CN117217027B - 基于四维变分同化的污染物点源廓线排放估算方法和装置 - Google Patents
基于四维变分同化的污染物点源廓线排放估算方法和装置 Download PDFInfo
- Publication number
- CN117217027B CN117217027B CN202311444267.5A CN202311444267A CN117217027B CN 117217027 B CN117217027 B CN 117217027B CN 202311444267 A CN202311444267 A CN 202311444267A CN 117217027 B CN117217027 B CN 117217027B
- Authority
- CN
- China
- Prior art keywords
- emission
- point source
- pollutant
- dimensional variation
- assimilation
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 150
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 77
- 239000000126 substance Substances 0.000 claims abstract description 72
- 238000011160 research Methods 0.000 claims abstract description 39
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000002156 mixing Methods 0.000 claims description 25
- 239000000356 contaminant Substances 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000004062 sedimentation Methods 0.000 claims description 19
- 238000009792 diffusion process Methods 0.000 claims description 18
- 230000005571 horizontal transmission Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000012876 topography Methods 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000003570 air Substances 0.000 description 3
- 239000000926 atmospheric chemistry Substances 0.000 description 3
- 238000002309 gasification Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于四维变分同化的污染物点源廓线排放估算方法和装置。所述方法包括:获取研究区域内的观测数据,并基于大气化学模式和四维变分同化理论构建四维变分同化系统;采用大气化学模式和点源排放背景场进行模拟预报,获取研究期间内的大范围污染物浓度的物理化学变量;将模拟得到的物理化学变量作为参数输入四维变分同化系统,以多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,并计算得到污染物点源的总排放量。采用本方法能够快速有效地估算污染物点源排放量,得到排放期间内逐小时的污染物排放廓线,且可以用于大气化学模式研究,提高污染浓度的模拟预报的准确度。
Description
技术领域
本申请涉及污染物排放技术领域,特别是涉及一种基于四维变分同化的污染物点源廓线排放估算方法和装置。
背景技术
排放清单是了解污染物排放及其时空分布,精确模拟区域环境空气质量的重要资料,对制定减排政策、评估污染治理情况、提高空气质量预报准确度等方面具有重要的意义。在排放清单的编制中有一类特殊的排放源估算,即对污染物点源排放量的估算,如燃气管道泄漏、核武器爆炸或核电站泄漏、火山喷发等事件的排放量估算问题。这类污染排放往往有着短时间、高强度、爆发性的特点,对人类健康、局地乃至全球环境造成长时间大范围的影响。精准估算污染物的点源排放量,对制定应急保障措施,保障生命财产安全具有重要的意义。
目前对于点源排放的估算主要有两种方法,一种是基于“自下而上”的方法通过统计年鉴粗略的估算排放量,其结果往往难以应对实际业务中对短时排放特征的监测需求,另一种是“自上而下”的方法,基于烟羽扩散的三维空间结构和污染物扩散方程,构建点源排放与风、温度、湿度等气象数据之间的关系,实现对排放的反演估算。但是这种方法得到的估算结果往往受限于气象条件和观测仪器,在气象条件较差的情况下,观测仪器,如无人机、地面激光雷达、卫星遥感等观测的气象要素缺失,从而影响对点源排放量的估算,且对于逐小时的排放及垂直分布特征反演精度较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速有效的估算污染物点源排放的基于四维变分同化的污染物点源廓线排放估算方法和装置。
一种基于四维变分同化的污染物点源廓线排放估算方法,所述方法包括:
获取研究区域内具备短时间、高强度、爆发性特点的污染物点源的观测数据,观测数据包括多源污染物浓度观测数据、气象再分析格点数据和先验的点源排放量数据;
基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统;
对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量;
将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量;
其中,对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,包括:
根据污染物点源的排放爆发强度和爆发高度对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,表示为:
;
其中,为垂直分层,/>为总排放量,/>表示排放爆发强度,假定百分比的排放量集中在某一高度释放,范围在0~100%之间,/>表示排放垂直范围,即排放所在的最高高度与最低高度之间的差。
在其中一个实施例中,在获取研究区域内的观测数据之后,还包括:对所有观测数据进行极值检验和时间空间一致性检验,剔除异常观测数据,并根据研究区域的网格划分,对落在同一网格内的观测数据取平均值,得到质量控制后的观测数据。
在其中一个实施例中,基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统,其中,四维变分同化目标泛函公式表示为
;
其中,表示四维变分同化系统中第i时刻的状态变量,x和y分别表示经度位置和纬度位置,在三维网格空间内保持固定,z表示垂直层数,/>表示排放时长,/>表示点源排放背景场,/>的向量结构与/>相同,/>表示排放源的背景误差协方差,/>表示观测变量,/>表示同化时间窗口,/>表示观测误差协方差,/>表示第i时刻的污染物浓度,/>表示观测算子,用于将/>的值转化为与观测相同的算子,上标T表示向量转置。
在其中一个实施例中,在四维变分同化系统中,将0~t时刻内的逐小时污染物点源廓线排放作为状态变量。
在其中一个实施例中,在四维变分同化系统中,基于大气化学模式对污染物在大气中的演变过程进行简化,得到切线性算子,根据切线性算子实现四维变分同化系统对污染物浓度的表达,其中,四维变分同化系统对第i时刻的污染物浓度的表达为
;
其中,表示切线性算子,与初始场的浓度场/>有关,/>的下角标表示从第i时刻到初始时刻的积分过程,/>表示作用在/>上的模式切线性算子,/>表示第/>时刻的状态变量,/>表示将排放源转化为浓度的模式切线性算子,/>表示第/>时刻的污染物浓度,/>表示第/>时刻的状态变量。其中,切线性算子包含水平传输,垂直混合,湍流扩散,干湿沉降和化学反应过程,具体表达式为:
;式中,/>为第/>时刻的污染物浓度/>由于水平风场导致的水平传输项,/>和/>分别表示对于梯度扩散的约束和地形对于水平扩散的影响,/>为垂直混合项,考虑了污染物点源在垂直方向上的高排放量导致的浓度梯度过大对垂直混合的影响,/>为垂直方向上的风速,为水平湍流项,/>为垂直湍流项,垂直湍流的第一层代表污染物的干沉降项,/>和/>表示基于K理论计算的水平方向上的湍流混合系数,/>为基于K理论计算的垂直方向上的湍流混合系数,/>和/>分别表示干湿沉降项和化学反应项,/>为湿沉降收集系数,/>=2.718为自然对数底数,r为化学反应速率。
在其中一个实施例中,在四维变分同化系统中,采用NMC方法对排放源的背景误差协方差进行估计,并针对不同来源的观测数据计算观测误差,实现观测算子/>和观测误差协方差/>在四维变分同化系统中的表达。
在其中一个实施例中,在四维变分同化系统中,采用NMC方法对污染物点源廓线所在网格的排放源的背景误差协方差进行估计,其他网格的排放源的背景误差协方差/>设置为0。
在其中一个实施例中,对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量,包括:
对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场的三维空间分布进行模拟,并在模拟过程中采用格点化的四维同化方法,每6小时一次对气象场进行约束,在研究期间内,每10分钟输出一次模拟得到的物理化学变量。
在其中一个实施例中,将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量,包括:
将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源所在网格的逐小时污染物点源廓线排放分析场,根据逐小时污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
一种基于四维变分同化的污染物点源廓线排放估算装置,所述装置包括:
数据获取模块,用于获取研究区域内具备短时间、高强度、爆发性特点的污染物点源的观测数据,观测数据包括多源污染物浓度观测数据、气象再分析格点数据和先验的点源排放量数据;
同化系统构建模块,用于基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统;
模拟预报模块,用于对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量;
排放估算模块,用于将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
上述基于四维变分同化的污染物点源廓线排放估算方法和装置,首先根据获取的观测数据,基于四维变分同化理论和大气化学模式,充分考虑污染物在大气中的源汇关系,包括水平传输、湍流混合、干/湿沉降、化学反应等过程,构建四维变分同化系统;然后采用大气化学模式和点源排放背景场进行模拟预报,获取研究期间内的大范围污染物浓度的物理化学变量;最后将模拟得到的物理化学变量作为参数输入四维变分同化系统,以多源污染物浓度观测数据作为约束,得到精细可靠的、高时间分辨率的污染物点源廓线排放分析场,并计算得到污染物点源的总排放量。
相比于现有技术,本方案基于大气化学模式模拟预报提供气象场的信息,不受气象条件、观测仪器等限制,可以精准地获取排放期间内逐小时的点源廓线排放,且具有计算速度相对较快,计算所需存储空间相对较小的优势。并且,本方法基于四维变分同化理论和大气化学模式获取的污染物点源廓线排放分析场还可以用于大气化学模式的模拟预报,对分析污染物三维烟羽结构,评估点源排放对人类健康、气候环境等影响具有重要意义。
附图说明
图1为一个实施例中基于四维变分同化的污染物点源廓线排放估算方法的流程示意图;
图2为一个实施例中2022年1月13日火山点源廓线排放背景场与同化后的逐小时火山排放点源廓线排放分析场示意图,其中,图2(a)为火山点源廓线排放背景场示意图,图2(b)为同化后的逐小时火山排放点源廓线排放分析场示意图;
图3为一个实施例中2022年1月13日分别采用点源排放背景场和同化后的点源廓线排放分析场模拟的SO2浓度与卫星观测柱浓度的散点图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于四维变分同化的污染物点源廓线排放估算方法,包括以下步骤:
步骤102,获取研究区域内具备短时间、高强度、爆发性特点的污染物点源的观测数据,观测数据包括多源污染物浓度观测数据、气象再分析格点数据和先验的点源排放量数据。
具体地,收集臭氧检测仪(Ozone Monitoring Instrument,OMI)、高光谱对流层监测仪器(TROPO spheric Monitoring Instrument,TROPOMI)观测痕量气体数据;收集ECMWF(欧洲中期天气预报中心)提供的逐小时、分辨率为0.25o×0.25o的第五代气象再分析格点数据(ERA5)。
步骤104,基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统。
步骤106,对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量。其中,对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,包括:
根据污染物点源的排放爆发强度和爆发高度对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,表示为:
;
其中,为垂直分层,/>为总排放量,/>表示排放爆发强度,假定百分比的排放量集中在某一高度释放,范围在0~100%之间,/>表示排放垂直范围,即排放所在的最高高度与最低高度之间的差。
步骤108,将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
在其中一个实施例中,在获取研究区域内的观测数据之后,还包括:对所有观测数据进行极值检验和时间空间一致性检验,剔除数据质量(qa_value)小于0.5的异常观测数据,并根据研究区域的网格划分,对落在同一网格内的观测数据取平均值,得到质量控制后的观测数据。
可以理解,通过对观测数据进行质量控制,可以减小观测数据异常值对污染物点源廓线排放估算的影响,并且根据地形文件、研究区域网格划分对观测数据中的气象再分析格点数据进行处理,为大气化学模式提供了气象初始场、边界条件和模拟期间的气象场约束。
在其中一个实施例中,基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统,其中,四维变分同化目标泛函公式表示为
;
其中,表示四维变分同化系统中第i时刻的状态变量,x和y分别表示经度位置和纬度位置,在三维网格空间内保持固定,z表示垂直层数,/>表示排放时长,/>表示点源排放背景场,/>的向量结构与/>相同,/>表示排放源的背景误差协方差,/>表示观测变量,表示同化时间窗口,该四维变分同化系统可以将0~n时刻内的所有观测数据作为约束,/>表示观测误差协方差,/>表示第i时刻的污染物浓度,/>表示观测算子,用于将/>的值转化为与观测相同的算子,上标T表示向量转置。
在其中一个实施例中,在四维变分同化系统中,将0~t时刻内的逐小时污染物点源廓线排放作为状态变量,且状态变量/>在三维网格中的位置固定,仅对垂直方向和0~t时刻内逐小时的廓线排放进行约束。
在其中一个实施例中,在四维变分同化系统中,基于大气化学模式对污染物在大气中的演变过程进行简化,得到线性化的前向模式算子(又称切线性算子),根据切线性算子实现四维变分同化系统对污染物浓度的表达,其中,四维变分同化系统对第i时刻的污染物浓度的表达为:
;
其中,表示切线性算子,与初始场的浓度场/>有关,/>的下角标表示从第i时刻到初始时刻的积分过程,/>表示作用在/>上的模式切线性算子,/>表示第/>时刻的状态变量,/>表示将排放源转化为浓度的模式切线性算子,/>表示第/>时刻的污染物浓度,/>表示第/>时刻的状态变量。进一步地,可以根据基于模式的切线性算子编写伴随算子及对应代码,实现对污染物点源排放源的优化。其中,切线性算子包含水平传输,垂直混合,湍流扩散,干湿沉降和化学反应过程,具体表达式为:;
式中,为第/>时刻的污染物浓度/>由于水平风场/>导致的水平传输项,/>和/>分别表示对于梯度扩散的约束和地形对于水平扩散的影响,/>为垂直混合项,考虑了污染物点源在垂直方向上的高排放量导致的浓度梯度过大对垂直混合的影响,/>为垂直方向上的风速,为水平湍流项,/>为垂直湍流项,垂直湍流的第一层代表污染物的干沉降项,/>和/>表示基于K理论计算的水平方向上的湍流混合系数,/>为基于K理论计算的垂直方向上的湍流混合系数,/>和/>分别表示干湿沉降项和化学反应项,/>为湿沉降收集系数,/>为自然对数底数,r为化学反应速率。
可以理解,基于大气化学模式简化得到的切线性算子和伴随算子,考虑了气象场与化学场之间的相互作用。在根据切线性算子实现四维变分同化系统对污染物浓度的表达时,本申请基于切线性算子考虑了水平传输、垂直混合、湍流扩散、干湿沉降和化学反应导致的污染物浓度变化过程,尤其是湍流扩散项,基于K理论计算了次网格内由于水平湍流和垂直湍流导致的污染物浓度扰动,提高了四维变分同化系统对污染物浓度进行表达的精度。并且,对于切线性算子的水平传输、垂直混合、干湿沉降和化学反应过程,本申请更多考察一个短时间、爆发性、高排放强度点源对于周围的影响作用以及对排放量的估算,而非全局排放导致的浓度均匀混合以及全局排放估算问题,因此在上述物理过程,尤其是水平传输和垂直混合过程中,增加了地形对于水平扩散的影响,以及地形对扩散速度的约束,防止由于梯度导致的污染传输过快的问题,进一步提高了污染物点源廓线排放估算的准确度。
在其中一个实施例中,在四维变分同化系统中,采用NMC(NationalMeteorological Center,国家气象中心)方法对排放源的背景误差协方差进行估计,并针对不同来源的观测数据计算观测误差,实现观测算子/>和观测误差协方差/>在四维变分同化系统中的表达。
在其中一个实施例中,在四维变分同化系统中,采用NMC方法对污染物点源廓线所在网格的排放源的背景误差协方差进行估计,其他网格的排放源的背景误差协方差/>设置为0。
在其中一个实施例中,对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量,包括:
对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场的三维空间分布进行模拟,并在模拟过程中采用格点化的四维同化方法,每6小时一次对气象场进行约束,在研究期间内,每10分钟输出一次模拟得到的物理化学变量。
在其中一个实施例中,将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量,包括:
将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源所在网格的逐小时污染物点源廓线排放分析场,根据逐小时污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
具体地,以优化2022年1月13日汤加火山喷发的二氧化硫点源排放为例,采用本申请所提的基于四维变分同化的污染物点源廓线排放估算方法获取SO2点源廓线排放分析场。研究区域包括汤加、新西兰、太平洋大部分海域,具体包括如下步骤:
步骤1:收集火山喷发后卫星观测到的SO2羽流浓度数据,对数据进行空质量控制获取火山喷发导致的SO2柱浓度数据。收集研究时间内的ERA5再分析资料。利用卫星资料估算的排放量和喷发高度设置一个火山点源廓线排放背景场,假定火山喷发期间每小时排放量和垂直分布一致,作为排放源背景场。根据WRF-Chem模式的研究区域及网格分辨率,将落在同一网格内的观测资料进行求均值处理。其中,WRF-Chem模式是由美国NOAA预报系统实验室(FSL)开发的,气象模式(WRF)和化学模式(Chem)在线完全耦合的区域空气质量模式。
步骤2:基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统,其中,四维变分同化目标泛函公式表示为
;
其中,表示四维变分同化系统中第i时刻的状态变量,x和y分别表示经度位置和纬度位置,在三维网格空间内保持固定,z表示垂直层数,/>表示排放时长,/>表示点源排放背景场,/>的向量结构与/>相同,/>表示排放源的背景误差协方差,/>表示观测变量,表示同化时间窗口,该四维变分同化系统可以将0~n时刻内的所有观测数据作为约束,/>表示观测误差协方差,/>表示第i时刻的污染物浓度,/>表示观测算子,用于将/>的值转化为与观测相同的算子,上标T表示向量转置。
步骤3:基于大气化学模式,对污染物的在大气中的演变过程进行简化,得到切线性算子,实现4Dvar系统对的表达:
;
其中,表示切线性算子,与初始场的浓度场/>有关,/>的下角标表示从第i时刻到初始时刻的积分过程,/>表示作用在/>上的模式切线性算子,/>表示第/>时刻的状态变量,/>表示将排放源转化为浓度的模式切线性算子,/>表示第/>时刻的污染物浓度,/>表示第/>时刻的状态变量。进一步地,可以根据基于模式的切线性算子编写伴随算子及对应代码,实现对污染物点源排放源的优化。
步骤4:采用NMC方法对污染物点源排放背景误差进行估计,针对不同来源的观测数据计算观测误差,并设计观测算子/>、观测误差协方差/>在四维变分同化系统中的表达。
步骤5:对先验的点源排放量数据进行垂直分布假设,得到如图2(a)所示的火山点源廓线排放背景场,根据大气化学模式和火山点源廓线排放背景场,对研究期间内污染物浓度的气象场和化学场的三维空间分布进行模拟,并在模拟过程中采用格点化的四维同化方法,每6小时一次对气象场进行约束,在研究期间内,每10分钟输出一次模拟得到的物理化学变量。
步骤6:将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到如图2(b)所示的污染物点源所在网格的逐小时火山排放点源廓线排放分析场,根据逐小时污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
最后如图3所示,分别采用点源排放背景场和本发明估算的点源廓线排放分析场结合大气化学模式进行模拟分析,并基于卫星观测检验模式污染物浓度预报结果,验证本方法估算的廓线排放、排放量的准确性。图3为2022年1月13日分别采用点源排放背景场和同化后的点源廓线排放分析场模拟的SO2浓度与卫星观测柱浓度的散点图。根据图3可知,基于本方法可以有效应对诸如燃气管道泄漏、核武器爆炸或核电站泄漏、火山喷发等短时间、高强度、爆发性的点源廓线排放估算问题,具有重要的科学意义和推广应用价值;对现有的排放源估算统计技术的有效补充,方法简单易行,计算量小,经费投入少,得到的点源廓线排放分析场还可以用于大气化学模式预报,并提高对污染物三维烟羽结果空间分布的认识,对制定应急保障措施,保护生命财产安全具有重要意义。
应该理解的是,虽然图1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,图1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。
在一个实施例中,提供了一种基于四维变分同化的污染物点源廓线排放估算装置,包括:数据获取模块、同化系统构建模块、模拟预报模块和排放估算,其中:
数据获取模块,用于获取研究区域内具备短时间、高强度、爆发性特点的污染物点源的观测数据,观测数据包括多源污染物浓度观测数据、气象再分析格点数据和先验的点源排放量数据;
同化系统构建模块,用于基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据观测数据和四维变分同化目标泛函公式构建四维变分同化系统;
模拟预报模块,用于对先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量;
排放估算模块,用于将物理化学变量作为参数输入四维变分同化系统进行同化反演,并将多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
关于基于四维变分同化的污染物点源廓线排放估算装置的具体限定可以参见上文中对于基于四维变分同化的污染物点源廓线排放估算方法的限定,在此不再赘述。上述基于四维变分同化的污染物点源廓线排放估算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
以上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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于四维变分同化的污染物点源廓线排放估算方法,其特征在于,所述方法包括:
获取研究区域内具备短时间、高强度、爆发性特点的污染物点源的观测数据,所述观测数据包括多源污染物浓度观测数据、气象再分析格点数据和先验的点源排放量数据;
基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据所述观测数据和四维变分同化目标泛函公式构建四维变分同化系统;
对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量;
将所述物理化学变量作为参数输入所述四维变分同化系统进行同化反演,并将所述多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据所述污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量;
其中,在所述四维变分同化系统中,基于大气化学模式对污染物在大气中的演变过程进行简化,得到切线性算子,根据所述切线性算子实现四维变分同化系统对污染物浓度的表达,其中,所述四维变分同化系统对第i时刻的污染物浓度的表达为
;
其中, 表示所述切线性算子,与初始场的浓度场/>有关,/>的下角标表示从第i时刻到初始时刻的积分过程,/>表示作用在 />上的模式切线性算子且,/>表示第/>时刻的状态变量,/>表示将排放源转化为浓度的模式切线性算子,/>表示第/>时刻的污染物浓度,/>表示第/>时刻的状态变量;
其中,切线性算子包含水平传输,垂直混合,湍流扩散,干湿沉降和化学反应过程,具体表达式为:
;
式中,为第/>时刻的污染物浓度/>由于水平风场/>导致的水平传输项,/>和/>分别表示对于梯度扩散的约束和地形对于水平扩散的影响,/>为垂直混合项,考虑了污染物点源在垂直方向上的高排放量导致的浓度梯度过大对垂直混合的影响,/>为垂直方向上的风速,为水平湍流项,/>为垂直湍流项,垂直湍流的第一层代表污染物的干沉降项,/>和/>表示基于K理论计算的水平方向上的湍流混合系数,/>为基于K理论计算的垂直方向上的湍流混合系数,/>和/>分别表示干湿沉降项和化学反应项,/>为湿沉降收集系数,/>=2.718为自然对数底数,r为化学反应速率;x和y分别表示经度位置和纬度位置,在三维网格空间内保持固定,z表示垂直层数,/>表示排放时长;
其中,对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,包括:
根据污染物点源的排放爆发强度和爆发高度对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,表示为:
;
其中,为垂直分层,/>为总排放量,/>表示排放爆发强度,假定百分比的排放量集中在某一高度释放,范围在0~100%之间,/>表示排放垂直范围,即排放所在的最高高度与最低高度之间的差。
2.根据权利要求1所述的方法,其特征在于,在获取研究区域内的观测数据之后,还包括:
对所有观测数据进行极值检验和时间空间一致性检验,剔除异常观测数据,并根据研究区域的网格划分,对落在同一网格内的观测数据取平均值,得到质量控制后的观测数据。
3.根据权利要求1所述的方法,其特征在于,基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据所述观测数据和四维变分同化目标泛函公式构建四维变分同化系统,其中,所述四维变分同化目标泛函公式表示为
,
其中,表示四维变分同化系统中第i时刻的状态变量,x和y分别表示经度位置和纬度位置,在三维网格空间内保持固定,z表示垂直层数,/>表示排放时长,/>表示点源排放背景场,/>的向量结构与/>相同,/>表示排放源的背景误差协方差,/>表示观测变量,/>表示同化时间窗口,/>表示观测误差协方差,/>表示第i时刻的污染物浓度,/>表示观测算子,用于将/>的值转化为与观测相同的算子,上标T表示向量转置。
4.根据权利要求3所述的方法,其特征在于,在所述四维变分同化系统中,将0~t时刻内的逐小时污染物点源廓线排放作为状态变量。
5.根据权利要求3所述的方法,其特征在于,在所述四维变分同化系统中,采用NMC方法对排放源的背景误差协方差进行估计,并针对不同来源的观测数据计算观测误差,实现观测算子/>和观测误差协方差/>在所述四维变分同化系统中的表达。
6.根据权利要求5所述的方法,其特征在于,在所述四维变分同化系统中,采用NMC方法对污染物点源廓线所在网格的排放源的背景误差协方差进行估计,其他网格的排放源的背景误差协方差/>设置为0。
7.根据权利要求1所述的方法,其特征在于,对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量,包括:
对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场的三维空间分布进行模拟,并在模拟过程中采用格点化的四维同化方法,每6小时一次对气象场进行约束,在研究期间内,每10分钟输出一次模拟得到的物理化学变量。
8.根据权利要求1所述的方法,其特征在于,将所述物理化学变量作为参数输入所述四维变分同化系统进行同化反演,并将所述多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据所述污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量,包括:
将所述物理化学变量作为参数输入所述四维变分同化系统进行同化反演,并将所述多源污染物浓度观测数据作为约束,得到污染物点源所在网格的逐小时污染物点源廓线排放分析场,根据所述逐小时污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量。
9.一种基于四维变分同化的污染物点源廓线排放估算装置,其特征在于,所述装置包括:
数据获取模块,用于获取研究区域内具备短时间、高强度、爆发性特点的污染物点源的观测数据,所述观测数据包括多源污染物浓度观测数据、气象再分析格点数据和先验的点源排放量数据;
同化系统构建模块,用于基于大气化学模式和四维变分同化理论设计四维变分同化目标泛函公式,根据所述观测数据和四维变分同化目标泛函公式构建四维变分同化系统;
模拟预报模块,用于对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,根据大气化学模式和点源排放背景场,对研究期间内污染物浓度的气象场和化学场进行模拟,得到研究期间内的物理化学变量;
排放估算模块,用于将所述物理化学变量作为参数输入所述四维变分同化系统进行同化反演,并将所述多源污染物浓度观测数据作为约束,得到污染物点源廓线排放分析场,根据所述污染物点源廓线排放分析场和排放时长进行计算,得到污染物点源的总排放量;
其中,在所述四维变分同化系统中,基于大气化学模式对污染物在大气中的演变过程进行简化,得到切线性算子,根据所述切线性算子实现四维变分同化系统对污染物浓度的表达,其中,所述四维变分同化系统对第i时刻的污染物浓度的表达为
;
其中, 表示所述切线性算子,与初始场的浓度场/>有关,/>的下角标表示从第i时刻到初始时刻的积分过程,/>表示作用在 />上的模式切线性算子且,/>表示第/>时刻的状态变量,/>表示将排放源转化为浓度的模式切线性算子,/>表示第/>时刻的污染物浓度,/>表示第/>时刻的状态变量;
其中,切线性算子包含水平传输,垂直混合,湍流扩散,干湿沉降和化学反应过程,具体表达式为:
;
式中,为第/>时刻的污染物浓度/>由于水平风场/>导致的水平传输项,/>和/>分别表示对于梯度扩散的约束和地形对于水平扩散的影响,/>为垂直混合项,考虑了污染物点源在垂直方向上的高排放量导致的浓度梯度过大对垂直混合的影响,/>为垂直方向上的风速,为水平湍流项,/>为垂直湍流项,垂直湍流的第一层代表污染物的干沉降项,/>和/>表示基于K理论计算的水平方向上的湍流混合系数,/>为基于K理论计算的垂直方向上的湍流混合系数,/>和/>分别表示干湿沉降项和化学反应项,/>为湿沉降收集系数,/>=2.718为自然对数底数,r为化学反应速率;x和y分别表示经度位置和纬度位置,在三维网格空间内保持固定,z表示垂直层数,/>表示排放时长;
其中,对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,包括:
根据污染物点源的排放爆发强度和爆发高度对所述先验的点源排放量数据进行垂直分布假设,得到点源排放背景场,表示为:
;
其中,为垂直分层,/>为总排放量,/>表示排放爆发强度,假定百分比的排放量集中在某一高度释放,范围在0~100%之间,/>表示排放垂直范围,即排放所在的最高高度与最低高度之间的差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311444267.5A CN117217027B (zh) | 2023-11-02 | 2023-11-02 | 基于四维变分同化的污染物点源廓线排放估算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311444267.5A CN117217027B (zh) | 2023-11-02 | 2023-11-02 | 基于四维变分同化的污染物点源廓线排放估算方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117217027A CN117217027A (zh) | 2023-12-12 |
CN117217027B true CN117217027B (zh) | 2024-01-30 |
Family
ID=89041138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311444267.5A Active CN117217027B (zh) | 2023-11-02 | 2023-11-02 | 基于四维变分同化的污染物点源廓线排放估算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117217027B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101531555B1 (ko) * | 2014-03-26 | 2015-07-06 | 재단법인 한국형수치예보모델개발사업단 | 분광요소법에 기초한 육면체구 격자를 사용하는 변분 자료동화 모듈을 위한 변수 변환 방법 및 이를 수행하는 하드웨어 장치 |
CN104809511A (zh) * | 2014-01-28 | 2015-07-29 | 国际商业机器公司 | 绝缘子污染预测方法及设备 |
CN109657314A (zh) * | 2018-12-09 | 2019-04-19 | 中国人民解放军国防科技大学 | 基于资料循环同化和模式循环积分的台风涡旋初始化方法 |
WO2019076078A1 (zh) * | 2017-10-16 | 2019-04-25 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN111353634A (zh) * | 2020-02-12 | 2020-06-30 | 中国人民解放军国防科技大学 | 一种基于模式初始场同化的二氧化硫排放源优化方法 |
CN111487216A (zh) * | 2020-05-06 | 2020-08-04 | 北京中科锐景科技有限公司 | 一种二氧化碳通量反演方法、系统 |
CN112560270A (zh) * | 2020-12-18 | 2021-03-26 | 中国人民解放军陆军防化学院 | 一种化学危害同化系统 |
WO2021097917A1 (zh) * | 2019-11-22 | 2021-05-27 | 清华大学 | 一种数值预报的集合耦合同化系统及方法 |
CN113435068A (zh) * | 2021-08-27 | 2021-09-24 | 中国人民解放军国防科技大学 | 一种基于对数变分同化的放射性核素同化预报方法 |
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 |
KR102326602B1 (ko) * | 2021-03-24 | 2021-11-16 | 주식회사 에니텍 | 자료동화 및 하이브리드 모델을 적용한 상세 공간 해상도 오염지도 산출 방법 및 정보 제공 방법 |
CN113834902A (zh) * | 2021-08-16 | 2021-12-24 | 中国人民解放军国防科技大学 | 一种基于四维变分同化的二氧化硫排放源反演方法 |
WO2022194045A1 (zh) * | 2021-03-15 | 2022-09-22 | 哈尔滨工程大学 | 一种面向海上平台保障的三维温盐场分析预报方法 |
CN116415408A (zh) * | 2022-12-07 | 2023-07-11 | 中国气象科学研究院 | 基于四维变分同化的VOCs排放源清单动态反演方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220061236A1 (en) * | 2020-08-25 | 2022-03-03 | The Board Of Trustees Of The University Of Illinois | Accessing agriculture productivity and sustainability |
-
2023
- 2023-11-02 CN CN202311444267.5A patent/CN117217027B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809511A (zh) * | 2014-01-28 | 2015-07-29 | 国际商业机器公司 | 绝缘子污染预测方法及设备 |
KR101531555B1 (ko) * | 2014-03-26 | 2015-07-06 | 재단법인 한국형수치예보모델개발사업단 | 분광요소법에 기초한 육면체구 격자를 사용하는 변분 자료동화 모듈을 위한 변수 변환 방법 및 이를 수행하는 하드웨어 장치 |
WO2019076078A1 (zh) * | 2017-10-16 | 2019-04-25 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN109657314A (zh) * | 2018-12-09 | 2019-04-19 | 中国人民解放军国防科技大学 | 基于资料循环同化和模式循环积分的台风涡旋初始化方法 |
WO2021097917A1 (zh) * | 2019-11-22 | 2021-05-27 | 清华大学 | 一种数值预报的集合耦合同化系统及方法 |
CN111353634A (zh) * | 2020-02-12 | 2020-06-30 | 中国人民解放军国防科技大学 | 一种基于模式初始场同化的二氧化硫排放源优化方法 |
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 |
CN111487216A (zh) * | 2020-05-06 | 2020-08-04 | 北京中科锐景科技有限公司 | 一种二氧化碳通量反演方法、系统 |
CN112560270A (zh) * | 2020-12-18 | 2021-03-26 | 中国人民解放军陆军防化学院 | 一种化学危害同化系统 |
WO2022194045A1 (zh) * | 2021-03-15 | 2022-09-22 | 哈尔滨工程大学 | 一种面向海上平台保障的三维温盐场分析预报方法 |
KR102326602B1 (ko) * | 2021-03-24 | 2021-11-16 | 주식회사 에니텍 | 자료동화 및 하이브리드 모델을 적용한 상세 공간 해상도 오염지도 산출 방법 및 정보 제공 방법 |
CN113834902A (zh) * | 2021-08-16 | 2021-12-24 | 中国人民解放军国防科技大学 | 一种基于四维变分同化的二氧化硫排放源反演方法 |
CN113435068A (zh) * | 2021-08-27 | 2021-09-24 | 中国人民解放军国防科技大学 | 一种基于对数变分同化的放射性核素同化预报方法 |
CN116415408A (zh) * | 2022-12-07 | 2023-07-11 | 中国气象科学研究院 | 基于四维变分同化的VOCs排放源清单动态反演方法 |
Non-Patent Citations (5)
Title |
---|
MEIC排放清单在空气质量模式中的应用研究;何斌;梅士龙;陆琛莉;李海军;周秋林;宋刘明;;中国环境科学(第10期);全文 * |
Optimal estimation of initial concentrations and emission sources with 4D-Var for air pollution prediction in a 2D transport model;C liu等;ScienceDirect;全文 * |
Optimization and Evaluation of SO2 Emission Based on WRF-Chem and 3DVAR Data Assimilation;Hu Yiwen 等;MDPI;全文 * |
基于CMAQ的大气环境容量计算方法及控制策略;李莉;程水源;陈东升;郝粼波;付红玲;;环境科学与技术(第08期);全文 * |
风云三号D星MERSI AOD资料的同化应用研究;王溢婕 等;万方数据库;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117217027A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rashid et al. | Prediction of the Madden–Julian oscillation with the POAMA dynamical prediction system | |
Miyazaki et al. | Global lightning NO x production estimated by an assimilation of multiple satellite data sets | |
Huang et al. | Uncertainty analysis of runoff simulations and parameter identifiability in the Community Land Model: Evidence from MOPEX basins | |
Chen et al. | Simulation of regional climate change under the IPCC A2 scenario in southeast China | |
CN104834823B (zh) | 基于卫星-地基co2数据联合同化的碳源汇估测方法 | |
Deng et al. | Trend in frequency of extreme precipitation events over Ontario from ensembles of multiple GCMs | |
Kim et al. | Statistical downscaling for daily precipitation in Korea using combined PRISM, RCM, and quantile mapping: Part 1, methodology and evaluation in historical simulation | |
Holden et al. | PLASIM-ENTSem v1. 0: a spatio-temporal emulator of future climate change for impacts assessment | |
Chambon et al. | Assessing the impact of pre‐GPM microwave precipitation observations in the Goddard WRF ensemble data assimilation system | |
Paulescu et al. | A simple and reliable empirical model with two predictors for estimating 1-minute diffuse fraction | |
Parazoo et al. | CO 2 flux estimation errors associated with moist atmospheric processes | |
Blumberg et al. | Quantifying the accuracy and uncertainty of diurnal thermodynamic profiles and convection indices derived from the Atmospheric Emitted Radiance Interferometer | |
Slingo et al. | Simulation of clear‐sky outgoing longwave radiation over the oceans using operational analyses | |
Shahabadi et al. | Toward all-sky assimilation of microwave temperature sounding channels in environment Canada’s global deterministic weather prediction system | |
Schliep et al. | Autoregressive spatially varying coefficients model for predicting daily PM 2.5 using VIIRS satellite AOT | |
Sahastrabuddhe et al. | Indian Summer Monsoon Rainfall in a changing climate: a review | |
CN117217027B (zh) | 基于四维变分同化的污染物点源廓线排放估算方法和装置 | |
Yilmaz et al. | Impact of model relative accuracy in framework of rescaling observations in hydrological data assimilation studies | |
Ishibashi | Adjoint-based observation impact estimation with direct verification using forward calculation | |
Ferkous et al. | Wavelet-gaussian process regression model for regression daily solar radiation in Ghardaia, Algeria | |
Chen | Toward Improved Regional Estimates of Carbon Dioxide Sources and Sinks through Coupled Carbon Atmospheric Data Assimilation | |
Polavarapu et al. | A comparison of atmospheric CO2 flux signals obtained from GEOS-Chem flux inversions constrained by in situ or GOSAT observations | |
Dvorak et al. | When will the world be committed to 1.5 and 2.0° C of global warming? | |
Ueyama | Estimation methods for monthly humidity from dynamical downscaling data for quantitative assessments of climate change impacts | |
Mirones et al. | Multi-Site Fire Danger Prediction Using a Spatially Coherent Convolutional Neural Network 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 |