CN109612883A - 基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 - Google Patents
基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 Download PDFInfo
- Publication number
- CN109612883A CN109612883A CN201811525323.7A CN201811525323A CN109612883A CN 109612883 A CN109612883 A CN 109612883A CN 201811525323 A CN201811525323 A CN 201811525323A CN 109612883 A CN109612883 A CN 109612883A
- Authority
- CN
- China
- Prior art keywords
- tsp
- monitoring network
- monitoring
- location information
- particle
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000008188 pellet Substances 0.000 title claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 103
- 230000033001 locomotion Effects 0.000 claims abstract description 46
- 238000003915 air pollution Methods 0.000 claims abstract description 27
- 238000012800 visualization Methods 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 239000003344 environmental pollutant Substances 0.000 description 16
- 231100000719 pollutant Toxicity 0.000 description 16
- 210000004072 lung Anatomy 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000004400 mucous membrane Anatomy 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
- 206010006458 Bronchitis chronic Diseases 0.000 description 1
- 208000003322 Coinfection Diseases 0.000 description 1
- 201000006306 Cor pulmonale Diseases 0.000 description 1
- 241001245789 Goodea atripinnis Species 0.000 description 1
- 208000004186 Pulmonary Heart Disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 210000003123 bronchiole Anatomy 0.000 description 1
- 206010006451 bronchitis Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000007451 chronic bronchitis Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 201000009240 nasopharyngitis Diseases 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0003—Determining electric mobility, velocity profile, average speed or velocity of a plurality of particles
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置，包括：设置高密度监测网络，高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；判断TSP浓度数据是否满足预设条件；如果是，则根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；将TSP粒子的第一位置信息、第二位置信息和第三位置信息生成TSP粒子的运动轨迹；根据TSP粒子的运动轨迹进行污染溯源。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置。
背景技术
总悬浮颗粒物(TSP)指粒径<100μm的大气颗粒物，其对人体的危害程度主要取决于颗粒物粒径大小及化学组成。TSP中粒径大于10μm的物质，几乎都可被鼻腔和咽喉所捕集，不进入肺泡。对人体危害最大的是10μm以下的浮游状颗粒物，称为可吸入颗粒物(粒径大于2.5μm，小于10μm)。滞留在上呼吸道中的颗粒物能对粘膜组织产生刺激和腐蚀作用，引起炎症，进而导致慢性鼻咽炎、慢性气管炎。滞留在细支气管和肺泡中的可吸入尘能与直接进入肺深部的二氧化氮产生联合作用，损伤肺泡和粘膜，引起支气管和肺部产生炎症。长期持续作用，还会诱发慢性阻塞性肺部疾患，并出现继发性感染，最后，导致肺心病的死亡率增高。此外，颗粒物的吸附能力使之成为大气降尘污染物的“载体”。可吸入尘能吸附有害气体和液体，并将它们带入肺脏深部，从而，导致疾病的发生。
当前，我国大气污染形势严峻，污染物的区域性大气环境问题日益突出。研究指出，区域污染物人为排放量到达高位后，存在着严重的区域内城市间相互输送，在沙尘减少，污染物增多的情况下，确定这些污染物的来源就显得相当重要。为了达到全面污染源减排，控制住目前严重的区域大气、水和土壤间严重的复合污染。对污染进行溯源，定位污染源头，精准识别污染来源及路径显得尤为重要。
目前常用的污染溯源方式是基于空气动力学模型和大气扩散模型并结合气象数据，进行污染的溯源。基于NOAA卫星(美国国家海洋大气局的第三代实用气象观测卫星)采集的气象数据，通过内置算法，进行细颗粒物(PM2.5、PM10)等气团的后向轨迹分析。方法的局限性：第一，数据为高空卫星气象数据，准确性较低；第二，数据为大尺度数据，时空分辨率低；第三，主要分析细颗粒物和污染气体轨迹，因总悬浮颗粒物沉降速率快，方法的适用性低。
鉴于现有方法的局限性，需要新的总悬浮颗粒物污染溯源方法应用于我国空气治理领域，以提供高时间和空间分辨率的污染源定位。
发明内容
本发明的目的是针对现有技术中存在的缺陷，提供一种基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置。
为实现上述目的，第一方面,本发明提供了一种基于高密度监测网络的总悬浮颗粒物污染溯源方法，包括：
设置高密度监测网络，所述高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；
利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；
判断所述TSP浓度数据是否满足预设条件；
如果是，则根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；
将每个监测网络点位对应的所述TSP粒子的第一位置信息、第二位置信息和第三位置信息生成所述TSP粒子的运动轨迹；
根据所述TSP粒子的运动轨迹进行污染溯源。
进一步的，所述设置高密度监测网络具体包括：
按照行政区、地表覆盖、土地利用类型、地理位置和地形条件布设多个监测网络点位；
在每个监测网络点位上设置空气污染监测设备，形成高密度监测网络。
进一步的，在利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据之后,所述方法还包括：
将所有监测网络点位上的不同监测时间的总悬浮颗粒物TSP浓度数据、气象数据和地理数据生成监测数据库。
进一步的，所述利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据具体包括：
利用TSP浓度监测仪在不同监测时间获取同一监测网络点位上的TSP浓度数据；
将所述TSP浓度数据通过无线传输方式发送到服务器。
进一步的，所述根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息具体包括：
根据所述监测网络点位的经纬度数据和高度数据确定TSP粒子的第一位置信息；
根据所述风速数据和风向数据计算所述TSP粒子的第一矢量速度，并按照预设方式确定所述TSP粒子的运行时间；
根据所述第一位置信息、第一矢量速度、运行时间计算所述TSP粒子的第二位置信息；
根据第二位置的风速数据和风向数据计算第二位置的第二矢量速度；
根据所述第一矢量速度、第二矢量速度、运行时间以及第一位置信息计算所述TSP粒子的第三位置信息。
进一步的，所述根据所述风速数据和风向数据确定所述TSP粒子的第一矢量速度具体包括：
利用监测网络点位所在位置的多个所述风速数据和风向数据进行线性插值计算，得到所述TSP粒子的第一矢量速度。
进一步的，所述根据所述第一位置信息、第一矢量速度、运行时间计算所述TSP粒子的第二位置信息具体包括：
根据公式p′(t+Δt)＝p(t)+V(p,t)Δt计算得到第二位置信息；其中，p(t)为第一位置信息，V(p,t)为第一矢量速度，Δt为运行时间，p′(t+Δt)为第二位置信息。
进一步的，所述根据所述第一矢量速度、第二矢量速度、运行时间以及第一位置信息计算所述TSP粒子的第三位置信息具体包括：
根据公式计算得到第三位置信息；其中，V(p,t)为第一矢量速度，V(p′,t+Δt)为第二矢量速度，Δt为运行时间，p(t+Δt)为第三位置信息。
进一步的，所述方法还包括：
将所述TSP浓度数据、运动轨迹和对应的地理信息***GIS地图数据进行叠加处理，得到可视化运动轨迹；
将所述监测网络点位上的所述TSP浓度数据、气象数据和地理数据生成所述可视化运动轨迹对应的说明信息，并进行显示。
第二方面,本发明提供了一种基于高密度监测网络的总悬浮颗粒物污染溯源装置，包括：
设置模块，用于设置高密度监测网络，所述高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；
第一获取模块，用于利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；
判断模块，用于判断所述TSP浓度数据是否满足预设条件；
第二获取模块，用于当所述TSP浓度数据满足预设条件时，根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；
生成模块，用于将每个监测网络点位对应的所述TSP粒子的第一位置信息、第二位置信息和第三位置信息生成所述TSP粒子的运动轨迹；
溯源模块，用于根据所述TSP粒子的运动轨迹进行污染溯源。
本发明提供的基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置，设置高密度监测网络，高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；判断TSP浓度数据是否满足预设条件；如果是，则根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；将TSP粒子的第一位置信息、第二位置信息和第三位置信息生成TSP粒子的运动轨迹；根据TSP粒子的运动轨迹进行污染溯源。本发明提供的方法及装置，能够根据气象数据和地理数据确定TSP粒子的运动轨迹，从而实现TSP粒子的污染物溯源和污染物追踪。
附图说明
图1为本发明实施例一提供的基于高密度监测网络的总悬浮颗粒物污染溯源方法流程图；
图2为本发明实施例一提供的总悬浮颗粒物运动轨迹示意图；
图3为本发明实施例二提供的基于高密度监测网络的总悬浮颗粒物污染溯源装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明技术方案采用高密度监测网络获得风速、风向、地理和TSP浓度数据，并根据粒子的扩散和运动特征，对TSP污染进行溯源，分析不同时间段内和不同高度上污染扩散的路径及污染来源，结合地图直观展示污染粒子运动路径。
基于高密度监测网络污染溯源的方法：
1.数据量大，建设的高密度监测网络布点密集，可获取大量气象数据和TSP浓度数据。
2.数据准确性高，高密度监测网络，获取数据互相印证，保证数据准确性。
3.数据适用性强，高密度监测网络获取本地低空实时气象数据，根据本地数据分析TSP运行轨迹更具适用性。
4.高密度气象数据和TSP浓度数据结合，污染溯源分析准确性高。
图1为本发明实施例一提供的基于高密度监测网络的总悬浮颗粒物污染溯源方法流程图。如图1所示，具体包括如下步骤：
步骤101，设置高密度监测网络；
具体的，按照行政区、地表覆盖、土地利用类型、地理位置和地形条件布设多个监测网络点位布设多个监测网络点位；在每个监测网络点位上设置空气污染监测设备，形成高密度监测网络。
其中，土地利用类型包括道路、工业区、裸地、建成区、行政区边界等。地表覆盖包括地表覆盖植物、覆盖建筑物类型等。
步骤102，利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；
空气污染监测设备包括风向风速仪、TSP浓度监测仪等，按照不同监测时间获取每一个监测网络点位的TSP浓度数据、气象数据和地理数据，目的是根据每一个监测网络点位不同的监测时间采集到数据生成TSP粒子的运动轨迹。其中，气象数据包括风速数据和风向数据；地理数据包括经纬度数据和高度数据。
具体的，利用风向风速仪在不同监测时间获取同一监测网络点位的气象数据；利用TSP浓度监测仪在不同监测时间获取同一监测网络点位的TSP浓度数据；在不同监测时间获取同一监测网络点位不同高度的TSP粒子，得到相同经纬度不同高度的地理数据；将TSP浓度数据、气象数据和地理数据通过无线传输方式发送到服务器。
在利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据、气象数据和地理数据之后,将多个监测网络点位不同监测时间的总悬浮颗粒物TSP浓度数据、气象数据和地理数据生成监测数据库。建立监控数据库的目的是为后续进行污染物数据调用进行数据支持。
需要说明的是，本步骤中气象数据和地理数据本领域技术人员还可以通过其他方式获取，本发明在此不做限定。
步骤103，判断TSP浓度数据是否满足预设条件；
其中，预设条件为TSP浓度数据超过相关环境保护法律法规标准等规定的TSP浓度标准范围。TSP浓度数据满足预设条件，则说明当前空气质量不合格，已经造成了空气污染，需要了解TSP粒子的运动轨迹，以实现污染物溯源和污染物追踪。
如果TSP浓度数据满足预设条件，则执行步骤104。
需要说明的是，步骤103并不是必须的步骤，如果TSP浓度数据不满足预设条件，也就是说，监测网络点位的TSP浓度数据符合相关规定，同样可以获取了解TSP粒子的运动轨迹，进行污染物溯源和污染物追踪。
步骤104，根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；
获取TSP粒子的第一位置信息、第二位置信息和第三位置信息具体包括如下步骤：
步骤1041，根据监测网络点位的经纬度数据和高度数据确定TSP粒子的第一位置信息；
其中，TSP粒子的第一位置信息为采集TSP粒子的位置的经纬度数据和高度数据。根据放置监测设备的监测网络点位的经纬度数据确定TSP粒子的经纬度数据；在不同高度采集TSP污染数据，得到TSP粒子的高度数据，从而确定了TSP粒子所在的第一位置信息，第一位置为TSP粒子的初始监测位置。
步骤1042，根据风速数据和风向数据计算TSP粒子的第一矢量速度，按照预设方式确定TSP粒子的运行时间；
具体的，利用监测网络点位所在位置的多个风速数据和风向数据进行线性插值计算，得到TSP粒子的第一矢量速度。
根据拉格朗日轨迹模型，由于空气中的TSP粒子随风飘动，那么它的移动轨迹就是其在时间和空间上位置矢量的积分，所在位置的矢量速度通过多个风速数据和风向数据在时间和空间上进行线性插值计算得出。
TSP粒子的运行时间可以根据污染监测的时间间隔进行确定，例如，每2小时进行一次监测，采集一次监测数据，则TSP粒子的运行时间即为2小时。
步骤1043，根据第一位置信息、第一矢量速度、运行时间计算TSP粒子的第二位置信息；
具体的，根据公式p′(t+Δt)＝p(t)+V(p,t)Δt计算得到第二位置信息；其中，p(t)为第一位置信息，V(p,t)为第一矢量速度，Δt为运行时间，p′(t+Δt)为第二位置信息。
第一位置为TSP粒子的初始监测位置，第二位置为TSP粒子经过一段运行时间之后的猜测位置。
对于运行时间Δt的取值包括以下两种情况：
当Δt<0时，经过计算最终得到的运动轨迹为后向轨迹—起始时间之前一段时间内TSP粒子的运行路径，用于进行污染溯源；
当Δt>0时，经过计算最终得到的运动轨迹为前向轨迹—起始时间之后一段时间内TSP粒子的运行路径，用于进行污染追踪。
步骤1044，根据第二位置的风速数据和风向数据计算第二位置的第二矢量速度；
当TSP粒子按照第一矢量速度移动一段时间之后，到达第二位置，也就是猜测位置。则再次根据第二位置的风速数据和风向数据进行线性插值计算TSP在当前位置的矢量速度，也就是第二矢量速度。另外，第二矢量速度还可以根据TSP粒子的第一矢量速度和运行时间等进行计算。
步骤1045，根据第一矢量速度、第二矢量速度、运行时间以及第一位置信息计算TSP粒子的第三位置信息；
根据TSP粒子的初始位置、猜测位置以及运行时间能够得到TSP粒子的溯源位置或者追踪位置。第三位置信息为TSP粒子的溯源位置或者追踪位置。
具体的，根据公式计算得到第三位置信息；其中，V(p,t)为第一矢量速度，V(p′,t+Δt)为第二矢量速度，Δt为运行时间，p(t+Δt)为第三位置信息。
步骤105，将每个监测网络点位对应的所述TSP粒子的第一位置信息、第二位置信息和第三位置信息生成所述TSP粒子的运动轨迹。
将每个监测网络点位的多个监测时间对应的TSP粒子的初始位置、猜测位置和最终位置进行连接，能够得到TSP粒子的运动轨迹。
在将每个监测网络点位对应的所述TSP粒子的第一位置信息、第二位置信息和第三位置信息生成所述TSP粒子的运动轨迹之后，将TSP浓度数据、运动轨迹和对应的地理信息***GIS地图数据进行叠加处理，得到可视化运动轨迹。在一个具体的实施例中，可视化运动轨迹如图2所示。
另外，将监测网络点位的TSP浓度数据、气象数据和地理数据等信息生成可视化运动轨迹对应的说明信息，并进行显示。
在一个具体的实施例中，可视化运动轨迹对应的说明信息如表1所示。
| 起始时间(年、月、日、时) | 18 03 14 00 |
| 起始地点数量 | 1 |
| 起始位置(经纬度、高度) | 40.00 116.00 10 |
| 轨迹运行时间 | -48 |
| 垂直运动选项 | 0 |
| 气象数据文件数 | 1 |
| 气象数据文件所在路径 | C:/xxx |
| 轨迹输出文件路径 | ./ |
表1
步骤106，根据所述TSP粒子的运动轨迹进行污染溯源。
具体的，可以根据多个监测网络点位对应的TSP粒子的运动轨迹确定污染物来源所在的位置，从而实现污染溯源；还可以根据多个监测网络点位的TSP粒子的运动轨迹确定多个监测网络点位污染源所在的位置。
例如，在A地、B地、C地监测到的TSP粒子的运动轨迹的溯源位置均为D地附近区域，则可以针对D地区进行有针对性的污染排查和治理。
运动轨迹计算目的是为了精确定位总悬浮颗粒物的运行轨迹和来源路径，结合轨迹经过区域的环境特点，定位污染源特点，并分析本地污染的成因。
本发明提供的基于高密度监测网络的总悬浮颗粒物污染溯源方法，设置高密度监测网络，高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；判断TSP浓度数据是否满足预设条件；如果是，则根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；将TSP粒子的第一位置信息、第二位置信息和第三位置信息生成TSP粒子的运动轨迹；根据TSP粒子的运动轨迹进行污染溯源。本发明提供的方法，能够根据气象数据和地理数据确定TSP粒子的运动轨迹，从而实现TSP粒子的污染物溯源和污染物追踪。
图3为本发明实施例二提供的基于高密度监测网络的总悬浮颗粒物污染溯源装置示意图。如图3所示，装置包括：设置模块31、第一获取模块32、判断模块33、第二获取模块34、生成模块35、溯源模块36。
设置模块31，用于设置高密度监测网络，高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；
第一获取模块32，用于利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；
判断模块33，用于判断TSP浓度数据是否满足预设条件；
第二获取模块34，用于当TSP浓度数据满足预设条件时，根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；
生成模块35，用于将每个监测网络点位对应的TSP粒子的第一位置信息、第二位置信息和第三位置信息生成TSP粒子的运动轨迹；
溯源模块36，用于根据TSP粒子的运动轨迹进行污染溯源。
本申请实施例二提供的基于高密度监测网络的总悬浮颗粒物污染溯源装置的具体工作过程和实施例一提供的基于高密度监测网络的总悬浮颗粒物污染溯源方法相对应，此处不再赘述。
本发明提供的基于高密度监测网络的总悬浮颗粒物污染溯源装置，设置高密度监测网络，高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；判断TSP浓度数据是否满足预设条件；如果是，则根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；将TSP粒子的第一位置信息、第二位置信息和第三位置信息生成TSP粒子的运动轨迹；根据TSP粒子的运动轨迹进行污染溯源。本发明提供的装置，能够根据气象数据和地理数据确定TSP粒子的运动轨迹，从而实现TSP粒子的污染物溯源和污染物追踪。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于高密度监测网络的总悬浮颗粒物污染溯源方法，其特征在于，所述方法包括：
设置高密度监测网络，所述高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；
利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；
判断所述TSP浓度数据是否满足预设条件；
如果是，则根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；
将每个监测网络点位对应的所述TSP粒子的第一位置信息、第二位置信息和第三位置信息生成所述TSP粒子的运动轨迹；
根据所述TSP粒子的运动轨迹进行污染溯源。
2.根据权利要求1所述的方法，其特征在于，所述设置高密度监测网络具体包括：
按照行政区、地表覆盖、土地利用类型、地理位置和地形条件布设多个监测网络点位；
在每个监测网络点位上设置空气污染监测设备，形成高密度监测网络。
3.根据权利要求1所述的方法，其特征在于，在利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据之后,所述方法还包括：
将所有监测网络点位上的不同监测时间的总悬浮颗粒物TSP浓度数据、气象数据和地理数据生成监测数据库。
4.根据权利要求1所述的方法，其特征在于，所述利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据具体包括：
利用TSP浓度监测仪在不同监测时间获取同一监测网络点位上的TSP浓度数据；
将所述TSP浓度数据通过无线传输方式发送到服务器。
5.根据权利要求1所述的方法，其特征在于，所述根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息具体包括：
根据所述监测网络点位的经纬度数据和高度数据确定TSP粒子的第一位置信息；
根据风速数据和风向数据计算所述TSP粒子的第一矢量速度，并按照预设方式确定所述TSP粒子的运行时间；
根据所述第一位置信息、第一矢量速度、运行时间计算所述TSP粒子的第二位置信息；
根据第二位置的风速数据和风向数据计算第二位置的第二矢量速度；
根据所述第一矢量速度、第二矢量速度、运行时间以及第一位置信息计算所述TSP粒子的第三位置信息。
6.根据权利要求5所述的方法，其特征在于，所述根据所述风速数据和风向数据确定所述TSP粒子的第一矢量速度具体包括：
利用监测网络点位所在位置的多个所述风速数据和风向数据进行线性插值计算，得到所述TSP粒子的第一矢量速度。
7.根据权利要求5所述的方法，其特征在于，所述根据所述第一位置信息、第一矢量速度、运行时间计算所述TSP粒子的第二位置信息具体包括：
根据公式p′(t+Δt)＝p(t)+V(p,t)Δt计算得到第二位置信息；其中，p(t)为第一位置信息，V(p,t)为第一矢量速度，Δt为运行时间，p′(t+Δt)为第二位置信息。
8.根据权利要求5所述的方法，其特征在于，所述根据所述第一矢量速度、第二矢量速度、运行时间以及第一位置信息计算所述TSP粒子的第三位置信息具体包括：
根据公式计算得到第三位置信息；其中，V(p,t)为第一矢量速度，V(p′,t+Δt)为第二矢量速度，Δt为运行时间，p(t+Δt)为第三位置信息。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述TSP浓度数据、运动轨迹和对应的地理信息***GIS地图数据进行叠加处理，得到可视化运动轨迹；
将所述监测网络点位上的所述TSP浓度数据、气象数据和地理数据生成所述可视化运动轨迹对应的说明信息，并进行显示。
10.一种基于高密度监测网络的总悬浮颗粒物污染溯源装置，其特征在于，所述装置包括：
设置模块，用于设置高密度监测网络，所述高密度监测网络包括布设于多个监测网络点位上的空气污染监测设备；
第一获取模块，用于利用每个监测网络点位上的空气污染监测设备获取不同监测时间的总悬浮颗粒物TSP浓度数据；
判断模块，用于判断所述TSP浓度数据是否满足预设条件；
第二获取模块，用于当所述TSP浓度数据满足预设条件时，根据每个监测网络点位的气象数据和地理数据获取不同监测时间的TSP粒子的第一位置信息、第二位置信息和第三位置信息；
生成模块，用于将每个监测网络点位对应的所述TSP粒子的第一位置信息、第二位置信息和第三位置信息生成所述TSP粒子的运动轨迹；
溯源模块，用于根据所述TSP粒子的运动轨迹进行污染溯源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811525323.7A CN109612883A (zh) | 2018-12-13 | 2018-12-13 | 基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811525323.7A CN109612883A (zh) | 2018-12-13 | 2018-12-13 | 基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109612883A true CN109612883A (zh) | 2019-04-12 |
Family
ID=66008192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811525323.7A Pending CN109612883A (zh) | 2018-12-13 | 2018-12-13 | 基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109612883A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361304A (zh) * | 2019-06-20 | 2019-10-22 | 南开大学 | 基于ams数据估算不同生成路径对颗粒物中二次无机粒子影响的方法 |
| CN111272950A (zh) * | 2020-02-12 | 2020-06-12 | 北京知天地环境科技有限公司 | 一种智能污染物追踪*** |
| CN111413259A (zh) * | 2020-04-14 | 2020-07-14 | 河南省商丘生态环境监测中心 | 空气废气实时监测和溯源方法 |
| CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
| CN112699753A (zh) * | 2020-12-22 | 2021-04-23 | 柏美迪康环境科技（上海）股份有限公司 | 扬尘监控与智能溯源***及方法 |
| WO2021184627A1 (zh) * | 2020-03-19 | 2021-09-23 | 平安国际智慧城市科技股份有限公司 | 基于r树的污染物溯源方法、装置及其相关设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001042052A (ja) * | 1999-07-30 | 2001-02-16 | Weather Information System Co Ltd | ダイオキシン類等の化学物質、微粒状降下物等に対する地域環境モニタリングシステム |
| CN104702685A (zh) * | 2015-03-11 | 2015-06-10 | 中山大学 | 基于后向轨迹的污染源追踪方法及其*** |
| CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
| CN108489875A (zh) * | 2018-02-06 | 2018-09-04 | 济宁中科云天环保科技有限公司 | 一种基于时段统计分析的污染物溯源***及方法 |
| US20180306762A1 (en) * | 2017-04-24 | 2018-10-25 | International Business Machines Corporation | Automatic siting for air quality monitoring stations |
| US20180313649A1 (en) * | 2017-04-28 | 2018-11-01 | International Business Machines Corporation | 3-d air pollution transmission path identification |
| IT201700064056A1 (it) * | 2017-06-09 | 2018-12-09 | Sense Square S R L S | Mappatura delle sorgenti d’inquinamento atmosferico e tracciamento degli inquinanti mediante l’utilizzo di reti di monitoraggio della qualità dell’aria ad alta risoluzione spazio-temporale |
-
2018
- 2018-12-13 CN CN201811525323.7A patent/CN109612883A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001042052A (ja) * | 1999-07-30 | 2001-02-16 | Weather Information System Co Ltd | ダイオキシン類等の化学物質、微粒状降下物等に対する地域環境モニタリングシステム |
| CN104702685A (zh) * | 2015-03-11 | 2015-06-10 | 中山大学 | 基于后向轨迹的污染源追踪方法及其*** |
| US20180306762A1 (en) * | 2017-04-24 | 2018-10-25 | International Business Machines Corporation | Automatic siting for air quality monitoring stations |
| US20180313649A1 (en) * | 2017-04-28 | 2018-11-01 | International Business Machines Corporation | 3-d air pollution transmission path identification |
| IT201700064056A1 (it) * | 2017-06-09 | 2018-12-09 | Sense Square S R L S | Mappatura delle sorgenti d’inquinamento atmosferico e tracciamento degli inquinanti mediante l’utilizzo di reti di monitoraggio della qualità dell’aria ad alta risoluzione spazio-temporale |
| CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
| CN108489875A (zh) * | 2018-02-06 | 2018-09-04 | 济宁中科云天环保科技有限公司 | 一种基于时段统计分析的污染物溯源***及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 佘倩楠;徐茜;周陶冶;冯通;任浙豪;刘敏;: "长三角地区2015年大气重污染特征及其影响因素", 环境科学学报, no. 08, pages 3185 - 3196 * |
| 马国忠;银燕;张礼春;王秋京;: "哈尔滨一次可吸入颗粒物重污染事件过程分析", 南通大学学报(自然科学版), no. 01, pages 52 - 57 * |
| 高婷等: "惠州市大气环境容量核定技术研究", 《环境科学与管理》, vol. 35, no. 4, 30 April 2010 (2010-04-30), pages 180 - 182 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361304A (zh) * | 2019-06-20 | 2019-10-22 | 南开大学 | 基于ams数据估算不同生成路径对颗粒物中二次无机粒子影响的方法 |
| CN110361304B (zh) * | 2019-06-20 | 2021-10-01 | 南开大学 | 基于pmf3模型和ams数据估算不同生成路径对颗粒物中二次无机粒子贡献的方法 |
| CN111272950A (zh) * | 2020-02-12 | 2020-06-12 | 北京知天地环境科技有限公司 | 一种智能污染物追踪*** |
| WO2021184627A1 (zh) * | 2020-03-19 | 2021-09-23 | 平安国际智慧城市科技股份有限公司 | 基于r树的污染物溯源方法、装置及其相关设备 |
| CN111413259A (zh) * | 2020-04-14 | 2020-07-14 | 河南省商丘生态环境监测中心 | 空气废气实时监测和溯源方法 |
| CN111413259B (zh) * | 2020-04-14 | 2020-11-10 | 河南省商丘生态环境监测中心 | 空气废气实时监测和溯源方法 |
| CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
| CN112699753A (zh) * | 2020-12-22 | 2021-04-23 | 柏美迪康环境科技（上海）股份有限公司 | 扬尘监控与智能溯源***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109612883A (zh) | 基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 | |
| US8626467B2 (en) | Air pollution sampling system and method thereof | |
| Merbitz et al. | GIS-based identification of spatial variables enhancing heat and poor air quality in urban areas | |
| Ozkurt et al. | Modeling of noise pollution and estimated human exposure around İstanbul Atatürk Airport in Turkey | |
| Zhou et al. | Effects of potential recirculation on air quality in coastal cities in the Yangtze River Delta | |
| CN106446401B (zh) | 一种基于gis的pm2.5可视化动态扩散仿真*** | |
| CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
| KR20150031577A (ko) | 대기오염물질 배출량 역산출 방법 | |
| CN109613182A (zh) | 基于大气污染物的监测布点选址方法及装置 | |
| Ha Trang et al. | Spatial correlation analysis between particulate matter 10 (PM10) hazard and respiratory diseases in chiang mai province, Thailand | |
| Guan et al. | Transport pathways of PM10 during the spring in northwest China and its characteristics of potential dust sources | |
| CN107402171B (zh) | 基于分布式算法的大气扬尘污染基线剥离方法 | |
| Slezakova et al. | Ultrafine particles: levels in ambient air during outdoor sport activities | |
| CN111563331B (zh) | 一种基于移动监测的区域大气污染分布预测方法 | |
| Finn et al. | Analysis of urban atmosphere plume concentration fluctuations | |
| Hernandez et al. | PM 2.5 concentration measurement analysis by using non-parametric statistical inference | |
| CN113970511A (zh) | 一种基于bp神经网络的空气颗粒物数据监测***及方法 | |
| CN111898296B (zh) | 一种核物质大气扩散及沉降多尺度模拟方法及*** | |
| KR102317207B1 (ko) | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 | |
| KR101540759B1 (ko) | 오염물질 배출원 추적방법 | |
| CN109669005A (zh) | 一种大气污染物传输量化方法及装置 | |
| KR102317206B1 (ko) | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 | |
| Park et al. | Identification of visibility reducing weather phenomena due to aerosols | |
| Nakapan et al. | Geospatial analysis of relationship between climate factors and diffusion of air pollution in Chiang Mai, Thailand | |
| CN110751345A (zh) | 一种基于距离特征的目标地点的pm2.5的值的预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: 100160 606, 6th floor, building 1, courtyard 8, Automobile Museum West Road, Fengtai District, Beijing Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230410 Address after: Unit 02, 12th Floor, 501, Building 3, Yard 20, Jinhe East Road, Chaoyang District, Beijing, 100020 Applicant after: IBM (CHINA) INVESTMENT CO.,LTD. Address before: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant before: Beijing Yingshi Ruida Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240104 Address after: Armank, New York, USA Applicant after: International Business Machines Corp. Address before: Unit 02, 12th Floor, 501, Building 3, Yard 20, Jinhe East Road, Chaoyang District, Beijing, 100020 Applicant before: IBM (CHINA) INVESTMENT CO.,LTD. |
|
| TA01 | Transfer of patent application right |