染源风险指数即无量纲,PDRI为污染扩散风险指数即无量纲,AQBRI为空气质量基准风险指数即无量纲,PPISR取值范围为0~100,值越大风险越高;
S4.5根据S4.4计算结果,根据步骤S1.2逐网格将秸秆焚烧污染风险指数进行等级判定和空间制图,判定方法如下:
本发明同现有技术相比,通过融合卫星遥感、气象预报和大气细颗粒物浓度空间分布构建了秸秆焚烧污染源风险、扩散风险和空气质量基准风险模型,来综合准确预测秸秆焚烧对大气环境质量影响风险,不仅能够反映区域的秸秆存量、扩散条件和空气质量情况,还能反映秸秆焚烧对大气环境质量污染风险,指导秸秆禁烧精准管控工作,从而弥补传统的预测方法中源清单更新不及时以及监测覆盖面不足导致无法准确评估区域秸秆焚烧污染风险的局限性。
附图说明
图1为本发明一种秸秆焚烧污染风险预测流程图
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1,一种秸秆焚烧污染风险预测方法,其特征在于,该方法包括步骤:
一种秸秆焚烧大气污染风险预警方法,该方法包括步骤:
S1.根据近红外多光谱卫星遥感监测数据,计算归一化差异雪指数(NDSI)和归一化耕作指数(NDTI),合成计算耕地区域可焚烧秸秆存量指数;
S2.根据气象预测资料,提取24小时风速、边界层高度和降雨量逐小时预测结果;
S3.根据卫星遥感监测结果,利用地理加权回归方法反演获取区域大气细颗粒物颗粒物浓度分布结果;
S4.逐网格计算秸秆焚烧污染风险指数及风险等级划分;在本实
施例中,步骤S1进一步包括:
S1.1根据区域农业物候历史记录,确定区域本轮农作物收割和下一轮农作物播种的起始时间,作为预警评估时段;
S1.2根据优于10m的高分辨率卫星影像(如GF-1),采用目视解译方法获取区域耕地分布信息,并将评估区域划分为1km*1km的网格;
S1.3卫星遥感监测包括预警评估时段极轨卫星空间分辨率优于1km的多光谱监测数据(如MODIS),对绿波段0.55μm、近红外1.6μm处和2.1μm处波段进行大气校正,分别获取0.55μm、1.6μm处和2.1μm处波段的地表反射率ρ1.6和;ρ2.1
S1.4利用极轨卫星中等分辨率卫星在绿波段0.55μm、近红外1.6μm处和2.1μm处波段的多光谱监测数据,根据步骤S1.2逐网格计算预警评估时段内耕地每天的归一化差异雪指数(NDSI)和归一化耕作指数(NDTI)分布,计算公式如下:
其中,ρ0.55、ρ1.6和ρ2.1为0.55μm、1.6μm处和2.1μm处波段地表反射率,NDSI为归一化差异雪指数,当NDSI大于0.3时,认为下垫面为雪覆盖区域;NDTI为归一化耕作指数,与耕地秸秆覆盖呈正比;
S1.5根据气象预报资料(如GFS),获取24小时内降雨量小时预报资料,采用双线性方法插值为1km分辨率,并根据预警评估时间按步骤S1.2逐网格计算24小时累计降雨量(totalrainfall),合成计算方法如下:
其中,TRF(t)为预警评估的累计降雨量,一般累计降雨量超过10mm时秸秆无法焚烧。
S1.6判定区域可焚烧秸秆存量,利用下垫面、降雨量预报、NDTI和NDSI合成计算预警评估时段内每天耕地可燃烧农作物秸秆存量指数(Combustible Crop Straw StockIndex,CCSSI)。
在本实施例中,步骤S2进一步包括:
S2.1天气预报资料包括预警评估区域的地面10m风速、边界层高度(PBLH)逐小时预报数据,通过双线性插值将预报数据采样为1km分辨率,根据步骤S1.2逐网格计算地面风速,如下:
其中,WS为预警评估区域风速,U10为预警评估区域地面10m风场纬向分量风速(单位为m/s),V10评估区域地面10m风场经向分量风速(单位为m/s);
S2.2根据风速和秸秆焚烧防火安全要求,根据步骤S1.2逐网格计算秸秆焚烧污染水平扩散指数(Pollution Horizontal Diffusion Index of Straw Burning),如下:
其中,PDISE为秸秆焚烧污染水平扩散指数,WS为预警评估区域风速(单位为m/s)。
S2.3根据天气预报资料,按照步骤S1.2逐网格计算耕地区域秸秆焚烧污染扩散指数(Pollution Diffusion Index of Straw Burning,PDISB),如下:
其中,PDISB为秸秆焚烧污染扩散指数,PHDISE为秸秆焚烧污染水平扩散指数(无量纲),PBLH为预警评估区域边界层高度(单位为m)。
在本实施例中,步骤S3进一步包括:
S3.1卫星遥感监测包括多光谱卫星遥感监测,根据多光谱卫星遥感监测数据,利用地理加权回归方法构建如下卫星遥感大气细颗粒物浓度遥感反演方法模型:
ln(M(PM2.5(ui,vi)))=β0(ui,vi)+β1(ui,vi)ln(AOD)+β2(ui,vi)ln(HPBL)+β3(ui,vi)ln(1-RH/100)
其中,β0(ui,vi)为常数项在观测点(ui,vi)处的回归系数,β1(ui,vi)为AOD在观测点(ui,vi)处的回归系数,β2(ui,vi)为HPBL在观测点(ui,vi)处的回归系数,β3(ui,vi)为RH在观测点(ui,vi)处的回归系数,M(PM2.5(ui,vi))为观测点(ui,vi)处的PM2.5浓度。
S3.2评估区域PM2.5浓度遥感反演:采用加权最小二乘法,根据地理加权回
归模型获取权重函数矩阵,权重函
数矩阵如下:
β(ui,vi)=[XTW(ui,vi)X]-1XTW(ui,vi)Y
其中,β为回归系数,W为权重函数矩阵,Y为PM2.5浓度矩阵,X为输入参数矩阵,输入参数包括:常数项、AOD、HPBL以及RH;
采用交叉验证法,根据权重函数矩阵获取每个地面站点的最优带宽,并根据最优带宽获取各输入参数的权重函数矩阵;
对各输入参数的权重函数矩阵和与输入参数对应的地面站点的地理位置进行空间匹配,获取空间函数权重矩阵;
通过克里金空间插值法,根据空间函数权重矩阵分别获取常数项、AOD、HPBL以及RH的回归系数;
S3.3根据卫星遥感数据中每个像元对应的AOD、HPBL、RH以及回归系数,结合地理加权回归模型获取评估区域根据步骤S1.2逐网格计算每个像元的PM2.5浓度,计算方法如下:
M(PM2.5)=exp(β0(ui,vi)+β1(ui,vi))ln(AOD)+β2(ui,vi))ln(HPBL)+β3(ui,vi)ln(1-RH/100))
其中,β0(ui,vi)为常数项在观测点(ui,vi)处的回归系数,β1(ui,vi)为AOD在观测点(ui,vi)处的回归系数,β2(ui,vi)为HPBL在观测点(ui,vi)处的回归系数,β3(ui,vi)为RH在观测点(ui,vi)处的回归系数,M(PM2.5(ui,vi))为观测点(ui,vi)处的PM2.5浓度。
在本实施例中,步骤S4进一步包括:
S4.1根据步骤S1.6计算的耕地可燃农作物秸秆存量指数,采用斜坡函数根据步骤S1.2逐网格计算污染源风险指数(Pollution source risk index),计算方法如下:
其中,PSRI为污染源风险指数(无量纲),CCSSI为耕地可燃秸秆存量指数。
S4.2根据步骤S2.3计算的区域秸秆焚烧污染扩散指数,采用斜坡函数根据步骤S1.2逐网格计算污染扩散风险指数(Pollution diffusion risk index),计算方法如下:
其中,PDRI为污染扩散风险指数(无量纲),PDISB为秸秆焚烧污染扩散指数。
S4.3根据步骤S3.3计算的区域PM2.5浓度,采用斜坡函数根据步骤S1.2逐网格计算空气质量基准风险指数(Air quality baseline risk index),计算方法如下:
其中,AQBRI为空气质量基准风险指数(无量纲),M(PM2.5)为区域大气细颗粒物浓度(单位为μg/m3)。
S4.4计算秸秆焚烧污染风险指数(Pollution Risk Index of Straw Burning,PRISB),计算方法如下:
其中,PRISB为秸秆焚烧污染风险指数(无量纲),PSRI为污染源风险指数(无量纲),PDRI为污染扩散风险指数(无量纲),AQBRI为空气质量基准风险指数(无量纲),PRISB取值范围为0~100,值越大风险越高。
S4.5根据步骤4.4计算结果,根据步骤S1.2逐网格将秸秆焚烧污染风险指数进行等级判定和空间制图,判定方法如下:
需要说明的是,基于卫星遥感的秸秆焚烧污染风险评估预测方法是一种综合评估预测方法,它是一种反映区域秸秆存量等大气污染源时空分布特征、大气扩散条件和大气细颗粒物浓度等空气质量变化的量化指标,反映了秸秆焚烧排放污染物对环境空气质量污染风险程度。因此,采用本方法客服了传统监测数据不足或者污染源清单更新不全面的劣势,使得通过基于卫星遥感的秸秆焚烧对大气环境污染风险评估预算更加准确全面。
需要说明的是,整个评估过程可以基于网格的秸秆焚烧污染风险进行计算,获取每个网格的污染风险等级,从而获得区域的风险分布状况;也可根据区域大小进行所有网格平均值的统计,可获得行政区内的综合风险评估。
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主要分布在城市建成区的地面有限站点数据,没有考虑到耕地秸秆存量、雪地覆盖等污染源的动态变化以及大气细颗粒物浓度实时基准环境空气质量的空间分布变化的问题,通过融合卫星遥感、气象预报和大气细颗粒物浓度空间分布构建了秸秆焚烧污染源风险、扩散风险和空气质量基准风险模型,来综合准确预测秸秆焚烧对大气环境质量影响风险,不仅能够反映区域的秸秆存量、扩散条件和空气质量情况,还能反映秸秆焚烧对大气环境质量污染风险,指导秸秆禁烧精准管控工作,从而弥补传统的预测方法中源清单更新不及时以及监测覆盖面不足导致无法准确评估区域秸秆焚烧污染风险的局限性。
Claims (5)
1.一种秸秆焚烧大气污染风险预警方法,其特征在于,该方法包括步骤:
S1.根据近红外多光谱卫星遥感监测数据,计算归一化差异雪指数NDSI和归一化耕作指数NDTI,合成计算耕地区域可焚烧秸秆存量指数;
S2.根据气象预测资料,提取24小时风速、边界层高度和降雨量逐小时预测结果;
S3.根据卫星遥感监测结果,利用地理加权回归方法反演获取区域大气细颗粒物颗粒物浓度分布结果;
S4.逐网格计算秸秆焚烧污染风险指数及风险等级划分。
2.根据权利要求1所述的一种秸秆焚烧大气污染风险预警方法,其特征在于,所述S1包括:
S1.1根据区域农业物候历史记录,确定区域本轮农作物收割和下一轮农作物播种的起始时间,作为预警评估时段;
S1.2根据优于10m的高分辨率卫星影像,采用目视解译方法获取区域耕地分布信息,并将评估区域划分为1km*1km的网格;
S1.3所述卫星遥感监测包括预警评估时段极轨卫星空间分辨率优于1km的多光谱监测数据,对绿波段0.55μm、近红外1.6μm处和2.1μm处波段进行大气校正,分别获取0.55μm、1.6μm处和2.1μm处波段的地表反射率ρ1.6和ρ2.1;
S1.4利用极轨卫星中等分辨率卫星在绿波段0.55μm、近红外1.6μm处和2.1μm处波段的多光谱监测数据,根据步骤S1.2逐网格计算预警评估时段内耕地每天的归一化差异雪指数NDSI和归一化耕作指数NDTI分布,计算公式如下:
其中,ρ0.55、ρ1.6和ρ2.1为0.55μm、1.6μm处和2.1μm处波段地表反射率,NDSI为归一化差异雪指数,当NDSI大于0.3时,认为下垫面为雪覆盖区域;NDTI为归一化耕作指数,与耕地秸秆覆盖呈正比;
S1.5根据气象预报资料,获取24小时内降雨量小时预报资料,采用双线性方法插值为1km分辨率,并根据预警评估时间按步骤S1.2逐网格计算24小时累计降雨量totalrainfall,合成计算方法如下:
其中,TRF(t)为预警评估的累计降雨量,一般累计降雨量超过10mm时秸秆无法焚烧。
S1.6判定区域可焚烧秸秆存量,利用下垫面、降雨量预报、NDTI和NDSI合成计算预警评估时段内每天耕地可燃烧农作物秸秆存量指数Combustible Crop Straw Stock Index,CCSSI。
3.根据权利要求1所述的一种秸秆焚烧大气污染风险预警方法,其特征在于,所述S2包括:
S2.1所述气象预测资料包括预警评估区域的地面10m风速、边界层高度PBLH逐小时预报数据,通过双线性插值将预报数据采样为1km分辨率,根据步骤S1.2逐网格计算地面风速,如下:
其中,WS为预警评估区域风速,U10为预警评估区域地面10m风场纬向分量风速,单位为m/s,V10评估区域地面10m风场经向分量风速,单位为m/s;
S2.2根据所述风速和秸秆焚烧防火安全要求,根据步骤S1.2逐网格计算秸秆焚烧污染水平扩散指数Pollution Horizontal Diffusion Index of Straw Burning,如下:
其中,PHDISB为秸秆焚烧污染水平扩散指数,WS为预警评估区域风速,单位为m/s;
S2.3根据所述天气预报资料,按照步骤S1.2逐网格计算耕地区域秸秆焚烧污染扩散指数Pollution Diffusion Index of Straw Burning,PDISB,如下:
其中,PDISB为秸秆焚烧污染扩散指数,PHDISB为秸秆焚烧污染水平扩散指数(无量纲),PBLH为预警评估区域边界层高度,单位为m。
4.根据权利要求1所述的一种秸秆焚烧大气污染风险预警方法,其特征在于,所述S3包括:
S3.1所述卫星遥感监测包括多光谱卫星遥感监测,根据多光谱卫星遥感监测数据,利用地理加权回归方法构建如下卫星遥感大气细颗粒物浓度遥感反演方法模型:
ln(M(PM2.5(ui,vi)))=β0(ui,vi)+β1(ui,vi)ln(AOD)+β2(ui,vi)ln(HPBL)+β3(ui,vi)ln(1-RH/100)
其中,β0(ui,vi)为常数项在观测点(ui,vi)处的回归系数,β1(ui,vi)为所述AOD在观测点(ui,vi)处的回归系数,β2(ui,vi)为所述HPBL在观测点(ui,vi)处的回归系数,β3(ui,vi)为所述RH在观测点(ui,vi)处的回归系数,M(PM2.5(ui,vi))为观测点(ui,vi)处的PM2.5浓度;
S3.2评估区域PM2.5浓度遥感反演:
采用加权最小二乘法,根据所述地理加权回归模型获取权重函数矩阵,所述权重函数矩阵如下:
β(ui,vi)=[XTW(ui,vi)X]-1XTW(ui,vi)Y
其中,β为回归系数,W为权重函数矩阵,Y为PM2.5浓度矩阵,X为输入参数矩阵,输入参数包括:常数项、AOD、HPBL以及RH;
采用交叉验证法,根据所述权重函数矩阵获取每个地面站点的最优带宽,并根据所述最优带宽获取各输入参数的权重函数矩阵;
对各输入参数的权重函数矩阵和与所述输入参数对应的地面站点的地理位置进行空间匹配,获取空间函数权重矩阵;
通过克里金空间插值法,根据所述空间函数权重矩阵分别获取常数项、AOD、HPBL以及RH的回归系数;
S3.3根据所述卫星遥感数据中每个像元对应的AOD、HPBL、RH以及所述回归系数,结合所述地理加权回归模型获取所述评估区域根据步骤S1.2逐网格计算每个像元的PM2.5质量浓度,计算方法如下:
M(PM2.5)=exp(β0(ui,vi)+β1(ui,vi)ln(AOD)+β2(ui,vi)ln(HPBL)+β3(ui,vi)ln(1-RH/100))
其中,β0(ui,vi)为常数项在观测点(ui,vi)处的回归系数,β1(ui,vi)为所述AOD在观测点(ui,vi)处的回归系数,β2(ui,vi)为所述HPBL在观测点(ui,vi)处的回归系数,β3(ui,vi)为所述RH在观测点(ui,vi)处的回归系数,M(PM2.5(ui,vi))为观测点(ui,vi)处的PM2.5浓度。
5.根据权利要求1所述的一种秸秆焚烧大气污染风险预警方法,其特征在于,所述S4包括:
S4.1根据所述步骤S1.6计算的耕地可燃农作物秸秆存量指数,采用斜坡函数根据步骤S1.2逐网格计算污染源风险指数Pollution source risk index,计算方法如下:
其中,PSRI为污染源风险指数即无量纲,CCSSI为耕地可燃秸秆存量指数;
S4.2根据所述步骤S2.3计算的区域秸秆焚烧污染扩散指数,采用斜坡函数根据步骤S1.2逐网格计算污染扩散风险指数Pollution diffusion risk index,计算方法如下:
其中,PDRI为污染扩散风险指数即无量纲,PDISB为秸秆焚烧污染扩散指数;
S4.3根据所述步骤S3.3计算的区域PM2.5浓度,采用斜坡函数根据步骤S1.2逐网格计算空气质量基准风险指数Air quality baseline risk index,计算方法如下:
其中,AQBRI为空气质量基准风险指数即无量纲,M(PM2.5)为区域大气细颗粒物浓度,单位为μg/m3;
S4.4计算秸秆焚烧污染风险指数Pollution Risk Index of Straw Burning,PRISB,计算方法如下:
其中,PRISB为秸秆焚烧污染风险指数即无量纲,PSRI为污染源风险指数即无量纲,PDRI为污染扩散风险指数即无量纲,AQBRI为空气质量基准风险指数即无量纲,PRISB取值范围为0~100,值越大风险越高;
S4.5根据所述S4.4计算结果,根据步骤S1.2逐网格将秸秆焚烧污染风险指数进行等级判定和空间制图,判定方法如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211010970.0A CN116363047B (zh) | 2022-08-23 | 2022-08-23 | 一种秸秆焚烧大气污染风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211010970.0A CN116363047B (zh) | 2022-08-23 | 2022-08-23 | 一种秸秆焚烧大气污染风险预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116363047A true CN116363047A (zh) | 2023-06-30 |
CN116363047B CN116363047B (zh) | 2024-01-30 |
Family
ID=86926098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211010970.0A Active CN116363047B (zh) | 2022-08-23 | 2022-08-23 | 一种秸秆焚烧大气污染风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116363047B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073869A (zh) * | 2010-12-27 | 2011-05-25 | 中国农业大学 | 基于点位数据和遥感影像数据的区域耕地质量监测方法 |
CN108304780A (zh) * | 2017-12-29 | 2018-07-20 | 中国电子科技集团公司第二十七研究所 | 一种基于风云三号卫星的秸秆焚烧火点遥感监测方法 |
CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
CN112418133A (zh) * | 2020-12-01 | 2021-02-26 | 四川航天神坤科技有限公司 | 一种基于多源遥感影像的秸秆焚烧监测方法 |
CN112798482A (zh) * | 2020-12-30 | 2021-05-14 | 联雨科技(天津)有限公司 | 一种基于卫星遥感的pm2.5与pm10估算方法 |
CN113269382A (zh) * | 2020-12-29 | 2021-08-17 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的区域大气环境质量评估方法 |
WO2021174971A1 (zh) * | 2020-08-03 | 2021-09-10 | 生态环境部南京环境科学研究所 | 一种水环境风险预测预警方法 |
CN113554305A (zh) * | 2021-07-22 | 2021-10-26 | 生态环境部卫星环境应用中心 | 一种秸秆焚烧对大气细颗粒物浓度影响评估方法 |
CN113837496A (zh) * | 2021-11-04 | 2021-12-24 | 长春嘉诚信息技术股份有限公司 | 一种秸秆焚烧对空气质量影响的模型预测方法 |
-
2022
- 2022-08-23 CN CN202211010970.0A patent/CN116363047B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073869A (zh) * | 2010-12-27 | 2011-05-25 | 中国农业大学 | 基于点位数据和遥感影像数据的区域耕地质量监测方法 |
CN108304780A (zh) * | 2017-12-29 | 2018-07-20 | 中国电子科技集团公司第二十七研究所 | 一种基于风云三号卫星的秸秆焚烧火点遥感监测方法 |
CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
WO2021174971A1 (zh) * | 2020-08-03 | 2021-09-10 | 生态环境部南京环境科学研究所 | 一种水环境风险预测预警方法 |
CN112418133A (zh) * | 2020-12-01 | 2021-02-26 | 四川航天神坤科技有限公司 | 一种基于多源遥感影像的秸秆焚烧监测方法 |
CN113269382A (zh) * | 2020-12-29 | 2021-08-17 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的区域大气环境质量评估方法 |
CN112798482A (zh) * | 2020-12-30 | 2021-05-14 | 联雨科技(天津)有限公司 | 一种基于卫星遥感的pm2.5与pm10估算方法 |
CN113554305A (zh) * | 2021-07-22 | 2021-10-26 | 生态环境部卫星环境应用中心 | 一种秸秆焚烧对大气细颗粒物浓度影响评估方法 |
CN113837496A (zh) * | 2021-11-04 | 2021-12-24 | 长春嘉诚信息技术股份有限公司 | 一种秸秆焚烧对空气质量影响的模型预测方法 |
Non-Patent Citations (3)
Title |
---|
XUEHUA SHEN等: "Enhanced and environment-friendly chemical looping gasification of crop straw using red mud as a sinter-resistant oxygen carrier", WASTE MANAGEMENT, vol. 121, pages 354 - 364, XP086471761, DOI: 10.1016/j.wasman.2020.12.028 * |
张莹等: "大气环境卫星污染气体和大气颗粒物协同观测综述", 遥感学报, vol. 26, no. 05, pages 873 - 896 * |
张露等: "秸秆资源化利用的大气污染物排放机理、时空规律与减排策略研究", 西南大学学报(自然科学版), vol. 42, no. 07, pages 143 - 153 * |
Also Published As
Publication number | Publication date |
---|---|
CN116363047B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moazami et al. | A comprehensive evaluation of GPM-IMERG V06 and MRMS with hourly ground-based precipitation observations across Canada | |
Saavedra et al. | Changes in Andes snow cover from MODIS data, 2000–2016 | |
Huang et al. | Climatological study of the Boundary-layer air Stagnation Index for China and its relationship with air pollution | |
Daly et al. | High-resolution spatial modeling of daily weather elements for a catchment in the Oregon Cascade Mountains, United States | |
Torma et al. | Validation of a high-resolution version of the regional climate model RegCM3 over the Carpathian basin | |
Slater et al. | Uncertainty in seasonal snow reconstruction: Relative impacts of model forcing and image availability | |
Grimes et al. | Satellite-based rainfall estimation for river flow forecasting in Africa. I: Rainfall estimates and hydrological forecasts | |
Zhang et al. | Spatio-temporal reconstruction of air temperature maps and their application to estimate rice growing season heat accumulation using multi-temporal MODIS data | |
Handschuh et al. | Estimating PM2. 5 surface concentrations from AOD: A combination of SLSTR and MODIS | |
McEvoy et al. | Use of an observation network in the Great Basin to evaluate gridded climate data | |
Vose et al. | A method to determine station density requirements for climate observing networks | |
CN113554305B (zh) | 一种秸秆焚烧对大气细颗粒物浓度影响评估方法 | |
Li et al. | A high-resolution unified observational data product of mesoscale convective systems and isolated deep convection in the United States for 2004–2017 | |
Pope et al. | Exploiting satellite measurements to explore uncertainties in UK bottom-up NO x emission estimates | |
Flückiger et al. | Modelling daily air temperature at a fine spatial resolution dealing with challenging meteorological phenomena and topography in Switzerland | |
Grassotti et al. | Multiple-timescale intercomparison of two radar products and rain gauge observations over the Arkansas–Red River basin | |
Sagan et al. | SO2 trajectories in a complex terrain environment using CALPUFF dispersion model, OMI and MODIS data | |
CN116363047B (zh) | 一种秸秆焚烧大气污染风险预警方法 | |
Fiebrich et al. | Toward the standardization of mesoscale meteorological networks | |
Sawadogo et al. | Hourly global horizontal irradiance over West Africa: A case study of one-year satellite-and reanalysis-derived estimates vs. in situ measurements | |
Perry et al. | The generation of monthly gridded datasets for a range of climatic variables over the United Kingdom | |
Parshotam | An evaluation of climate forecast system reanalysis (CFSR) data for use in models that require meteorological weather station data in New Zealand. | |
Rubel et al. | 3-hourly quantitative precipitation estimation over Central and Northern Europe from rain gauge and radar data | |
Koutavarapu et al. | Convection-based assessment of pre-monsoon season instability indices over Chandigarh and Ladakh regions, India | |
Shokouhi et al. | Estimation of historical daily airborne pollen concentrations across Switzerland using a spatio temporal random forest 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 |