CN108489875A - 一种基于时段统计分析的污染物溯源***及方法 - Google Patents

Abstract

本发明公开了一种基于时段统计分析的污染物溯源***及方法，***包括城市空气质量监测网络、云端服务器，所述城市空气质量监测网络包括监测数据通讯单元，云端服务器包括溯源计算单元、可视化单元，监测数据通讯单元嵌入于大气监测微站，溯源计算单元分别与数据通讯单元和可视化单元相连。基于时段统计分析的污染物溯源***及方法，可以基于低成本城市空气质量监测网络，实现区域颗粒物通道传输的定性和定量分析，能够有效解决研判颗粒物传送通道的时效性问题，方法简易，可针对性分析各上升时段颗粒物传送通道可能性，为颗粒物研判防治提供了实时有力的数据支撑。

Description

一种基于时段统计分析的污染物溯源***及方法

技术领域

本发明涉及一种环境空气质量源解析方法，尤其涉及一种基于时段统计分析的污染物溯源***及方法。

背景技术

污染源解析技术有助于分析污染物来源及通道传输情况，在污染物(特别是颗粒物)防治中提高了科学性和针对性，对决策预判具有重要借鉴意义。

当前大气污染的源解析技术主要包括源排放清单、以污染源为对象的扩散模型和以污染区域为对象的受体模型等三类方法，为了提高其解析结果的可靠性，一般采用多种源解析方法相互印证，目前集成受体模型以及混合受体和空气质量模型的解析方法正成为大气污染源解析的发展方向。

当前的源解析技术依赖于大量的基础工作，比如排放清单法需要统计颗粒物排放总量及各区域、各行业、各类颗粒物排放量，CMB模型需要不断更新源成分谱等，使得源解析方法并未对当前网格化环境治理产生重要作用，特别是其方法的时效性，严重限制了对颗粒物传送通道的预判及防治。

发明内容

为了解决现有技术的不足，本发明提出了基于时段统计分析的污染物溯源***及方法，能够有效解决研判颗粒物传送通道的时效性问题。

本发明采用如下技术方案：

基于时段统计分析的污染物溯源***，包括城市空气质量监测网络、云端服务器，所述城市空气质量监测网络包括监测数据通讯单元，云端服务器包括溯源计算单元、可视化单元，监测数据通讯单元嵌入于大气监测微站，溯源计算单元分别与数据通讯单元和可视化单元相连；

所述城市空气质量在线监测网络包括城市范围内各个监测微站，监测微站包括控制模块、传感器模块、无线传输模块、电源模块、存储模块，控制模块分别与传感器模块、无线传输模块、电源模块、存储模块相连；

控制模块，获取传感器模块数据并存储和传输；传感器模块，用于检测空气中各污染物浓度；无线传输模块，用于将各监测微站数据传送至监控终端，且传输频率可调；电源模块，转化太阳能并存储于蓄电池，用以对控制模块供电，且可在太阳能供电和市电之间任意切换；

溯源计算单元，用于实时处理监测数据，运行预警算法，确定预警设备和区域；所述可视化单元，以污染云图和趋势图相结合颗粒物通道传输情况，给出定量和定性的分析结果。

所述传感器模块包括PM10传感器、PM2.5传感器、SO₂传感器、NO₂传感器、CO传感器、O₃传感器：

PM10传感器，用于检测空气中PM10颗粒浓度；

PM2.5传感器，用于检测空气中PM2.5颗粒浓度；

SO₂传感器，用于检测空气中SO₂气体浓度；

NO₂传感器，用于检测空气中NO₂气体浓度；

CO传感器，用于检测空气中CO气体浓度；

O₃传感器，用于检测空气中O₃气体浓度。

基于时段统计分析的污染物溯源方法，基于上述基于时段统计分析的污染物溯源***，包括以下步骤：

1)数据采集：

监测数据通讯单元采用内含GPRS通信的SIM928A模块，与各监测微站核心主板STM32F103处理器相连，各大气监测微站组成城市空气质量在线监测网络，监测数据传送至至云端服务器Hbase数据库；

2)数据处理：

溯源计算单元读取Hbase数据库，对目标站点及污染物进行溯源统计分析，追踪污染物传输方向；

3)数据呈现：

可视化单元接收来自溯源计算单元的溯源结果，采用污染云图和趋势图等形式实时反映污染传输通道传输情况。

所述步骤(2)中，所述溯源计算单元选定某重点分析站点并获取该站点各上升时间段，然后根据各上升时间段的风向追溯传输通道，具体步骤如下：

step1、获取某站点初始数据段，时间维度为小时平均值，获取污染项上升时间段，判定条件如下：

其中cumsum为累积和；max、min、maxIx、minIx分别为最大值、最小值、取最大值时的时间索引、取最小值时的时间索引；

nAscent、nDescent分别为环比上升、下降的时刻数目；

λ为比例系数，根据时间跨度给定，在一定程度上合理忽略短暂下降的时段；

step2、计算上升时间段内风向平均角度wdAngle，站点的wdAngle±22.5方向、10km范围内的站点作为候选分析站点，如不存在候选站点，则将范围放宽至wdAngle±45、20km；

step3、获取各候选分析站点上升时间段，如果候选站点同时具有上升趋势且起始时间超前，则判断污染项途经该站点传输；

step4、以step3中确定污染项传输站点为起始站点，重复step2、step3，进行下一轮溯源。

所述step1中nAscent、nDescent分别为环比上升、下降的时刻数目，由下式计算可得：

nAscent＝sum(diff>0)

nDescent＝sum(diff<0)

其中diff为污染项上升段数据的差分序列，即对于数据段[x₁,x₂,…,x_i,…,x_n]，n为数据序列大小，则其差分序列diff为：

diff＝[x₂-x₁,x₃-x₂,…,x_i+1-x_i,…,x_n-x_n-1]。

采用如上技术方案取得的技术方案为：

基于时段统计分析的污染物溯源***及方法，可以基于低成本城市空气质量监测网络，实现区域颗粒物通道传输的定性和定量分析，能够有效解决研判颗粒物传送通道的时效性问题，方法简易，可针对性分析各上升时段颗粒物传送通道可能性，为颗粒物研判防治提供了实时有力的数据支撑。

附图说明

图1为基于时段统计分析的污染物溯源方法的结构示意图。

图2为基于时段统计分析的污染物溯源方法的提取上升时段算法流程图。

图3基于时段统计分析的污染物溯源方法的提取上升时段算法效果图。

图4为基于时段统计分析的污染物溯源方法的站点分布示意地图。

图5为基于时段统计分析的污染物溯源方法的PM2.5颗粒物溯源趋势图。

具体实施方式

结合附图1至5对本发明的具体实施方式做进一步说明：

基于时段统计分析的污染物溯源***，包括城市空气质量监测网络、云端服务器，所述城市空气质量监测网络包括监测数据通讯单元，云端服务器包括溯源计算单元、可视化单元，监测数据通讯单元嵌入于大气监测微站，溯源计算单元分别与数据通讯单元和可视化单元相连。

所述城市空气质量在线监测网络包括城市范围内各个监测微站，监测微站包括控制模块、传感器模块、无线传输模块、电源模块、存储模块，控制模块分别与传感器模块、无线传输模块、电源模块、存储模块相连。

控制模块，获取传感器模块数据并存储和传输；传感器模块，用于检测空气中各污染物浓度；无线传输模块，用于将各监测微站数据传送至监控终端，且传输频率可调；电源模块，转化太阳能并存储于蓄电池，用以对控制模块供电，且可在太阳能供电和市电之间任意切换。

溯源计算单元，用于实时处理监测数据，运行预警算法，确定预警设备和区域；所述可视化单元，以污染云图和趋势图相结合颗粒物通道传输情况，给出定量和定性的分析结果。

传感器模块包括PM10传感器、PM2.5传感器、SO₂传感器、NO₂传感器、CO传感器、O₃传感器：PM10传感器，用于检测空气中PM10颗粒浓度；PM2.5传感器，用于检测空气中PM2.5颗粒浓度；SO₂传感器，用于检测空气中SO₂气体浓度；NO₂传感器，用于检测空气中NO₂气体浓度；CO传感器，用于检测空气中CO气体浓度；O₃传感器，用于检测空气中O₃气体浓度。

基于时段统计分析的污染物溯源方法，基于上述基于时段统计分析的污染物溯源***，包括以下步骤：

1)数据采集：

监测数据通讯单元采用内含GPRS通信的SIM928A模块，与各监测微站核心主板STM32F103处理器相连，各大气监测微站组成城市空气质量在线监测网络，监测数据传送至至云端服务器Hbase数据库；

2)数据处理：

溯源计算单元读取Hbase数据库，对目标站点及污染物进行溯源统计分析，追踪污染物传输方向；

3)数据呈现：

可视化单元接收来自溯源计算单元的溯源结果，采用污染云图和趋势图等形式实时反映污染传输通道传输情况。

所述步骤(2)中，所述溯源计算单元选定某重点分析站点并获取该站点各上升时间段，然后根据各上升时间段的风向追溯传输通道，具体步骤如下：

step1、获取某站点初始数据段，时间维度为小时平均值，获取污染项上升时间段，判定条件如下：

其中cumsum为累积和；max、min、maxIx、minIx分别为最大值、最小值、取最大值时的时间索引、取最小值时的时间索引；

nAscent、nDescent分别为环比上升、下降的时刻数目；

λ为比例系数，根据时间跨度给定，在一定程度上合理忽略短暂下降的时段；λ为比例系数，本方法中设为0.8；

λ为比例系数，本方法中设为0.8

nAscent、nDescent分别为环比上升、下降的时刻数目，由下式计算可得：

nAscent＝sum(diff>0)

nDescent＝sum(diff<0)

其中diff为污染项上升段数据的差分序列，即对于数据段[x₁,x₂,…,x_i,…,x_n]，n为数据序列大小，则其差分序列diff为：

diff＝[x₂-x₁,x₃-x₂,…,x_i+1-x_i,…,x_n-x_n-1]；

step2、计算上升时间段内风向平均角度wdAngle，站点的wdAngle±22.5方向、10km范围内的站点作为候选分析站点，如不存在候选站点，则将范围放宽至wdAngle±45、20km；

step3、获取各候选分析站点上升时间段，如果候选站点同时具有上升趋势且起始时间超前，则判断污染项途经该站点传输；

step4、以step3中确定污染项传输站点为起始站点，重复step2、step3，进行下一轮溯源。

λ为比例系数，根据时间跨度给定，在一定程度上合理忽略短暂下降的时段，如图3，11-14 16:00～11-15 06:00时段内，PM2.5浓度存在下降的趋势，但整体呈现上升趋势。

图4和图5所示分别为基于时段统计分析的污染物溯源方法的站点分布示意地图和PM2.5颗粒物溯源趋势图。

所述溯源计算单元，现结合实例图分析说明，示例选取“站点1”为中心站点，“站点2”、“站点3”、“站点4”作为第一轮候选分析站点。

例如选取五个时间点，先初始一段数据，判定是否上升，如果上升，找到上升段的起止时间如10-01 01:00～07:00；然后考虑后五个时间刻数据段08:00～到12:00，如果也上升，就加进来，起止时间就变成了10-01 01:00～12:00；依次再判断后五个时间点。

2017年11-02 18:00～11-03 06:00时间段内，“站点1”考核站点PM2.5上升幅度为141ug/m3，平均风向为西北风，溯源方向确定为偏西北方向，对于位于其偏西北方位的站点，“站点1”考核站点上升趋势和下降趋势均较为滞后，具体分析如下：

(1)“站点2”站点，位于“站点1”的北偏西52.76°7.5km处，其上升趋势始于11-0216:00，较“站点1”站点提前2个小时上升，且对应时间范围内，该站点平均风向为北西北风；

(2)“站点4”站点，位于“站点1”的北偏西40.97°8.9km处，其上升趋势始于11-0216:00，较"站点1"站点提前2个小时上升，且对应时间范围内，该站点平均风向为北风。

(3)“站点3”站点，位于“站点1”的北偏西56.92°9.3km处，其上升趋势始于11-0216:00，较"站点1"站点提前2个小时上升，且对应时间范围内，该站点平均风向为北风。

故可以推测，“站点1”站点11-02 18:00～11-03 06:00内的上升趋势与西北方向的三个站点保持较高一致性，且上升时间滞后于该三个站点；“站点2”站点和“站点3”站点上升趋势极为接近，原因在于两站点相距较近，受污染源传输影响差异较小；“站点4”站点PM2.5浓度一直保持较高水平，表明“站点4”站点受污染源传输更为明显，污染源来自汶上西北方向的可能性较大。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的指导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (5)

1.基于时段统计分析的污染物溯源***，其特征在于，包括城市空气质量监测网络、云端服务器，所述城市空气质量监测网络包括监测数据通讯单元，云端服务器包括溯源计算单元、可视化单元，监测数据通讯单元嵌入于大气监测微站，溯源计算单元分别与数据通讯单元和可视化单元相连；

所述城市空气质量在线监测网络包括城市范围内各个监测微站，监测微站包括控制模块、传感器模块、无线传输模块、电源模块、存储模块，控制模块分别与传感器模块、无线传输模块、电源模块、存储模块相连；

控制模块，获取传感器模块数据并存储和传输；传感器模块，用于检测空气中各污染物浓度；无线传输模块，用于将各监测微站数据传送至监控终端，且传输频率可调；电源模块，转化太阳能并存储于蓄电池，用以对控制模块供电，且可在太阳能供电和市电之间任意切换；

溯源计算单元，用于实时处理监测数据，运行预警算法，确定预警设备和区域；所述可视化单元，以污染云图和趋势图相结合颗粒物通道传输情况，给出定量和定性的分析结果。

2.根据权利要求1所述的基于时段统计分析的污染物溯源***，其特征在于，所述传感器模块包括PM10传感器、PM2.5传感器、SO₂传感器、NO₂传感器、CO传感器、O₃传感器：

PM10传感器，用于检测空气中PM10颗粒浓度；

PM2.5传感器，用于检测空气中PM2.5颗粒浓度；

SO₂传感器，用于检测空气中SO₂气体浓度；

NO₂传感器，用于检测空气中NO₂气体浓度；

CO传感器，用于检测空气中CO气体浓度；

O₃传感器，用于检测空气中O₃气体浓度。

3.基于时段统计分析的污染物溯源方法，其特征在于，基于权利要求2所述的基于时段统计分析的污染物溯源***，包括以下步骤：

1)数据采集：

监测数据通讯单元采用内含GPRS通信的SIM928A模块，与各监测微站核心主板STM32F103处理器相连，各大气监测微站组成城市空气质量在线监测网络，监测数据传送至云端服务器Hbase数据库；

2)数据处理：

溯源计算单元读取Hbase数据库，对目标站点及污染物进行溯源统计分析，追踪污染物传输方向；

3)数据呈现：

可视化单元接收来自溯源计算单元的溯源结果，采用污染云图和趋势图等形式实时反映污染传输通道传输情况。

4.根据权利要求3所述的基于时段统计分析的污染物溯源方法，其特征在于，所述步骤(2)中，所述溯源计算单元选定某重点分析站点并获取该站点各上升时间段，然后根据各上升时间段的风向追溯传输通道，具体步骤如下：

step1、获取某站点初始数据段，时间维度为小时平均值，获取污染项上升时间段，判定条件如下：

其中cumsum为累积和；max、min、maxIx、minIx分别为最大值、最小值、取最大值时的时间索引、取最小值时的时间索引；

nAscent、nDescent分别为环比上升、下降的时刻数目；

λ为比例系数，根据时间跨度给定，在一定程度上合理忽略短暂下降的时段；

step2、计算上升时间段内风向平均角度wdAngle，站点的wdAngle±22.5方向、10km范围内的站点作为候选分析站点，如不存在候选站点，则将范围放宽至wdAngle±45、20km；

step3、获取各候选分析站点上升时间段，如果候选站点同时具有上升趋势且起始时间超前，则判断污染项途经该站点传输；

step4、以step3中确定污染项传输站点为起始站点，重复step2、step3，进行下一轮溯源。

5.根据权利要求4所述的基于时段统计分析的污染物溯源方法，其特征在于，所述step1中nAscent、nDescent分别为环比上升、下降的时刻数目，由下式计算可得：

nAscent＝sum(diff>0)

nDescent＝sum(diff<0)

其中diff为污染项上升段数据的差分序列，即对于数据段[x₁,x₂,…,x_i,…,x_n]，n为数据序列大小，则其差分序列diff为：

diff＝[x₂-x₁,x₃-x₂,…,x_i+1-x_i,…,x_n-x_n-1]。