CN110673229A - 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 - Google Patents
一种基于热点网格技术的大气污染物扩散轨迹追踪方法 Download PDFInfo
- Publication number
- CN110673229A CN110673229A CN201911014569.2A CN201911014569A CN110673229A CN 110673229 A CN110673229 A CN 110673229A CN 201911014569 A CN201911014569 A CN 201911014569A CN 110673229 A CN110673229 A CN 110673229A
- Authority
- CN
- China
- Prior art keywords
- aerosol
- atmospheric
- extinction coefficient
- data
- ground
- 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
- 238000009792 diffusion process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 75
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 57
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 57
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 239000000443 aerosol Substances 0.000 claims abstract description 111
- 238000002310 reflectometry Methods 0.000 claims abstract description 41
- 230000003287 optical effect Effects 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000013213 extrapolation Methods 0.000 claims abstract description 4
- 230000008033 biological extinction Effects 0.000 claims description 90
- 238000009826 distribution Methods 0.000 claims description 32
- 239000002245 particle Substances 0.000 claims description 23
- 239000013618 particulate matter Substances 0.000 claims description 20
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 16
- 239000005427 atmospheric aerosol Substances 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 239000003102 growth factor Substances 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004062 sedimentation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 abstract description 6
- 238000007689 inspection Methods 0.000 abstract 1
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于热点网格技术的大气污染物扩散轨迹追踪方法，包括以下步骤：开始反演陆地气溶胶，对查算表中不同的气溶胶类型做循环，对查算表中的550nm的AOD做循环，计算改气溶胶类型时，对应550nmAOD和2.25μm观测值条件下的2.25μm的地表反射率，验证地表反射率是否合理，通过确定的0.47μm的地表反射率，观测到的0.47μm的表现反射率是否在这次和上次计算的表现反射率之间，线性插值得到550nm时的AOD，反演得到的550nm的AOD值是否合理，通过外插的方法得到550nm的AOD以及地表反射率的值，选出残差最小时对应的气溶胶类型以及对应的气溶胶光学厚度的值，反演结束。本发明能够实现局部大气污染物成因及扩散分析，最终以产品图的形式生成，可以为环保部门提供执法依据。
Description
技术领域
本发明涉及卫星遥感技术领域，是基于卫星遥感热点网格化生成 产品图为前提，利用大气污染物扩散条件的一种前向扩散轨迹、后向 溯源轨迹技术，特别是关于大气污染物短时扩散的预报及污染物溯源、 扩散轨迹的跟踪有良好的功能性，具体为一种基于热点网格技术的大 气污染物扩散轨迹追踪方法。
背景技术
近年来，随着大气污染问题的日益严峻，各种污染物的相互耦合 叠加，大气污染现象出现了压缩性、区域性和复合型，城市及区域大 气污染状况严重，重污染日发生频率高，利用环境遥感产品自动化生 产平台实现自动化生产大多数的大气和生态要素的基础遥感产品(少 部分无法自动化的利用现有人机交互方式获取)，环境遥感产品自动 化生产平台与分布式卫星数据采集平台采集的数据进行实时对接，对 数据进行实时处理，获取后续应用所需要的基础遥感产品，将观测区 域划分为3千米×3千米的网格，利用卫星遥感技术，综合选取 PM2.5年均浓度相对较高网格，作为大气污染热点网格，进行观测和 筛选出污染物排放清单单位，同时利用卫星遥感和模式在涉气污染源 相对集中的热点网格内结合地面监测微站，实时监控污染变化，识别 选出PM2.5浓度异常的区域，范围缩小至2000米×2000米，计算 和分析大气污染物输送、扩散轨迹，指导开展监督执法。
目前，卫星遥感大气污染物监测只是将污染区域分为2KM*2KM 的网格，并用不同的色标表示区域污染浓度，但是本区域的污染物的 溯源(本地产生或外区域扩散)和扩散条件并无法得知，本次发明通 过前向扩散轨迹、后向溯源轨迹技术，能够实现区域污染物溯源和短 时扩散预报的功能，并实现污染物扩散轨迹追踪。
发明内容
本发明的目的在于提供一种基于热点网格技术的大气污染物扩 散轨迹追踪方法，以解决上述背景技术中提出的卫星遥感大气污染物 监测只是将污染区域分为2KM*2KM的网格，并用不同的色标表示区 域污染浓度，但是本区域的污染物的溯源和扩散条件并无法得知，本 次发明通过前向扩散轨迹、后向溯源轨迹技术，能够实现区域污染物 溯源和短时扩散预报的功能，并实现污染物扩散轨迹追踪的问题。
为实现上述目的，本发明提供如下技术方案：一种基于热点网格 技术的大气污染物扩散轨迹追踪方法，包括以下步骤：
步骤S1：开始反演陆地气溶胶；
步骤S2：卫星观测的0.47、0.64/0.25μm表现反射率；
步骤S3：对查算表中不同的气溶胶类型做循环，如没找到最小 的残进行步骤S4，如找到最小的残差，直接到步骤S14进行操作，；
步骤S4：对查算表中的550nm的AOD做循环；
步骤S5：计算改气溶胶类型时，对应550nmAOD和2.25μm观测 值条件下的2.25μm的地表反射率；
步骤S6：根据“暗背景”条件下0.47和0.64μm的地表反射率 和2.25μm的经验关系确定红蓝通道的地表反射率；
步骤S7：验证(0.47、0.64、2.25μm通)地表反射率是否合理， 如验证合理直接进行步骤S8，如验证不合理直接跳至步骤S11；
步骤S8：通过确定的0.47μm的地表反射率，以及该循环条件 下的气溶胶类型和550nm的AOD计算0.47μm时大气层顶表现反射率；
步骤S9：观测到的0.47μm的表现反射率是否在这次和上次计 算的表现反射率之间，如果一致则直接进行步骤S10，如果不一致则 回到步骤S4；
步骤S10：线性插值得到550nm时的AOD，以及0.47、0.64、2.25 三个通道的地表反射率的值；
步骤S11：反演得到的550nm的AOD值是否合理，如果不合理侧 进行步骤S12，如果合理则调至步骤S13；
步骤S12：通过外插的方法得到550nm的AOD以及地表反射率的 值；
步骤S13：计算0.64μm通道大气层顶表现反射率的残值，计算 完成回到步骤S3；
步骤S14：选出残差最小时对应的气溶胶类型以及对应的气溶胶 光学厚度的值；
步骤S15：反演结束。
进一步的，选取了中国气象局发射的FY-4静止卫星数据、日本 气象厅发射的葵花-8号静止卫星数据、美国MODIS极轨微信数据、 欧洲NPP极轨卫星数据，通过卫星数据同化，进行大气AOD反演。
进一步的，利用地基观测的气溶胶物理参量信息对中国地区的气 溶胶类型进行分类，并将其应用到辐射传输模式中计算出包含大气透 过率、大气表观发射率等量的查算表；分析可见光通道0.47μm，0.66 μm波段的地表反射率与短波红外波段的地表反射率之间的关系，并 分析其相关关系的适用条件以及影响因素；开发云检测反演算法用以 获取晴空区范围；利用分析场资料中的水汽、臭氧等量对卫星的观测 量进行大气吸收订正；利用地表高程数据计算大气分子瑞利散射贡献； 将扣除分子散射、大气吸收后，晴空暗背景条件下的多通道卫星观测 值与查算表相结合，基于最优化方法获取大气气溶胶光学厚度、悬浮 颗粒物柱质量浓度，Angstrom指数等气溶胶光学参量。
进一步的，卫星遥感的气溶胶光学厚度代表的是垂直方向上大气 总的消光，而PM2.5代表的是地面可吸入颗粒物的浓度，因此要想 从卫星遥感的AOD中获得PM2.5的浓度，就必需将AOD的值转换 到地面，这就需要知道气溶胶的垂直分布结构，确定气溶胶廓线可以 采用假定的气溶胶模型、模式模拟(例如GEO-CHEM)和地面观测的方 法，由于激光雷达可以准确地反演气溶胶消光系数的垂直分布，所以 是目前获得气溶胶廓线最可靠的方法。在获得激光雷达反演气溶胶消 光系数的廓线后，则可以进行由气溶胶光学厚度到地面消光系数映射 的高度订正。但由于激光雷达数据仅能代表单点的廓线，因此在实际 的地面颗粒物浓度反演过程中采用了站点数更多的地面能见度数据 进行地面颗粒物反演的高度订正。大气气溶胶光学厚度τ可表示为气 溶胶消光系数在整层大气垂直方向上的积分：
其中βz代表垂直方向上的消光系数，m-1。通常情况下假定气溶胶 消光系数在垂直方向上按指数分布：
其中β0为地面消光系数，m-1；H为气溶胶的标高，m。一般情况下 气溶胶密度随指数递减，若粒子的谱分布不随高度改变，在消光系数 减小为地面消光系数的e-1时的高度，即称为气溶胶标高H。将(2) 式代入(1)式有：
在已知站点能见度的情况下，地面的水平消光系数可表示为：
β0＝3.912/L (4)
其中L表示地面站点观测的水平能见度，结合相应站点卫星遥感的 大气气溶胶光学厚度，可得到对应站点的标高。利用这些离散站点的 标高内插为与卫星匹配的高分辨率的标高数据H(x,y)。将得到的标 高代入(3)式中，即可得到地面消光系数的空间分布。由于PM2.5测 得的是干气溶胶的质量浓度，因此在得到地面消光系数以后还需按(4) 式进行湿度订正。
βdry＝β0/f(RH) (4)
其中增长因子
其中RH0为0.4。
根据米散射理论，气溶胶消光系数是粒子谱分布与消光特性的函数：
其中Qext(r，λ，m)是粒子的消光效率，m为复折射指数，与气溶胶 的化学成分有关，直接影响粒子的散射吸收特性。x/2对应PM10或 者PM2.5时粒子对应的半径。对于一定粒子谱分布的气溶胶，PM的 质量浓度可表示为：
联合(5)和(6)两式，有：
由(9)式可以看出，干气溶胶的消光系数与PM2.5的直接相关，其中 MEE即为质量消光效率，表示单位质量浓度的气溶胶的消光能力。因 此可通过对几个典型站点的PM2.5进行观测建立βdry和PM2.5的 相关关系，将得到的相关关系与βdry的空间分布相结合，即可得到 PM2.5产品。已有大气气溶胶光学厚度格点数据和地面能见度散点观 测数据，根据地面能见度与消光系数反相关的原理，以及气溶胶光学 厚度等于消光系数在垂直方向上的积分，先计算得到消光系数格点数 据，根据消光系数计算得到地面水平能见度。气溶胶光学厚度和消光 系数、标高三者之间的关系：
1)根据地面能见度散点观测数据计算消光系数在水平均一的条 件下，地面大气水平能见度(气象能见距)R和大气消光系数的关系为：
其中ε为人眼的对比感阈，取ε＝0.02，这就是Koschmieder能 见度公式。
2)计算散点的边界层高度(标高)
利用消光系数和气溶胶光学厚度AOD数据，代入公式(3)，得 到离散点的标高。
3)散点的标高数据做插值运算，得到标高格点数据；
利用散点的标高数据，做克里金插值运算，得到边界层高度(标 高)的格点数据。
4)计算湿的消光系数
利用边界层高度(标高)的格点数据和气溶胶光学厚度AOD数据，代入 公式(10)，得到湿的消光系数
根据湿的消光系数，代入式(11)，可计算得到能见度。
进一步的，采用online的空气质量预报模式WRF-CHEM来进行 空气质量预报。
进一步的，利用星-地一体化的监测资料选择空气质量预报模式 中合理的参数化方案，尤其是对颗粒物预报结果影响比较大的边界层 方案(PBL)。
进一步的，雾霾数值预报主要是初边值问题，由于排放源清单的 滞后和人为造成的不确定性，导致雾霾数值预报***在求解时初值很 不准确，其对同化的需求非常强烈，通过同化可以有效改善模式初值， 提高预报效率。国外较早开展了卫星资料在大气成分数值预报***中 的同化应用工作并取得了一定的应用成果，而我国大气成分资料同化 方面的工作开展的非常有限，还未在模式中同化静止卫星的气溶胶观 测产品，因此通过三维变分同化(3DVar)方法同化高频次的静止卫星 产品，也即在预报过程中不断利用卫星观测数据进行修正，这个新的 初始场优于原有模式预报场(分析场优于背景场)，进而能对下一个时刻的预报结果起到改善效果。
进一步的，由于气象场和模式方案都有不确定性，因此会给最终 的模式预报结果带来很大的不确定性，因此考虑可以通过集合预报手 段来减小不确定性。事先给定与预报场误差分布的估计，在模式区域 内每一个格点上，大气状态量被依据所处位置上对应物理量的预报误 差猜值来给定一个基于高斯分布的随机扰动量，通过添加这种随机扰 动来产生集合(ensemble)成员。每个集合成员进行预报，最后将众模 式结果利用多模式输出集成技术给出最优的空气质量预报结论。集合 成员之间的差异可用来模拟初值场的不确定性；多物理方案的模拟结 果也可用来评估模式方案的不确定性。
进一步的，前向溯源轨迹、后向扩散轨迹方法结合了大气水平和 垂直运动，在污染物传输、扩散和沉降等方面具有完整的参考价值。 前向溯源轨迹、后向扩散轨迹统计方法有很多，如潜在源区贡献法(PSCF)、浓度权重贡献法(CWT)、保留时间权重浓度发(RTWC)和定量输送偏差分析(QTBA)。前向溯源轨迹、后向扩散轨迹方法产生 的结果会随着推算局里和时间的增加而变大。所以讲轨迹所覆盖区域 进行分层网格化处理，网格标准采用2KM*2KM。基于前向溯源轨迹、 后向扩散轨迹方法聚类分析结果，计算每类轨迹对应时间的PM2.5 质量浓度平均值，以表征该轨迹来源方向的气团对监测区域浓度水平 的影响。因为氮氧化物扩散速度与颗粒物扩散速度相差在3小时以 上。我们通过同一网格内的氮氧化物与颗粒物的扩散值得到污染物是 否为本地产生。通过数据可视化，将每10分钟一频次的颗粒物监测 结果在生成的PM2.5产品上图进行标点。从而得到一个连续的扩散 条件分析。从而实现溯源与扩散的功能。
本发明针对重污染状况提供预警发布、应急响应，同时应用源解 析技术实现区域及城市污染成因分析，为制定科学的污染减排措施提 供保障支持。建立大气污染物在空气中的输送扩散模型，预报大气污 染物浓度在空气中的动态分布和变化趋势。能够实现局部大气污染物 成因及扩散分析，最终以产品图的形式生成，可以为环保部门提供执 法依据。
附图说明
图1为本发明一种基于热点网格技术的大气污染物扩散轨迹追 踪方法的静止卫星陆地气溶胶反演流程图；
图2为本发明一种基于热点网格技术的大气污染物扩散轨迹追 踪方法的卫星遥感地面颗粒物浓度算法流程图；
图3为本发明一种基于热点网格技术的大气污染物扩散轨迹追 踪方法的热点网格2KM*2KM产品图；
图4为本发明一种基于热点网格技术的大气污染物扩散轨迹追 踪方法的后向扩散轨迹图；
图5为本发明一种基于热点网格技术的大气污染物扩散轨迹追 踪方法的前向轨迹溯源图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，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他实施例， 都属于本发明保护的范围。
请参阅图1-5，本发明提供一种技术方案：一种基于热点网格技 术的大气污染物扩散轨迹追踪方法，包括以下步骤：
步骤S1：开始反演陆地气溶胶；
步骤S2：卫星观测的0.47、0.64/0.25μm表现反射率；
步骤S3：对查算表中不同的气溶胶类型做循环，如没找到最小 的残进行步骤S4，如找到最小的残差，直接到步骤S14进行操作，；
步骤S4：对查算表中的550nm的AOD做循环；
步骤S5：计算改气溶胶类型时，对应550nmAOD和2.25μm观测 值条件下的2.25μm的地表反射率；
步骤S6：根据“暗背景”条件下0.47和0.64μm的地表反射率 和2.25μm的经验关系确定红蓝通道的地表反射率；
步骤S7：验证(0.47、0.64、2.25μm通)地表反射率是否合理， 如验证合理直接进行步骤S8，如验证不合理直接跳至步骤S11；
步骤S8：通过确定的0.47μm的地表反射率，以及该循环条件 下的气溶胶类型和550nm的AOD计算0.47μm时大气层顶表现反射率；
步骤S9：观测到的0.47μm的表现反射率是否在这次和上次计 算的表现反射率之间，如果一致则直接进行步骤S10，如果不一致则 回到步骤S4；
步骤S10：线性插值得到550nm时的AOD，以及0.47、0.64、2.25 三个通道的地表反射率的值；
步骤S11：反演得到的550nm的AOD值是否合理，如果不合理侧 进行步骤S12，如果合理则调至步骤S13；
步骤S12：通过外插的方法得到550nm的AOD以及地表反射率的 值；
步骤S13：计算0.64μm通道大气层顶表现反射率的残值，计算 完成回到步骤S3；
步骤S14：选出残差最小时对应的气溶胶类型以及对应的气溶胶 光学厚度的值；
步骤S15：反演结束。
本发明中，选取了中国气象局发射的FY-4静止卫星数据、日本 气象厅发射的葵花-8号静止卫星数据、美国MODIS极轨微信数据、 欧洲NPP极轨卫星数据，通过卫星数据同化，进行大气AOD反演。
本发明中，利用地基观测的气溶胶物理参量信息对中国地区的气 溶胶类型进行分类，并将其应用到辐射传输模式中计算出包含大气透 过率、大气表观发射率等量的查算表；分析可见光通道0.47μm，0.66 μm波段的地表反射率与短波红外波段的地表反射率之间的关系，并 分析其相关关系的适用条件以及影响因素；开发云检测反演算法用以 获取晴空区范围；利用分析场资料中的水汽、臭氧等量对卫星的观测 量进行大气吸收订正；利用地表高程数据计算大气分子瑞利散射贡献； 将扣除分子散射、大气吸收后，晴空暗背景条件下的多通道卫星观测 值与查算表相结合，基于最优化方法获取大气气溶胶光学厚度、悬浮 颗粒物柱质量浓度，Angstrom指数等气溶胶光学参量。
本发明中，卫星遥感的气溶胶光学厚度代表的是垂直方向上大气 总的消光，而PM2.5代表的是地面可吸入颗粒物的浓度，因此要想 从卫星遥感的AOD中获得PM2.5的浓度，就必需将AOD的值转换 到地面，这就需要知道气溶胶的垂直分布结构，确定气溶胶廓线可以 采用假定的气溶胶模型、模式模拟(例如GEO-CHEM)和地面观测的方 法，由于激光雷达可以准确地反演气溶胶消光系数的垂直分布，所以 是目前获得气溶胶廓线最可靠的方法。在获得激光雷达反演气溶胶消 光系数的廓线后，则可以进行由气溶胶光学厚度到地面消光系数映射 的高度订正。但由于激光雷达数据仅能代表单点的廓线，因此在实际 的地面颗粒物浓度反演过程中采用了站点数更多的地面能见度数据 进行地面颗粒物反演的高度订正。大气气溶胶光学厚度τ可表示为气 溶胶消光系数在整层大气垂直方向上的积分：
其中βz代表垂直方向上的消光系数，m-1。通常情况下假定气溶胶 消光系数在垂直方向上按指数分布：
其中β0为地面消光系数，m-1；H为气溶胶的标高，m。一般情况下 气溶胶密度随指数递减，若粒子的谱分布不随高度改变，在消光系数 减小为地面消光系数的e-1时的高度，即称为气溶胶标高H。将(2) 式代入(1)式有：
在已知站点能见度的情况下，地面的水平消光系数可表示为：
β0＝3.912/L (4)
其中L表示地面站点观测的水平能见度，结合相应站点卫星遥感的 大气气溶胶光学厚度，可得到对应站点的标高。利用这些离散站点的 标高内插为与卫星匹配的高分辨率的标高数据H(x,y)。将得到的标 高代入(3)式中，即可得到地面消光系数的空间分布。由于PM2.5测 得的是干气溶胶的质量浓度，因此在得到地面消光系数以后还需按(4) 式进行湿度订正。
βdry＝β0/f(RH) (4)
其中增长因子
其中RH0为0.4。
根据米散射理论，气溶胶消光系数是粒子谱分布与消光特性的函数：
其中Qext(r，λ，m)是粒子的消光效率，m为复折射指数，与气溶胶 的化学成分有关，直接影响粒子的散射吸收特性。x/2对应PM10或 者PM2.5时粒子对应的半径。对于一定粒子谱分布的气溶胶，PM的 质量浓度可表示为：
联合(5)和(6)两式，有：
由(9)式可以看出，干气溶胶的消光系数与PM2.5的直接相关，其中 MEE即为质量消光效率，表示单位质量浓度的气溶胶的消光能力。因 此可通过对几个典型站点的PM2.5进行观测建立βdry和PM2.5的 相关关系，将得到的相关关系与βdry的空间分布相结合，即可得到 PM2.5产品。已有大气气溶胶光学厚度格点数据和地面能见度散点观 测数据，根据地面能见度与消光系数反相关的原理，以及气溶胶光学 厚度等于消光系数在垂直方向上的积分，先计算得到消光系数格点数 据，根据消光系数计算得到地面水平能见度。气溶胶光学厚度和消光 系数、标高三者之间的关系：
2)根据地面能见度散点观测数据计算消光系数在水平均一的条 件下，地面大气水平能见度(气象能见距)R和大气消光系数的关系为：
其中ε为人眼的对比感阈，取ε＝0.02，这就是Koschmieder能 见度公式。
2)计算散点的边界层高度(标高)
利用消光系数和气溶胶光学厚度AOD数据，代入公式(3)，得 到离散点的标高。
3)散点的标高数据做插值运算，得到标高格点数据；
利用散点的标高数据，做克里金插值运算，得到边界层高度(标 高)的格点数据。
4)计算湿的消光系数
利用边界层高度(标高)的格点数据和气溶胶光学厚度AOD数 据，代入公式(10)，得到湿的消光系数
根据湿的消光系数，代入式(11)，可计算得到能见度。
本发明中，采用online的空气质量预报模式WRF-CHEM来进行 空气质量预报。
本发明中，利用星-地一体化的监测资料选择空气质量预报模式 中合理的参数化方案，尤其是对颗粒物预报结果影响比较大的边界层 方案(PBL)。
本发明中，雾霾数值预报主要是初边值问题，由于排放源清单的 滞后和人为造成的不确定性，导致雾霾数值预报***在求解时初值很 不准确，其对同化的需求非常强烈，通过同化可以有效改善模式初值， 提高预报效率。国外较早开展了卫星资料在大气成分数值预报***中 的同化应用工作并取得了一定的应用成果，而我国大气成分资料同化 方面的工作开展的非常有限，还未在模式中同化静止卫星的气溶胶观 测产品，因此通过三维变分同化(3DVar)方法同化高频次的静止卫星 产品，也即在预报过程中不断利用卫星观测数据进行修正，这个新的 初始场优于原有模式预报场(分析场优于背景场)，进而能对下一个时刻的预报结果起到改善效果。
本发明中，由于气象场和模式方案都有不确定性，因此会给最终 的模式预报结果带来很大的不确定性，因此考虑可以通过集合预报手 段来减小不确定性。事先给定与预报场误差分布的估计，在模式区域 内每一个格点上，大气状态量被依据所处位置上对应物理量的预报误 差猜值来给定一个基于高斯分布的随机扰动量，通过添加这种随机扰 动来产生集合(ensemble)成员。每个集合成员进行预报，最后将众模 式结果利用多模式输出集成技术给出最优的空气质量预报结论。集合 成员之间的差异可用来模拟初值场的不确定性；多物理方案的模拟结 果也可用来评估模式方案的不确定性。
本发明中，前向溯源轨迹、后向扩散轨迹方法结合了大气水平和 垂直运动，在污染物传输、扩散和沉降等方面具有完整的参考价值。 前向溯源轨迹、后向扩散轨迹统计方法有很多，如潜在源区贡献法(PSCF)、浓度权重贡献法(CWT)、保留时间权重浓度发(RTWC)和定量输送偏差分析(QTBA)。前向溯源轨迹、后向扩散轨迹方法产生 的结果会随着推算局里和时间的增加而变大。所以讲轨迹所覆盖区域 进行分层网格化处理，网格标准采用2KM*2KM。基于前向溯源轨迹、 后向扩散轨迹方法聚类分析结果，计算每类轨迹对应时间的PM2.5 质量浓度平均值，以表征该轨迹来源方向的气团对监测区域浓度水平 的影响。因为氮氧化物扩散速度与颗粒物扩散速度相差在3小时以 上。我们通过同一网格内的氮氧化物与颗粒物的扩散值得到污染物是 否为本地产生。通过数据可视化，将每10分钟一频次的颗粒物监测 结果在生成的PM2.5产品上图进行标点。从而得到一个连续的扩散 条件分析，从而实现溯源与扩散的功能。
基于热点网格前向扩散轨迹、后向溯源轨迹将应用于异常大气污 染网格区域内用于计算和分析大气污染物输送、扩散轨迹的专业模型。 该模型具有处理多种气象要素输入场、多种物理过程和不同类型污染 物排放源功能的较为完整的输送、扩散和沉降模式，包括沙尘、对流 层臭氧、EC、二氧化硫、苯、火山喷发、森林火灾、汞、PM2.5的扩 散模拟，该模式是一种欧拉拉格朗日混合计算模式，其平流和扩散计 算采用拉格朗日方法。HYSPLIT轨迹模型通常用来跟踪气流所携带的 粒子或气体移动方向，可以实时预报风场形势，分析降水，研究轨迹， 基于流体力学的轨迹方程，HYSPLIT轨迹模式分为前向轨迹和后向轨 迹两类，后向轨迹分析气流溯源；前向轨迹分析发展路径追踪，其可 用轨迹预报，气流三维轨迹模式模拟分析气团路径的思路是假设空气 中的粒子随风飘动，则其移动轨迹就是时间和空间上位置矢量的积分， 其中气象场采用美国国家环境预报中心和美国国家大气研究中心全 球再分析资料，每日有4个时次，垂直方向为17层，从地面到 10hPa，要素场包括温、湿、压、高度以及水平和垂直风速场等，轨 迹模式每天计算4个时次，起始点高度为地面，范围覆盖欧亚大陆， 轨迹方法能够定性地分析特定观测点影响其团的来向和源地，理解特定的气溶胶浓度分布和变化，能够给出合理解释，可在更大范围内理 解影响气流的来向，得出影响受点气团的源地、移动轨迹和移动速度， 同时通过逐条轨迹所占比例的计算可以给出气团移动的主次路径，为 外推污染物发展起到指导作用，利用机器学习方法提供6小时以内 的临近预警预报空气质量指数(AQI)范围；利用空气质量预报模式 提供6–72小时的短期空气质量预报结果，产品信息包括:空气质量 级别、范围和首要污染物及含量，利用地基观测的气溶胶物理参量信 息对中国地区的气溶胶类型进行分类，并将其应用到辐射传输模式中 计算出包含大气透过率、大气表观发射率等量的查算表；分析可见光 通道0.47μm，0.66μm波段的地表反射率与短波红外波段的地表反 射率之间的关系，并分析其相关关系的适用条件以及影响因素；开发 云检测反演算法用以获取晴空区范围；利用分析场资料中的水汽、臭 氧等量对卫星的观测量进行大气吸收订正；利用地表高程数据计算大气分子瑞利散射贡献；将扣除分子散射、大气吸收后，晴空暗背景条 件下的多通道卫星观测值与查算表相结合，基于最优化方法获取大气 气溶胶光学厚度、悬浮颗粒物柱质量浓度，Angstrom指数等气溶胶 光学参量，利用地基及卫星的相关监测产品以及其他辅助数据，基于 气象数据及污染物排放清单，应用集成，化天气预报模式(WRF)、 排放源处理模式(Smoke)、空气质量数值预报模式***(WRF-Chem等)、 空气质量统计预报模式***，实现环境空气质量数值预报运算及展示 并提供环境空气质量数值预报服务的产品。并通过卫星及地面等观测 资料的三维变分同化以及集合预报的方法不断提升预报，精度。针对 重污染状况提供预警发布、应急响应，同时应用源解析技术实现区域 及城市污染成因，分析，为制定科学的污染减排措施提供保障支持。 建立大气污染物在空气中的输送扩散模型，预报大气污染物浓度在空 气中的动态分布和变化趋势，实施大同市及周边的空气质量预报，并在符，合相关标准时提供预警信息。按照预报时效主要分为两个部分： 基于统计方法的临近预报采用Convolutional LSTM Network(卷积 长短时记忆网络)进行空气质量预报，并考虑以区分局地污染源与未 来污染源要素提高预报精度，利用星-地一体化外的监测资料，将污 染源分为外来污染和本地污染。对于外来污染源，通过泰勒冻结假设 和关键点匹配追踪到未来一段时间染物流场速度矢量，通过外插未来 每个坐标点的运动轨迹，推测出未来位于目标站点上方的污染物来源 区域。然后将此外来污染源的作为卷积神经网络的输入，对于局地的 污染源通过将属地污染物作为卷积LSTM的输入，结合外来污染源的， 对局地的的历史数据和外来污染物历史数据作为数据集输入模型训 练网络，提高预报精度，基于空气质量预报模式的短期预报拟采用 online的空气质量预报模式WRF-CHEM来进行空气质量预报。并考 虑从以下三个方面来提升预报精度：参数化方案的选择利用星-地一 体化的监测资料选择空气质量预报模式中合理的参数化方案，尤其是 对颗粒物预报结果影响比较大的边界层方案(PBL)，高频次卫星观测 资料的同化，雾霾数值预报主要是初边值问题，由于排放源清单的滞 后和人为造成的不确定性，导致雾霾数值预报***在求解时初值很不 准确，其对同化的需求非常强烈，通过同化可以有效改善模式初值， 提高预报效率。国外较早开展了卫星资料在大气成分数值预报***中 的同化应用工作并取得了一定的应用成果，而我国大气成分资料同化 方面的工作开展的非常有限，还未在模式中同化静止卫星的气溶胶观 测产品，因此通过三维变分同化(3DVar)方法同化高频次的静止卫星产品，也即在预报过程中不断利用卫星观测数据进行修正，这个新的 初始场优于原有模式预报场(分析场优于背景场)，进而能对下一个 时刻的预报结果起到改善效果，基于WRF-CHEM的集合预报由于气象 场和模式方案都有不确定性，因此会给最终的模式预报结果带来很大 的不确定性，因此考虑可以通过集合预报手段来减小不确定性。事先 给定与预报场误差分布的估计，在模式区域内每一个格点上，大气状 态量被依据所处位置上对应物理量的预报误差猜值来给定一个基于 高斯分布的随机扰动量，通过添加这种随机扰动来产生集合 (ensemble)成员。每个集合成员进行预报，最后将众模式结果利用多 模式输出集成技术给出最优的空气质量预报结论，集合成员之间的差 异可用来模拟初值场的不确定性；多物理方案的模拟结果也可用来评 估模式方案的不确定性。
本发明针对重污染状况提供预警发布、应急响应，同时应用源解 析技术实现区域及城市污染成因分析，为制定科学的污染减排措施提 供保障支持。建立大气污染物在空气中的输送扩散模型，预报大气污 染物浓度在空气中的动态分布和变化趋势。能够实现局部大气污染物 成因及扩散分析，最终以产品图的形式生成，可以为环保部门提供执 法依据。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅 仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定 要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺 序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排 他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备 不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术 人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这 些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权 利要求及其等同物限定。
Claims (9)
1.一种基于热点网格技术的大气污染物扩散轨迹追踪方法，包括以下步骤，其特征在于：
步骤S1：开始反演陆地气溶胶；
步骤S2：卫星观测的0.47、0.64/0.25μm表现反射率；
步骤S3：对查算表中不同的气溶胶类型做循环，如没找到最小的残进行步骤S4，如找到最小的残差，直接到步骤S14进行操作；
步骤S4：对查算表中的550nm的AOD做循环；
步骤S5：计算改气溶胶类型时，对应550nmAOD和2.25μm观测值条件下的2.25μm的地表反射率；
步骤S6：根据“暗背景”条件下0.47和0.64μm的地表反射率和2.25μm的经验关系确定红蓝通道的地表反射率；
步骤S7：验证(0.47、0.64、2.25μm通)地表反射率是否合理，如验证合理直接进行步骤S8，如验证不合理直接跳至步骤S11；
步骤S8：通过确定的0.47μm的地表反射率，以及该循环条件下的气溶胶类型和550nm的AOD计算0.47μm时大气层顶表现反射率；
步骤S9：观测到的0.47μm的表现反射率是否在这次和上次计算的表现反射率之间，如果一致则直接进行步骤S10，如果不一致则回到步骤S4；
步骤S10：线性插值得到550nm时的AOD，以及0.47、0.64、2.25三个通道的地表反射率的值；
步骤S11：反演得到的550nm的AOD值是否合理，如果不合理侧进行步骤S12，如果合理则调至步骤S13；
步骤S12：通过外插的方法得到550nm的AOD以及地表反射率的值；
步骤S13：计算0.64μm通道大气层顶表现反射率的残值，计算完成回到步骤S3；
步骤S14：选出残差最小时对应的气溶胶类型以及对应的气溶胶光学厚度的值；
步骤S15：反演结束。
2.根据权利要求1所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：选取了中国气象局发射的FY-4静止卫星数据、日本气象厅发射的葵花-8号静止卫星数据、美国MODIS极轨微信数据、欧洲NPP极轨卫星数据，通过卫星数据同化，进行大气AOD反演。
3.根据权利要求1所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：利用地基观测的气溶胶物理参量信息对中国地区的气溶胶类型进行分类，并将其应用到辐射传输模式中计算出包含大气透过率、大气表观发射率等量的查算表；分析可见光通道0.47μm，0.66μm波段的地表反射率与短波红外波段的地表反射率之间的关系，并分析其相关关系的适用条件以及影响因素；开发云检测反演算法用以获取晴空区范围；利用分析场资料中的水汽、臭氧等量对卫星的观测量进行大气吸收订正；利用地表高程数据计算大气分子瑞利散射贡献；将扣除分子散射、大气吸收后，晴空暗背景条件下的多通道卫星观测值与查算表相结合，基于最优化方法获取大气气溶胶光学厚度、悬浮颗粒物柱质量浓度，Angstrom指数等气溶胶光学参量。
4.根据权利要求1所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：卫星遥感的气溶胶光学厚度代表的是垂直方向上大气总的消光，而PM2.5代表的是地面可吸入颗粒物的浓度，因此要想从卫星遥感的AOD中获得PM2.5的浓度，就必需将AOD的值转换到地面，这就需要知道气溶胶的垂直分布结构，确定气溶胶廓线可以采用假定的气溶胶模型、模式模拟(例如GEO-CHEM)和地面观测的方法，由于激光雷达可以准确地反演气溶胶消光系数的垂直分布，所以是目前获得气溶胶廓线最可靠的方法。在获得激光雷达反演气溶胶消光系数的廓线后，则可以进行由气溶胶光学厚度到地面消光系数映射的高度订正。但由于激光雷达数据仅能代表单点的廓线，因此在实际的地面颗粒物浓度反演过程中采用了站点数更多的地面能见度数据进行地面颗粒物反演的高度订正。大气气溶胶光学厚度τ可表示为气溶胶消光系数在整层大气垂直方向上的积分：
其中βz代表垂直方向上的消光系数，m-1。通常情况下假定气溶胶消光系数在垂直方向上按指数分布：
其中β0为地面消光系数，m-1；H为气溶胶的标高，m。一般情况下气溶胶密度随指数递减，若粒子的谱分布不随高度改变，在消光系数减小为地面消光系数的e-1时的高度，即称为气溶胶标高H。将(2)式代入(1)式有：
在已知站点能见度的情况下，地面的水平消光系数可表示为：
β0＝3.912/L (4)
其中L表示地面站点观测的水平能见度，结合相应站点卫星遥感的大气气溶胶光学厚度，可得到对应站点的标高。利用这些离散站点的标高内插为与卫星匹配的高分辨率的标高数据H(x,y)。将得到的标高代入(3)式中，即可得到地面消光系数的空间分布。由于PM2.5测得的是干气溶胶的质量浓度，因此在得到地面消光系数以后还需按(4)式进行湿度订正。
βdry＝β0/f(RH) (4)
其中增长因子
其中RH0为0.4。
根据米散射理论，气溶胶消光系数是粒子谱分布与消光特性的函数：
其中Qext(r，λ，m)是粒子的消光效率，m为复折射指数，与气溶胶的化学成分有关，直接影响粒子的散射吸收特性。x/2对应PM10或者PM2.5时粒子对应的半径。对于一定粒子谱分布的气溶胶，PM的质量浓度可表示为：
联合(5)和(6)两式，有：
由(9)式可以看出，干气溶胶的消光系数与PM2.5的直接相关，其中MEE即为质量消光效率，表示单位质量浓度的气溶胶的消光能力。因此可通过对几个典型站点的PM2.5进行观测建立βdry和PM2.5的相关关系，将得到的相关关系与βdry的空间分布相结合，即可得到PM2.5产品。已有大气气溶胶光学厚度格点数据和地面能见度散点观测数据，根据地面能见度与消光系数反相关的原理，以及气溶胶光学厚度等于消光系数在垂直方向上的积分，先计算得到消光系数格点数据，根据消光系数计算得到地面水平能见度。气溶胶光学厚度和消光系数、标高三者之间的关系：
1)根据地面能见度散点观测数据计算消光系数在水平均一的条件下，地面大气水平能见度(气象能见距)R和大气消光系数的关系为：
其中ε为人眼的对比感阈，取ε＝0.02，这就是Koschmieder能见度公式。
2)计算散点的边界层高度(标高)
利用消光系数和气溶胶光学厚度AOD数据，代入公式(3)，得到离散点的标高。
3)散点的标高数据做插值运算，得到标高格点数据；
利用散点的标高数据，做克里金插值运算，得到边界层高度(标高)的格点数据。
4)计算湿的消光系数
利用边界层高度(标高)的格点数据和气溶胶光学厚度AOD数据，代入公式(10)，得到湿的消光系数
根据湿的消光系数，代入式(11)，可计算得到能见度。
5.根据权利要求1所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：采用online的空气质量预报模式WRF-CHEM来进行空气质量预报。
6.根据权利要求5所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：利用星-地一体化的监测资料选择空气质量预报模式中合理的参数化方案，尤其是对颗粒物预报结果影响比较大的边界层方案(PBL)。
7.根据权利要求5所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：雾霾数值预报主要是初边值问题，由于排放源清单的滞后和人为造成的不确定性，导致雾霾数值预报***在求解时初值很不准确，其对同化的需求非常强烈，通过同化可以有效改善模式初值，提高预报效率。国外较早开展了卫星资料在大气成分数值预报***中的同化应用工作并取得了一定的应用成果，而我国大气成分资料同化方面的工作开展的非常有限，还未在模式中同化静止卫星的气溶胶观测产品，因此通过三维变分同化(3DVar)方法同化高频次的静止卫星产品，也即在预报过程中不断利用卫星观测数据进行修正，这个新的初始场优于原有模式预报场(分析场优于背景场)，进而能对下一个时刻的预报结果起到改善效果。
8.根据权利要求5所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：由于气象场和模式方案都有不确定性，因此会给最终的模式预报结果带来很大的不确定性，因此考虑可以通过集合预报手段来减小不确定性。事先给定与预报场误差分布的估计，在模式区域内每一个格点上，大气状态量被依据所处位置上对应物理量的预报误差猜值来给定一个基于高斯分布的随机扰动量，通过添加这种随机扰动来产生集合(ensemble)成员。每个集合成员进行预报，最后将众模式结果利用多模式输出集成技术给出最优的空气质量预报结论。集合成员之间的差异可用来模拟初值场的不确定性；多物理方案的模拟结果也可用来评估模式方案的不确定性。
9.根据权利要求5所述的一种基于热点网格技术的大气污染物扩散轨迹追踪方法，其特征在于：前向溯源轨迹、后向扩散轨迹方法结合了大气水平和垂直运动，在污染物传输、扩散和沉降等方面具有完整的参考价值。前向溯源轨迹、后向扩散轨迹统计方法有很多，如潜在源区贡献法(PSCF)、浓度权重贡献法(CWT)、保留时间权重浓度发(RTWC)和定量输送偏差分析(QTBA)。前向溯源轨迹、后向扩散轨迹方法产生的结果会随着推算局里和时间的增加而变大。所以讲轨迹所覆盖区域进行分层网格化处理，网格标准采用2KM*2KM。基于前向溯源轨迹、后向扩散轨迹方法聚类分析结果，计算每类轨迹对应时间的PM2.5质量浓度平均值，以表征该轨迹来源方向的气团对监测区域浓度水平的影响。因为氮氧化物扩散速度与颗粒物扩散速度相差在3小时以上。我们通过同一网格内的氮氧化物与颗粒物的扩散值得到污染物是否为本地产生。通过数据可视化，将每10分钟一频次的颗粒物监测结果在生成的PM2.5产品上图进行标点。从而得到一个连续的扩散条件分析。从而实现溯源与扩散的功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911014569.2A CN110673229A (zh) | 2019-10-23 | 2019-10-23 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911014569.2A CN110673229A (zh) | 2019-10-23 | 2019-10-23 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110673229A true CN110673229A (zh) | 2020-01-10 |
Family
ID=69083835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911014569.2A Pending CN110673229A (zh) | 2019-10-23 | 2019-10-23 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110673229A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111426609A (zh) * | 2020-04-03 | 2020-07-17 | 交通运输部天津水运工程科学研究所 | 一种散货港口粉尘全域网格化监测方法 |
| CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
| CN111596006A (zh) * | 2020-04-29 | 2020-08-28 | 北京雪迪龙科技股份有限公司 | 一种大气在线监测仪的校准方法及监测仪 |
| CN111753906A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 污染物传输轨迹的聚类方法、装置、电子设备及存储介质 |
| CN111753426A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 颗粒物污染的源解析方法和装置 |
| CN111814111A (zh) * | 2020-05-25 | 2020-10-23 | 南京大学环境规划设计研究院股份公司 | 一种工业园区大气污染物溯源方法 |
| CN112214723A (zh) * | 2020-09-09 | 2021-01-12 | 暨南大学 | 一种基于多卫星火点的生物质开放燃烧排放动态表征方法 |
| CN112016254B (zh) * | 2020-10-15 | 2021-01-19 | 南京智汇环境气象产业研究院有限公司 | 用于拉格朗日柔性颗粒扩散模型的卫星数据前处理方法 |
| CN112484776A (zh) * | 2020-11-18 | 2021-03-12 | 成都信息工程大学 | 静止卫星逐小时近地面大气细颗粒物估算方法 |
| CN112684123A (zh) * | 2021-01-28 | 2021-04-20 | 山西云时代太钢信息自动化技术有限公司 | 一种工厂级空气质量污染源网络推演方法 |
| CN113238252A (zh) * | 2021-07-09 | 2021-08-10 | 中国气象科学研究院 | 反演气溶胶微物理参数的方法、电子设备以及存储介质 |
| CN113740263A (zh) * | 2021-03-10 | 2021-12-03 | 仲恺农业工程学院 | 一种气溶胶光学厚度反演方法及大气颗粒物遥感反演方法 |
| CN114088885A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测*** |
| CN114112995A (zh) * | 2021-12-01 | 2022-03-01 | 中国人民解放军国防科技大学 | 基于三维变分技术的气溶胶光学特性资料同化方法和装置 |
| CN114324074A (zh) * | 2021-12-22 | 2022-04-12 | 陕西智星空间科技有限公司 | 一种基于后向轨迹模型与遥感影像的大气监测走航方法 |
| CN114994800A (zh) * | 2022-08-02 | 2022-09-02 | 南京航天宏图信息技术有限公司 | 一种大气细颗粒物的反演方法及装置 |
| CN115840793A (zh) * | 2022-12-12 | 2023-03-24 | 四川大学 | 基于随机森林的气象空间归一化方法及*** |
| CN116011317A (zh) * | 2022-11-29 | 2023-04-25 | 北京工业大学 | 一种基于多方法融合的小尺度近实时大气污染溯源方法 |
| CN116502407A (zh) * | 2023-03-14 | 2023-07-28 | 中海石油(中国)有限公司深圳分公司 | 一种凝灰质砂岩储层火山灰含量的评价方法 |
| CN117147778A (zh) * | 2023-10-31 | 2023-12-01 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
| CN117686669A (zh) * | 2024-02-02 | 2024-03-12 | 北京市生态环境监测中心 | 一种无组织排放源网格化监测方法、装置、设备和介质 |
| CN118151164A (zh) * | 2024-05-11 | 2024-06-07 | 深圳大舜激光技术有限公司 | 一种城市空气污染物定位方法以及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150056676A (ko) * | 2013-11-14 | 2015-05-27 | 광주과학기술원 | 국가 간 입자상 대기 오염물질의 수송 여부 판단방법 |
| KR101692943B1 (ko) * | 2016-02-16 | 2017-01-17 | 김익수 | 풍향풍속제어 오염원 추적 시료채취 시스템 |
| CN107193056A (zh) * | 2017-05-09 | 2017-09-22 | 西南石油大学 | 空气污染物监测预警方法及云平台 |
| CN107202750A (zh) * | 2017-05-17 | 2017-09-26 | 河北中科遥感信息技术有限公司 | 一种大气颗粒物星地综合监测定量遥感融合处理方法 |
-
2019
- 2019-10-23 CN CN201911014569.2A patent/CN110673229A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150056676A (ko) * | 2013-11-14 | 2015-05-27 | 광주과학기술원 | 국가 간 입자상 대기 오염물질의 수송 여부 판단방법 |
| KR101692943B1 (ko) * | 2016-02-16 | 2017-01-17 | 김익수 | 풍향풍속제어 오염원 추적 시료채취 시스템 |
| CN107193056A (zh) * | 2017-05-09 | 2017-09-22 | 西南石油大学 | 空气污染物监测预警方法及云平台 |
| CN107202750A (zh) * | 2017-05-17 | 2017-09-26 | 河北中科遥感信息技术有限公司 | 一种大气颗粒物星地综合监测定量遥感融合处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 葛邦宇;杨磊库;陈兴峰;李正强;梅笑冬;刘李;: "暗目标法的Himawari-8静止卫星数据气溶胶反演", 遥感学报, no. 01, 25 January 2018 (2018-01-25) * |
Cited By (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
| CN111426609A (zh) * | 2020-04-03 | 2020-07-17 | 交通运输部天津水运工程科学研究所 | 一种散货港口粉尘全域网格化监测方法 |
| 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 |
| CN111596006A (zh) * | 2020-04-29 | 2020-08-28 | 北京雪迪龙科技股份有限公司 | 一种大气在线监测仪的校准方法及监测仪 |
| CN111814111A (zh) * | 2020-05-25 | 2020-10-23 | 南京大学环境规划设计研究院股份公司 | 一种工业园区大气污染物溯源方法 |
| CN111753906A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 污染物传输轨迹的聚类方法、装置、电子设备及存储介质 |
| CN111753426A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 颗粒物污染的源解析方法和装置 |
| CN112214723A (zh) * | 2020-09-09 | 2021-01-12 | 暨南大学 | 一种基于多卫星火点的生物质开放燃烧排放动态表征方法 |
| CN112214723B (zh) * | 2020-09-09 | 2023-07-07 | 暨南大学 | 一种基于多卫星火点的生物质开放燃烧排放动态表征方法 |
| CN112016254B (zh) * | 2020-10-15 | 2021-01-19 | 南京智汇环境气象产业研究院有限公司 | 用于拉格朗日柔性颗粒扩散模型的卫星数据前处理方法 |
| CN112484776A (zh) * | 2020-11-18 | 2021-03-12 | 成都信息工程大学 | 静止卫星逐小时近地面大气细颗粒物估算方法 |
| CN112684123A (zh) * | 2021-01-28 | 2021-04-20 | 山西云时代太钢信息自动化技术有限公司 | 一种工厂级空气质量污染源网络推演方法 |
| CN113740263A (zh) * | 2021-03-10 | 2021-12-03 | 仲恺农业工程学院 | 一种气溶胶光学厚度反演方法及大气颗粒物遥感反演方法 |
| CN113740263B (zh) * | 2021-03-10 | 2023-06-16 | 仲恺农业工程学院 | 一种气溶胶光学厚度反演方法及大气颗粒物遥感反演方法 |
| CN113238252A (zh) * | 2021-07-09 | 2021-08-10 | 中国气象科学研究院 | 反演气溶胶微物理参数的方法、电子设备以及存储介质 |
| CN113238252B (zh) * | 2021-07-09 | 2021-12-10 | 中国气象科学研究院 | 反演气溶胶微物理参数的方法、电子设备以及存储介质 |
| CN114088885A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测*** |
| CN114112995A (zh) * | 2021-12-01 | 2022-03-01 | 中国人民解放军国防科技大学 | 基于三维变分技术的气溶胶光学特性资料同化方法和装置 |
| CN114112995B (zh) * | 2021-12-01 | 2024-01-30 | 中国人民解放军国防科技大学 | 基于三维变分技术的气溶胶光学特性资料同化方法和装置 |
| CN114324074A (zh) * | 2021-12-22 | 2022-04-12 | 陕西智星空间科技有限公司 | 一种基于后向轨迹模型与遥感影像的大气监测走航方法 |
| CN114994800A (zh) * | 2022-08-02 | 2022-09-02 | 南京航天宏图信息技术有限公司 | 一种大气细颗粒物的反演方法及装置 |
| CN114994800B (zh) * | 2022-08-02 | 2022-11-08 | 南京航天宏图信息技术有限公司 | 一种大气细颗粒物的反演方法及装置 |
| CN116011317A (zh) * | 2022-11-29 | 2023-04-25 | 北京工业大学 | 一种基于多方法融合的小尺度近实时大气污染溯源方法 |
| CN116011317B (zh) * | 2022-11-29 | 2023-12-08 | 北京工业大学 | 一种基于多方法融合的小尺度近实时大气污染溯源方法 |
| CN115840793A (zh) * | 2022-12-12 | 2023-03-24 | 四川大学 | 基于随机森林的气象空间归一化方法及*** |
| CN115840793B (zh) * | 2022-12-12 | 2024-05-07 | 四川大学 | 基于随机森林的气象空间归一化方法及*** |
| CN116502407A (zh) * | 2023-03-14 | 2023-07-28 | 中海石油(中国)有限公司深圳分公司 | 一种凝灰质砂岩储层火山灰含量的评价方法 |
| CN116502407B (zh) * | 2023-03-14 | 2024-04-02 | 中海石油(中国)有限公司深圳分公司 | 一种凝灰质砂岩储层火山灰含量的评价方法 |
| CN117147778A (zh) * | 2023-10-31 | 2023-12-01 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
| CN117147778B (zh) * | 2023-10-31 | 2024-01-05 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
| CN117686669A (zh) * | 2024-02-02 | 2024-03-12 | 北京市生态环境监测中心 | 一种无组织排放源网格化监测方法、装置、设备和介质 |
| CN117686669B (zh) * | 2024-02-02 | 2024-04-23 | 北京市生态环境监测中心 | 一种无组织排放源网格化监测方法、装置、设备和介质 |
| CN118151164A (zh) * | 2024-05-11 | 2024-06-07 | 深圳大舜激光技术有限公司 | 一种城市空气污染物定位方法以及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110673229A (zh) | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 | |
| CN105181898B (zh) | 基于大密度部署传感器的大气污染监控及管理方法及*** | |
| Tian et al. | Aerosol vertical distribution and optical properties over China from long-term satellite and ground-based remote sensing | |
| Huebert et al. | An overview of ACE‐Asia: Strategies for quantifying the relationships between Asian aerosols and their climatic impacts | |
| Gama et al. | Seasonal patterns of Saharan dust over Cape Verde–a combined approach using observations and modelling | |
| Xu et al. | Sea spray as an obscured source for marine cloud nuclei | |
| CN110472782A (zh) | 一种数据确定方法、装置、设备及存储介质 | |
| CN109856021B (zh) | 一种pm2.5反演方法及监测区域分割方法 | |
| Akritidis et al. | A deep stratosphere-to-troposphere ozone transport event over Europe simulated in CAMS global and regional forecast systems: analysis and evaluation | |
| Shi et al. | An inversion method for estimating strong point carbon dioxide emissions using a differential absorption Lidar | |
| Jin et al. | Inverse modeling of the 2021 spring super dust storms in East Asia | |
| Wandinger et al. | Air mass modification over Europe: EARLINET aerosol observations from Wales to Belarus | |
| Xiang et al. | Lidar vertical observation network and data assimilation reveal key processes driving the 3-D dynamic evolution of PM 2.5 concentrations over the North China Plain | |
| Lv et al. | Comprehensive study of regional haze in the North China Plain with synergistic measurement from multiple mobile vehicle-based lidars and a lidar network | |
| Skupin et al. | Four-year long-path monitoring of ambient aerosol extinction at a central European urban site: dependence on relative humidity | |
| Choi et al. | Investigation of the wet removal rate of black carbon in East Asia: validation of a below-and in-cloud wet removal scheme in FLEXible PARTicle (FLEXPART) model v10. 4 | |
| Krüger et al. | Vertical structure of the lower-stratospheric moist bias in the ERA5 reanalysis and its connection to mixing processes | |
| KR102591379B1 (ko) | 랜덤포레스트 기계학습과 기상 관측 및 모델 예측 자료를 이용한 실시간 시정 산출 방법 | |
| Soleimani et al. | Satellite aerosol optical depth prediction using data mining of climate parameters | |
| Amiridis et al. | Aeolus winds impact on volcanic ash early warning systems for aviation | |
| Ye et al. | Observing system simulation experiment (OSSE)-quantitative evaluation of lidar observation networks to improve 3D aerosol forecasting in China | |
| CN115524264B (zh) | 一种基于激光雷达测量的气溶胶分类方法 | |
| CN110687547A (zh) | 一种基于遥感雷达的有毒有害气体环境风险预警监测方法 | |
| Dalla Fontana et al. | A performance evaluation of the CAMx air quality model to forecast ozone and PM10 over the Italian region of Veneto | |
| CN115541461A (zh) | 一种颗粒物污染溯源方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information |
Address after: Room 501, 5 / F, building 5, China Meteorological Science and Technology Park, No. 2, Zhenxing Road, science and Technology Park, Changping District, Beijing 102200 Applicant after: Dadi Xinya (Beijing) Technology Co.,Ltd. Address before: Room 501, 5 / F, building 5, China Meteorological Science and Technology Park, No. 2, Zhenxing Road, science and Technology Park, Changping District, Beijing 102200 Applicant before: New Asia Youhua Technology Co.,Ltd. Address after: Room 1506, 15 / F, Huajian building, No. 9, Heyuan Road, Jinyuan District, Taiyuan City, Shanxi Province Applicant after: Shanxi Dadi Xinya Technology Co.,Ltd. Address before: Room 501, 5 / F, building 5, China Meteorological Science and Technology Park, No. 2, Zhenxing Road, science and Technology Park, Changping District, Beijing 102200 Applicant before: Dadi Xinya (Beijing) Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |