WO2021056160A1 - 一种VOCs污染的溯源方法 - Google Patents

一种VOCs污染的溯源方法 Download PDF

Info

Publication number
WO2021056160A1
WO2021056160A1 PCT/CN2019/107372 CN2019107372W WO2021056160A1 WO 2021056160 A1 WO2021056160 A1 WO 2021056160A1 CN 2019107372 W CN2019107372 W CN 2019107372W WO 2021056160 A1 WO2021056160 A1 WO 2021056160A1
Authority
WO
WIPO (PCT)
Prior art keywords
source
source spectrum
data
monitoring
monitoring point
Prior art date
Application number
PCT/CN2019/107372
Other languages
English (en)
French (fr)
Inventor
刘明
谭国斌
燕志奇
麦泽彬
牛红志
吴日伟
许军
黄福桂
王沛涛
Original Assignee
广州禾信仪器股份有限公司
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 广州禾信仪器股份有限公司 filed Critical 广州禾信仪器股份有限公司
Priority to CN201980100294.6A priority Critical patent/CN114424058B/zh
Priority to PCT/CN2019/107372 priority patent/WO2021056160A1/zh
Publication of WO2021056160A1 publication Critical patent/WO2021056160A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • G01N27/64—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using wave or particle radiation to ionise a gas, e.g. in an ionisation chamber
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Definitions

  • the invention relates to a method for tracing the source of VOCs pollution, and belongs to the field of environmental monitoring.
  • Volatile organic compounds Volatile Organic Compounds, VOCs
  • VOCs Volatile Organic Compounds, VOCs
  • the current VOCs pollution source identification method is based on the mass spectrometry data collected at a fixed monitoring point, and mass spectrometry cross-correlation calibration is performed on the mass spectrometry data of multiple pollution sources currently collected, that is, based on the similarity between the collected mass spectrometry data of the pollution source and the mass spectrometry data of the fixed monitoring point, Determine the type of pollution source and the contribution rate of each type of pollution source.
  • the currently used VOCs pollution source identification method requires complete pollution source mass spectrometry data during the identification process.
  • the accuracy of identification depends on the completeness of the pollution source mass spectrometry data, and the identification effect is poor.
  • the VOCs pollution source location device collects volatile organic compounds in the atmosphere at fixed monitoring points through an atmospheric sampler, and uses a volatile organic matter spectrometer to analyze the acquired data, obtain mass spectrometry data and determine the type of pollution source, and then determine the volatile organic compounds The area where the pollution source is located.
  • the source analysis technologies that can be used to trace the source of atmospheric VOCs are mainly divided into three types: emission inventory (Emission Inventory), diffusion model (Diffusion Model) and receptor model (Receptor Model).
  • Emission inventory is to establish a list model by observing and simulating the source emissions of atmospheric VOCs, the geographical distribution of emissions and emission characteristics. Using this method to analyze the physical diffusion of pollution requires a detailed source emission inventory, the solution process is complicated, and the setting of different emission parameters has a great impact on the results.
  • Diffusion model refers to a technology that estimates the contribution value of pollution sources by simulating the temporal and spatial distribution of pollutants under different conditions such as pollution source emissions, migration, diffusion, and chemical transformation on the basis of detailed pollution source lists and pollution source emissions.
  • the diffusion model can well establish the quantitative relationship between organized emission sources and atmospheric environmental quality, but it cannot be applied to unorganized open sources whose source strength is difficult to determine, and the parameters required by the model are complex (for example, it is necessary to know the source of pollution). The number and location, as well as detailed meteorological data during the diffusion process of VOCs, etc.). These data are difficult to obtain, which limits the use of this model.
  • the current receptor model refers to a series of source analysis techniques that determine the contribution of various pollution sources to the receptor through chemical analysis of atmospheric VOCs and source samples. Different from the diffusion model, the receptor model takes the polluted area as the object.
  • the source analysis using the receptor model does not consider the migration process of the pollutants, nor does it consider the discharge conditions of the pollutants and the meteorological conditions during the discharge.
  • the receptor model is often used to judge the main pollution sources and the relative contribution of each pollution source to air pollution.
  • the proportion of each component in the source spectrum data cannot be directly used to reflect the source spectrum transmitted to each group after the monitoring point. As the distance increases, this effect will be greater. Only the data of the location of the pollution source spectrum corresponds to the data of the monitoring point, and traceability has the problems of inaccurate source traceability and low positioning accuracy.
  • Chemical mass balance model method The principle of the chemical mass balance model is mass conservation. The idea is to use the least square method to calculate the contribution of each emission source to the receptor based on the detection value of the environmental receptor sample and the emission of each pollutant emission source The meaning of the linear equations is that the concentration of each receptor can be regarded as the linear sum of the product of the concentration value of each pollution source and its contribution value.
  • the input file of the model includes the source component spectrum data, the total mass concentration of the receptor and the uncertainty of the total mass concentration of the receptor, and the output file includes the contribution value of each chemical component in each source.
  • the uncertainty of the input file can be used not only to measure the importance of the input data in the final result, but also to calculate the uncertainty of the source contribution.
  • This method has become an important method for source analysis due to its simple principle, easy to understand, and accurate analysis results. The disadvantage is that it requires a detailed emission inventory of source samples and receptor samples.
  • the concentration of the chemical component i contained in the receptor is, conserved by mass:
  • the sharing rate of source class j is:
  • C i the measured value of the mass concentration of the chemical component i in the receptor atmosphere, ⁇ g/m 3 ;
  • F ij the measured value of the mass fraction of chemical component i in the source of type j, %;
  • PCA Principal Component Analysis
  • the Jacobi method is commonly used to find the eigenvalues, and arrange them in order of magnitude ⁇ 1 ⁇ 2 ⁇ ... ⁇ p ⁇ 0;
  • the eigenvalues with a cumulative contribution rate of 85%-95% are taken, and the first, second, ..., mth (m ⁇ p) principal components corresponding to ⁇ 1 , ⁇ 2 ,..., ⁇ m.
  • PMF Orthogonal matrix factor analysis
  • X n ⁇ m matrix, n represents the number of environmental receptor samples, and m represents the number of chemical elements in the environmental receptor;
  • G n ⁇ p emission source contribution matrix
  • E Residual error matrix, representing the difference between X and GF.
  • x ij , g ij , f ij , and e ij are the elements of the X, G, F, and E matrices, respectively.
  • the iterative minimization algorithm is used to solve Q, and the pollution source contribution value G (relative value) and the pollution source component spectrum F (relative concentration value of chemical components) can be determined at the same time.
  • the PMF model itself has some advantages and disadvantages.
  • the advantage is that the method does not need to measure the source component spectrum data, the elements in the decomposition matrix are non-negative values, the data standard deviation can be used to optimize, and it can handle missing data and inaccurate data.
  • the disadvantage is that the model does not provide a method to determine the number of factors p, and the choice of the number of factors will affect the source analysis results.
  • Si’ the revised pollution source composition spectrum
  • VOCs will have a certain loss in the atmospheric environment. Use the following formula to convert the observation data of VOCs into initial concentration data:
  • VOC i ] o Observed value of VOC i volume fraction/value at the monitoring point
  • [VOC i ] t the initial value of the volume fraction of VOC i;
  • B and C When determining B and C, it is better for B and C to have homology and have obvious photochemical aging phenomena, such as obvious diurnal characteristics and a significant decrease in concentration during the day.
  • the present invention provides a method for tracing the source of VOCs pollution, which compares the analysis results of pollutant component data at monitoring points with the data (or revised source spectrum) of known pollution source discharge outlets, and fully considers diffusion and photochemical reactions to the pollution source from the discharge outlet. The impact after transmission to the monitoring point, thereby improving the accuracy and reliability of the source analysis results.
  • the work required includes the establishment of a known source spectrum database (Si).
  • the known source spectrum database contains information such as the pollutant composition ratio of the pollution source outlet and the corresponding geographic location information; the wind speed and direction at the time of comprehensive traceability, and the location information of the monitoring point , Analyze the location information of the source spectrum database, and screen out the discharge outlets of pollution sources that have a greater impact on the location of the monitoring point; according to the filtered discharge outlet location and monitoring point location of the pollution source spectrum, as well as wind speed, wind direction, temperature, pressure, and pollution It converts the selected pollution source spectrum into the corrected source spectrum (Si') of the pollution source spectrum at the monitoring point.
  • the PCA data analysis method is used to decompose the number of principal components in the monitoring data; or the number of sources set artificially.
  • the PMF analysis method is applied to calculate the contribution rate G of the corrected source spectrum data in the monitoring data. And then trace back the main contributors of pollutants at the monitoring location.
  • the work required includes the establishment of a known source spectrum database (Si).
  • the known source spectrum database contains information such as the pollutant composition ratio of the pollution source outlet and the corresponding geographic location information; the wind speed and direction at the time of comprehensive traceability, and the location information of the monitoring point , Analyze the location information of the source spectrum database, and screen out the discharge outlets of pollution sources that have a greater impact on the location of the monitoring point; according to the filtered discharge outlet location and monitoring point location of the pollution source spectrum, as well as wind speed, wind direction, temperature, pressure, and pollution It converts the selected pollution source spectrum into the corrected source spectrum (Si') of the pollution source spectrum at the monitoring point.
  • the more important step in the above two traceability processes is the step of correcting the source spectrum data.
  • the emission point is a certain distance from the actual monitoring point. Because the concentration of each component in the source spectrum data attenuates with the increase of distance, the proportion of each component in the source spectrum data cannot be directly used to reflect the transmission of the source spectrum to the monitoring The proportion of each component after the point. Direct analysis based on the data analysis results of the monitoring points and the source spectrum data of the emission points has a greater impact on the traceability results.
  • the correction of the source spectrum data firstly screens out the pollution sources that contribute to the monitoring points based on the objective factors of the pollution source spectrum, such as the location of the outlet, the location of the monitoring point, and the wind speed, wind direction, temperature, pressure, and pollutant composition.
  • the objective factors of the pollution source spectrum such as the wind speed, wind direction, temperature, pressure, pollutant composition, source spectrum geographic location and other information and the geographic location information of the monitoring site, as well as the diffusion model, convert the source spectrum (Si) of the pollution source into these
  • the relationship between the corrected source spectrum and the source spectrum data is
  • the above-mentioned modified conversion function (f) represents the conversion relationship of the source spectrum data in the source spectrum database to the modified source spectrum data in the modified source spectrum database, and the modified conversion function includes at least one modification coefficient ⁇ .
  • time interval represents the time taken for the source spectrum pollutant to drift to the monitoring point.
  • the time interval is related to the distance from the pollutant source to the monitoring point and the pollutant diffusion rate.
  • the concentration at a certain moment can be expressed by the following formula:
  • Ci concentration of substance i ( ⁇ g/m)
  • Ca i the concentration of substance i above the boundary layer ( ⁇ g/m3).
  • Diffusion speed is the result of comprehensive transportation and diffusion, that is, the comprehensive influence of physical transportation, gradient transportation and turbulent diffusion.
  • Physical transport can be expressed by the component of wind speed on the line connecting the source and the monitoring point, gradient transport and turbulent diffusion.
  • the diffusion rate is related to the pollutant composition, wind direction, wind speed, and diffusion conditions (temperature, pressure).
  • the diffusion speed is the component of the wind speed on the line connecting the source and the monitoring point, and the Gaussian diffusion speed of the pollutant is superimposed.
  • the correction coefficient is introduced on the basis of the time interval.
  • the material correction coefficient is related to the time interval and the objective conditions at the time.
  • the correction coefficient is set according to the meteorological conditions, terrain, underlying surface, and the nature of the pollutant components. Meteorological conditions such as wind speed and direction, temperature, light intensity, etc. affect the correction coefficient. Obstacles and terrain between the source and the monitoring point can also affect the correction factor.
  • the correction coefficient can also be obtained by the tracing method.
  • a tracer substance to a certain pollution source outlet, when monitoring, by monitoring the attenuation degree of the tracer substance, a correction coefficient is obtained.
  • Optional tracer substances include isotopes, VOCs that are easy to monitor but not in this area, etc.
  • the source spectrum data is corrected by adding a tracer substance: 1.
  • a tracer substance is artificially added to a certain discharge source and released at a stable concentration flow rate. 2.
  • the characteristics of other substances can be superimposed to obtain the correction coefficient of other specific substances.
  • Optional tracer substances include isotopes, VOCs that are easy to monitor but not in this area, etc.
  • the correction coefficient can also be obtained through the empirical method, and the empirical method uses the experimental method to obtain the correction coefficient. Through a large number of experiments in advance, the correction coefficients of different substances at different distances are measured.
  • the correction coefficient under certain conditions such as wind speed, wind direction, distance, temperature, etc. can be expressed by the following formula:
  • c i' release concentration of tracer substance i ( ⁇ g/m).
  • Establish a model method to revise the source spectrum data 1. Establish a diffusion model first, and establish three-dimensional space rectangular coordinates through mathematical modeling; 2. Determine the factors affecting the diffusion of volatile organic compounds, including meteorological conditions, topography, and underlying surface , The nature of pollutant components. 3. Simplify the basic form of the Gaussian model; 4. Establish a volatile organic compound diffusion model in a small area. 5. On the basis of the diffusion model, the secondary reaction of organic pollutants is added, that is, the loss of active species of VOCs is considered.
  • VOCs data in the source library is converted into monitoring point data using the following formula:
  • VOC i ] o Observed value of VOC i volume fraction/value at the monitoring point
  • [VOC i ] t the initial value of the volume fraction of VOC i;
  • FIG. 3 Schematic diagram of the influence of wind direction on the concentration of pollution source outlets and monitoring points
  • FIG. 4 Schematic diagram of the impact of multiple pollution sources on monitoring points under windy conditions
  • FIG. 1 Schematic diagram of the impact of two sources on monitoring points
  • Figure 6 The intention of a single source to decompose the wind direction vector of the monitoring point in the presence of wind;
  • Figure 7 is a schematic diagram of determining the number of source emissions according to the principal component load value
  • each sample has a total of p variables (that is, there are p constituent substances), forming a data matrix of n ⁇ p order.
  • Sample time resolution The sample used is a 1-minute average value.
  • the sample size (that is, the number of collection points) is at least 5 times the number of monitoring factors, and the number of samples is greater than 80.
  • the Jacobi method is commonly used to find the eigenvalues, and arrange them in order of magnitude ⁇ 1 ⁇ 2 ⁇ ... ⁇ p ⁇ 0;
  • the eigenvalues with a cumulative contribution rate of 85%-95% are taken, and the first, second, ..., mth (m ⁇ p) principal components corresponding to ⁇ 1 , ⁇ 2 ,..., ⁇ m.
  • the criteria for selecting the number of emission sources the first is the eigenvalue, the number greater than 1 is extracted to obtain the number Na; the second is the reference principal component load, the load value in a principal component ranges from -1 to 1, if If the load value in a principal component has more than one value greater than 0.5 or less than -0.5, it is a source. If the load value in a principal component has more than one value greater than 0.5 and less than -0.5 at the same time, Then the principal components are two sources. The remaining principal components in the range of -0.5 to 0.5 are classified as a source. The sum of the number of sources contained in the main component is the number of emission sources, see Figure 7.
  • the PMF method determines the source contribution pollution source contribution value and pollution source composition spectrum:
  • PMF is the orthogonal matrix factorization method (Positive Matrix Factorization). The idea is: first calculate the error of each chemical component in the atmosphere using weights, and then use the least squares conjugate gradient method to determine the main pollution sources of VOCs and their contributions rate.
  • X is the n*p matrix, n is the number of samples, and p is the chemical composition data, then the matrix X can be decomposed into matrix G and matrix F, where G is the n*m VOCs emission source contribution matrix, and F is the m*p pollution source Component spectrum matrix, m is the number of main pollution sources. definition:
  • E is the residual matrix, which represents the difference between X and GF.
  • S is the standard deviation of X; respectively are the elements of the X, G, F and E matrices.
  • the iterative minimization algorithm is used to solve Q, and the pollution source contribution value G (relative value) and the pollution source component spectrum F (relative concentration value of chemical components) can be determined at the same time.
  • the comparison with the source spectrum is mainly to perform correlation analysis, that is, to perform correlation analysis on the calculated pollution source component spectrum and the source spectrum.
  • Pearson’s Correlation is mainly used (see Appendix 4 for the results).
  • the follow-up may combine Kendall’s tau-b correlation analysis.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Toxicology (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

一种VOCs污染的溯源方法，属于环境监测领域。包含如下步骤：建立已知源谱数据库(Si)；监测多组大气VOCs数据；对已知源谱数据库进行筛选；对筛选后的源谱数据库(Sj)进行修正转换得到修正源谱数据库(Sj')；应用PMF方法分析；污染源成分谱(F)与修正源谱数据库(Sj')中各源谱数据进行成分特征比对以及相关性比对；进而得到已知源谱数据库中各已知污染源排口在监测点的贡献比例。

Description

一种VOCs污染的溯源方法 技术领域
本发明涉及一种VOCs污染的溯源方法，属于环境监测领域。
背景技术
挥发性有机物(Volatile Organic Compounds，VOCs)是一类重要的大气污染物，可通过不同的方式对环境或人体产生危害。而由于石油、煤的开发利用，以及各类化学品在各行业的广泛使用，致使VOCs大部分被排放到大气中，因此需对VOCs进行识别分析，追溯VOCs的来源，从而从污染源头控制VOCs的排放。
目前VOCs污染源识别方法是以固定监测点采集到的质谱数据为参考，对当前采集的多个污染源质谱数据进行质谱交叉相关校准，即根据采集的污染源质谱数据与固定监测点质谱数据的相似度，确定污染源的类型及各类污染源的贡献率。
然而，目前采用的VOCs污染源识别方法在识别的过程中需完整的污染源质谱数据，识别的准确性取决于污染源质谱数据的完整程度，识别效果差。
目前VOCs污染源定位装置是通过大气采样器采集固定监测点的大气中的挥发性有机物，并利用挥发性有机物质谱仪对获取的数据进行分析，获取质谱数据并确定污染源的类型，进而确定挥发性有机物污染源所在的区域。
主要可以用于追溯大气VOCs来源的源解析技术主要分为排放清单(Emission Inventory)、扩散模型(Diffusion Model)和受体模型(Receptor Model)三类。
排放清单是通过观测和模拟大气VOCs的源排放量，排放地理分布和排放特征等建立列表模型。利用该方法分析污染物理扩散需要详细的源排放清单，求解过程复杂，而且设置不同的排放参数对结果影响很大。
扩散模型是指在具备详细的污染源清单和污染源排放量的基础上，通过模拟污染源排放、迁移、扩散和化学转化等不同条件下污染物的时空分布状况来估算污染源贡献值的技术。扩散模型能很好的建立起有组织排放源类与大气环境质量之间的定量关系，但是无法应用于源强难以确定的无组织开放源，并且该模型需要的参数复杂(比如，需要知道污染源个数和方位以及VOCs扩散过程中详细的气象资料等)。这些资料难以获取，限制了该模型的运用。
目前受体模型是指通过对大气VOCs和源样品的化学分析来确定各类污染源对受体的贡献值的一系列源解析技术。不同于扩散模型，受体模型以污染区域为对象，使用受体模型进行源解析没有考虑解污染物的迁移过程，也没有考虑污染物的排放条件和排放时的气象条件等。VOCs经采样分析后常采用受体模型来判断主要污染来源以及各污染源对大气污染的相对贡献，但源谱数据中各组分占比情况不能直接用于反映源谱传输到监测点后各组分占比情况，随着距离的增加这种影响会更大。仅使污染源谱位置的数据对应监测点数据，进行溯源存在溯源不准确和定位准确度低的问题。
发明内容
相关概念及术语
化学质量平衡模型方法(CMB)：化学质量平衡模型的原理是质量守恒，思路是根据环境受体样品检测值和各污染排放源的排放情况使用最小二乘法计算各排放源对受体的贡献情况，该线性方程组的含义是每个受体的浓度可以看成是各个污染源浓度值与其贡献值乘积的线性加和。模型的输入文件包括源成分谱数据，受体总质量浓度和受体总质量浓度不确定性，输出文件包括每个源中每个化学组分的贡献值。输入文件的不确定性不仅可以用来衡量最终结果中输入数据的重要性，还可以用来计算源贡献的不确定性。该方法因其原理简便、易于理解、解析结果准确等优势成为源解析的重要方法，缺点是需要详细的源样品和受体样品排放清单。
设受体中含有的化学组分i浓度为，由质量守恒：
C i＝∑S j×F ij
源类j的分担率为：
η i＝S j/C i×100％
C i：受体大气中化学组分i的质量浓度测量值，μg/m 3；
F ij：第j类源中化学组分i的质量分数测量值，％；
S j：第j类源贡献的质量浓度计算值，μg/m 3；
i,j：分别为化学组分、源类的数目
输入量为、F ij，输出量为S j、η i，根据矩阵运算法则，只有i≥j时，方程组有正解。主成分分析法(Primary Component Analysis,PCA)：PCA法是指把多个指标转换成少数几个线性无关的综合指标的方法。主成分分析法的基本思路是，在原数据基础上，通过综合和简化高维变量来确定各指标比重，具有一定的客观优越性，被越来越多的应用于环境领域中。
根据主成分分析中求主成分个数的方法来计算。
(1)先计算相关系数矩阵
Figure PCTCN2019107372-appb-000001
r ij(i，j＝1，2，…，p)为原变量x i与x j的相关系数，r ij＝r ji，其计算公式为
Figure PCTCN2019107372-appb-000002
(2)计算特征值与特征向量
解特征方程|λI-R|＝0，常用雅可比法(Jacobi)求出特征值，并使其按大小顺序排列λ 1≥λ 2≥…≥λ p≥0；
(3)计算主成分贡献率及累计贡献率(可不计算，仅供后面筛选排放源个数参考)
贡献率：
Figure PCTCN2019107372-appb-000003
累计贡献率：
Figure PCTCN2019107372-appb-000004
一般取累计贡献率达85％-95％的特征值，λ 1,λ 2,…,λ m所对应的第1、第2、…、第m(m≤p)个主成分。
(4)计算主成分载荷
Figure PCTCN2019107372-appb-000005
正交矩阵因子分析法(PMF)：PMF方法是在因子分析方法的基础上发展而来的一种有效的数据分析方法，现被广泛应用于源解析领域中。其主要思路是首先利用权 重计算出大气中VOCs各物种的误差，然后通过最小二乘共轭梯度法来确定出VOCs的主要污染源及其贡献率。
其矩阵形式数据表达式为：
X＝GF+E
式中：
X：n×m矩阵，n代表环境受体样品个数，m代表环境受体中化学元素个数；
G：n×p排放源贡献矩阵；
F：p×m污染源谱成分谱矩阵；
p：因子个数；
E：残差矩阵，表示X与GF之间存在的差异。
PMF分析的目的是最小化Q，Q定义为：
Figure PCTCN2019107372-appb-000006
Figure PCTCN2019107372-appb-000007
I＝1，2，.......，n；j＝1，2，……，p；k＝1,2，…….，m。
式中：x ij、g ij、f ij、e ij分别为X、G、F和E矩阵的元素。
在g ik≥0，f kj≥0的约束条件下，通过迭代最小化算法对Q求解，可以同时确定污染源贡献值G(相对值)和污染源成分谱F(化学成分的相对浓度值)。
PMF模型本身存在一些优缺点，优点是该法不需要测量源成分谱数据，分解矩阵中元素为非负值，可以利用数据标准偏差来进行优化，并且可处理遗漏数据和不精确数据等。缺点是模型没有提供确定因子个数p的方法，而因子数的选择会对源解析结果产生影响。
Si：污染源成分谱；
Si’：修正后污染源成分谱；
VOCs活性物种的损耗计算公式：
VOCs在大气环境下将会有一定的损耗，将VOCs的观测数据利用以下公式转换为初始浓度数据：
[voc i] o＝[VOC i] t/exp(-k i[OH]Δt)
Figure PCTCN2019107372-appb-000008
[VOC i] o：VOC i体积分数的观测值/在监测点的数值；
[VOC i] t：VOC i体积分数的初始值；
B，C：从同一污染源排出的一次碳氢化合物HCB和HCC；
k i：VOC i的OH自由基反应速率常数；
k B：HCB的OH自由基反应速率常数；
k C：HCC的OH自由基反应速率常数；
[OH]：OH自由基的体积分数；
Δt：反应时间；
Figure PCTCN2019107372-appb-000009
t时刻HCC和HCB的体积分数之比。
在确定B与C时，B与C最好要具有同源性且具有明显的光化学老化的现象，比如可以看到明显的日变化特征和在昼间有明显的浓度的降低。
主要技术方案：
本发明提供一种VOCs污染的溯源方法，采用将监测点污染物组分数据分析结果与已知污染源排放口数据(或者修正源谱)进行比对，充分考虑扩散和光化学反应对污染源从排口传输到监测点后的影响，从而提高源解析结果的准确性和可靠性。
方案1：
所需要的工作有建立已知源谱数据库(Si)，已知源谱数据库包含的信息有污染源排口的污染物组成比例、相应的地理位置信息；综合溯源时刻的风速风向、监测点位置信息、源谱数据库的位置信息进行分析，筛选出对监测点位置有较大影响的污染源的排口；根据筛选出的污染源谱排口位置和监测点位置，以及风速、风向、温度、压力、污染物成分，将筛选出的污染源谱转化为该污染源谱在监测点位置的修正源谱(Si’)。
根据监测数据(污染物浓度、组分情况)，应用PCA数据分析方法，分解出监测数据中的主成分数目；或者人为设定的源数目。
以主成分数目、监测数据和修正后源谱数据为输入，应用PMF分析方法，计算监测数据中修正后源谱数据的贡献率G。进而追溯监测位置的污染物主要贡献源。
方案2：
所需要的工作有建立已知源谱数据库(Si)，已知源谱数据库包含的信息有污染源排口的污染物组成比例、相应的地理位置信息；综合溯源时刻的风速风向、监测点位置信息、源谱数据库的位置信息进行分析，筛选出对监测点位置有较大影响的污染源的排口；根据筛选出的污染源谱排口位置和监测点位置，以及风速、风向、温度、压力、污染物成分，将筛选出的污染源谱转化为该污染源谱在监测点位置的修正源谱(Si’)。
以监测数据和修正后源谱数据为输入，应用CMB分析方法，计算监测数据中修正后源谱数据的占监测数据的贡献比例，进而追溯监测位置的污染物主要贡献源。
上述两种溯源流程中比较重要的步骤为对源谱数据进行修正步骤。排放点距离实际监测点有一定距离，由于源谱数据中各组分浓度随距离的增加有一定的衰减，因此，源谱数据中各组分占比情况不能直接用于反映源谱传输到监测点后各组分占比情况。根据监测点的数据分析结果与排放点源谱数据直接做分析，对溯源结果影响较大。
对源谱数据的修正工作首先根据污染源谱的客观因素如排口位置、监测点位置，以及风速、风向、温度、压力、污染物成分等信息，筛选出对监测点有贡献的污染源； 再次根据污染源谱的客观因素如排口位置风速、风向、温度、压力、污染物成分、源谱地理位置等信息和监测地点的地理位置信息，以及扩散模型，将污染源的源谱(Si)转化为这些污染源在监测点位置的修正源谱(Si’)，或者Sj转化为Sj’。修正源谱与源谱数据的关系为
Si’＝f(Si)；或者,Sj’＝f(Sj)
上述修正转换函数(f)代表了源谱数据库中的源谱数据到修正源谱数据库中的修正源谱数据的转换关系，所述修正转换函数中包含至少一个修正系数η。
由于大气输送与扩散、光化学反应等因素对各组分影响不同，进而导致各组分的在源谱中的占比和绝对浓度从排放点到达监测点后不同。因此为了更好地对污染源谱进行修正，引入时距(duration)，在本专利中时距代表源谱污染物飘移致监测点所用的时间。时距与污染物源到监测点的距离以及污染物扩散速度有关，时距的基本计算方式如下，
时距＝距离/扩散速度
某一时刻的浓度可以用如下公式表示：
Figure PCTCN2019107372-appb-000010
Figure PCTCN2019107372-appb-000011
Ci:物质i浓度(μg/m),
qi:物质i排放速率(μg/m2s1),
H(t):t时间的混合高度层(m),
Ri:物质i的衰减速率(μg/m3s1),
υd,i:物质i的干/湿沉积速率(m/s1),
C0i:物质i的背景浓度((μg/m3)),
τγ:区域的大气停留时间(s),
Ca i:物质i在边界层以上的浓度(μg/m3).
扩散速度为输送、扩散综合的结果，即物理输送、梯度输送和湍流扩散等综合影响的结果。物理输送可以用风速在源与监测点连线上的分量表达，梯度输送和湍流扩散。扩散速度与污染物组分、风向、风速、扩散情况有关(温度、压力)有关。扩散速度为风速在源与监测点连线上的分量，并叠加污染物的高斯扩散的速度。
在时距的基础上引入修正系数，物质修正系数与时距和当时的客观条件有关，根据气象条件、地形、下垫面、污染物组分自身性质设定修正系数。气象条件如风速风向、温度、光照强度等影响修正系数。源与监测点之间的障碍物、地形等情况也可以影响修正系数。
修正系数除了通过理论计算得来，还可以通过示踪法得来。通过在某一个污染源排口加入示踪物质，监测的时候，通过监测示踪物质的衰减程度，得到修正系数。可选的示踪物质有同位素、容易监测但此区域内没有的VOCs物质等。
加入示踪物质方式对源谱数据进行修正：1、在某一个排放源口人为加入一种示踪物质，以一个稳定的浓度流量向外释放。2、在监测点监测示踪物质的浓度。3、将监测点的示踪物质浓度与已知浓度比对，得到修正系数。4、通过修正系数修正源谱在监测点的谱图。5、可以在示踪物质的修正系数基础上，叠加其他物质的特性，得到其他特定物质的修正系数。可选的示踪物质有同位素、容易监测但此区域内没有的VOCs物质等。
修正系数还可以通过经验法得来，经验法利用实验的方式得到修正系数。事先通过大量的实验，测量不同物质在不同距离的修正系数。
通过大量实验对源谱数据进行修正：首先在无风的条件下，设定的一个距离。距离开始的地方以恒定的浓度释放一种污染物质，在距离的末端监测该种物质。将监测的浓度与释放的浓度进行对比，就可以得到在该设定距离无风条件下的修正系数。有风条件下同理，记录风速、风向，并恒定释放一种污染物质，则距离末端测量的值与释放浓度的比值即为该风速、风向、距离条件下的修正系数。通过改变不同的风速、风向、距离、温度等，得到一种物质的一组修正系数表。
某种风速、风向、距离、温度等特定条件下的修正系数可用如下公式表示：
Figure PCTCN2019107372-appb-000012
η：修正系数，
c i:示踪物质i在距离末端测量的浓度(μg/m),
c i’:示踪物质i的释放浓度(μg/m)。
建立模型法对源谱数据进行修正：1、先建立扩散模型，通过数学建模的方法，建立三维空间直角坐标；2、确定影响挥发性有机物扩散的因素，包括气象条件、地形、下垫面、污染物组分自身性质。3、简化高斯模型的基本形式；4、建立小区域范围内挥发性有机物扩散模型。5、在扩散模型的基础上，加入有机污染物的二次反应，即考虑VOCs活性物种的损耗。
VOCs活性物种的损耗，将源谱库中的VOCs数据利用以下公式转换在为监测点数据：
[VOC i] t＝[voc i] o×exp(-k i[OH]Δt)
Figure PCTCN2019107372-appb-000013
[VOC i] o：VOC i体积分数的观测值/在监测点的数值；
[VOC i] t：VOC i体积分数的初始值；
B，C：从同一污染源排出的一次碳氢化合物HCB和HCC；
k i：VOC i的OH自由基反应速率常数；
k B：HCB的OH自由基反应速率常数；
k C：HCC的OH自由基反应速率常数；
[OH]：OH自由基的体积分数；
Δt：反应时间；
Figure PCTCN2019107372-appb-000014
t时刻HCC和HCB的体积分数之比。
附图说明
图1利用PCA和PMF方法溯源流程图；
图2利用CMB方法溯源的流程图；
图3风向对污染源排口与监测点浓度的影响示意图；
图4多个污染源在有风条件下对监测点的影响示意图；
图5两个源对监测点的影响示意图；
图6单个源在有风的情况下对监测点的风向向量分解意图；
图7根据主成分载荷值确定源排放个数示意图；
图8PMF运算结果示意图；
图9TVOCs来源贡献示意图；
图10苯来源贡献示意图；
具体实施方式
对受体样品的处理：
n个样本(即不同采集时间采集的数据)，每个样本共有p个变量(即有p个组成物质)，构成一个n×p阶的数据矩阵。
Figure PCTCN2019107372-appb-000015
(1)样本时间分辨率：所用到的样本为1分钟平均值。样本量(即采集点数)至少是监测因子个数的5倍，且样品数量大于80个。
(2)监测因子：质荷比在40到200以内的PAMS、TO14及有机硫(36种质荷比)，再加一些常见的半定量物质(22种质荷比)，共58种，这些都算是变量。然后根据样品中检测到的物质，要求检测到的这一物质的数量占总样本数量的60％以上(即检出率在60％以上，最好设计时把这一值设计成可以改动的)，否则需要把这个变量剔除掉。
(3)筛选后的物质，浓度低于检出限的以检出限代替。
(3)以浓度值(μg/m3)作为运算。
对源谱样品的处理：
保留质荷比在40到200物质的浓度,浓度值低于检测限的，用检测限代替。最后需要和受体模型运算出来的结果做比对时，选取和受体一样的变量，然后做相关性比对。
受体样品数据矩阵求源数量：
根据主成分分析中求主成分个数的方法来计算。
(1)先计算相关系数矩阵
Figure PCTCN2019107372-appb-000016
rij(i，j＝1，2，…，p)为原变量xi与xj的相关系数，rij＝rji，其计算公式为
Figure PCTCN2019107372-appb-000017
(2)计算特征值与特征向量
解特征方程|λI-R|＝0，常用雅可比法(Jacobi)求出特征值，并使其按大小顺序排列λ 1≥λ 2≥…≥λ p≥0；
(3)计算主成分贡献率及累计贡献率(可不计算，仅供后面筛选排放源个数参考)
贡献率：
Figure PCTCN2019107372-appb-000018
累计贡献率：
Figure PCTCN2019107372-appb-000019
一般取累计贡献率达85％-95％的特征值，λ 1,λ 2,…,λ m所对应的第1、第2、…、第m(m≤p)个主成分。
(4)计算主成分载荷
Figure PCTCN2019107372-appb-000020
选取排放源个数的标准：第一是特征值，大于1的提取出来，得到的个数Na；第二是是参考主成分载荷，一个主成分里的载荷值大小从-1到1，如果一个主成分里的载荷值有多于1个大于0.5的值或小于-0.5值，则为一个源，如果一个主成分里的载荷值同时有多于1个大于0.5的值和小于-0.5，则该主成分为两个源。把剩余的在-0.5到0.5范围内的主成分归为一个源。主成分含有的源个数和即为排放源个数，参见图7。
PMF法确定源贡献污染源贡献值和污染源成分谱:
PMF即正交矩阵因子分解法(Positive Matrix Factorization)其思路是：首先利用权重计算出大气中各化学组分的误差，然后通过最小二乘共轭梯度法来确定出VOCs的主要污染源及其贡献率。
X为n*p矩阵，n为样品数，p为化学成分数据，那么矩阵X可以分解为矩阵G和矩阵F，其中G为n*m的VOCs排放源源贡献矩阵，F为m*p的污染源成分谱矩阵，m为主要污染源的数目。定义：
X＝GF+E
E为残差矩阵，表示X与GF之间存在的差异。
PMF分析的目的是最小化Q，Q定义为：
Figure PCTCN2019107372-appb-000021
Figure PCTCN2019107372-appb-000022
I＝1，2，.......，n；j＝1，2，……，p；k＝1,2，…….，m。
式中，S为X的标准偏差；分别为X，G，F和E矩阵的元素。
在gik≥0，fkj≥0的约束条件下，通过迭代最小化算法对Q求解，可以同时确定污染源贡献值G(相对值)和污染源成分谱F(化学成分的相对浓度值)。
运算结果的优化：实际中通过100次运行程序寻找Q的最小值，同时观测残差矩阵E的值，使其尽可能小(-3到3之间)，以此保证模拟结果与观测结果有较好的相关关系，PMF运算结果参考图8，TVOCs来源参考图9，苯贡献来源参考图10。
和源谱比对：
和源谱比对，主要是进行相关性分析，即分别把运算出的污染源成分谱和源谱进行相关性分析，目前主要用到的是Pearson’s Correlation(结果参考附件4)。后续可能会结合Kendall’s tau-b相关性分析。
Pearson相关性分析的结果为：
Figure PCTCN2019107372-appb-000023
用对应的排放点位分别代替Factor，即得到最终结果。

Claims (15)

  1. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得到监测数据；应用因子分析方法，对监测的多组大气VOCs数据，计算出监测数据中的解析源数目p，或者人为设定解析源数目p；
    3)对已知源谱数据库进行筛选：结合溯源时段的风速风向、监测点位置信息、源谱数据库中排口的地理位置信息，对源谱数据进行筛选，筛选出对监测点位置有显著影响的污染源的排口，排除对监测点位置没有影响或者影响很小的污染源的排口；得到筛选后的源谱数据库(Sj)；
    4)对筛选后的源谱数据库(Sj)进行修正转换得到修正源谱数据库(Sj’)：修正转换函数(f)涉及的因素包括采样时的监测点位置，以及风速、风向、温度、压力、污染物成分；
    5)应用PMF方法分析：以主成分数目p和监测数据为基础，应用PMF分析方法，得到污染源成分谱矩阵(F)以及每个污染源成分谱(Fn)对监测点的贡献比例；
    6)污染源成分谱(F)与修正源谱数据库(Sj’)中各源谱数据进行成分特征比对以及相关性比对；进而得到已知源谱数据库中各已知污染源排口在监测点的贡献比例。
  2. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得到监测数据；应用因子分析方法，对监测的多组大气VOCs数据，计算出监测数据中的解析源数目p，或者人为设定解析源数目p；
    3)对已知源谱数据库(Si)进行修正转换得到修正源谱数据库(Si’)：修正转换修正转换函数(f)涉及的因素包括采样时的监测点位置，以及风速、风向、温度、压力、污染物成分；
    4)应用PMF方法分析：以主成分数目p和监测数据为基础，应用PMF分析方法，得到污染源成分谱矩阵(F)以及每个污染源成分谱(Fn)对监测点的贡献比例；
    5)污染源成分谱(F)与修正源谱数据库(Si’)中各源谱数据进行成分特征比对以及相关性比对；进而得到已知源谱数据库中各已知污染源排口在监测点的贡献比例。
  3. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得到监测数据；应用因子分析方法，对监测的多组大气VOCs数据，计算出监测数据中的解析源数目p，或者人为设定解析源数目p；
    3)对已知源谱数据库(Si)进行修正转换得到修正源谱数据库(Si’)：修正转换修正转换函数(f)涉及的因素包括采样时的监测点位置，以及风速、风向、温度、压力、污染物成分；
    4)对修正源谱数据库(Si’)进行筛选：排除对监测点位置没有影响或者影响很小的源谱数据；得到筛选后的修正源谱数据库(Sj’)；
    5)应用PMF方法分析：以主成分数目p和监测数据为基础，应用PMF分析方法，得到污染源成分谱矩阵(F)以及每个污染源成分谱(Fn)对监测点的贡献比例；
    6)污染源成分谱(F)与修正源谱数据库(Sj’)中各源谱数据进行成分特征比对以及相关性比对；进而得到已知源谱数据库中各已知污染源排口在监测点的贡献比例。
  4. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得到监测数据；
    3)对已知源谱数据库进行筛选：结合溯源时段的风速风向、监测点位置信息、源谱数据库中排口的地理位置信息，对源谱数据进行筛选，筛选出对监测点位置有显著影响的污染源的排口，排除对监测点位置没有影响或者影响很小的污染源的排口；得到筛选后的源谱数据库(Sj)；
    4)对筛选后的源谱数据库(Sj)进行修正转换得到修正源谱数据库(Sj’)：修正转换函数(f)涉及的因素包括采样时的监测点位置，以及风速、风向、温度、压力、污染物成分；
    5)应用CMB分析方法计算修正源谱在监测点的贡献比例：以监测数据和修正源谱(Sj’)为基础，应用CMB分析方法，计算修正源谱(Sj’)在监测点的贡献比例；
    6)根据修正源谱数据库(Sj’)中各源谱数据在监测点的贡献比例，追溯监测位置的污染物主要贡献源。
  5. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得 到监测数据；
    3)对已知源谱数据库(Si)进行修正转换得到修正源谱数据库(Si’)：修正转换函数(f)涉及的因素包括采样时的监测点位置，以及风速、风向、温度、压力、污染物成分；
    4)应用CMB分析方法计算修正源谱在监测点的贡献比例：以监测数据和修正源谱(Si’)为基础，应用CMB分析方法，计算修正源谱(Si’)在监测点的贡献比例；
    5)根据修正源谱数据库(Si’)中各源谱数据在监测点的贡献比例，追溯监测位置的污染物主要贡献源。
  6. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得到监测数据；
    3)对已知源谱数据库(Si)进行修正转换得到修正源谱数据库(Si’)：修正转换修正转换函数(f)涉及的因素包括采样时的监测点位置，以及风速、风向、温度、压力、污染物成分；
    4)对修正源谱数据库(Si’)进行筛选：排除对监测点位置没有影响或者影响很小的源谱数据；得到筛选后的修正源谱数据库(Sj’)
    5)应用CMB分析方法计算修正源谱在监测点的贡献比例：以监测数据和修正源谱(Sj’)为基础，应用CMB分析方法，计算修正源谱(Sj’)在监测点的贡献比例；
    6)根据修正源谱数据库(Sj’)中各源谱数据在监测点的贡献比例，追溯监测位置的污染物主要贡献源。
  7. 一种VOCs污染的溯源方法，包含如下步骤：
    1)建立已知源谱数据库(Si)：所述已知源谱数据库中的源谱数据包含各已知污染源排口的污染物组成比例、排口的地理位置信息；
    2)监测多组大气VOCs数据：通过监测仪器监测大气中污染物浓度、组分情况，得到监测数据；应用因子分析方法，对监测的多组大气VOCs数据，计算出监测数据中的解析源数目p，或者人为设定解析源数目p；
    3)对已知源谱数据库进行筛选：结合溯源时段的风速风向、监测点位置信息、源谱数据库中排口的地理位置信息，对源谱数据进行筛选，筛选出对监测点位置有显著影响的污染源的排口，排除对监测点位置没有影响或者影响很小的污染源的排口；得到筛选后的源谱数据库(Sj)；
    4)应用PMF方法分析：以主成分数目p和监测数据为基础，应用PMF分析方法，得到污染源成分谱矩阵(F)以及每个污染源成分谱(Fn)对监测点的贡献比 例；
    5)污染源成分谱(F)与修正源谱数据库(Sj)中各源谱数据进行成分特征比对以及相关性比对；进而得到已知源谱数据库中各已知污染源排口在监测点的贡献比例。
  8. 如权利要求1至6之一所述的方法，其特征在于，所述修正转换函数(f)代表了源谱数据库中的源谱数据到修正源谱数据库中的修正源谱数据的转换关系：
    Si’＝f(Si)；或者,Sj’＝f(Sj)
    所述修正转换函数中包含至少一个修正系数η。
  9. 如权利要求8所述的方法，其特征在于，所述修正系数与时距呈反比例关系，所述时距为时距＝距离/扩散速度。
  10. 如权利要求8所述的方法，其特征在于，所述修正系数与光化学反应速率呈反比例关系。
  11. 如权利要求8所述的方法，其特征在于，所述修正系数的计算方法为，
    η＝exp(-k i[OH]Δt)
    Figure PCTCN2019107372-appb-100001
    其中，
    B，C：从同一污染源排出的一次碳氢化合物HCB和HCC；
    k i：VOC i的OH自由基反应速率常数；
    k B：HCB的OH自由基反应速率常数；
    k C：HCC的OH自由基反应速率常数；
    [OH]：OH自由基的体积分数；
    Δt：反应时间；
    Figure PCTCN2019107372-appb-100002
    t时刻HCC和HCB的体积分数之比。
  12. 如权利要求8所述的方法，其特征在于，所述修正系数通过经验法得来，经验法包含步骤为，
    1)在不同的风向、风速、距离、温湿度条件下，在排放源恒定释放一种污染物质，对距离末端监测污染物情况；
    2)将监测的多组不同风向、风速、距离、温湿度条件下监测浓度和释放浓度进行对比，得到多组不同风向、风速、距离、温湿度条件下的修正系数；
    3)选择与溯源时刻最接近的风向、风速、距离、温湿度条件，可以使用该条件下的修正系数作为溯源时刻的修正系数。
  13. 如权利要求1，3，4，6或7之一所述的方法，其特征在于，所述筛选步骤至少采用如下方法之一：
    1)主导风向筛选法；
    2)特征物质筛选法；
    3)距离筛选法：监测点位置与源谱数据库中排口的地理位置超过一定的距离后，则可被筛除掉；剩下的已知源谱数据库为筛选后的源谱数据库。
  14. 如权利要求13所述的方法，其特征在于，所述主导风向筛选法是指：将监测点在采集过程中各方向风的发生频率统计出来后，在十六罗盘方位坐标系中以不同的方向表示风向，以和原点距离表示发生频率，然后把这些散点连接成一个圆环就形成了“风玫瑰”图，最大的玫瑰花瓣就是监测点的主导风向；以主导风向和监测点连线为中心，在一定夹角范围的扇形区域内的已知源谱数据为筛选后的源谱数据库。
  15. 如权利要求13所述的方法，其特征在于，所述特征物质筛选法是指：如果已知源谱数据中未含有监测数据含有的特征污染物，则该源谱数据可被筛除掉；如果已知源谱数据含有高浓度的特征污染物未在监测点被监测到，则该源谱数据可被筛除掉；剩下的已知源谱数据库为筛选后的源谱数据库。
PCT/CN2019/107372 2019-09-23 2019-09-23 一种VOCs污染的溯源方法 WO2021056160A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201980100294.6A CN114424058B (zh) 2019-09-23 2019-09-23 一种VOCs污染的溯源方法
PCT/CN2019/107372 WO2021056160A1 (zh) 2019-09-23 2019-09-23 一种VOCs污染的溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/107372 WO2021056160A1 (zh) 2019-09-23 2019-09-23 一种VOCs污染的溯源方法

Publications (1)

Publication Number Publication Date
WO2021056160A1 true WO2021056160A1 (zh) 2021-04-01

Family

ID=75165435

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/107372 WO2021056160A1 (zh) 2019-09-23 2019-09-23 一种VOCs污染的溯源方法

Country Status (2)

Country Link
CN (1) CN114424058B (zh)
WO (1) WO2021056160A1 (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360850A (zh) * 2021-06-17 2021-09-07 东莞市环境监测中心站 一种大气污染物线源溯源分析方法
CN113420102A (zh) * 2021-06-25 2021-09-21 山东诺方电子科技有限公司 一种利用积尘与扬尘精准定位污染源的方法
CN113533445A (zh) * 2021-06-17 2021-10-22 北京工业大学 一种考虑参数不确定性的二维水污染溯源方法
CN113552289A (zh) * 2021-07-14 2021-10-26 清华苏州环境创新研究院 一种基于高斯模式的大气污染溯源方法
CN113624921A (zh) * 2021-08-04 2021-11-09 杭州谱育科技发展有限公司 多模式综合污染溯源方法
CN113640410A (zh) * 2021-07-29 2021-11-12 河南省政院检测研究院有限公司 一种空气质量源的解析方法和系统
CN113655111A (zh) * 2021-08-17 2021-11-16 北京雪迪龙科技股份有限公司 基于走航监测的大气挥发性有机物溯源方法
CN113777223A (zh) * 2021-08-12 2021-12-10 北京金水永利科技有限公司 一种大气污染物溯源方法及系统
CN113984968A (zh) * 2021-10-26 2022-01-28 上海建科环境技术有限公司 一种工业园区大气VOCs溯源方法
CN114252463A (zh) * 2021-12-20 2022-03-29 北京大学深圳研究生院 一种城市大气颗粒物来源解析方法
CN114461737A (zh) * 2021-12-20 2022-05-10 北京市科学技术研究院城市安全与环境科学研究所 基于印痕模型的监测溯源方法和系统
CN114518436A (zh) * 2022-02-28 2022-05-20 南开大学 一种基于初始浓度和实测源谱限制的VOCs来源解析方法
CN114662975A (zh) * 2022-04-11 2022-06-24 北京中科三清环境技术有限公司 确定污染物来源的方法、装置、电子设备和存储介质
CN115060850A (zh) * 2022-06-14 2022-09-16 浙江大学 空地双场耦合的大气污染源追踪和通量测量装置及方法
CN115238244A (zh) * 2022-08-09 2022-10-25 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种pm2.5污染成因快速量化解析方法
CN115309845A (zh) * 2022-08-23 2022-11-08 北京万维盈创科技发展有限公司 基于水系编译器与机器学习处理的水污染溯源方法及系统
CN115684419A (zh) * 2022-11-03 2023-02-03 上海市环境科学研究院 大气中近全组分有机物的测量及总量构建方法、装置、系统、终端以及存储介质
CN116151869A (zh) * 2023-04-19 2023-05-23 国网安徽省电力有限公司经济技术研究院 一种输变电差异化运维成本分析系统
CN116264105A (zh) * 2022-06-16 2023-06-16 中国科学院大气物理研究所 一种适用于同位素化学分馏与大气化学传输模式耦合的算法
CN116399764A (zh) * 2023-03-23 2023-07-07 暨南大学 一种污染源颗粒物消光截面效率的反演方法、系统及设备
CN116628598A (zh) * 2023-05-15 2023-08-22 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种基于大数据和nmf模型的二噁英来源解析方法及系统
CN113569403B (zh) * 2021-07-23 2023-08-29 南开大学 一种基于大气扩散-辐射标准化的环境VOCs来源解析方法
CN116718733A (zh) * 2023-06-28 2023-09-08 中国海洋大学 一种挥发性有机物浓度计算方法、系统、电子设备及介质
CN116859001A (zh) * 2023-07-18 2023-10-10 安徽碧水环业生态科技有限公司 一种碳排放在线监测平台及分析方法
CN117252077A (zh) * 2023-10-11 2023-12-19 德州市疾病预防控制中心 一种基于扩散路径信息的大气全氟化合物溯源方法及系统
CN117408520A (zh) * 2023-12-11 2024-01-16 深圳卓音智能科技有限公司 一种数据服务智能识别方法及系统
CN117522653A (zh) * 2024-01-05 2024-02-06 同济大学 基于三维荧光和市政管网bim模型的雨污混接溯源分析方法
CN117524345A (zh) * 2023-11-17 2024-02-06 山东省济南生态环境监测中心 一种基于受体模式的城市VOCs源解析方法
CN117805323A (zh) * 2024-02-28 2024-04-02 铜川科达化工设备有限公司 基于物联网的置于电捕焦油器前的样气监测采样分析系统
CN117871790A (zh) * 2024-03-11 2024-04-12 四川国蓝中天环境科技集团有限公司 基于多种数据融合的路边监测站数据分析和交通溯源方法
CN116718733B (zh) * 2023-06-28 2024-05-31 中国海洋大学 一种挥发性有机物浓度计算方法、系统、电子设备及介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114974452B (zh) * 2022-05-24 2023-03-28 北京中科三清环境技术有限公司 一种确定二次转化来源的管控目标的方法和装置
CN116128421B (zh) * 2022-09-23 2023-10-20 北京清创美科环境科技有限公司 一种耦合污染源排放和解析的大气污染管控方案生成方法
CN115902114A (zh) * 2022-12-07 2023-04-04 北京工业大学 基于半定量法的小尺度大气污染溯源方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120034984A (ko) * 2010-10-04 2012-04-13 한국과학기술연구원 인체 위해성 유발 환경 유해 화학 물질군인 다환 방향족 탄화수소류, 잔류성 유기 오염 물질류 및 휘발성 유기 화합물류를 판별할 수 있는 클래스헤즈켐 어레이
CN104950037A (zh) * 2015-06-15 2015-09-30 广州禾信分析仪器有限公司 一种针对挥发性有机物的在线污染源识别监测方法及系统
CN106841436A (zh) * 2017-01-18 2017-06-13 上海市环境监测中心 一种工业区大气VOCs自动监测预警溯源系统及其方法
US9719972B2 (en) * 2015-03-31 2017-08-01 International Business Machines Corporation System and method for air-pollutant source-localization using parked motor vehicles
CN108680473A (zh) * 2018-05-09 2018-10-19 南开大学 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法
CN108760913A (zh) * 2018-05-21 2018-11-06 天津市环境保护科学研究院 一种大气恶臭污染溯源系统及应用
CN108984960A (zh) * 2018-08-14 2018-12-11 山东益华通润环保科技有限公司 一种挥发性有机污染快速精确定位及采样布点方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107764765B (zh) * 2017-10-16 2021-02-12 江苏中美环境监测股份有限公司 用于大气污染的监测系统及用于大气污染的监测方法
CN109187287B (zh) * 2018-08-31 2021-08-10 南开大学 基于稳定元素粒径分布信息的大气颗粒物来源解析方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120034984A (ko) * 2010-10-04 2012-04-13 한국과학기술연구원 인체 위해성 유발 환경 유해 화학 물질군인 다환 방향족 탄화수소류, 잔류성 유기 오염 물질류 및 휘발성 유기 화합물류를 판별할 수 있는 클래스헤즈켐 어레이
US9719972B2 (en) * 2015-03-31 2017-08-01 International Business Machines Corporation System and method for air-pollutant source-localization using parked motor vehicles
CN104950037A (zh) * 2015-06-15 2015-09-30 广州禾信分析仪器有限公司 一种针对挥发性有机物的在线污染源识别监测方法及系统
CN106841436A (zh) * 2017-01-18 2017-06-13 上海市环境监测中心 一种工业区大气VOCs自动监测预警溯源系统及其方法
CN108680473A (zh) * 2018-05-09 2018-10-19 南开大学 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法
CN108760913A (zh) * 2018-05-21 2018-11-06 天津市环境保护科学研究院 一种大气恶臭污染溯源系统及应用
CN108984960A (zh) * 2018-08-14 2018-12-11 山东益华通润环保科技有限公司 一种挥发性有机污染快速精确定位及采样布点方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GAO SHUANG ,GAO SONG ,GAO ZONG-JIANG ,CUI HU-XIONG ,XIU GUANG-LI: "Development of Source Profiles and Source Tracing of Volatile Organic Compounds in Petrochemical Industry Park", CHEMICAL WORLD, 25 December 2016 (2016-12-25), pages 798 - 805, XP055794277, ISSN: 0367-6358, DOI: 10.19500/j.cnki.0367-6358.2016.12.011 *

Cited By (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533445A (zh) * 2021-06-17 2021-10-22 北京工业大学 一种考虑参数不确定性的二维水污染溯源方法
CN113360850A (zh) * 2021-06-17 2021-09-07 东莞市环境监测中心站 一种大气污染物线源溯源分析方法
CN113533445B (zh) * 2021-06-17 2024-04-12 北京工业大学 一种考虑参数不确定性的二维水污染溯源方法
CN113360850B (zh) * 2021-06-17 2023-01-24 东莞市环境监测中心站 一种大气污染物线源溯源分析方法
CN113420102B (zh) * 2021-06-25 2022-08-23 山东诺方电子科技有限公司 一种利用积尘与扬尘精准定位污染源的方法
CN113420102A (zh) * 2021-06-25 2021-09-21 山东诺方电子科技有限公司 一种利用积尘与扬尘精准定位污染源的方法
CN113552289A (zh) * 2021-07-14 2021-10-26 清华苏州环境创新研究院 一种基于高斯模式的大气污染溯源方法
CN113552289B (zh) * 2021-07-14 2024-01-23 清华苏州环境创新研究院 一种基于高斯模式的大气污染溯源方法
CN113569403B (zh) * 2021-07-23 2023-08-29 南开大学 一种基于大气扩散-辐射标准化的环境VOCs来源解析方法
CN113640410A (zh) * 2021-07-29 2021-11-12 河南省政院检测研究院有限公司 一种空气质量源的解析方法和系统
CN113624921A (zh) * 2021-08-04 2021-11-09 杭州谱育科技发展有限公司 多模式综合污染溯源方法
CN113624921B (zh) * 2021-08-04 2024-03-29 杭州谱育科技发展有限公司 多模式综合污染溯源方法
CN113777223B (zh) * 2021-08-12 2024-04-30 北京金水永利科技有限公司 一种大气污染物溯源方法及系统
CN113777223A (zh) * 2021-08-12 2021-12-10 北京金水永利科技有限公司 一种大气污染物溯源方法及系统
CN113655111A (zh) * 2021-08-17 2021-11-16 北京雪迪龙科技股份有限公司 基于走航监测的大气挥发性有机物溯源方法
CN113984968A (zh) * 2021-10-26 2022-01-28 上海建科环境技术有限公司 一种工业园区大气VOCs溯源方法
CN114461737A (zh) * 2021-12-20 2022-05-10 北京市科学技术研究院城市安全与环境科学研究所 基于印痕模型的监测溯源方法和系统
CN114252463A (zh) * 2021-12-20 2022-03-29 北京大学深圳研究生院 一种城市大气颗粒物来源解析方法
CN114461737B (zh) * 2021-12-20 2022-10-14 北京市科学技术研究院城市安全与环境科学研究所 基于印痕模型的监测溯源方法和系统
CN114518436A (zh) * 2022-02-28 2022-05-20 南开大学 一种基于初始浓度和实测源谱限制的VOCs来源解析方法
CN114518436B (zh) * 2022-02-28 2024-03-08 南开大学 一种基于初始浓度和实测源谱限制的VOCs来源解析方法
CN114662975A (zh) * 2022-04-11 2022-06-24 北京中科三清环境技术有限公司 确定污染物来源的方法、装置、电子设备和存储介质
CN115060850A (zh) * 2022-06-14 2022-09-16 浙江大学 空地双场耦合的大气污染源追踪和通量测量装置及方法
CN116264105A (zh) * 2022-06-16 2023-06-16 中国科学院大气物理研究所 一种适用于同位素化学分馏与大气化学传输模式耦合的算法
CN116264105B (zh) * 2022-06-16 2023-10-03 中国科学院大气物理研究所 一种适用于同位素化学分馏与大气化学传输模式耦合的算法
CN115238244B (zh) * 2022-08-09 2023-04-07 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种pm2.5污染成因快速量化解析方法
CN115238244A (zh) * 2022-08-09 2022-10-25 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种pm2.5污染成因快速量化解析方法
CN115309845A (zh) * 2022-08-23 2022-11-08 北京万维盈创科技发展有限公司 基于水系编译器与机器学习处理的水污染溯源方法及系统
CN115684419A (zh) * 2022-11-03 2023-02-03 上海市环境科学研究院 大气中近全组分有机物的测量及总量构建方法、装置、系统、终端以及存储介质
CN116399764A (zh) * 2023-03-23 2023-07-07 暨南大学 一种污染源颗粒物消光截面效率的反演方法、系统及设备
CN116151869A (zh) * 2023-04-19 2023-05-23 国网安徽省电力有限公司经济技术研究院 一种输变电差异化运维成本分析系统
CN116151869B (zh) * 2023-04-19 2023-06-27 国网安徽省电力有限公司经济技术研究院 一种输变电差异化运维成本分析系统
CN116628598A (zh) * 2023-05-15 2023-08-22 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种基于大数据和nmf模型的二噁英来源解析方法及系统
CN116628598B (zh) * 2023-05-15 2024-03-12 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种基于大数据和nmf模型的二噁英来源解析方法及系统
CN116718733B (zh) * 2023-06-28 2024-05-31 中国海洋大学 一种挥发性有机物浓度计算方法、系统、电子设备及介质
CN116718733A (zh) * 2023-06-28 2023-09-08 中国海洋大学 一种挥发性有机物浓度计算方法、系统、电子设备及介质
CN116859001A (zh) * 2023-07-18 2023-10-10 安徽碧水环业生态科技有限公司 一种碳排放在线监测平台及分析方法
CN116859001B (zh) * 2023-07-18 2024-03-19 安徽碧水环业生态科技有限公司 一种碳排放在线监测平台及分析方法
CN117252077B (zh) * 2023-10-11 2024-04-30 德州市疾病预防控制中心 一种基于扩散路径信息的大气全氟化合物溯源方法及系统
CN117252077A (zh) * 2023-10-11 2023-12-19 德州市疾病预防控制中心 一种基于扩散路径信息的大气全氟化合物溯源方法及系统
CN117524345A (zh) * 2023-11-17 2024-02-06 山东省济南生态环境监测中心 一种基于受体模式的城市VOCs源解析方法
CN117408520B (zh) * 2023-12-11 2024-03-29 深圳卓音智能科技有限公司 一种数据服务智能识别方法及系统
CN117408520A (zh) * 2023-12-11 2024-01-16 深圳卓音智能科技有限公司 一种数据服务智能识别方法及系统
CN117522653B (zh) * 2024-01-05 2024-03-26 同济大学 基于三维荧光和市政管网bim模型的雨污混接溯源分析方法
CN117522653A (zh) * 2024-01-05 2024-02-06 同济大学 基于三维荧光和市政管网bim模型的雨污混接溯源分析方法
CN117805323A (zh) * 2024-02-28 2024-04-02 铜川科达化工设备有限公司 基于物联网的置于电捕焦油器前的样气监测采样分析系统
CN117805323B (zh) * 2024-02-28 2024-04-26 铜川科达化工设备有限公司 基于物联网的置于电捕焦油器前的样气监测采样分析系统
CN117871790A (zh) * 2024-03-11 2024-04-12 四川国蓝中天环境科技集团有限公司 基于多种数据融合的路边监测站数据分析和交通溯源方法
CN117871790B (zh) * 2024-03-11 2024-05-17 四川国蓝中天环境科技集团有限公司 基于多种数据融合的路边监测站数据分析和交通溯源方法

Also Published As

Publication number Publication date
CN114424058A (zh) 2022-04-29
CN114424058B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
WO2021056160A1 (zh) 一种VOCs污染的溯源方法
CN108918815B (zh) 一种土壤重金属风险预测方法
Monteil et al. The regional European atmospheric transport inversion comparison, EUROCOM: first results on European-wide terrestrial carbon fluxes for the period 2006–2015
Cuccia et al. Size-resolved comprehensive characterization of airborne particulate matter
Pastorello et al. Observational data patterns for time series data quality assessment
Duran et al. Ionic exchange membranes (IEMs): a good indicator of soil inorganic N production
Anil et al. Unravelling the influence of subjectivity on ranking of CMIP6 based climate models: A case study
Cuccia et al. An alternative way to determine the size distribution of airborne particulate matter
CN113155939A (zh) 一种挥发性有机物在线来源解析方法、系统、设备及介质
CN112560270B (zh) 一种化学危害同化系统
CN112948761A (zh) 河流氮污染物定量源解析系统
CN108052486A (zh) 一种基于颗粒物无机组分和有机标识物的精细化源解析方法
CN105510427A (zh) 一种用于多种元素同位素双稀释剂技术的数值处理方法
CN115712981A (zh) 基于受体和化学传输模型解析细颗粒物来源的方法及系统
CN116611547A (zh) 大气污染物来源预报方法、装置、设备及存储介质
CN106126879B (zh) 一种基于稀疏表示技术的土壤近红外光谱分析预测方法
Guillaume Blanchet et al. A new cost‐effective approach to survey ecological communities
Bolshakov Regression-based Daugava river flood forecasting and monitoring
Bedoui et al. A prediction distribution of atmospheric pollutants using support vector machines, discriminant analysis and mapping tools (Case study: Tunisia)
Fischer Quantifying the uncertainty of variance partitioning estimates of ecological datasets
CN109557080A (zh) 一种基于机器学习的光谱数据回归方法
Middleton et al. Comparison of RADM and OSCAR precipitation chemistry data
CN113254498B (zh) 基于观测数据的改进活性VOCs源强计算方法及系统
Wolf et al. Marine and urban influences on summertime PM2. 5 aerosol in the Po basin using mobile measurements
CN114611280A (zh) 基于obm和ebm多模式的臭氧综合源解析方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19946463

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19946463

Country of ref document: EP

Kind code of ref document: A1