CN117092297A - 一种工业园区大气污染物的溯源方法、系统、设备及介质 - Google Patents
一种工业园区大气污染物的溯源方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117092297A CN117092297A CN202311076014.7A CN202311076014A CN117092297A CN 117092297 A CN117092297 A CN 117092297A CN 202311076014 A CN202311076014 A CN 202311076014A CN 117092297 A CN117092297 A CN 117092297A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- wind speed
- tracing
- probability value
- industrial park
- 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.)
- Pending
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 110
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 claims abstract description 180
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 14
- 238000000556 factor analysis Methods 0.000 claims description 13
- 239000000356 contaminant Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 3
- 239000002904 solvent Substances 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 3
- XEKOWRVHYACXOJ-UHFFFAOYSA-N Ethyl acetate Chemical compound CCOC(C)=O XEKOWRVHYACXOJ-UHFFFAOYSA-N 0.000 description 24
- 238000009826 distribution Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 5
- 238000001514 detection method 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
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种工业园区大气污染物的溯源方法、系统、设备及介质，属于大气污染防止与溯源技术领域。该溯源方法基于工业园区多点位大气污染物浓度数据和气象数据，对污染因子进行分析，获得目标污染物，采用气象溯源方法，计算各个监测站点处目标污染物在各风速‑风向区间的概率值，并绘制各个监测站点的概率值极坐标图，识别概率值园区地图，确定排放源的具体位置，实现了对不同类型污染源的识别与定位，对大气污染物的排放进行精准溯源。
Description
技术领域
本发明涉及大气污染防止与溯源技术领域，特别是涉及一种工业园区大气污染物的溯源方法、系统、设备及介质。
背景技术
空气环境质量和人们的健康息息相关，及时发现影响空气质量的污染源有助于及时防止环境质量持续恶化。近年来，实施区域、城市宏观管控措施，空气质量得到明显改善，但小尺度空气质量问题依然严峻，例如对工业园区内大气污染物的管控。目前，各类化工企业趋于集中在工业园区，工业园区成为大气污染主要来源之一，园区内大气污染物排放量大、排放不规则、具有突发性，要实现小尺度空气质量管控，必须实现区域内大气污染源的溯源。由于现有的研究对工业园区大气污染物的溯源定位与预测预警技术存在不足，往往无法对大气污染物进行有效减排管控和应急管理。
现在在各城市内分布的多个监测站点除了标准监测站点，如国控站、省控站、市控站等，还有众多的微型监测站点，但缺乏针对站点污染的科学溯源方法。
目前，环境中大气污染物的溯源方法主要为扩散模型法和受体模型法。扩散模型法是基于污染源清单和气象场数据，使用空气质量模型模拟污染物在大气中的传输、反应和清除等过程，最终得到不同污染源对于受体区域污染物浓度的贡献。受体模型法的原理是从环境受体出发，根据污染源和受体点颗粒物的物理和化学特征信息，利用数学方法定量分析各类污染源对受体点大气污染物的贡献。
扩散模型的输入数据在小尺度工业园区难以获取，高度依赖气象数据的准确性，无法通过监测数据浓度反推污染源。受体模型所得污染源为一类源，无法确定一类污染源的数量与位置。基于源排放清单和各种扩散模型和受体模型的溯源难以达到精准溯源、对应急事件的相应滞后等问题，且布置大量的监测站点、监测仪器需要投入大量的人力、物力，成本高。
对于小尺度大气污染物的溯源来说，随着空间尺度的降低，对于模型、气象、排放等基础数据提出了更高的要求。在小尺度的溯源中，基于扩散模型的溯源方法所需要的研究区域详细源清单需要实现分钟级别的动态更新，这极难实现；基于受体模型的溯源方法依赖精细化的气象数据，但由于受到下垫面等因素的影响，现有的技术手段难以提供支撑。因此，小尺度工业园区的大气污染物的溯源这一难题基于现有的方法难以解决。
例如，专利号为CN202110923893.7的中国发明专利中提及的一种大气污染物溯源方法，包括以下步骤：获取污染指标浓度数据趋势异常的监测站点作为污染站点；采集污染站点、监测站点及企业的污染指标浓度数据；根据污染站点的污染指标浓度数据，获取污染站点的污染起始时刻；根据监测站点及企业的污染指标浓度数据，获取污染站点的污染起始时刻前一段时间内，监测站点及企业的污染指标浓度数据满足高值点的监测站点集合和企业集合；将污染站点、监测站点集合中的监测站点和企业集合中的企业构建成传输轨迹，形成传输轨迹集合；根据传输轨迹集合，获取污染站点的污染源。然而，在该发明中，依靠污染指标异常的监测点数据进行分析，基于污染指标浓度数据，计算传输路径上的传输概率进行溯源，并没有考虑多点位监测数据的影响、气象数据的变化等因素，不能实现对工业园区的污染源解析、实时监测，无法实现对不同类型污染物的精准溯源及监测。
发明内容
本发明的目的是提供一种工业园区大气污染物的溯源方法、系统、设备及介质，可实现对不同类型污染物的精准溯源及监测。
为实现上述目的，本发明提供了如下方案：
一种工业园区大气污染物的溯源方法，包括：
建立工业园区的排放源信息数据库；所述工业园区的规模小于尺度阈值；
采集工业园区内目标站房监测的各个监测站点在连续时间段内的监测数据；所述监测数据包括大气污染物浓度数据和气象数据；所述气象数据包括风向和风速；
对各个监测站点的大气污染物浓度数据进行污染因子分析，获得目标污染物；
根据目标污染物在各个监测站点的监测数据，采用气象溯源方法，计算各个监测站点处目标污染物在各风速-风向区间的概率值；
基于所述概率值，绘制各个监测站点的概率值极坐标图，并将绘制的各个监测站点的概率值极坐标图按监测站点的坐标位置叠加至工业园区地图，得到概率值园区地图；
识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域；
结合所述排放源信息数据库，并比对排放源的区域与工业园区的实际场景，确定排放源的具体位置。
可选地，所述排放源信息数据库包括：排放源的类型、排放源的地理位置、排放源的作业类型、各类型排放源的排放污染物种类、排放速率、排放时间和各企业大气污染物排放信息名片；其中，所述排放源的类型包括人物源、燃煤源、扬尘源、移动源、挥发性有机物污染源和溶剂使用源。
可选地，所述气象溯源方法为二元条件概率函数；
根据目标污染物在各个监测站点的监测数据，采用二元条件概率函数，计算各个监测站点处目标污染物在各风向-风速区间的概率值，具体包括：
将所有监测站点在连续时间段内的气象数据划分为多个风速-风向区间，并将所有监测站点在连续时间段内的大气污染物浓度数据分配至多个风速-风向区间，形成风速-风向统计堆；
依据公式和/>计算各个监测站点在每个风速-风向统计堆内的风速组件；式中，u、v分别为风速组件的第一、第二协变量，u为平均风速，θ为平均风向；
根据所述风速组件，利用公式计算各个监测站点处目标污染物在各风向-风速区间的概率值；式中，CBPFΔθ,Δu为监测站点处第i个目标污染物在风向Δθ-风速Δu区间的概率值，/>为风向Δθ-风速Δu区间的浓度Ci大于或等于阈值x的样本数，Ci为第i个目标污染物的浓度，nΔθ,Δu为风向-风速区间中的样本总数。
可选地，绘制各个监测站点的概率值极坐标图，具体包括：
以监测站点为原点，风向和风速作为极角和极径，将各风速-风向区间的概率值按照颜色深浅或颜色变化反映在概率值极坐标图上，形成各个监测站点的概率值极坐标图。
可选地，识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域，具体包括：
在所述概率值园区地图中逐一分析各个监测站点处概率值大于概率阈值的风速-风向区间；
将分析得到的风速-风向区间中的风向确定为污染源相对于监测点位的方向；
基于高风速值表明污染源据监测点位较远，低风速值表明污染源位于监测点位的附近的原理，确定污染源相对于监测点位的距离；
将污染源相对于监测点位的方向和污染源相对于监测点位的距离构成各个监测站点的污染源分析结果；
综合各个监测站点的污染源分析结果，确定排放源的区域。
一种工业园区大气污染物的溯源系统，包括：
数据库建立模块，用于建立工业园区的排放源信息数据库；所述工业园区的规模小于尺度阈值；
监测数据采集模块，用于采集工业园区内目标站房监测的各个监测站点在连续时间段内的监测数据；所述监测数据包括大气污染物浓度数据和气象数据；所述气象数据包括风向和风速；
污染因子分析模块，用于对各个监测站点的大气污染物浓度数据进行污染因子分析，获得目标污染物；
概率值计算模块，用于根据目标污染物在各个监测站点的监测数据，采用气象溯源方法，计算各个监测站点处目标污染物在各风速-风向区间的概率值；
极坐标图绘制模块，用于基于所述概率值，绘制各个监测站点的概率值极坐标图，并将绘制的各个监测站点的概率值极坐标图按监测站点的坐标位置叠加至工业园区地图，得到概率值园区地图；
区域确定模块，用于识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域；
具体位置确定模块，用于结合所述排放源信息数据库，并比对排放源的区域与工业园区的实际场景，确定排放源的具体位置。
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的工业园区大气污染物的溯源方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述的工业园区大气污染物的溯源方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种工业园区大气污染物的溯源方法、系统、设备及介质，基于工业园区多点位大气污染物浓度数据和气象数据，对污染因子进行分析，确定目标污染物，并结合概率值极坐标图，以实现对不同类型污染源的识别与定位，对大气污染物的排放进行精准溯源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种工业园区大气污染物的溯源方法的流程图；
图2为本发明实施例提供的一种工业园区大气污染物的溯源方法的原理图；
图3为本发明实施例提供的站房5监测工作站房的监测站点位置分布图；
图4为本发明实施例提供的站房5各监测点位的乙酸乙酯概率值园区地图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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。
本发明目的是针对小尺度工业园区大气污染精细化管控的需求，解决现有的站点污染来源识别过程中难以实现精准、经济的问题。通过建立一套溯源方法，基于工业园区多点位检测数据及气象数据检测数据，识别分析环境空气质量数据，并结合极坐标图表征，以实现对不同类型污染源的识别与定位，对大气污染物的排放进行精准溯源，进而为制定管控措施提供科学依据。这对于实现对企业的污染排放的识别监测、突发性恶臭污染事故进行源解析和精细化管理、小尺度区域的排放监测、改善大气环境质量有这重要作用。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图2所示，本发明实施例提供了一种工业园区大气污染物的溯源方法，包括：
步骤1：建立工业园区的排放源信息数据库；所述工业园区的规模小于尺度阈值。
排放源信息数据库主要包括但不限于：排放源的类型、排放源的地理位置信息、排放源的主要作业类型、各类型排放源主要排放污染物种类、排放速率、排放时间等，并结合企业的原辅料产品和污染源清单等信息，分析可能存在的原料挥发、原料挥发、工艺废气排放、燃烧烟气等污染物排放途径，结合实际排放数据，确定各企业主要排放污染物，建立各企业或车间大气污染物排放信息名片，确定典型特征排放物种，根据典型特征排放物种的平均浓度和超标频率，设置合理的各级预警浓度阈值。其中，排放源类型可以分为人物源、燃煤源、扬尘源、移动源、挥发性有机物污染源、溶剂使用源等不同类型。
步骤2：采集工业园区内目标站房监测的各个监测站点在连续时间段内的监测数据；所述监测数据包括大气污染物浓度数据和气象数据；所述气象数据包括风向和风速。
站点监测数据包括任意时间序列的大气污染物数据以及风向、风速等气象数据。其中，大气污染物数据包括但不限于：TSP、PM2.5、PM10、CO、NOx、SO2、VOCs、CH4、O3等以及该研究区域主要排放污染物的信息，如名称、类型、源成分谱等。时间分辨率可以分为日、小时，也可以是几十分钟等。连续监测时间一般大于一个月。
步骤3：对各个监测站点的大气污染物浓度数据进行污染因子分析，获得目标污染物。
对大气污染物数据进行污染因子分析，确定目标站点和研究时刻，进行污染特征分析。目标站点和研究时刻适用于任意监测站点和任何时刻，可以根据实际需求、实际污染情况进行确定。
污染因子的确定是通过将监测数据与预警浓度阈值进行对比分析，确定各污染物的预警等级，针对达到预警浓度阈值的污染物进行溯源。对达到预警浓度阈值的污染物进行污染因子分析，污染因子分析包括获取污染物名称、类型、浓度、污染源谱等信息。
步骤4：根据目标污染物在各个监测站点的监测数据，采用气象溯源方法，计算各个监测站点处目标污染物在各风速-风向区间的概率值。
气象溯源方法的原理是通过计算特定风向区间中物种浓度大于某一特定值的概率，用于提供有关主要污染来源的定向信息，以判断污染源方向。本发明中气象溯源方法以二元条件概率函数(CBPF)为例，二元条件概率函数是将条件概率函数与二元极坐标图相结合的一种气象溯源方法，将观测到的污染物浓度或概率值分配给由风向和风速范围定义的区间。二元条件概率函数的具体方法如下：
1)将风速、风向和浓度数据划分为风速-风向统计堆，计算风速-风向统计堆内的风速组件，风速组件计算公式如下：
式中:是平均风速；
θ是平均风向(以度为单位)，90°为向东。
风速-风向统计堆的具体划分方式为：将受体收集到的气象数据按风向分割成无数气象微元dΔθ，按照风速划分，构成风速-风向统计堆。
2)将污染源的可能性表征到风速组件中，其中，污染源的可能性可通过浓度或概率值两种方法表征，具体方法分别如下：
浓度计算方法：
计算每个风速-风向统计堆的平均浓度，平均浓度计算公式如下：
式中：Ci是第i个污染物浓度；
βo是响应的总体均值；
s(ui,vi)是协变量u和v的第i个值的各向同性平滑函数；
εi是是第i个残差。
概率值计算方法：
将风速作为第3个变量与条件概率函数耦合，计算各风向上某一污染源贡献浓度超过阈值浓度的占比来确定源贡献的方向，源贡献方向的计算公式为：
式中：为风向区间Δθ中风速区间Δu的浓度Ci大于或等于阈值x的样本数，阈值x可根据实际需求选定，本发明中选用浓度的第95百分数作为阈值x；nΔθ,Δu为该风向-风速区间中的样本总数。
步骤5：基于所述概率值，绘制各个监测站点的概率值极坐标图，并将绘制的各个监测站点的概率值极坐标图按监测站点的坐标位置叠加至工业园区地图，得到概率值园区地图。
将得到的概率值模型结合各监测点位的分布，绘制多点位概率值极坐标图，进行源描述。
概率值园区地图的绘制方法如下：
1)以监测点位位置作为原点，风向和风速作为极角和极径，将风速、风向和浓度数据划分为风速-风向统计堆；
2)根据步骤4得出的溯源信息，将各个风速-风向统计堆中源贡献值的大小按照颜色深浅或颜色变化反映在概率值极坐标图上；
3)绘制出该物种在该监测点位的概率值极坐标图，可以将绘成的概率值极坐标图按点位坐标位置叠加至园区地图，得到概率值园区地图。
步骤6：识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域。
识别分析概率值极坐标图包括坐标图中污染源概率值与监测点位的方向、风向、风速等信息，可以通过分析上述信息得出污染源与监测点位的方向及相对距离，具体的分析方法如下：
1)分析各污染物的平均浓度和预警等级，确定分析污染物，将概率值极坐标图叠加在该园区地图上；
2)结合气象信息，如风向、风速，逐一分析各个监测站点处的污染源概率值方向和相对距离：出现高概率值的风向风速值分别指明了污染源相对于监测点位的方向和相对距离，其中高风速值表明污染源据监测点位较远，低风速值表明污染源位于监测点位的附近；
3)综合各个监测站点的污染源分析结果，确定污染来源区域；
所述步骤6中排放源的相对距离是相对于当地风向、风速的距离，即同一风向上，风速越小则污染源与监测站点距离越小、风速越大则污染源于监测站点距离越大。
总结为：在所述概率值园区地图中逐一分析各个监测站点处概率值大于概率阈值的风速-风向区间；将分析得到的风速-风向区间中的风向确定为污染源相对于监测点位的方向；基于高风速值表明污染源据监测点位较远，低风速值表明污染源位于监测点位的附近的原理，确定污染源相对于监测点位的距离；将污染源相对于监测点位的方向和污染源相对于监测点位的距离构成各个监测站点的污染源分析结果；综合各个监测站点的污染源分析结果，确定排放源的区域。
步骤7：结合所述排放源信息数据库，并比对排放源的区域与工业园区的实际场景，确定排放源的具体位置。
对比排放源信息数据库中的相关信息，包括但不限于研究区域排放源的分布信息包括厂区楼房分布信息、现场构筑物的分布情况、现场生产施工情况等，结合所确定的污染特征和污染源的区域，找出满足条件的所有排放源，最终判断污染源的具体位置即为精准溯源结果。
本发明通过对站点监测数据进行深入分析，通过受体模型和气象溯源方法识别污染来源类型和来源区域，结合污染源信息数据库对站点污染进行精准溯源。方法简单易行、精准度高，弥补了现有溯源方法中的不足，提供了一种新的大气污染物溯源方法，可为小尺度区域污染防控提供科技支撑。
基于所发明的溯源方法，以浙江省某一工业园区为研究区域，在该园区内布置了9个监测工作站房，使用工作站房的监测数据，以企业g2监测站点为目标站点，进行实施例案例溯源如下：
S1、收集浙江省某一工业园区的排放源信息，并建立污染源信息数据库，包括该工业园区主要的排放源类型、位置信息、排放源主要污染物种等。
S2、获取该工业园区中各个监测工作站点分布及各站点的连续监测数据，包括PM2.5、PM10、CO、NO2、SO2、VOCs等各项大气污染物浓度数据及风向、风速等气象数据。
S3、对各站点连续监测数据进行污染因子分析，本实施例中以对企业g2监测站点为例，作后续的溯源分析。以企业g2所处的监测站房5为目标站房，站房5监测工作站房的监测站点位置分布如图3所示。发现企业g2监测时段内污染特征变化显著的污染物为VOCs，且监测浓度最高。
S4、基于气象溯源方法，例如二元条件概率函数气象溯源方法，根据某物种在监测点位的浓度监测数据和气象数据，结合污染源贡献，进行源检测，计算出物种在监测点位各个风向风速区间的二元条件概率函数概率值。
S5、将S4得到的概率值模型结合各监测点位的分布，以各监测点位位置作为原点，风向和风速作为极角和极径，绘制多点位概率值极坐标图，进行源描述。以乙酸乙酯为例，具体气象溯源源描述方法如下：
根据S4得到的二元条件概率函数概率值，分别以企业g2处监测站房的各监测站点为原点，风向和风速作为极角和极径，概率值以颜色深浅或颜色变化为体现，绘出乙酸乙酯在各个监测点位的概率值极坐标图，并将绘成的概率值极坐标图按监测点位坐标位置叠加至园区地图，得到概率值园区地图，如图4所示。
S6、通过识别分析S5得到的园区地图，分析获取污染物的排放源的方向和相对距离，确定污染源的区域。具体分析方法如下：
首要分析5站房监测区域的乙酸乙酯污染源位置，其中5_S3、5_S4、5_S5、5_S13、5_S14、5_S15、5_S16和5_S25点位的CBPF图指向东北方向远距离存在乙酸乙酯污染源，且在这8个点位中，越靠近东北侧的点位出现高CBPF概率值的风速越低，说明在5_S15点位东北侧附近存在着乙酸乙酯污染源。同时分析5_S6、5_S7、5_S8、5_S9、5_S19和5_S20点位的CBPF图，均指向了5_S20东侧近距离存在着乙酸乙酯污染源。
S7、结合S1中研究区域排放源信息数据库的相关信息，根据研究区域排放源的分布信息和生产实际情况以及现场构筑物的分布情况进行比对，得到最终精准溯源的结果：影响5站房上述点位乙酸乙酯的污染源来自于5_S20东侧的储罐区。
与现有技术相比，本发明的有益效果为：
本发明的基于多点位监测数据的一种工业园区的大气污染物溯源方法，通过根据目标区域内的多点位的监测数据和气象数据，结合受体模型、气象溯源及排放源数据库的溯源技术方法，能够面对复杂的实际污染源、区分本地污染和外部传输源、实现针对小尺度工业园区内大气污染物的精准溯源，具有精准度高的特点，有力支撑小尺度空气质量管控，为制定精准合理的大气污染管控措施提供科技支撑。
为了执行上述实施例对应的方法，以实现相应的功能和技术效果，下面提供一种工业园区大气污染物的溯源系统，包括：
数据库建立模块，用于建立工业园区的排放源信息数据库；所述工业园区的规模小于尺度阈值。
监测数据采集模块，用于采集工业园区内目标站房监测的各个监测站点在连续时间段内的监测数据；所述监测数据包括大气污染物浓度数据和气象数据；所述气象数据包括风向和风速。
污染因子分析模块，用于对各个监测站点的大气污染物浓度数据进行污染因子分析，获得目标污染物。
概率值计算模块，用于根据目标污染物在各个监测站点的监测数据，采用气象溯源方法，计算各个监测站点处目标污染物在各风速-风向区间的概率值。
极坐标图绘制模块，用于基于所述概率值，绘制各个监测站点的概率值极坐标图，并将绘制的各个监测站点的概率值极坐标图按监测站点的坐标位置叠加至工业园区地图，得到概率值园区地图。
区域确定模块，用于识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域。
具体位置确定模块，用于结合所述排放源信息数据库，并比对排放源的区域与工业园区的实际场景，确定排放源的具体位置。
本发明实施例提供的工业园区大气污染物的溯源系统与上述实施例所述的工业园区大气污染物的溯源方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述方法实施例的介绍。
本发明还提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的工业园区大气污染物的溯源方法。
此外，上述的存储器中的计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述的工业园区大气污染物的溯源方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种工业园区大气污染物的溯源方法，其特征在于，包括：
建立工业园区的排放源信息数据库；所述工业园区的规模小于尺度阈值；
采集工业园区内目标站房监测的各个监测站点在连续时间段内的监测数据；所述监测数据包括大气污染物浓度数据和气象数据；所述气象数据包括风向和风速；
对各个监测站点的大气污染物浓度数据进行污染因子分析，获得目标污染物；
根据目标污染物在各个监测站点的监测数据，采用气象溯源方法，计算各个监测站点处目标污染物在各风速-风向区间的概率值；
基于所述概率值，绘制各个监测站点的概率值极坐标图，并将绘制的各个监测站点的概率值极坐标图按监测站点的坐标位置叠加至工业园区地图，得到概率值园区地图；
识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域；
结合所述排放源信息数据库，并比对排放源的区域与工业园区的实际场景，确定排放源的具体位置。
2.根据权利要求1所述的工业园区大气污染物的溯源方法，其特征在于，所述排放源信息数据库包括：排放源的类型、排放源的地理位置、排放源的作业类型、各类型排放源的排放污染物种类、排放速率、排放时间和各企业大气污染物排放信息名片；其中，所述排放源的类型包括人物源、燃煤源、扬尘源、移动源、挥发性有机物污染源和溶剂使用源。
3.根据权利要求1所述的工业园区大气污染物的溯源方法，其特征在于，所述气象溯源方法为二元条件概率函数；
根据目标污染物在各个监测站点的监测数据，采用二元条件概率函数，计算各个监测站点处目标污染物在各风向-风速区间的概率值，具体包括：
将所有监测站点在连续时间段内的气象数据划分为多个风速-风向区间，并将所有监测站点在连续时间段内的大气污染物浓度数据分配至多个风速-风向区间，形成风速-风向统计堆；
依据公式和/>计算各个监测站点在每个风速-风向统计堆内的风速组件；式中，u、v分别为风速组件的第一、第二协变量，u为平均风速，θ为平均风向；
根据所述风速组件，利用公式计算各个监测站点处目标污染物在各风向-风速区间的概率值；式中，CBPFΔθ,Δu为监测站点处第i个目标污染物在风向Δθ-风速Δu区间的概率值，/>为风向Δθ-风速Δu区间的浓度Ci大于或等于阈值x的样本数，Ci为第i个目标污染物的浓度，nΔθ,Δu为风向-风速区间中的样本总数。
4.根据权利要求1所述的工业园区大气污染物的溯源方法，其特征在于，绘制各个监测站点的概率值极坐标图，具体包括：
以监测站点为原点，风向和风速作为极角和极径，将各风速-风向区间的概率值按照颜色深浅或颜色变化反映在概率值极坐标图上，形成各个监测站点的概率值极坐标图。
5.根据权利要求1所述的工业园区大气污染物的溯源方法，其特征在于，识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域，具体包括：
在所述概率值园区地图中逐一分析各个监测站点处概率值大于概率阈值的风速-风向区间；
将分析得到的风速-风向区间中的风向确定为污染源相对于监测点位的方向；
基于高风速值表明污染源据监测点位较远，低风速值表明污染源位于监测点位的附近的原理，确定污染源相对于监测点位的距离；
将污染源相对于监测点位的方向和污染源相对于监测点位的距离构成各个监测站点的污染源分析结果；
综合各个监测站点的污染源分析结果，确定排放源的区域。
6.一种工业园区大气污染物的溯源系统，其特征在于，包括：
数据库建立模块，用于建立工业园区的排放源信息数据库；所述工业园区的规模小于尺度阈值；
监测数据采集模块，用于采集工业园区内目标站房监测的各个监测站点在连续时间段内的监测数据；所述监测数据包括大气污染物浓度数据和气象数据；所述气象数据包括风向和风速；
污染因子分析模块，用于对各个监测站点的大气污染物浓度数据进行污染因子分析，获得目标污染物；
概率值计算模块，用于根据目标污染物在各个监测站点的监测数据，采用气象溯源方法，计算各个监测站点处目标污染物在各风速-风向区间的概率值；
极坐标图绘制模块，用于基于所述概率值，绘制各个监测站点的概率值极坐标图，并将绘制的各个监测站点的概率值极坐标图按监测站点的坐标位置叠加至工业园区地图，得到概率值园区地图；
区域确定模块，用于识别所述概率值园区地图，获取目标污染物的排放源的方向和相对距离，进而确定排放源的区域；
具体位置确定模块，用于结合所述排放源信息数据库，并比对排放源的区域与工业园区的实际场景，确定排放源的具体位置。
7.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的工业园区大气污染物的溯源方法。
8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至5中任一项所述的工业园区大气污染物的溯源方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311076014.7A CN117092297A (zh) | 2023-08-24 | 2023-08-24 | 一种工业园区大气污染物的溯源方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311076014.7A CN117092297A (zh) | 2023-08-24 | 2023-08-24 | 一种工业园区大气污染物的溯源方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117092297A true CN117092297A (zh) | 2023-11-21 |
Family
ID=88769520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311076014.7A Pending CN117092297A (zh) | 2023-08-24 | 2023-08-24 | 一种工业园区大气污染物的溯源方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117092297A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708617A (zh) * | 2024-02-05 | 2024-03-15 | 四川国蓝中天环境科技集团有限公司 | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 |
| CN117786618A (zh) * | 2024-02-27 | 2024-03-29 | 四川国蓝中天环境科技集团有限公司 | 一种区域污染传输评估方法在环境管控的应用方法 |
-
2023
- 2023-08-24 CN CN202311076014.7A patent/CN117092297A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708617A (zh) * | 2024-02-05 | 2024-03-15 | 四川国蓝中天环境科技集团有限公司 | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 |
| CN117708617B (zh) * | 2024-02-05 | 2024-04-30 | 四川国蓝中天环境科技集团有限公司 | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 |
| CN117786618A (zh) * | 2024-02-27 | 2024-03-29 | 四川国蓝中天环境科技集团有限公司 | 一种区域污染传输评估方法在环境管控的应用方法 |
| CN117786618B (zh) * | 2024-02-27 | 2024-05-07 | 四川国蓝中天环境科技集团有限公司 | 一种区域污染传输评估方法在环境管控的应用方法 |
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 | |
| CN117092297A (zh) | 一种工业园区大气污染物的溯源方法、系统、设备及介质 | |
| CN107917987B (zh) | 一种面向城市空气污染物溯源分析方法 | |
| CN112418609A (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| CN112540148B (zh) | 一种炼化企业大气污染物监测预警与溯源系统构建方法 | |
| CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
| CN114155129B (zh) | 一种基于工业园区的大气环境溯评方法和系统 | |
| CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
| CN112485319A (zh) | 大气环境走航监测方法及信息处理方法、装置、监测车 | |
| CN110595972A (zh) | Pm2.5浓度值和影响因素的分析方法 | |
| CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
| CN114661849A (zh) | 污染溯源方法及装置 | |
| CN112991132A (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
| CN112132450A (zh) | 一种气态污染物的定位方法 | |
| CN113516327A (zh) | 石化企业污染监测预警评价方法、装置及系统 | |
| CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 | |
| CN109613179B (zh) | 累积高值区的确定方法 | |
| CN117312784A (zh) | 一种基于受体模型和大数据联用的污染源溯源方法 | |
| CN112505247B (zh) | 空气质量分析方法、装置、设备及存储介质 | |
| CN113420984A (zh) | 空气污染源区的确定方法 | |
| CN115705510A (zh) | 厂区气体污染分布预测方法、系统、电子设备及存储介质 | |
| CN114547127A (zh) | 工业园区小尺度区域的污染气团输送来源分析方法 | |
| CN113740221A (zh) | 基于细颗粒物与臭氧的空气污染源区确定方法 | |
| Ning | Online learning platform for air environment detection and career planning based on 5G network | |
| CN117829614B (zh) | 一种基于多源数据融合的工业企业排污风险分级计算方法 |
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 |