CN106228007B - 突发事件污染源追溯方法 - Google Patents
突发事件污染源追溯方法 Download PDFInfo
- Publication number
- CN106228007B CN106228007B CN201610573745.6A CN201610573745A CN106228007B CN 106228007 B CN106228007 B CN 106228007B CN 201610573745 A CN201610573745 A CN 201610573745A CN 106228007 B CN106228007 B CN 106228007B
- Authority
- CN
- China
- Prior art keywords
- pollution
- source
- scene
- pollution sources
- accident
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种突发事件污染源追踪溯源方法,其特征在于,包括以下步骤:步骤1.源‑质响应情景数据库构建:建立流域一定范围内的固定和移动的污染源数据库和工程所在流域的水文情景数据库;模拟每个污染源在不同水文情景、在不同的排放量下,其污染物对工程水域造成的污染状况,建立工程区域内的源‑质响应情景数据库;步骤2.溯源分析计算:根据污染物特征信息和水文情势信息,在源‑质响应情景数据库中进行污染源排查与筛选,找出满足筛选目标的可能污染源,构建目标库;对目标库进行污染过程拟合度分析,按拟合度大小排序,确定最有可能造成突发污染事故的风险源;通过验证进一步确认。本方法能够快速的确定污染源位置及其排放源强。
Description
技术领域
本发明属于环境科学、环境工程和环境管理领域;具体涉及一种基于源-质响应情景数据库的突发事件污染源追踪溯源工程化应用方法。
技术背景
流域突发水污染事件是造成水环境污染、影响水体正常功能,损害正常生产生活的严重的水环境事件。在水库、湖泊、江河等水体中,水污染事件的发现位置通常不是水污染源头,开展水污染问题的源头追踪是从源头上斩断污染物来源进行突发污染事件应急处置的重要内容。近年来国外学者纷纷开展了水污染事件追踪溯源的研究,并取得了一些成果。
水体污染溯源的研究的方法,大体上可以分为生物学方法、遥感方法和数值模拟方法。其中,生物学方法包括有微生物源示踪技术即微生物溯源技术,通过判断污染样品与可能的污染源中指示微生物之间的亲缘关系来确定污染来源的方法。该技术不仅可以正确识别污染源,同时又能评价单一污染源的污染贡献率,最终为水体微生物污染的风险评估提供依据。遥感方法主要通过从污染水体的波谱特性测量入手,采用陆地卫星资料、彩红外航空相片、气象卫星等数据,研究主要污染物的污染程度与波谱特性间的定性、定量关系,从而实现对污染的全过程监控。生物方法在确定造成突发污染的污染物种类上过于片面,不能完全满足非微生物性水体突发污染的溯源需要;而遥感方法则依赖于高分辨率和高频率的遥感影像,不仅造价高,且需要准确的遥感解译方法为工具,但目前的遥感解译手段和工具还不能满足快速评估的需求,不适应于工程水体中突发污染事故的实际应用需要;数值模拟方法较好的克服了生物学方法在物质上的片面性和遥感方法的昂贵性,通过构建包括数学模型的方式,根据实测的水环境观测数据(如污染物浓度等)来反演污染源的强度、位置等信息。这系列的方法,从20世纪80年代以来,已经发展了许多应用于水体污染源位置和排放历史追踪溯源的方法。例如Tikhonov正则化方法、谱分析方法、改进的遗传算法、最小相对熵方法、地学统计方法,或改进蒙特卡洛模拟方法和动量守恒方法等方法。然而,目前为止,数学物理反问题的数值计算方法相比于正向计算,仍不成熟,且在进行反演计算时,计算的精度问题和计算条件仍然是制约其应用于实际工程中的重要问题。
发明内容
本发明是为了解决上述问题而进行的,目的在于针对水体中突发水污染事件处置对溯源管理的需要,提供一种基于源-质响应情景数据库,并且能够能快速的确定可能造成目标位置污染物浓度变化特征的污染源位置及其排放源强的突发事件污染源追踪溯源工程化应用方法。
本发明为了实现上述目的,采用了以下方案:
本发明提供一种突发事件污染源追踪溯源方法,其特征在于,包括以下步骤:
步骤1.源-质响应情景数据库构建
建立流域一定范围内的固定和移动的污染源数据库和工程所在流域的水文情景数据库;利用二维水动力水质模型,模拟每个污染源在不同水文情景、在不同的排放量下,其污染物对工程水域造成的污染状况,建立工程区域内的源-质响应情景数据库;
步骤2.溯源分析计算
基于获取的污染事故发现区域的污染特征信息与当前水文情势信息,根据污染物特征信息和水文情势信息,在源-质响应情景数据库中进行污染源排查与筛选,找出满足筛选目标的可能污染源,构建目标库;对目标库进行污染过程拟合度分析,按拟合度大小从大到小进行排序,排序最靠前的为最有可能造成突发污染事故的风险源;通过验证进一步确认风险源的位置、突发事故发生时间和排放强度。
进一步地,本发明提供的突发事件污染源追踪溯源方法中,步骤1.源-质响应情景数据库构建可以包括以下子步骤:
步骤1-1.建立区域范围内的固定和移动的污染源数据库
污染源数据库至少包括:流域内所有固定污染源的编号、污染源坐标、名称、负责单位、责任人、联系方式、其排污口的编号、监控视频信息、坐标以及可能造成污染的污染物名称、化学式、原料来源、存储量、存储场所、存储方式;和移动污染源的名称、编号、负责人、常使用的燃料名称、化学式、以及获准运输的物质名称、化学式、总量;在污染源数据库中,污染源编号为信息检索关键字;
步骤1-2.构建工程水体流域内的水文情景数据库
构建的水文情景数据库矩阵H如下:
其中,tk为第k个时间,为第n条支流在tk时段内的入汇流量,为工程水域的水位,每个情景在水文情景数据库矩阵H中具有唯一的水文情景编号,该水文情景编号为检索关键字,对应有唯一的入汇流量与水位组合;
步骤1-3.构建工程水域的水动力水质模型库
采用二维水动力水质模型构建水域的模型库,二维水动力水质模型的基本方程包括连续方程、动量方程和污染物迁移扩散方程,分别如下:
连续方程:
动量方程:
污染物迁移扩散方程:
式中:h为微小水体的水深,u为x方向的流速,v为y方向的流速,t为时间,g为重力加速度,ρ为水体密度,c为谢才系数,f为柯氏力常数, 为纬度,Ω为地转角速度,约为2π/(24×3600)弧度每秒,ξx、ξy为分别为x、y方向上的涡动粘滞系数,τx、τy为分别为x、y方向上的风切应力,其表达形式为:
Ca为风阻力系数,ρa为空气密度,Wx,Wy为分别为x、y方向上的风速,Ex为x方向的分子扩散系数、紊动扩散系数和离散系数之和,Ey为y方向的分子扩散系数、紊动扩散系数和离散系数之和;
步骤1-4.水动力情景模拟
根据水文情景中工程水域的入汇状况和自身水位状况,应用水动力模型模拟每一个情景下的水域一定天数d内,时间间隔为b小时的水动力状态集合D[T,A],其中T为时刻T∈[0,7*d*b]组成的时间序列,A为水域内每个二维网格在对应的t时刻的流量、流速和水位;
步骤1-5.污染源突发事故情景设置
对污染源数据库中的所有污染源进行突发事件情景设置,根据污染源中所存储的所有潜在风险化学品的量进行突发事件源强设计,事故中污染物的排放分别为污染源所储存的污染物的10%~100%,按a%增加(a为整数,a∈[1,100],共100/a级;构建每个污染源的突发事故情景矩阵S[P,L],其中Sn为第n个污染源,Pk为每个污染源中的污染物(1~k),M为突发事件的100/a个等级、M中m为每个等级突发事故中排放的污染物量,则污染源突发事件矩阵S可表达为:
对于固定污染源,S只有一个排放位置;对于移动污染源,根据其运移路径,从其进入研究范围开始,每隔10~1000米设定一个排放位置,作为一个单独的污染源Si;
步骤1-6.源-质响应情景模拟和数据库构建
根据水文情景数据矩阵H和污染源突发事件矩阵S,模拟不同的水文情景中,每个污染源的每种污染物在不同的事故等级下所发生的污染事故在一定天数d内,时间间隔为b小时,水体内每个网格的各污染物浓度,从而形成对应的源-质响应情景数据库H_S,在源-质响应情景数据库H_S中,一级关键字是污染源编号,二级关键字是污染源中污染物名称,三级关键字为水文情景编号,对应为该水文情景下,每种化学品的不同级别突发事件所产生污染状况。
进一步地,本发明提供的突发事件污染源追踪溯源方法中,步骤2.溯源分析计算可以包括以下子步骤:
步骤2-1.突发事件信息获取
在突发事件在工程水域内造成水质变化后,管理中心迅速获取水质异常位置的坐标cor(x,y),当前水质异常的污染物名称ps、时刻ts的污染物浓度cs;
步骤2-2.当前时间水文情景查询
利用时间查找水文情景数据库中与该时间最近的时间下的水文情景,获得编号Hid,根据匹配度,将获得的情景编号进行排序;
式中,fm为匹配度,λ1~λn为权重因子,qi1~qin为编号为i的水文情景对应的第1条至第n条入汇径流的流量,zi为编号为i的水文情景对应水域水位,q1~qn为当前获知的实测的入汇径流的入汇流量,z为当前实测的水位;
步骤2-3.污染源排查与筛选
根据污染物名称pS查找污染源数据库,获取污染源数据库中包含有物质ps的污染源编号Sid,形成排查出的备选污染源矩阵R,若R不为空,则转入步骤2-4;若R为空,说明污染源来源并不是当前数据库中已有的污染源,需要做进一步排查;
步骤2-4.源-质响应情景筛选
根据获取的污染源矩阵R中的污染源Sid和水文情景Hid,匹配H_S数据库,获得该数据库中污染源Sid在Hid情景下,不同等级的突发事故在水质异常位置cor(x,y)内所造成的污染物浓度随时间的变化过程,排除不能对水质异常位置cor(x,y)内造成污染或污染浓度低于所获得的监测数据中最低浓度的情景,最终得到备选的情景库H_Sd,包括污染源编号以及在cor位置在不同的模拟时刻t的污染物浓度cs;
步骤2-5.污染过程拟合度分析
将H_Sd中的备选情景库得到的污染物在cor位置的不同的模拟时刻t的污染物浓度cs与实测的污染物的在时刻t的浓度cm,进行拟合度分析,利用相关系数R2判断实测值和情景值的相关性:
式中,Cm,t为t时刻的监测浓度,Cs,t为t时刻的情景值浓度,Csim_avg为所有时刻中的情景值平均值,Cmea_avg为所有时刻中的情景值监测值平均值,
根据得到的R2的大小进行H_Sd中的备选情景排序,R2越大,排序越靠前,最终得到R2最大的为最可能发生突发事件的情景;
步骤2-6.突发污染过程验证
将得到的H_Sd中的污染源进行排查验证,通过H_Sd中登记的联系方式方法,进行实地或电话验证,从而最终确定发生突发事件的污染源位置及其排放源强过程。
进一步地,本发明提供的突发事件污染源追踪溯源方法,步骤2.溯源分析计算包括以下子步骤:
步骤2-1.突发事件信息获取
在突发事件在工程水域内造成水质变化后,管理中心迅速获取水质异常位置的坐标cor(x,y),当前水质异常的污染物名称ps、时刻ts的污染物浓度cs以及水域的各支流入汇流量和水位信息;
步骤2-2.当前时间水文情景查询
利用入汇流量和水位信息查找水文情景数据库,按照下式进行水文信息匹配度分析,查找获得匹配度最高的情景为当前情景,获得其情景编号Hid,根据匹配度,将获得的情景编号进行排序;
式中,fm为匹配度,λ1~λn为权重因子,qi1~qin为编号为i的水文情景对应的第1条至第n条入汇径流的流量,zi为编号为i的水文情景对应水域水位,q1~qn为当前获知的实测的入汇径流的入汇流量,z为当前实测的水位;
步骤2-3.污染源排查与筛选
根据污染物名称pS查找污染源数据库,获取污染源数据库中包含有物质ps的污染源编号Sid,形成排查出的备选污染源矩阵R,若R不为空,则转入步骤2-4;若R为空,说明污染源来源并不是当前数据库中已有的污染源,需要做进一步排查;
步骤2-4.源-质响应情景筛选
根据获取的污染源矩阵R中的污染源Sid和水文情景Hid,匹配H_S数据库,获得该数据库中污染源Sid在Hid情景下,不同等级的突发事故在水质异常位置cor(x,y)内所造成的污染物浓度随时间的变化过程,排除不能对水质异常位置cor(x,y)内造成污染或污染浓度低于所获得的监测数据中最低浓度的情景,最终得到备选的情景库H_Sd,包括污染源编号以及在cor位置在不同的模拟时刻t的污染物浓度cs;
步骤2-5.污染过程拟合度分析
将H_Sd中的备选情景库得到的污染物在cor位置的不同的模拟时刻t的污染物浓度cs与实测的污染物的在时刻t的浓度cm,进行拟合度分析,利用相关系数R2判断实测值和情景值的相关性:
式中,Cm,t为t时刻的监测浓度,Cs,t为t时刻的情景值浓度,Csim_avg为所有时刻中的情景值平均值,Cmea_avg为所有时刻中的情景值监测值平均值,
根据得到的R2的大小进行H_Sd中的备选情景排序,R2越大,排序越靠前,最终得到R2最大的为最可能发生突发事件的情景;
步骤2-6.突发污染过程验证
将得到的H_Sd中的污染源进行排查验证,通过H_Sd中登记的联系方式方法,进行实地或电话验证,从而最终确定发生突发事件的污染源位置及其排放源强过程。
进一步地,本发明提供的突发事件污染源追踪溯源方法,还可以具有以下特征:固定污染源是工程水域流域范围内污废水排放能直接排入水体内或经过其余支流间接汇入受纳水域的位置相对固定的污染源;移动污染源是位置不固定,发生突发事件时,污染物能直接或间接排入受纳水体的污染源。
进一步地,本发明提供的突发事件污染源追踪溯源方法,还可以具有以下特征:固定污染源至少包括:化工企业排污口、污水处理站排污口、市政管网排污口;移动污染源至少包括;船舶、沿岸道路的运输车辆。
发明的作用与效果
本发明的突发事件污染源追踪溯源方法是以成熟的水文水动力正向计算为基本数模工具,通过海量源-质响应情景数据库的构建,在数据库检索数据挖掘的基础上,进行突发污染事故的追踪溯源,能在发现污染物浓度异常后,根据当前水文情景和实测污染物浓度变化等数据,进行造成突发污染的源头追溯,从而快速的得到溯源结果,即、确定污染源位置和污染源排放强度等,以指导突发水污染的应急处置,服务于实际的水环境管理,对进行突发污染事件的处置具有重要的意义。
另外,相比于反演计算,本发明所采用的正向计算理论在水动力模型、水质模型以及水环境污染事件的模拟预测中进行应用其精度和计算条件都更为可靠。并且,由于河流、水库等水体的水文情景具有一定的可再现性,在不发生极端气候的条件下,其相邻年份的同一日期内,水体内,流速、流量以及水位的变化情况相对较为稳定,而污染物在具有相同水文情景的水体中,扩散的规律能保持很好的一致性。因此,本发明通过构建水体内高密度的水文情景库,在突发事件发生前,预先进行水体内不同污染源不同排放强度下的污染物迁移变化过程模拟,建立水文水质数据库,在发生突发事件时,根据实测的污染物浓度异常位置的浓度,对数据库进行高效搜索,能快速的确定可能造成目标位置污染物浓度变化特征的污染源位置及其排放源强。
附图说明
图1为本发明实施例的突发事件污染源追踪溯源方法的流程图;
图2为本发明实施例的源-质响应情景数据库的构建过程的示意图;
图3为本发明实施例中溯源分析计算过程的示意图。
具体实施方式
以下结合附图对本发明涉及的突发事件污染源追踪溯源方法的具体实施方案进行详细地说明。
实施例
本实施例的整体技术流程为:
发生突发水污染事故后,根据目标位置的实测污染物浓度变化过程,进行造成目标位置污染物浓度变化特征的污染物源头的位置、污染源排放源强的确定。该方法适应于工程化后,水体水文形势变化年际差别小的水体。如图1中所示,该方法主要包括在突发水污染事件追踪溯源前,构建海量的情景库,包括构建水文情景库;构建污染源数据库;基于水动力水质模型构建源-质响应情景数据库;在突发水污染事件追踪溯源时,根据突发事件目标位置的污染过程状况进行溯源分析,包括数据挖掘、污染源筛选以及优选分析,最终确定突发事件的源头发生位置、发生时间以及排放强度;根据确定的源头发生位置、发生时间以及排放强度进行现场或电话验证,验证溯源的可靠性。另外,在图1中敏感点就是指发现突发事故位置的点。
具体地,本实施例的突发事件污染源追踪溯源方法包括以下步骤:
步骤1.源-质响应情景数据库构建
建立流域一定范围内的固定和移动的污染源数据库和工程所在流域的水文情景数据库;利用二维水动力水质模型,模拟每个污染源在不同水文情景、在不同的排放量下,其污染物对工程水域造成的污染状况,建立工程区域内的源-质响应情景数据库。
在本实施例中,构建源-质响应情景数据库的过程包括:通过调查的手段,建立区域范围内的固定和移动的污染源数据库和工程水体流域内的水文情景数据库,以及采用模拟计算的手段。该步骤1具体包括以下子步骤:
步骤1-1.建立区域范围内的固定和移动的污染源数据库。
工程水域内突发事件的源头既包括固定污染源也包括移动污染源,固定污染源是工程水域流域范围内其污废水排放能直接排入水体内或经过其余支流间接汇入受纳水域的位置相对固定的污染源,如化工企业排污口、污水处理站排污口、市政管网排污口等;移动污染源是位置不固定,发生突发事件时,其污染物能直接或间接排入受纳水体的污染源,如船舶、沿岸道路的运输车辆等。污染源数据库包括流域内所有固定污染源的编号、污染源坐标、名称、负责单位、责任人、联系方式、其排污口的编号、监控视频信息、坐标以及可能造成污染的污染物名称、化学式、原料来源、存储量、存储场所、存储方式等信息;移动污染源的名称、编号、负责人、常使用的燃料名称、化学式、以及获准运输的物质名称、化学式、总量等信息;污染源数据库中,污染源编号为信息检索关键字。
步骤1-2.构建工程水体流域内的水文情景数据库
构建的水文情景数据库矩阵H如下:
其中,tk为第k个时间,为第n条支流在tk时段内的入汇流量,为工程水域的水位,每个情景在水文情景数据库矩阵H中具有唯一的水文情景编号,该水文情景编号为检索关键字,对应有唯一的入汇流量与水位组合。
步骤1-3.构建工程水域的水动力水质模型库
采用二维水动力水质模型构建水域的模型库,二维水动力水质模型的基本方程包括连续方程、动量方程和污染物迁移扩散方程,分别如下:
连续方程:
动量方程:
污染物迁移扩散方程:
式中:h为微小水体的水深,u为x方向的流速,v为y方向的流速,t为时间,g为重力加速度,ρ为水体密度,c为谢才系数,f为柯氏力常数, 为纬度,Ω为地转角速度,约为2π/(24×3600)弧度每秒,ξx、ξy为分别为x、y方向上的涡动粘滞系数,τx、τy为分别为x、y方向上的风切应力,其表达形式为:Ca为风阻力系数,ρa为空气密度,Wx,Wy为分别为x、y方向上的风速,Ex为x方向的分子扩散系数、紊动扩散系数和离散系数之和,Ey为y方向的分子扩散系数、紊动扩散系数和离散系数之和。
步骤1-4.水动力情景模拟
根据水文情景中工程水域的入汇状况和自身水位状况,应用水动力模型模拟每一个情景下的水域一周内的水动力状态集合D[T,A],其中T为时刻t∈[0,7*24]组成的时间序列,时间间隔为一小时,A为水域内每个二维网格在对应的t时刻的流量、流速和水位。
步骤1-5.污染源突发事故情景设置
对污染源数据库中的所有污染源进行突发事件情景设置,根据污染源中所存储的所有潜在风险化学品的量进行突发事件源强设计,事故中污染物的排放分别为污染源所储存的污染物的10%~100%,按5%增加,共20级;构建每个污染源的突发事故情景矩阵S[P,L],其中Sn为第n个污染源,Pk为每个污染源中的污染物(1~k),M为突发事件的20个等级、M中m为每个等级突发事故中排放的污染物量,则污染源突发事件矩阵S可表达为:
对于固定污染源,S只有一个排放位置;对于移动污染源,根据其运移路径,从其进入研究范围开始,每隔10~1000米设定一个排放位置,作为一个单独的污染源Si,在本实施例中,是每隔500米设定一个排放位置。
步骤1-6.源-质响应情景模拟和数据库构建
如图2所示,源-质响应情景数据库的构建过程为:根据水文情景数据矩阵H和污染源突发事件矩阵S,模拟不同的水文情景中,每个污染源的每种污染物在不同的事故等级下所发生的污染事故在一周内,每个小时中,水体内每个网格的各污染物浓度,如图中坐标所示,即为每个网格的污染物浓度c随时间t的变化过程,从而形成对应的源-质响应情景数据库H_S,在源-质响应情景数据库H_S中,一级关键字是污染源编号,二级关键字是污染源中污染物名称,三级关键字为水文情景编号,对应为该水文情景下,每种化学品的不同级别突发事件所产生污染状况。
该源-质响应情景数据库在水文情景数据库和污染源数据库的基础上,通过建立工程水域的水动力水质模型库,基于水动力水质模型进行每个水文情景下的水文模拟,进而进行每个固定污染源不同排放强度下的污染物迁移变化过程模拟和每个移动污染源不同位置下不同排放强度下的污染物迁移变化过程模拟,最终将所有的模拟结果构建为源-质响应情景数据库。
步骤2.溯源分析计算
溯源分析计算包括基于获取的污染事故发现区域(非源位置)的污染特征信息与当前水文情势信息,根据污染物特征信息和水文情势信息,在源-质响应情景数据库中进行污染源排查与筛选,找出满足筛选目标的可能污染源,构建目标库;对目标库进行污染过程拟合度分析,按拟合度大小从大到小进行排序,排序最靠前的为最有可能造成突发污染事故的风险源;通过验证进一步确认风险源的位置、突发事故发生时间和排放强度。
在本实施例中,溯源分析计算是在构建的源-质响应情景数据库的基础上,通过获得突发污染目标位置的污染物浓度变化过程,在匹配当前水文情景和突发污染物的前提下,查询能产生当前突发污染物的污染源在当前水文情景下,不同的排放源强下所造成的该目标位置的所有可能的污染物随时间的变化曲线,匹配所有变化曲线与实测曲线之间的相关关系,最终确定相关性更大且被验证的突发事件位置及其源强为溯源分析结果。该步骤2具体包括以下子步骤:
步骤2-1.突发事件信息获取
在突发事件在工程水域内造成水质变化后,管理中心迅速获取水质异常位置的坐标cor(x,y),当前水质异常的污染物名称ps、时刻ts的污染物浓度cs以及水域的各支流入汇流量和水位信息(若各支流入汇流量和水位信息无法快速获取,可无)。
步骤2-2.当前时间水文情景查询
若已获知当前时间的入汇流量和水位信息,则利用入汇流量和水位信息查找水文情景数据库,按照下述式7进行水文信息匹配度分析,查找获得匹配度最高的情景为当前情景,获得其情景编号Hid;若未获知当前的入汇流量和水位信息,则利用时间(月-日)查找水文情景数据库中与该时间最近的时间下的水文情景,获得编号Hid。根据匹配度,将获得的情景编号进行排序。
式中,fm为匹配度,λ1~λn为权重因子,qi1~qin为编号为i的水文情景对应的第1条至第n条入汇径流的流量,zi为编号为i的水文情景对应水域水位,q1~qn为当前获知的实测的入汇径流的入汇流量,z为当前实测的水位。
步骤2-3.污染源排查与筛选
根据污染物名称pS查找污染源数据库,获取污染源数据库中包含有物质ps的污染源编号Sid,形成排查出的备选污染源矩阵R,即图1中所示的集合R,若R不为空,则转入步骤2-4;若R为空,则转入步骤2-7。
步骤2-4.源-质响应情景筛选
根据获取的污染源矩阵R中的污染源Sid和水文情景Hid,匹配H_S数据库,获得该数据库中污染源Sid在Hid情景下,不同等级的突发事故在水质异常位置cor(x,y)内所造成的污染物浓度随时间的变化过程,排除不能对水质异常位置cor(x,y)内造成污染或污染浓度低于所获得的监测数据中最低浓度的情景,最终得到备选的情景库H_Sd,包括污染源编号以及在cor位置在不同的模拟时刻t的污染物浓度cs。
步骤2-5.污染过程拟合度分析
将H_Sd中的备选情景库得到的污染物在cor位置的不同的模拟时刻t的污染物浓度cs与实测的污染物的在时刻t的浓度cm,进行拟合度分析,利用相关系数(R2)判断实测值和情景值的相关性:
式中,Cm,t为t时刻的监测浓度,Cs,t为t时刻的情景值浓度,Csim_avg为所有时刻中的情景值平均值,Cmea_avg为所有时刻中的情景值监测值平均值,
根据式8得到的R2的大小进行H_Sd中的备选情景排序,R2越大,排序越靠前,最终得到R2最大的为最可能发生突发事件的情景。
步骤2-6.突发污染过程验证
将得到的H_Sd中的污染源进行排查验证,通过H_Sd中登记的联系方式等方法,进行实地或电话验证,从而最终确定发生突发事件的污染源位置及其排放源强过程。附图3中,基于当前的水位、流量和实测污染物浓度的变化,从H_S库中,找到能造成目标位置污染物浓度变化过程的可能位置为S1和S2,其中S1在源强为P1和P2的情况下,R2达到0.5以上;S2在P1的源强下,R2为0.45。确定这两组为备选情景库。通过向S1和S2的管理部门、S1和S2的管理人员进行电话询问,确认S1位置发生了污染物泄漏,泄漏的污染物过程符合P2的排放过程,从而验证确认情景S1,P2为实际情况,进而确认污染事故发生位置。
步骤2-7.无匹配进一步排查
R为空,说明污染源来源并不是当前数据库中已有的污染源,需要做进一步排查。
实施例的作用与效果:
针对水利工程中对突发污染事件中污染源的快速准确排查的应用需求,本实施例公开了一种基于源-质响应情景数据库的突发事件污染源追踪溯源工程化应用方法,其步骤是首先构建基础数据库,包括(1)建立水利工程区域范围内的固定和移动的污染源数据库和工程所在流域的水文情景数据库;(2)构建工程水域的水动力水质模型;(3)基于水动力水质模型,模拟水文情景数据库下,每个水文情景内,污染源在不同的排放量下,其污染物对工程水域造成的污染状况,形成对应的源-质响应情景数据库;然而获取污染事故发现区域(非源位置)的污染特征信息与当前水文情势信息,根据污染物特征信息和水文情势信息,进行污染源排查与筛选;最后进行备选污染源的拟合度分析,完成最大可能污染源的定位。本实施例基于源-质响应情景数据库,能在突发事件时,根据较少的污染信息数据,快速匹配查找筛选数据库,定位污染源位置及污染源排放源强,适用于工程应用。
本实施例能够在水体突发污染事件发现后,根据当前水文情景和实测污染物浓度变化等数据,进行造成突发污染的源头追溯。并且,本实施例中的算法原理适应于工程水域的突发水污染事件追踪,以确定污染源位置、污染源排放强度,对进行突发污染事件的处置具有重要的意义。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的突发事件污染源追踪溯源方法并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。
在上述实施例的步骤1-4.水动力情景模拟中,应用水动力模型模拟时,模拟的情景是水域一周内的水动力状态,并且时间间隔为一小时。作为本发明的突发事件污染源追踪溯源方法,根据具体的情况,其模拟情景也可以是水域几天、几周乃至几个月等任意时间段内的水动力状态,并且时间间隔也可以为从几分钟到几小时等任意时间间隔。
另外,在上述实施例中,事故中污染物的排放分别为污染源所储存的污染物的10%~100%,按5%增加,共20级。在本发明中,根据实际情况的需要,事故中污染物的排放可以按任意比例增加,例如按a%增加(a为整数,a∈[1,100],共100/a级。
Claims (6)
1.一种突发事件污染源追踪溯源方法,其特征在于,包括以下步骤:
步骤1.源-质响应情景数据库构建
建立流域一定范围内的固定和移动的污染源数据库和工程所在流域的水文情景数据库;利用二维水动力水质模型,模拟每个污染源在不同水文情景、在不同的排放量下,其污染物对工程水域造成的污染状况,建立工程区域内的源-质响应情景数据库;
步骤2.溯源分析计算
基于获取的污染事故发现区域的污染特征信息与当前水文情势信息,根据污染物特征信息和水文情势信息,在源-质响应情景数据库中进行污染源排查与筛选,找出满足筛选目标的可能污染源,构建目标库;对目标库进行污染过程拟合度分析,按拟合度大小从大到小进行排序,排序最靠前的为最有可能造成突发污染事故的风险源;通过验证进一步确认风险源的位置、突发事故发生时间和排放强度。
2.根据权利要求1所述的突发事件污染源追踪溯源方法,其特征在于:
其中,步骤1.源-质响应情景数据库构建包括以下子步骤:
步骤1-1.建立区域范围内的固定和移动的污染源数据库
污染源数据库至少包括:流域内所有固定污染源的编号、污染源坐标、名称、负责单位、责任人、联系方式、其排污口的编号、监控视频信息、坐标以及可能造成污染的污染物名称、化学式、原料来源、存储量、存储场所、存储方式;和移动污染源的名称、编号、负责人、常使用的燃料名称、化学式、以及获准运输的物质名称、化学式、总量;在污染源数据库中,污染源编号为信息检索关键字;
步骤1-2.构建工程水体流域内的水文情景数据库
构建的水文情景数据库矩阵H如下:
其中,tk为第k个时间,为第n条支流在tk时段内的入汇流量,为工程水域的水位,每个情景在水文情景数据库矩阵H中具有唯一的水文情景编号,该水文情景编号为检索关键字,对应有唯一的入汇流量与水位组合;
步骤1-3.构建工程水域的水动力水质模型库
采用二维水动力水质模型构建水域的模型库,二维水动力水质模型的基本方程包括连续方程、动量方程和污染物迁移扩散方程,分别如下:
连续方程:
动量方程:
污染物迁移扩散方程:
式中:h为微小水体的水深,u为x方向的流速,v为y方向的流速,t为时间,g为重力加速度,ρ为水体密度,c为谢才系数,f为柯氏力常数, 为纬度,Ω为地转角速度,约为2π/(24×3600)弧度每秒,ξx、ξy为分别为x、y方向上的涡动粘滞系数,τx、τy为分别为x、y方向上的风切应力,其表达形式为:
Ca为风阻力系数,ρa为空气密度,Wx,Wy为分别为x、y方向上的风速,Ex为x方向的分子扩散系数、紊动扩散系数和离散系数之和,Ey为y方向的分子扩散系数、紊动扩散系数和离散系数之和;
步骤1-4.水动力情景模拟
根据水文情景中工程水域的入汇状况和自身水位状况,应用水动力模型模拟每一个情景下的水域一定天数d内,时间间隔为b小时的水动力状态集合D[T,A],其中T为时刻T∈[0,7*d*b]组成的时间序列,A为水域内每个二维网格在对应的t时刻的流量、流速和水位;
步骤1-5.污染源突发事故情景设置
对污染源数据库中的所有污染源进行突发事件情景设置,根据污染源中所存储的所有潜在风险化学品的量进行突发事件源强设计,事故中污染物的排放分别为污染源所储存的污染物的10%~100%,按a%增加(a为整数,a∈[1,100],共100/a级;构建每个污染源的突发事故情景矩阵S[P,L],其中Sn为第n个污染源,Pk为每个污染源中的污染物(1~k),M为突发事件的100/a个等级、M中m为每个等级突发事故中排放的污染物量,则污染源突发事件矩阵S可表达为:
对于固定污染源,S只有一个排放位置;对于移动污染源,根据其运移路径,从其进入研究范围开始,每隔10~1000米设定一个排放位置,作为一个单独的污染源Si;
步骤1-6.源-质响应情景模拟和数据库构建
根据水文情景数据矩阵H和污染源突发事件矩阵S,模拟不同的水文情景中,每个污染源的每种污染物在不同的事故等级下所发生的污染事故在一定天数d内,时间间隔为b小时,水体内每个网格的各污染物浓度,从而形成对应的源-质响应情景数据库H_S,在源-质响应情景数据库H_S中,一级关键字是污染源编号,二级关键字是污染源中污染物名称,三级关键字为水文情景编号,对应为该水文情景下,每种化学品的不同级别突发事件所产生污染状况。
3.根据权利要求1所述的突发事件污染源追踪溯源方法,其特征在于:
其中,步骤2.溯源分析计算包括以下子步骤:
步骤2-1.突发事件信息获取
在突发事件在工程水域内造成水质变化后,管理中心迅速获取水质异常位置的坐标cor(x,y),当前水质异常的污染物名称ps、时刻ts的污染物浓度cs;
步骤2-2.当前时间水文情景查询
利用时间查找水文情景数据库中与该时间最近的时间下的水文情景,获得编号Hid,根据匹配度,将获得的情景编号进行排序;
式中,fm为匹配度,λ1~λn为权重因子,qi1~qin为编号为i的水文情景对应的第1条至第n条入汇径流的流量,zi为编号为i的水文情景对应水域水位,q1~qn为当前获知的实测的入汇径流的入汇流量,z为当前实测的水位;
步骤2-3.污染源排查与筛选
根据污染物名称pS查找污染源数据库,获取污染源数据库中包含有物质ps的污染源编号Sid,形成排查出的备选污染源矩阵R,若R不为空,则转入步骤2-4;若R为空,说明污染源来源并不是当前数据库中已有的污染源,需要做进一步排查;
步骤2-4.源-质响应情景筛选
根据获取的污染源矩阵R中的污染源Sid和水文情景Hid,匹配H_S数据库,获得该数据库中污染源Sid在Hid情景下,不同等级的突发事故在水质异常位置cor(x,y)内所造成的污染物浓度随时间的变化过程,排除不能对水质异常位置cor(x,y)内造成污染或污染浓度低于所获得的监测数据中最低浓度的情景,最终得到备选的情景库H_Sd,包括污染源编号以及在cor位置在不同的模拟时刻t的污染物浓度cs;
步骤2-5.污染过程拟合度分析
将H_Sd中的备选情景库得到的污染物在cor位置的不同的模拟时刻t的污染物浓度cs与实测的污染物的在时刻t的浓度cm,进行拟合度分析,利用相关系数R2判断实测值和情景值的相关性:
式中,Cm,t为t时刻的监测浓度,Cs,t为t时刻的情景值浓度,Csim_avg为所有时刻中的情景值平均值,Cmea_avg为所有时刻中的情景值监测值平均值,
根据得到的R2的大小进行H_Sd中的备选情景排序,R2越大,排序越靠前,最终得到R2最大的为最可能发生突发事件的情景;
步骤2-6.突发污染过程验证
将得到的H_Sd中的污染源进行排查验证,通过H_Sd中登记的联系方式方法,进行实地或电话验证,从而最终确定发生突发事件的污染源位置及其排放源强过程。
4.根据权利要求1所述的突发事件污染源追踪溯源方法,其特征在于:
其中,步骤2.溯源分析计算包括以下子步骤:
步骤2-1.突发事件信息获取
在突发事件在工程水域内造成水质变化后,管理中心迅速获取水质异常位置的坐标cor(x,y),当前水质异常的污染物名称ps、时刻ts的污染物浓度cs以及水域的各支流入汇流量和水位信息;
步骤2-2.当前时间水文情景查询
利用入汇流量和水位信息查找水文情景数据库,按照下式进行水文信息匹配度分析,查找获得匹配度最高的情景为当前情景,获得其情景编号Hid,根据匹配度,将获得的情景编号进行排序;
式中,fm为匹配度,λ1~λn为权重因子,qi1~qin为编号为i的水文情景对应的第1条至第n条入汇径流的流量,zi为编号为i的水文情景对应水域水位,q1~qn为当前获知的实测的入汇径流的入汇流量,z为当前实测的水位;
步骤2-3.污染源排查与筛选
根据污染物名称pS查找污染源数据库,获取污染源数据库中包含有物质ps的污染源编号Sid,形成排查出的备选污染源矩阵R,若R不为空,则转入步骤2-4;若R为空,说明污染源来源并不是当前数据库中已有的污染源,需要做进一步排查;
步骤2-4.源-质响应情景筛选
根据获取的污染源矩阵R中的污染源Sid和水文情景Hid,匹配H_S数据库,获得该数据库中污染源Sid在Hid情景下,不同等级的突发事故在水质异常位置cor(x,y)内所造成的污染物浓度随时间的变化过程,排除不能对水质异常位置cor(x,y)内造成污染或污染浓度低于所获得的监测数据中最低浓度的情景,最终得到备选的情景库H_Sd,包括污染源编号以及在cor位置在不同的模拟时刻t的污染物浓度cs;
步骤2-5.污染过程拟合度分析
将H_Sd中的备选情景库得到的污染物在cor位置的不同的模拟时刻t的污染物浓度cs与实测的污染物的在时刻t的浓度cm,进行拟合度分析,利用相关系数R2判断实测值和情景值的相关性:
式中,Cm,t为t时刻的监测浓度,Cs,t为t时刻的情景值浓度,Csim_avg为所有时刻中的情景值平均值,Cmea_avg为所有时刻中的情景值监测值平均值,
根据得到的R2的大小进行H_Sd中的备选情景排序,R2越大,排序越靠前,最终得到R2最大的为最可能发生突发事件的情景;
步骤2-6.突发污染过程验证
将得到的H_Sd中的污染源进行排查验证,通过H_Sd中登记的联系方式方法,进行实地或电话验证,从而最终确定发生突发事件的污染源位置及其排放源强过程。
5.根据权利要求2所述的突发事件污染源追踪溯源方法,其特征在于:
其中,固定污染源是指工程水域流域范围内污废水排放能直接排入水体内或经过其余支流间接汇入受纳水域的位置相对固定的污染源;
移动污染源是指位置不固定,发生突发事件时,污染物能直接或间接排入受纳水体的污染源。
6.根据权利要求5所述的突发事件污染源追踪溯源方法,其特征在于:
其中,固定污染源至少包括:化工企业排污口、污水处理站排污口、市政管网排污口;
移动污染源至少包括;船舶、沿岸道路的运输车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610573745.6A CN106228007B (zh) | 2016-07-19 | 2016-07-19 | 突发事件污染源追溯方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610573745.6A CN106228007B (zh) | 2016-07-19 | 2016-07-19 | 突发事件污染源追溯方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106228007A CN106228007A (zh) | 2016-12-14 |
CN106228007B true CN106228007B (zh) | 2018-09-21 |
Family
ID=57531650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610573745.6A Active CN106228007B (zh) | 2016-07-19 | 2016-07-19 | 突发事件污染源追溯方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106228007B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6870442B2 (ja) * | 2017-04-06 | 2021-05-12 | 富士電機株式会社 | 発生源分析装置および発生源分析システム |
CN107341341B (zh) * | 2017-06-08 | 2018-07-24 | 河海大学 | 一种河口点源突发性水污染事件溯源方法 |
CN107798467B (zh) * | 2017-10-11 | 2020-08-21 | 杭州市环境保护科学研究院 | 基于深度学习的水污染突发事故快速应急评估和决策方法 |
CN108153227A (zh) * | 2017-12-25 | 2018-06-12 | 成都天河生物医药科技园有限公司 | 一种生物医药园区三废在线监控*** |
CN108153978B (zh) * | 2017-12-26 | 2021-11-05 | 武汉大学 | 一种基于水动力水质模型的污染源普查结果达标评估方法 |
CN108319788B (zh) * | 2018-02-06 | 2021-12-24 | 重庆大学 | 一种识别雨水管网污水直排污染源的方法 |
CN110672144B (zh) * | 2018-07-03 | 2021-12-28 | 百度在线网络技术(北京)有限公司 | 污染源检测方法和装置 |
CN109270237B (zh) * | 2018-11-27 | 2020-05-08 | 浙江诺迦生物科技有限公司 | 一种基于大数据的水质监测分析*** |
TWI698760B (zh) * | 2019-03-12 | 2020-07-11 | 寰宇國際地球資訊有限公司 | 汙染源追蹤系統及其方法 |
CN110866367B (zh) * | 2019-08-13 | 2021-07-27 | 河海大学 | 复杂河网水流条件下常规突发水污染团的实时追踪方法 |
CN110531043A (zh) * | 2019-08-29 | 2019-12-03 | 中水三立数据技术股份有限公司 | 一种流域水环境污染智能管理***及其方法 |
CN110595954B (zh) * | 2019-09-16 | 2020-06-09 | 四川省地质工程勘察院集团有限公司 | 一种场地地下水污染物自动溯源方法 |
CN112926172B (zh) * | 2019-12-06 | 2024-02-09 | 中国科学院沈阳计算技术研究所有限公司 | 一种突发性重金属水污染追踪溯源的方法 |
CN111091082B (zh) * | 2019-12-09 | 2023-08-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
CN111461167B (zh) * | 2020-03-02 | 2024-06-07 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN111339500B (zh) * | 2020-05-20 | 2020-08-25 | 中兴仪器(深圳)有限公司 | 空气污染溯源方法、装置、计算机设备和存储介质 |
CN111815062B (zh) * | 2020-07-16 | 2024-03-26 | 山东省科技发展战略研究所 | 一种基于污染信息分析的污染源溯源*** |
CN111882473A (zh) * | 2020-07-23 | 2020-11-03 | 南京财经大学 | 一种雨污管网零直排溯源追踪方法 |
CN111861421A (zh) * | 2020-08-01 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种流域突发水污染快速溯源方法 |
CN111949927B (zh) * | 2020-08-03 | 2024-02-06 | 浙江同济科技职业学院 | 一种基于四点对称应急监测网络的水污染溯源方法 |
CN111986064B (zh) * | 2020-08-26 | 2023-11-03 | 山东大学 | 一种水污染快速溯源方法及*** |
CN112418426B (zh) * | 2020-11-19 | 2021-11-05 | 中科三清科技有限公司 | 排污口污染物排放溯源方法、装置、计算设备及存储介质 |
CN112541307B (zh) * | 2020-12-22 | 2021-07-13 | 中国水利水电科学研究院 | 一种计算有毒物质泄漏位置风险程度的方法 |
CN112711840B (zh) * | 2020-12-24 | 2023-04-07 | 武汉大学 | 一种基于云边协同的流域突发水污染溯源方法 |
CN113269564A (zh) * | 2021-04-16 | 2021-08-17 | 佛山市奥博环保技术有限公司 | 一种园区排污管网污染源反向追踪溯源方法及*** |
CN113267607B (zh) * | 2021-05-11 | 2022-04-08 | 浙江大学 | 一种场地有机污染物迁移过程的特征参数识别*** |
CN114443787B (zh) * | 2021-11-05 | 2022-11-18 | 中科三清科技有限公司 | 大气污染特征识别方法和装置 |
CN114943194B (zh) * | 2022-05-16 | 2023-04-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于地质统计学的河流污染溯源方法 |
CN115114352B (zh) * | 2022-08-25 | 2023-01-31 | 深圳市华云中盛科技股份有限公司 | 一种用于典型污染物快速分析管理*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3691983A (en) * | 1970-09-22 | 1972-09-19 | Edward L Greenwood | Identification system for water pollution detection |
CN102622670A (zh) * | 2012-02-20 | 2012-08-01 | 中国环境科学研究院 | 一种突发水环境污染事故涉嫌风险源的溯源方法 |
CN102661939A (zh) * | 2012-05-15 | 2012-09-12 | 北京化工大学 | 一种快速实现水污染溯源的方法 |
-
2016
- 2016-07-19 CN CN201610573745.6A patent/CN106228007B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3691983A (en) * | 1970-09-22 | 1972-09-19 | Edward L Greenwood | Identification system for water pollution detection |
CN102622670A (zh) * | 2012-02-20 | 2012-08-01 | 中国环境科学研究院 | 一种突发水环境污染事故涉嫌风险源的溯源方法 |
CN102661939A (zh) * | 2012-05-15 | 2012-09-12 | 北京化工大学 | 一种快速实现水污染溯源的方法 |
Non-Patent Citations (3)
Title |
---|
基于耦合概率密度方法的河渠突发水污染溯源;王家彪 等;《水利学报》;20151130;第46卷(第11期);第1280-1289页 * |
河流突发环境污染事件源项反演及程序设计;陈媛华;《中国优秀硕士学位论文全文数据库 科技信息辑》;20120531;第I138-115页 * |
突发性水污染事件溯源方法;杨海东 等;《水科学进展》;20140131;第25卷(第1期);第122-129页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106228007A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106228007B (zh) | 突发事件污染源追溯方法 | |
Han et al. | Spatial distribution characteristics of PM2. 5 and PM10 in Xi’an City predicted by land use regression models | |
Fernandez-Jimenez et al. | Site selection for new PV power plants based on their observability | |
Viatte et al. | Methane emissions from dairies in the Los Angeles Basin | |
Kesarkar et al. | Coupling of the Weather Research and Forecasting Model with AERMOD for pollutant dispersion modeling. A case study for PM10 dispersion over Pune, India | |
Zhao et al. | High-resolution daily AOD estimated to full coverage using the random forest model approach in the Beijing-Tianjin-Hebei region | |
Miles et al. | Quantification of urban atmospheric boundary layer greenhouse gas dry mole fraction enhancements in the dormant season: Results from the Indianapolis Flux Experiment (INFLUX) | |
Bryant et al. | US Department of Agriculture Agricultural Research Service Mahantango Creek Watershed, Pennsylvania, United States: Physiography and history | |
Liu et al. | A century of the evolution of the urban area in Shenyang, China | |
Filonchyk et al. | Atmospheric pollution assessment near potential source of natural aerosols in the South Gobi Desert region, China | |
Davies | Air quality modeling in the Athabasca oil sands region | |
Valencia et al. | Modeling urban background air pollution in Quito, Ecuador | |
Wigder et al. | Influence of daily variations in baseline ozone on urban air quality in the United States Pacific Northwest | |
Cheng et al. | Source term estimation with deficient sensors: Traceability and an equivalent source approach | |
Sonderfeld et al. | CH 4 emission estimates from an active landfill site inferred from a combined approach of CFD modelling and in situ FTIR measurements | |
Couillard et al. | Vertical profiles of ozone concentrations in the lower troposphere downwind of New York City during LISTOS 2018–2019 | |
Lin et al. | Building autocorrelation-aware representations for fine-scale spatiotemporal prediction | |
Kondratyev et al. | Model-based assessment of nutrient load into water bodies from different landscape types | |
Zhai et al. | Validation of temporal and spatial consistency of facility-and speed-specific vehicle-specific power distributions for emission estimation: A case study in Beijing, China | |
Harris et al. | The characteristics of the Chicago lake breeze and its effects on trace particle transport: Results from an episodic event simulation | |
Nakata et al. | Effects of Mountains on Aerosols Determined by AERONET/DRAGON/J‐ALPS Measurements and Regional Model Simulations | |
Egusa et al. | Contrasting patterns in the decrease of spatial variability with increasing catchment area between stream discharge and water chemistry | |
Chen et al. | Disciplinary structure and development strategy of physical geography in China | |
Samaddar et al. | Carbon dioxide distribution, origins, and transport along a frontal boundary during summer in mid‐latitudes | |
Jiang et al. | Crowd sensing urban healthy street monitoring based on mobile positioning system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |