CN116402408B - 一种基于站点浓度差异的本外地排放贡献估算方法 - Google Patents

一种基于站点浓度差异的本外地排放贡献估算方法 Download PDF

Info

Publication number
CN116402408B
CN116402408B CN202310658278.7A CN202310658278A CN116402408B CN 116402408 B CN116402408 B CN 116402408B CN 202310658278 A CN202310658278 A CN 202310658278A CN 116402408 B CN116402408 B CN 116402408B
Authority
CN
China
Prior art keywords
concentration
emission
moment
contribution
contribution rate
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
Application number
CN202310658278.7A
Other languages
English (en)
Other versions
CN116402408A (zh
Inventor
郎建垒
杨欣欣
周颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202310658278.7A priority Critical patent/CN116402408B/zh
Publication of CN116402408A publication Critical patent/CN116402408A/zh
Application granted granted Critical
Publication of CN116402408B publication Critical patent/CN116402408B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
    • G—PHYSICS
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Food Science & Technology (AREA)
  • Combustion & Propulsion (AREA)
  • Primary Health Care (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于站点浓度差异的本外地排放贡献估算方法，属于大气污染防治技术领域；包括：基于城市监测站点各污染物浓度数据，逐时刻分别计算不同污染物的站点间浓度差异（变异系数CV c ）和站点浓度平均值；将逐时刻浓度平均值进行区间划分；基于气象和空气质量模型，模拟得到逐时刻的外地排放贡献率；计算不同浓度区间对应的CV c 和外地排放贡献率平均值；对外地排放贡献率和CV c 均值进行数学拟合，得到外地排放贡献估算模型；基于该模型，快速估算本/外地排放对大气污染物的浓度贡献。本发明基于站点间浓度差异建立外地排放贡献估算模型，可基于环境监测浓度数据快速估算城市本/外地排放贡献，为城市污染管控提供支撑。

Description

一种基于站点浓度差异的本外地排放贡献估算方法
技术领域
本发明涉及大气污染防治技术领域，具体涉及一种基于站点浓度差异的本外地排放贡献估算方法。
背景技术
大气污染对人类健康、社会经济发展有重要负面影响，大气污染治理具有重要意义。随着我国经济快速发展和工业化、城镇化进程不断加速，城市污染问题凸显，加强城市污染本地管控和多城市区域联防联控为当前污染治理的主要方向。而要实现有效的污染管控，首先就必须快速确定本地排放和外地排放对于污染的贡献率，识别污染的本外地特征，进而为下一步污染管控指引方向，实现快速有效管控。因此，需要建立一套快速估算污染本/外地排放贡献的方法。
城市大气污染受本地排放、外地排放、气象因素共同作用和影响，各要素对城市和城市布设的监测站点污染的贡献率不同，在这种不同贡献率影响下，各监测站点的污染物浓度也存在差异。由于区域范围内气象对不同监测站点浓度贡献率相当，因此，站点监测浓度的差异与外地排放和本地周边排放直接相关；因此，建立监测站点间浓度差异与贡献率的关系，即可估算历史和未来的本/外地排放贡献率。此外，在面向管理需求时，快速高效的量化本外地排放贡献率也是当前城市污染管控重点关注的问题。目前已有的本外地排放贡献估算方法大多数为基于气象和大气化学模式相结合进行定量计算或基于轨迹模式的定性估计的方法，但基于模型的方法会受到排放清单和数据分辨率及准确性的限制，并且对于配置资源等要求较高，时效性也较为滞后，在实地应用时耗时耗力，无法实现高效管控。
发明内容
针对现有技术中存在的上述不足以及应用端的需求导向，本发明提供一种基于站点浓度差异的本外地排放贡献估算方法，其综合考虑数据及配置资源的有限性和管理需求的时效性，基于环境监测数据快速估算本/外地排放浓度贡献率，进而为下一步采取有针对性的管控措施提供支撑，对有效改善空气质量具有重大意义。
本发明公开了一种基于站点浓度差异的本外地排放贡献估算方法，用于实现对污染本外地排放贡献率的识别量化，其包括：
步骤1、基于城市监测站点各污染物浓度数据，逐时刻分别计算不同污染物的站点间浓度差异和站点浓度平均值；其中，以变异系数CV c 作为逐时刻站点间浓度差异大小的量化指标；
步骤2、依据不同污染物的浓度分布特征，将逐时刻的站点浓度平均值进行等间距区间划分，得到逐时刻的站点浓度平均值所属区间；
步骤3、基于排放清单数据以及逐时刻气象数据，结合气象模型和空气质量模型，模拟得到逐时刻的外地排放对大气污染物浓度的贡献率；
步骤4、基于步骤1得到的逐时刻站点间浓度变异系数CV c 、步骤2得到的站点浓度平均值所属区间和步骤3得到的逐时刻模拟外地排放贡献率，得到不同浓度区间对应的CV c 和外地排放贡献率数组，再分别计算各数组的平均值，得到各浓度区间对应的CV c 和外地排放贡献率均值；
步骤5、对CV c 和外地排放贡献率均值进行数学拟合，得到外地排放贡献估算模型RC=f(CV c )；
步骤6、基于外地排放贡献估算模型，估算外地排放浓度贡献率和本地排放浓度贡献率。
作为本发明的进一步改进，在所述步骤1中，不同污染物每t时刻的站点浓度平均值μ t 和站点间浓度变异系数CV c 的计算公式为：
；
式中：
为t时刻的站点间浓度变异系数；
为t时刻的站点浓度标准偏差；
为t时刻的站点浓度平均值；
为t时刻第n站点的污染物浓度；
t为时刻，可取分钟、小时、日、月或年等时间尺度；
n为站点个数。
作为本发明的进一步改进，所述步骤2，具体包括：
依据不同污染物的浓度分布特征，确定该污染物的合理间距；其中，不同污染物划分间距标准不同；
将该污染物逐时刻的站点浓度平均值按确定的间距进行等间距区间划分，划分为多个区间；其中，所划分的区间数取决于逐时刻数据集的最大值、最小值以及选取的间距大小；
基于区间划分，得到逐时刻的站点浓度平均值所属区间。
作为本发明的进一步改进，所述步骤3，具体包括：
基于城市排放清单数据以及逐时刻气象数据，利用气象模型为空气质量模型提供气象场数据；
将排放清单数据和气象模型得到的气象场数据输入空气质量模型，进行模拟，模拟得到逐时刻的模拟浓度以及本地排放贡献浓度，并进一步计算逐时刻的外地排放对大气污染物浓度的贡献率；其中，
；
式中：
为t时刻的模拟外地排放贡献率；
为t时刻的模拟本地排放贡献浓度；
为t时刻的污染物模拟浓度。
作为本发明的进一步改进，在所述步骤4中，各浓度区间对应的CV c 和外地排放贡献率均值的计算公式为：
；
式中：
为I区间对应的站点CV c 数组的均值；
为I区间对应的外地排放贡献率数组的均值；
为I区间对应的站点CV c 数组/>；
为I区间对应的外地排放贡献率数组/>；
m为数组的CV c 样本数；
q为数组的外地排放贡献率样本数。
作为本发明的进一步改进，所述步骤5，具体包括：
基于步骤4得到的CV c 和外地排放贡献率均值，以外地排放贡献率均值为因变量、以CV c 均值/>为自变量，对两者进行数学拟合并进行R值和P值检验，得到外地排放贡献估算模型RC=f(CV c )，不同污染物拟合方程不同（符合指数、幂乘、线性等函数曲线）；其中，R值计算公式为：
；
式中：
为自变量，/>；
为因变量，/>；
为自变量、因变量的均值；
I为区间数量，即I个自变量和因变量。
作为本发明的进一步改进，在所述步骤6中，基于外地排放贡献估算模型和站点监测数据快速估算本外地贡献（基础数据的时间尺度与模型可估算的贡献率的时间尺度相同），具体包括：
计算城市监测站点间污染物浓度差异（变异系数，CV c ）；
将计算得到的差异（变异系数，CV c ）作为自变量代入外地排放贡献估算模型，计算得到因变量，即外地排放贡献率；
基于外地排放贡献率，计算得到本地排放贡献率；其中，
；
式中：
为基于估算模型得到的t时刻的外地排放贡献率；
为t时刻的本地排放贡献率。
与现有技术相比，本发明的有益效果为：
本发明通过对模型模拟的外地排放贡献率和监测站点间浓度差异进行数学拟合确定外地排放贡献估算模型，基于估算模型进而估算历史和未来时刻的本/外地排放贡献率；研究成果可为管理部门提供重要的参考依据，为城市进一步制定科学的污染管控策略提供支撑，对城市管控效率的提升有着重要作用。
附图说明
图1为本发明公开的基于站点浓度差异的本外地排放贡献估算方法的流程图；
图2为变异系数CVc-模拟外地排放贡献率拟合曲线图；
图3为临沂市2023年1月逐日本/外地排放贡献率估算结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述：
如图1所示，本发明提供一种基于站点浓度差异的本外地排放贡献估算方法，其通过对模型模拟的外地排放贡献率和监测站点间浓度差异进行数学拟合确定外地排放贡献估算模型，基于估算模型进而估算历史和未来时刻的本/外地排放贡献率；综合考虑数据及配置资源的有限性和管理需求的时效性，基于环境监测数据快速估算本/外地排放浓度贡献率，对城市污染管控效率的提升有着重要作用；该估算方法，具体包括：
S1、基于城市监测站点各污染物浓度数据，逐时刻分别计算不同污染物的站点间浓度差异（变异系数CV c 作为逐时刻站点间浓度差异大小的量化指标）和站点浓度平均值；其中，不同污染物每t时刻的站点浓度平均值μ t 和站点间浓度变异系数CV c 的计算公式为：
；
式中：
为t时刻的站点间浓度变异系数；
为t时刻的站点浓度标准偏差；
为t时刻的站点浓度平均值；
为t时刻第n站点的污染物浓度；
t为时刻，可取分钟、小时、日、月或年等时间尺度；
n为站点个数。
S2、依据不同污染物的浓度分布特征，将逐时刻的站点浓度平均值进行等间距区间划分，得到逐时刻的站点浓度平均值所属区间；
具体包括：
依据不同污染物的浓度分布特征，确定该污染物的合理间距；其中，不同污染物划分间距标准不同；将该污染物逐时刻的站点浓度平均值按确定的间距进行等间距区间划分，划分为多个区间；其中，所划分的区间数取决于逐时刻数据集的最大值、最小值以及选取的间距大小；基于区间划分，得到逐时刻的站点浓度平均值所属区间。
S3、基于排放清单数据以及逐时刻气象数据，结合气象模型和空气质量模型，模拟得到逐时刻的外地排放对大气污染物浓度的贡献率；
具体包括：
基于城市排放清单数据以及逐时刻气象数据，利用气象模型为空气质量模型提供气象场数据；将排放清单数据和气象模型得到的气象场数据输入空气质量模型，进行模拟，模拟得到逐时刻的模拟浓度以及本地排放贡献浓度，并进一步计算逐时刻的外地排放对大气污染物浓度的贡献率；其中，
；
式中：
为t时刻的模拟外地排放贡献率；
为t时刻的模拟本地排放贡献浓度；
为t时刻的污染物模拟浓度。
S4、基于S1得到的逐时刻站点间浓度变异系数CV c 、S2得到的站点浓度平均值所属区间和S3得到的逐时刻模拟外地排放贡献率，得到不同浓度区间对应的CV c 和外地排放贡献率数组，再分别计算各数组的平均值，得到各浓度区间对应的CV c 和外地排放贡献率均值；其中，
；
式中：
为I区间对应的站点CV c 数组的均值；
为I区间对应的外地排放贡献率数组的均值；
为I区间对应的站点CV c 数组/>；
为I区间对应的外地排放贡献率数组/>；
m为数组的CV c 样本数；
q为数组的外地排放贡献率样本数。
S5、对CV c 和外地排放贡献率均值进行数学拟合，得到外地排放贡献估算模型RC=f (CV c )；
具体包括：
基于S4得到的CV c 和外地排放贡献率均值，以外地排放贡献率均值为因变量、以CV c 均值为自变量，对两者进行数学拟合并进行R值和P值检验，得到外地排放贡献估算模型RC= f(CV c )，不同污染物拟合方程不同（符合指数、幂乘、线性等函数曲线）；其中，R值计算公式为：
；
式中：
为自变量，/>；
为因变量，/>；
为自变量、因变量的均值；
I为区间数量，即I个自变量和因变量。
S6、基于外地排放贡献估算模型和站点监测数据，估算外地排放浓度贡献率和本地排放浓度贡献率；
具体包括：
计算城市监测站点间污染物浓度差异（变异系数，CV c ）；将计算得到的差异（变异系数，CV c ）作为自变量代入外地排放贡献估算模型，计算得到因变量，即外地排放贡献率；基于外地排放贡献率，计算得到本地排放贡献率；其中，
；
式中：
为基于估算模型得到的t时刻的外地排放贡献率；
为t时刻的本地排放贡献率。
实施例
基于本发明的本外地排放贡献估算方法，以山东省临沂市为研究对象，以PM10（粒径在10微米以下的颗粒物）为研究污染物，进行实施例本外地排放贡献估算，具体包括：
S1、基于临沂市中心10 km范围内的9个监测站点（站点1-站点9）PM10的2022年日浓度数据，计算2022年逐日的9个站点浓度差异（变异系数，CV c ）和浓度平均值（），将CV c 作为逐日站点间浓度差异大小的量化指标，本案例监测站点选取临沂市中心10km范围内的站点计算站点差异，临沂市本地排放以城区中心为主，选取中心10km范围内的站点符合本案例需求，其他区域可基于实际需求选取，时间以日尺度为例。
S2、基于2022年逐日站点PM10浓度平均值（），依据PM10浓度分布特征，以10μg/m3为间隔，等间距将PM10浓度值划分为22个区间，区间数（I）取决于研究时段逐时刻数据集的最大最小值以及选取的间距大小，本案例2022年逐日站点PM10浓度平均值最小最大值分别为7 μg/m3、217 μg/m3，间隔值选取10 μg/m3，将浓度划分为，区间1：0-9 μg/m3、区间2：10-19 μg/m3、区间3：20-29 μg/m3、区间4：30-39 μg/m3……区间22：210-219 μg/m3，基于以上区间划分，得到2022年临沂市9个站点逐日浓度平均值所属区间。
S3、基于临沂市排放清单、清华大学编制的中国多尺度排放清单（MEIC）以及临沂市2022年气象数据，利用WRF-CAMx模式进行空气质量模拟，采用四层嵌套网格设置，分辨率为81km×81km、27km×27km、9km×9km和3km×3km，投影方式为Lambert投影，其中二、三和四层的边界场和初始场分别由第一、二和三层提供，第一层的边界场和初始化场来自清洁大气的浓度垂直廓线，标记临沂市为本地，进行模拟，得到2022年临沂市逐日的PM10模拟浓度（）以及本地排放贡献浓度（/>），进一步计算得到临沂市逐日外地排放贡献率（/>）。
S4、将S2得到的浓度平均值所属的不同区间（I t ）与S1、S3得到的站点浓度变异系数（CV c ）、模拟外地排放贡献率（）对应，得到区间1至I分别对应的CV c 数组（/>）和rc数组（/>），分别计算各数组平均值，得到各浓度区间对应的CV c 和外地排放贡献率均值，如表1所示。
表1
S5、基于S4中得到的CV c 和外地排放贡献率均值（、/>），以外地排放贡献率均值（/>）为因变量，以CV c 均值（/>）为自变量，对两者进行数学拟合，得到外地排放贡献估算模型，本案例得到的PM10外地排放贡献拟合方程为：/>（即：外地排放贡献估算模型），符合幂函数，R值为-0.89（|R|>0.5，强负相关），P值为1.2E-19（P<0.05）检验通过，不同污染物拟合方程不同，符合指数、幂、线性、对数等函数曲线；其中，图2为变异系数CV c -模拟外地排放贡献率拟合曲线图。
S6、以临沂市2023年1月为例进行逐日本外地贡献快速估算（逐日数据拟合的外地排放贡献估算模型用于估算相应日时间尺度的贡献率），基于2023年1月临沂市9个监测站点的逐日数据，计算逐日站点间污染物浓度差异（变异系数，CV c ），再依据S5中得到的外地排放贡献估算模型（），将CV c 值代入外地排放贡献估算模型，计算得到因变量RC即为外地排放贡献率，进一步计算得到本地排放贡献率；其中，图3为临沂市2023年1月逐日本/外地排放贡献率估算结果图。
本发明的优点为：
本发明通过对模型模拟的外地排放贡献率和监测站点间浓度差异进行数学拟合确定外地排放贡献估算模型，基于估算模型进而估算历史和未来时刻的本/外地排放贡献，实现了数据及配置资源有限条件下基于监测数据的本/外地排放浓度贡献快速估算，大大弥补了现有估算方法的不足，提供了一种新的本/外地贡献估算方法，可为城市污染进一步管控提供支撑，对城市污染管控效率的提升有着重要作用。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于站点浓度差异的本外地排放贡献估算方法，其特征在于，包括：
步骤1、基于城市监测站点各污染物浓度数据，逐时刻分别计算不同污染物的站点间浓度差异和站点浓度平均值；其中，以变异系数CV c 作为逐时刻站点间浓度差异大小的量化指标；
步骤2、依据不同污染物的浓度分布特征，将逐时刻的站点浓度平均值进行等间距区间划分，得到逐时刻的站点浓度平均值所属区间；
步骤3、基于排放清单数据以及逐时刻气象数据，结合气象模型和空气质量模型，模拟得到逐时刻的外地排放对大气污染物浓度的贡献率；
步骤4、基于步骤1得到的逐时刻站点间浓度变异系数CV c 、步骤2得到的站点浓度平均值所属区间和步骤3得到的逐时刻模拟外地排放贡献率，得到不同浓度区间对应的CV c 和外地排放贡献率数组，再分别计算各数组的平均值，得到各浓度区间对应的CV c 和外地排放贡献率均值；
步骤5、基于步骤4得到的CV c 和外地排放贡献率均值，以外地排放贡献率均值为因变量、以CV c 均值为自变量，对两者进行数学拟合并进行R值和P值检验，得到外地排放贡献估算模型RC=f(CV c )；其中，R值计算公式为：
；
式中：
为自变量，/>；
为因变量，/>；
为自变量、因变量的均值；
I为区间数量，即I个自变量和因变量；
步骤6、基于外地排放贡献估算模型，估算外地排放浓度贡献率和本地排放浓度贡献率。
2.如权利要求1所述的基于站点浓度差异的本外地排放贡献估算方法，其特征在于，在所述步骤1中，不同污染物每t时刻的站点浓度平均值μ t 和站点间浓度变异系数CV c 的计算公式为：
；
式中：
为t时刻的站点间浓度变异系数；
为t时刻的站点浓度标准偏差；
为t时刻的站点浓度平均值；
为t时刻第n站点的污染物浓度；
t为时刻，以分钟、小时、日、月或年为时间尺度；
n为站点个数。
3.如权利要求1所述的基于站点浓度差异的本外地排放贡献估算方法，其特征在于，所述步骤2，具体包括：
依据不同污染物的浓度分布特征，确定该污染物的合理间距；
将该污染物逐时刻的站点浓度平均值按确定的间距进行等间距区间划分，划分为多个区间；其中，所划分的区间数取决于逐时刻数据集的最大最小值以及选取的间距大小；
基于区间划分，得到逐时刻的站点浓度平均值所属区间。
4.如权利要求1所述的基于站点浓度差异的本外地排放贡献估算方法，其特征在于，所述步骤3，具体包括：
基于城市排放清单数据以及逐时刻气象数据，利用气象模型为空气质量模型提供气象场数据；
将排放清单数据和气象模型得到的气象场数据输入空气质量模型，进行模拟，模拟得到逐时刻的模拟浓度以及本地排放贡献浓度，并进一步计算逐时刻的外地排放对大气污染物浓度的贡献率；其中，
；
式中：
为t时刻的模拟外地排放贡献率；
为t时刻的模拟本地排放贡献浓度；
为t时刻的污染物模拟浓度。
5.如权利要求1所述的基于站点浓度差异的本外地排放贡献估算方法，其特征在于，在所述步骤4中，各浓度区间对应的CV c 和外地排放贡献率均值的计算公式为：
；
式中：
为I区间对应的站点CV c 数组的均值；
为I区间对应的外地排放贡献率数组的均值；
为I区间对应的站点CV c 数组/>；
为I区间对应的外地排放贡献率数组/>；
m为数组的CV c 样本数；
q为数组的外地排放贡献率样本数。
6.如权利要求1所述的基于站点浓度差异的本外地排放贡献估算方法，其特征在于，所述步骤6，具体包括：
计算城市监测站点间污染物浓度差异，即变异系数CV c ；
将计算得到的变异系数CV c 作为自变量代入外地排放贡献估算模型，计算得到因变量，即外地排放贡献率；
基于外地排放贡献率，计算得到本地排放贡献率；其中，
；
式中：
为基于估算模型得到的t时刻的外地排放贡献率；
为t时刻的本地排放贡献率。
CN202310658278.7A 2023-06-06 2023-06-06 一种基于站点浓度差异的本外地排放贡献估算方法 Active CN116402408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310658278.7A CN116402408B (zh) 2023-06-06 2023-06-06 一种基于站点浓度差异的本外地排放贡献估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310658278.7A CN116402408B (zh) 2023-06-06 2023-06-06 一种基于站点浓度差异的本外地排放贡献估算方法

Publications (2)

Publication Number Publication Date
CN116402408A CN116402408A (zh) 2023-07-07
CN116402408B true CN116402408B (zh) 2023-09-26

Family

ID=87014551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310658278.7A Active CN116402408B (zh) 2023-06-06 2023-06-06 一种基于站点浓度差异的本外地排放贡献估算方法

Country Status (1)

Country Link
CN (1) CN116402408B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116663334B (zh) * 2023-07-28 2023-10-13 北京工业大学 一种监测站点大气污染物本地排放贡献的量化识别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739292A (zh) * 2020-06-08 2020-10-02 重庆大学 一种考虑路网od流量贡献时变性的收费站流量预测方法
CN111897810A (zh) * 2020-07-29 2020-11-06 上海大学 建立定量化不同尺度区域间大气污染联防联控方案的方法
CN112633626A (zh) * 2020-11-11 2021-04-09 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 一种大气污染物月平均浓度变化气象贡献率评估方法
KR20210086326A (ko) * 2019-12-31 2021-07-08 한국환경정책평가연구원 지역별 미세먼지 농도 예측방법 및 시스템
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
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
CN114757807A (zh) * 2022-06-13 2022-07-15 江苏省生态环境监测监控有限公司 多模式融合的大气污染物实际排放量在线核算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2010278785A1 (en) * 2009-07-31 2012-03-22 Global Surface Intelligence Ltd. Greenhouse gas grid and tracking system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210086326A (ko) * 2019-12-31 2021-07-08 한국환경정책평가연구원 지역별 미세먼지 농도 예측방법 및 시스템
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
CN111739292A (zh) * 2020-06-08 2020-10-02 重庆大学 一种考虑路网od流量贡献时变性的收费站流量预测方法
CN111897810A (zh) * 2020-07-29 2020-11-06 上海大学 建立定量化不同尺度区域间大气污染联防联控方案的方法
CN112633626A (zh) * 2020-11-11 2021-04-09 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 一种大气污染物月平均浓度变化气象贡献率评估方法
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
CN114757807A (zh) * 2022-06-13 2022-07-15 江苏省生态环境监测监控有限公司 多模式融合的大气污染物实际排放量在线核算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Spatial estimation of surface ozone concentrations in Quito Ecuador with remote sensing data, air pollution measurements and meteorological variables";Alvarez-Mendoza等;《ENVIRONMENTAL MONITORING AND ASSESSMENT》;第191卷(第3期);全文 *
"典型重工业城市空气重污染过程特征与来源解析";关攀博 等;《中国环境科学》;第４０卷(第１期);第32-39页 *
"唐山PM2.5污染特征及区域传输的贡献";张晗宇 等;《北京工业大学学报》;第43卷(第8期);全文 *

Also Published As

Publication number Publication date
CN116402408A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN111523717B (zh) 一种大气污染物排放清单的反演估算方法
CN106651100B (zh) 基于车联网优选车载监测点的空气质量评估系统及方法
CN110531030B (zh) 一种基于物联网大数据大气污染物分析的方法及装置
Luck et al. A gradient analysis of urban landscape pattern: a case study from the Phoenix metropolitan region, Arizona, USA
CN116402408B (zh) 一种基于站点浓度差异的本外地排放贡献估算方法
CN111537023A (zh) 一种工业园区大气污染物扩散模拟与溯源方法
CN102393877B (zh) 一种桥梁结构钢箱梁随机温度场的模拟方法
CN112749478A (zh) 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法
CN115420854B (zh) 一种基于正后向模型结合的大气污染物溯源方法
CN106779223A (zh) 一种光伏系统发电功率实时预测方法及装置
CN113330456B (zh) 一种利用历史空气质量数据特征预测空气污染的方法
CN110095394A (zh) 一种大气颗粒物污染快速溯源方法
CN107145668A (zh) 发电厂烟气污染物排放对区域大气雾霾的评价方法及装置
CN113284244B (zh) 一种基于格点化扩散模拟的大气污染物溯源方法
CN113155498B (zh) 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备
CN114662344A (zh) 基于连续在线观测数据的大气污染溯源预测方法及系统
CN112132450A (zh) 一种气态污染物的定位方法
CN113990508A (zh) 一种基于手机app的个体空气污染暴露精确评估方法
CN207623771U (zh) 一种燃煤电厂大气污染物扩散监控系统
CN116776073B (zh) 一种污染物浓度的评估方法和装置
CN111191817B (zh) 一种基于换乘客流量的公交线网拓扑划分方法
Suto et al. Computational fluid dynamics simulation and statistical procedure for estimating wide-area distributions of airborne sea salt considering local ground conditions
Zhang et al. The CA model based on data assimilation
CN107976515B (zh) 一种城区机动车尾气污染物浓度分布预测方法
CN109784557A (zh) 基于经验贝叶斯克里金模型来估算pm2.5的方法、系统及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant