CN117973710A - 一种针对卫星高值区的大气污染溯源方法 - Google Patents
一种针对卫星高值区的大气污染溯源方法 Download PDFInfo
- Publication number
- CN117973710A CN117973710A CN202410395788.4A CN202410395788A CN117973710A CN 117973710 A CN117973710 A CN 117973710A CN 202410395788 A CN202410395788 A CN 202410395788A CN 117973710 A CN117973710 A CN 117973710A
- Authority
- CN
- China
- Prior art keywords
- value
- area
- satellite
- satellite high
- source
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 45
- 231100000719 pollutant Toxicity 0.000 claims abstract description 45
- 239000002245 particle Substances 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 44
- 238000004088 simulation Methods 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 29
- 238000009792 diffusion process Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000000052 comparative effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000000356 contaminant Substances 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对卫星高值区的大气污染溯源方法；该方法中充分发挥卫星遥感监测模式空间的、动态的、连续的大气环境监测优势，拓展与其它污染溯源技术合作的可能性；提供卫星高值区高浓度过程的潜在影响的排放源分析、污染物来源等级评定及可视化显示效果；利用拉格朗日粒子来源轨迹模型LPDM，计算大气污染物扩散过程，模拟污染自源区释放后随气象条件的输送和扩散情况，为环境监测处理提供数据技术支持。
Description
技术领域
本发明涉及环境监测及治理领域，具体涉及一种针对卫星高值区的大气污染溯源方法。
背景技术
时至目前，环境治理工作取得了初步成效，精细化的环境监测与治理是接下来的主要工作方向，为此，实时的可视化污染物溯源监测就成为比较核心的环境监测治理手段。
目前只有基于走航、激光雷达、扩散模型等方法的大气污染溯源技术，并没有将大气污染卫星遥感监测与溯源方法相结合，导致大气污染溯源的技术发展有待提高，也没有充分利用好卫星遥感技术的溯源潜力。
由于上述原因，本发明人对现有的卫星遥感和溯源方案做了深入研究，以期待设计出一种能够解决上述问题的针对卫星高值区的大气污染溯源方法。
发明内容
为了克服上述问题，本发明人进行了深入研究，设计出一种针对卫星高值区的大气污染溯源方法；该方法中充分发挥卫星遥感监测模式空间的、动态的、连续的大气环境监测优势，拓展与其它污染溯源技术合作的可能性；提供卫星高值区高浓度过程的潜在影响的排放源分析、污染物来源等级评定及可视化显示效果；利用拉格朗日粒子来源轨迹模型LPDM，计算大气污染物扩散过程，模拟污染自源区释放后随气象条件的输送和扩散情况，为环境监测提供数据技术支持，从而完成本发明。
具体来说，本发明的目的在于提供一种针对卫星高值区的大气污染溯源方法，该方法包括如下步骤：
步骤1，基于待监测地区的土地利用分类数据和待监测地区的卫星高光谱遥感数据，获得该待监测地区中的卫星高值区；
步骤2，数据预处理，基于局地小尺度气象数据，通过反向溯源模拟，得到卫星高值区中污染物粒子轨迹空间分布特征；
步骤3，通过概率分析方法计算排放源对卫星高值区时空上的综合影响概率，得到卫星高值区对应的四个污染来源可能区域，并且所述四个污染来源可能区域的可能性由低到高排列；
步骤4，将卫星高值区的污染来源可能区域与企业排放源信息进行匹配分析，得到并可视化展示企业排放可能性高低排名。
其中，该步骤1包括如下子步骤：
子步骤1-1，将监测地区划分为多个3km×3km的区域，
子步骤1-2，基于待监测地区的土地利用分类数据，从子步骤1-1获得的区域中挑选出建设用地面积占比大于30%的区域；
子步骤1-3，从子步骤1-2获得的区域中挑选出污染物浓度的均值排名前5%的区域作为卫星高值区。
其中，所述步骤2中的数据预处理包括如下子步骤：
子步骤2-1，设定所述卫星高值区的模拟范围，再对该模拟范围做水平网格划分和垂直分层，得到多个空间立体区域，称之为计算格点；
子步骤2-2，调取该模拟范围的气象观测数据，获得每个计算格点对应的气象数据，称之为局地小尺度气象数据；
所述气象数据包括三维风场、温度、湿度和气压。
其中，在步骤2中，将模拟范围的地理位置信息、污染物类型、高值持续时间和该模拟范围中各个计算格点的小尺度气象数据输入到拉格朗日粒子来源轨迹模型LPDM模式中，得到卫星高值区中污染物粒子轨迹空间分布特征；
其中，针对每个计算格点，都输入一段时间内连续的小尺度气象数据。
在步骤3中，基于概率分析方法实现已有的源项的位置分析与确认，以评定排放源的来源概率；
其中，利用卫星高值区i在一段时间t内的污染物粒子轨迹空间分布特征，通过下式（一）得到该段时间t内排放源分布的可能性R：
（一）
其中，表示第Q个计算格点中存在排放源的概率，/>表示污染物粒子轨迹空间分布中，计算格点Q中排放源对卫星高值区i的贡献度，t表示一段连续的时间；/>表示高值区的总数量；
高值区污染来源可能性为四个等级：其中，四级可能性为R的取值为（90%-99%]，三级可能性为R的取值为(80%-90%]，二级可能性为R的取值为(70%-80%]，一级可能性为R的取值为(60%-70%]。
其中，在步骤4中，调取卫星高值区附近的排污企业位置信息，基于企业位置处在四个污染来源可能区域的具体情况，设定企业排放可能性高低排名；
其中，当企业位置位于可能性更高的污染来源可能区域时，该企业的排放可能性更高，
当企业位置不在所述四个污染来源可能区域时，该企业的排放可能性较低；
对于位于所述四个污染来源可能区域之外的多个企业，基于该企业位置与最近污染来源可能区域的曼哈顿距离来判断该多个企业之间的可能性高低。
本发明所具有的有益效果包括：
（1）根据本发明提供的针对卫星高值区的大气污染溯源方法，将卫星遥感监测技术与大气扩散模型相结合，扩宽卫星遥感监测与其它大气溯源模式的合作广度，更好地诠释精准治污、科学治污的环保理念；
（2）根据本发明提供的针对卫星高值区的大气污染溯源方法，研究了基于卫星高值区的小尺度范围内快速溯源模拟溯源方法，对污染来源进行等级评定，从而为精确治污提供数据基础；
（3）根据本发明提供的针对卫星高值区的大气污染溯源方法，该方法中通过将卫星遥感监测技术与大气扩散模型相结合，通过精确合理的分析处理，能够为每个卫星高值区寻找溯源到对应的污染源企业位置，从而可以有针对性地进行污染治理，提高治污效率和效果。
附图说明
图1示出根据本发明一种针对卫星高值区的大气污染溯源方法整体逻辑图；
图2示出实施例1中卫星高值区示意图；
图3示出实施例1中水平网格划分的示意图；
图4示出实施例1中卫星高值区中污染物粒子轨迹空间分布特征示意图；
图5示出实施例1中卫星高值区对应的四个污染来源可能区域示意图；
图6示出实施例1中卫星高值区附近的企业位置信息；
图7示出对比例1步骤1中监测治理完成后卫星高值区对应的污染物浓度信息；
图8示出对比例1步骤5中监测治理完成后卫星高值区对应的污染物浓度信息；
图9示出对比例1中高值区溯源前后的对比示意图。
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
根据本发明提供的针对卫星高值区的大气污染溯源方法，如图1中所示，该方法包括如下步骤：步骤1，基于待监测地区的土地利用分类数据和待监测地区的卫星高光谱遥感数据，获得该待监测地区中的卫星高值区；
该步骤1包括如下子步骤：
子步骤1-1，将监测地区划分为多个3km×3km的区域，
子步骤1-2，基于待监测地区的土地利用分类数据，从子步骤1-1获得的区域中挑选出建设用地面积占比大于30%的区域；
子步骤1-3，从子步骤1-2获得的区域中挑选出污染物浓度的均值排名前5%的区域作为卫星高值区。
优选地，在子步骤1-1中，具体实施时直接将整个待监测区域按照规则大小划分成相同大小即3km×3km的区域，部分边缘位置的区域大小可以小于3km×3km，如2km×2km或者1km×1km。
优选地，在子步骤1-2中，根据土地利用分类数据，逐一判断每个区域中建设用所占的面积，所述建设用地包括城镇建设用地、农村居民点、其他建设用地等。所述土地利用分类数据可以选用全国30米土地利用分类数据，可参考国家标准《土地利用现状分类》GB/T21010-2017。将划分好网格的卫星高光谱遥感数据叠加到土里利用分类数据的地图上，计算每个网格区域中建设用地的面积占比，仅留下建设用地面积占比大于30%的网格区域。
优选地，本申请中的所述污染物可以包括甲醛、二氧化氮、臭氧、臭氧前体物、PM2.5等等，可以根据监测要求和实际情况选择设定。
步骤2，数据预处理，基于局地小尺度气象数据，通过反向溯源模拟，得到卫星高值区中污染物粒子来源轨迹的变化特征；
所述步骤2中的数据预处理包括如下子步骤：
子步骤2-1，设定所述卫星高值区的模拟范围，所述模拟范围为以卫星高值区为几何中心，划定的边长为4-20km的矩形区域，再对该模拟范围做水平网格划分和垂直分层，得到多个空间立体区域，称之为计算格点；其中，水平网格可以划分为边长为10-100米的正方形网格，具体尺寸基于实际需要选择设置。垂直分层的具体分层数量可以根据当地的具体气象环境选择设置。
子步骤2-2，调取该模拟范围的气象观测数据，获得每个计算格点对应的气象数据，称之为局地小尺度气象数据；所述气象观测数据可以是实时观测获得的气象数据，也可以是历史同期的气象数据，还可以是前几天的气象数据，此处可以基于具体情况灵活地选用上述一种或者多种气象数据。
优选地，在该数据预处理的子步骤2-2过程中，通过计算格点对应的气象数据和该计算格点的下垫面特征修正气象数据，以便于得到更为准确的气象格点对应的局地小尺度气象数据。
优选地，所述气象数据和局地小尺度气象数据都包括三维风场、温度、湿度和气压。
在一个优选的实施方式中，在该数据预处理的子步骤2-2过程中，对气象数据做如下操作：
子步骤a：确定温湿度、风速和风向等气象站点数据，确保数据的完整性和准确性；剔除异常值，如对于温湿度、风速和风向等气象站点数据均由时间、地点、数值、单位四个维度数据组成，缺少其中任意一个维度或多个维度的数据即为异常值，需剔除；
子步骤b：针对温湿度、风速和风向等参数，检测和剔除可能影响插值结果的异常值，如突变值，对空值异常值实施过滤。在步骤2中，将模拟范围的地理位置信息、污染物类型、高值持续时间和该模拟范围中各个计算格点的局地小尺度气象数据输入到拉格朗日粒子来源轨迹模型LPDM模式中，得到卫星高值区中污染物粒子轨迹空间分布特征；
其中，针对每个气象格点，都输入一段时间内连续的多组小尺度气象数据。
本申请中的拉格朗日粒子来源轨迹模型LPDM模式选用开源的/已有的模型，参见：https://www.flexpart.eu/；
本申请中的拉格朗日粒子来源轨迹模型通过大量标记粒子随机游走轨迹，获取污染物粒子在空间和时间上的总体分布：
假设某个排放源i在时间t时，释放了N个粒子，在时间步长下粒子游走的轨迹可以表示为：
其中，是粒子在t时间受到气象场的影响下的位置信息，计算出粒子随时间变化的运动路径后，为了计算范围网格空间点的浓度，在已知排放源污染物排放量的条件下，计算经过时间步长内下某个点的浓度。在经过时间，在（x,y,z）点上的粒子数为n，污染物的浓度可以通过以下公式计算（其中p为单个扩散粒子，K是平滑核）：
式（二）
其中，Cp为扩散粒子数的浓度。
本申请中所述污染物粒子轨迹空间分布特征是指针对与已知高值区位置信息的污染来源方向，如图5所示，已知高值区污染来源为西南方向。
步骤3，通过概率分析方法计算排放源对卫星高值区时空上的综合影响概率，得到卫星高值区对应的四个污染来源可能区域，并且所述四个污染来源可能区域的可能性由低到高排列；
在步骤3中，基于概率分析方法实现已有的源项的位置分析与确认，以评定排放源的来源概率；
其中，利用卫星高值区i在一段时间t内污染物粒子轨迹空间分布特征，通过下式（一）得到该段时间t内排放源分布的可能性R：
（一）
其中，表示第Q个计算格点中存在排放源的概率，/>表示污染物粒子轨迹空间分布中，计算格点Q中排放源对卫星高值区i的贡献度，t表示一段连续的时间，其取值可以为10-120小时；/>表示卫星高值区的总数量；
高值区污染来源可能性为四个等级：其中，四级可能性为R的取值为（90%-99%]，三级可能性为R的取值为(80%-90%]，二级可能性为R的取值为(70%-80%]，一级可能性为R的取值为(60%-70%]。
本申请中，一般会设定卫星高值区i在一段时间t内的污染情况对应着一定数量的污染物粒子，即虚拟粒子，如1万个虚拟粒子；卫星高值区i周围的各个计算格点中的污染物排放源都会为这个卫星高值区i的形成做出贡献，拉格朗日粒子来源轨迹模型LPDM模式获得的卫星高值区污染物粒子轨迹空间分布特征即为模拟范围中每个计算格点为卫星高值区i的形成所做出的贡献，具体为虚拟粒子的数量，贡献度为计算格点的贡献除以卫星高值区对应的总虚拟粒子数；如某个计算格点在时间t内对应的贡献为15个虚拟粒子，该计算格点的贡献度即为15/10000，即0.0015。
优选地，在获得各个计算格点的贡献度后，对模拟范围内各个计算格点的贡献度按照从大到小的顺序排序，分别统计每个计算格点在总排序中的排名，共有m的计算格点，其中第Q个计算格点的排名为k，则。
步骤4，将卫星高值区的污染来源可能区域与企业排放源信息进行匹配分析，得到并可视化展示企业排放可能性高低排名。
在步骤4中，调取卫星高值区附近的排污企业位置信息，基于企业位置处在四个污染来源可能区域的具体情况，设定企业排放可能性高低排名；
其中，当企业位置位于可能性更高的污染来源可能区域时，该企业的排放可能性更高，
当企业位置不在所述四个污染来源可能区域时，该企业的排放可能性较低；
优选地，对于位于所述四个污染来源可能区域之外的多个企业，基于该企业位置与最近污染来源可能区域的曼哈顿距离来判断该多个企业之间的可能性高低。
所述曼哈顿距离也叫出租车距离，用来标明两个点在标准坐标系上的绝对轴距总和。
曼哈顿距离中的距离计算公式：
曼哈顿距离中的距离计算需要把两个点坐标的 x 坐标相减取绝对值，y 坐标相减取绝对值，再加和。
本申请中，曼哈顿距离一定是一个非负数，距离最小的情况就是两个点重合，距离为 0，曼哈顿距离的意义，是为了描述两个点之间的距离，不同的是曼哈顿距离只需要做加减法，这使得计算机在大量的计算过程中代价更低，而且会消除在开平方过程中取近似值而带来的误差。
优选地，该方法还包括步骤5，基于获得的该排名信息安排相应资源进行监测，其中，针对排放可能性高的企业，集中更多的人力资源和检测设备进行重点检测及实时盯防；针对排放可能性一般的企业，可以派遣少量人员和设备进行监测，针对排放可能性低的企业，可以派遣少量人员偶尔巡视监测。
实施例1
步骤1，以某市为待监测区域，将该市行政区域划分为827个3km×3km的规则区域；
调取该市土地利用分类数据，挑选出建设用地面积占比大于30%的规则区域；
再从AIRS数据库中调取该市2023年11月21日的高光谱数据卫星高光谱遥感数据，据此从规则区域中选出污染物浓度的均值排名前5%的区域作为卫星高值区。
其中，污染物的种类设定为PM2.5，最终得到多个卫星高值区，其中一个卫星高值区如图2中所示。该获得的卫星高值区的地理位置信息为118.165837°E，37.114258°N，高值持续时间为1小时。
步骤2，针对步骤1中所得如图2所示的卫星高值区进行数据预处理，以该卫星高值区为几何中心，划定的边长为15km的正方形区域为模拟范围，对该模拟范围做水平网格划分和垂直分层，得到多个空间立体区域，如图3中所示，称之为计算格点；每个计算格点的水平尺寸为边长100米的正方形，高度为20米；
调取该模拟范围实时的气象观测数据，获得每个计算格点对应的气象数据，称之为局地小尺度气象数据；
将模拟范围的地理位置信息、污染物类型、高值持续时间和该模拟范围中各个计算格点的小尺度气象数据输入到拉格朗日粒子来源轨迹模型LPDM模式中，得到卫星高值区中污染物粒子轨迹空间分布特征，如图4中所示；
步骤3，通过概率分析方法计算排放源对卫星高值区时空上的综合影响概率，得到卫星高值区对应的四个污染来源可能区域，并且所述四个污染来源可能区域的可能性由低到高排列；
其中，概率分析方法的具体处理过程为：利用卫星高值区i在一段时间t内的污染物粒子轨迹空间分布特征，通过下式（一）得到该段时间t内排放源分布的可能性R：
（一）
其中，表示第Q个计算格点中存在排放源的概率，/>表示污染物粒子轨迹空间分布中，计算格点Q中排放源对卫星高值区i的贡献度，t表示一段连续的时间；/>表示高值区的总数量；
在获得各个计算格点的贡献度后，对模拟范围内各个计算格点的贡献度按照从大到小的顺序排序，分别统计每个计算格点在总排序中的排名，共有m个计算格点，其中第Q个计算格点的排名为k，则。
高值区污染来源可能性为四个等级：其中，四级可能性为R的取值为（90%-99%]，三级可能性为R的取值为(80%-90%]，二级可能性为R的取值为(70%-80%]，一级可能性为R的取值为(60%-70%]。上述卫星高值区对应的四个污染来源可能区域如图5中所示。
步骤4，将卫星高值区的污染来源可能区域与企业排放源信息进行匹配分析，得到并可视化展示企业排放可能性高低排名。
上述卫星高值区附近的企业位置信息如图6中所示，图6中还示出了这些企业位置相对于四个污染来源可能区域的具体位置分布，基于该图6可知，企业排放可能性高低排名为等级一****钢板有限公司；等级二****新材料有限公司；等级三博兴***涂料有限公司。
步骤5，在该卫星高值区中，针对排名前三的企业选派相关生态环境领域处理力量进行核查，发现存在排污情况后，执行监测治理，在一个月内添加净化设备，确保三家企业的后续排放量降低至原排放量十分之一以下；在治理完成后，多次采集该卫星高值区对应区域的卫星影像，比较治理前后的卫星影像可知治理后的污染物含量下降了8%。
通过上述实施例1中方法能够在有限的监测资源的情况下有针对性地进行重点治理，进而进一步提高该市整体的环境状况。
对比例1
在实施例1中的监测治理完成后，
步骤1：以该市为待监测区域，将该市行政区域划分为827个3km×3km的规则区域；
调取该市土地利用分类数据，挑选出建设用地面积占比大于30%的规则区域；
再从AIRS数据库中调取该市2023年12月21日的高光谱数据卫星高光谱遥感数据，据此从规则区域中选出污染物浓度的均值排名前5%的区域作为卫星高值区。
共得到23个卫星高值区内，再对23个卫星高值区内企业排污情况进行核查，发现存在排污情况后，执行监测治理，在一个月内添加净化设备，确保这些企业的后续排放量降低至原排放量十分之一以下，
在监测治理完成后，计算统计监测治理后23个卫星高值区对应的污染物浓度值，记为A，如图7中所示。
再针对这23个卫星高值区中的每一个都独立执行下述步骤：
步骤2，数据预处理，以卫星高值区为几何中心，划定的边长为15km的正方形区域为模拟范围，对该模拟范围做水平网格划分和垂直分层，得到多个空间立体区域，称之为计算格点；每个计算格点的水平尺寸为边长100米的正方形，高度为20米；
调取该模拟范围实时的气象观测数据，获得每个计算格点对应的气象数据，称之为局地小尺度气象数据；
基于局地得到小尺度高精度气象数据，通过反向溯源模拟，得到卫星高值区中污染物粒子轨迹空间分布特征；
步骤3，通过概率分析方法计算排放源对卫星高值区时空上的综合影响概率，得到卫星高值区对应的四个污染来源可能区域，并且所述四个污染来源可能区域的可能性由低到高排列；
其中，概率分析方法的具体处理过程为：利用卫星高值区i在一段时间t内的污染物粒子轨迹空间分布特征，通过下式（一）得到该段时间t内排放源分布的可能性R：
（一）
其中，表示第Q个计算格点中存在排放源的概率，/>表示污染物粒子轨迹空间分布中，计算格点Q中排放源对卫星高值区i的贡献度，t表示一段连续的时间；/>表示高值区的总数量；
在获得各个计算格点的贡献度后，对模拟范围内各个计算格点的贡献度按照从大到小的顺序排序，分别统计每个计算格点在总排序中的排名，共有m个计算格点，其中第Q个计算格点的排名为k，则。
高值区污染来源可能性为四个等级：其中，四级可能性为R的取值为（90%-99%]，三级可能性为R的取值为(80%-90%]，二级可能性为R的取值为(70%-80%]，一级可能性为R的取值为(60%-70%]。
信息进行匹配分析，得到并可视化展示企业排放可能性高低排名，针对每个卫星高值区，都选出排名最高的三个企业；
步骤5，针对选出的企业选派相关生态环境领域处理力量进行核查，发现存在排污情况后，执行监测治理，在一个月内添加净化设备，若该企业已经在执行实施例2时添加了净化设备，则无需再次添加净化设备。
在监测治理完成后，计算统计监测治理后23个卫星高值区对应的污染物浓度值，记为B，如图8中所示。
执行溯源排查前后污染物平均浓度A-B，即同比变化情况C为9.5%，即溯源排查前后污染物平均浓度同比下降9.5%。
进一步比较对比例1中步骤1和步骤5中的核查范围，步骤1中仅仅针对高值区中的企业进行污染源核查，如图9中的高值区所示；步骤5中对高值区和溯源区域中的企业进行污染源核查，如图9中的高值区加溯源所示。
在步骤1中，核查的企业中存在问题的平均概率为74.4%，在步骤5中，核查的企业中存在问题的平均概率为85.2%。
上述实施例1和对比例1说明溯源后的数据更为准确，更容易发现问题。
以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。
Claims (6)
1.一种针对卫星高值区的大气污染溯源方法，其特征在于，该方法包括如下步骤：
步骤1，基于待监测地区的土地利用分类数据和待监测地区的卫星高光谱遥感数据，获得该待监测地区中的卫星高值区；
步骤2，数据预处理，基于局地小尺度气象数据，通过反向溯源模拟，得到卫星高值区中污染物粒子轨迹空间分布特征；
步骤3，通过概率分析方法计算排放源对卫星高值区时空上的综合影响概率，得到卫星高值区对应的四个污染来源可能区域，并且所述四个污染来源可能区域的可能性由低到高排列；
步骤4，将卫星高值区的污染来源可能区域与企业排放源信息进行匹配分析，得到并可视化展示企业排放可能性高低排名。
2.根据权利要求1所述的针对卫星高值区的大气污染溯源方法，其特征在于，
该步骤1包括如下子步骤：
子步骤1-1，将监测地区划分为多个3km×3km的区域，
子步骤1-2，基于待监测地区的土地利用分类数据，从子步骤1-1获得的区域中挑选出建设用地面积占比大于30%的区域；
子步骤1-3，从子步骤1-2获得的区域中挑选出污染物浓度的均值排名前5%的区域作为卫星高值区。
3.根据权利要求1所述的针对卫星高值区的大气污染溯源方法，其特征在于，
所述步骤2中的数据预处理包括如下子步骤：
子步骤2-1，设定所述卫星高值区的模拟范围，再对该模拟范围做水平网格划分和垂直分层，得到多个空间立体区域，称之为计算格点；
子步骤2-2，调取该模拟范围的气象观测数据，获得每个计算格点对应的气象数据，称之为局地小尺度气象数据；
所述气象数据包括三维风场、温度、湿度和气压。
4.根据权利要求1所述的针对卫星高值区的大气污染溯源方法，其特征在于，
在步骤2中，将模拟范围的地理位置信息、污染物类型、高值持续时间和该模拟范围中各个计算格点的小尺度气象数据输入到拉格朗日粒子来源轨迹模型LPDM模式中，得到卫星高值区中污染物粒子轨迹空间分布特征；
其中，针对每个计算格点，都输入一段时间内连续的小尺度气象数据。
5.根据权利要求1所述的针对卫星高值区的大气污染溯源方法，其特征在于，
在步骤3中，基于概率分析方法实现已有的源项的位置分析与确认，以评定排放源的来源概率；
其中，利用卫星高值区i在一段时间t内的污染物粒子轨迹空间分布特征，通过下式（一）得到该段时间t内排放源分布的可能性R：
（一）
其中，表示第Q个计算格点中存在排放源的概率，/>表示污染物粒子轨迹空间分布中，计算格点Q中排放源对卫星高值区i的贡献度，t表示一段连续的时间；/>表示高值区的总数量；
高值区污染来源可能性为四个等级：其中，四级可能性为R的取值为（90%-99%]，三级可能性为R的取值为(80%-90%]，二级可能性为R的取值为(70%-80%]，一级可能性为R的取值为(60%-70%]。
6.根据权利要求1所述的针对卫星高值区的大气污染溯源方法，其特征在于，
在步骤4中，调取卫星高值区附近的排污企业位置信息，基于企业位置处在四个污染来源可能区域的具体情况，设定企业排放可能性高低排名；
其中，当企业位置位于可能性更高的污染来源可能区域时，该企业的排放可能性更高，
当企业位置不在所述四个污染来源可能区域时，该企业的排放可能性较低；
对于位于所述四个污染来源可能区域之外的多个企业，基于该企业位置与最近污染来源可能区域的曼哈顿距离来判断该多个企业之间的可能性高低。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410395788.4A CN117973710A (zh) | 2024-04-02 | 2024-04-02 | 一种针对卫星高值区的大气污染溯源方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410395788.4A CN117973710A (zh) | 2024-04-02 | 2024-04-02 | 一种针对卫星高值区的大气污染溯源方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117973710A true CN117973710A (zh) | 2024-05-03 |
Family
ID=90851795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410395788.4A Pending CN117973710A (zh) | 2024-04-02 | 2024-04-02 | 一种针对卫星高值区的大气污染溯源方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117973710A (zh) |
-
2024
- 2024-04-02 CN CN202410395788.4A patent/CN117973710A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peters et al. | Public health and climate benefits and trade‐offs of US vehicle electrification | |
| Coelho et al. | Assessment of potential improvements on regional air quality modelling related with implementation of a detailed methodology for traffic emission estimation | |
| CN104865353A (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
| CN102628852A (zh) | 基于污染物来源识别技术的大气污染源分级方法 | |
| 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 | |
| CN111612064B (zh) | Pm2.5污染气团溯源方法、装置、电子设备及存储介质 | |
| CN115453069B (zh) | 一种面向城市臭氧超标污染遥感溯源方法 | |
| CN113284244B (zh) | 一种基于格点化扩散模拟的大气污染物溯源方法 | |
| CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
| CN111458456A (zh) | 一种基于cwt的大气一次污染物外来源定量分析方法 | |
| CN114662344B (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 | |
| Wu et al. | Application of an integrated Weather Research and Forecasting (WRF)/CALPUFF modeling tool for source apportionment of atmospheric pollutants for air quality management: A case study in the urban area of Benxi, China | |
| CN107767081B (zh) | 一种燃煤电厂大气环境影响评价方法及装置 | |
| Zhang et al. | Study on comprehensive assessment of environmental impact of air pollution | |
| CN112132450A (zh) | 一种气态污染物的定位方法 | |
| Gao et al. | Analysis of air quality changes and influencing factors in Changchun during the COVID-19 pandemic in 2020 | |
| He et al. | A ship emission diffusion model based on translation calculation and its application on Huangpu River in Shanghai | |
| Luo et al. | Monitoring study on dust dispersion properties during earthwork construction | |
| Lam et al. | Development of a new emission reallocation method for industrial sources in China | |
| CN117973710A (zh) | 一种针对卫星高值区的大气污染溯源方法 | |
| CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 | |
| Liu et al. | Comprehensive evaluation of flue gas desulfurization and denitrification technologies of six typical enterprises in Chengdu, China | |
| Wang et al. | Analysis of the temporal and spatial pattern of air pollution and the heterogeneity of its influencing factors in central Inner Mongolia from 2016 to 2018 | |
| Castellanos et al. | The sensitivity of modeled ozone to the temporal distribution of point, area, and mobile source emissions in the eastern United States | |
| Walsund | Geographical Information Systems as a Tool in Sustainable Urban Development |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication |