CN113360850B - 一种大气污染物线源溯源分析方法 - Google Patents
一种大气污染物线源溯源分析方法 Download PDFInfo
- Publication number
- CN113360850B CN113360850B CN202110670867.8A CN202110670867A CN113360850B CN 113360850 B CN113360850 B CN 113360850B CN 202110670867 A CN202110670867 A CN 202110670867A CN 113360850 B CN113360850 B CN 113360850B
- Authority
- CN
- China
- Prior art keywords
- emission
- road
- pollution
- vehicle
- source
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 63
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000009792 diffusion process Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 28
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 2
- 239000013618 particulate matter Substances 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 229910002089 NOx Inorganic materials 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- NCGICGYLBXGBGN-UHFFFAOYSA-N 3-morpholin-4-yl-1-oxa-3-azonia-2-azanidacyclopent-3-en-5-imine;hydrochloride Chemical compound Cl.[N-]1OC(=N)C=[N+]1N1CCOCC1 NCGICGYLBXGBGN-UHFFFAOYSA-N 0.000 description 1
- 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
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种大气污染物线源溯源分析方法,是基于高斯扩散模式,通过对逐个交通线源对空气质量自动监测站点的污染影响进行计算评估,并进行自动化编码实现,实现对线源溯源的精细化、轻量化、自动化。本发明可实现交通线源的逐小时精细化溯源分析,通过计算逐条道路对单个监测站点的污染影响,实现大气污染的精细化溯源,可锁定影响单个监测站点某项污染物浓度较大的道路清单,进而实现精准施策,达到防控工作事半功倍的效果。
Description
技术领域
本发明涉及大气污染防控领域,尤其涉及一种大气污染物线源溯源分析方法。
背景技术
随着机动车保有量的持续增长,汽车污染排放仍是大气污染的重要来源之一,但目前大多基于受体源解析模型或者大气数值模型,较为宏观的对大气污染的行业来源进行溯源解析。
目前受体模型在PM2.5源解析模型中较多,以较为常见的PMF和CMB模型为例,即PMF受体模型的研究思路为,首先利用权重计算出颗粒物中各化学组分的误差,然后通过最小二乘法来确定出颗粒物的主要污染源及其贡献率。化学质量平衡(CMB)受体模型则依据质量平衡原理建立,即大气中的颗粒物来自于各个污染源,即在环境受体处测量得到的总质量浓度等于所有源类贡献的浓度之和。CMB模型使用的一个重要前提是能识别出对环境受体中的颗粒物有明显贡献的所有排放源,并且排放的颗粒物的化学组成存在明显差别。受体模型源解析方法能解析出不同行业源(如交通源)对PM2.5的贡献百分比,但存在精细度不高,无法识别单个交通线源的浓度贡献情况等问题。
近年来,大气数值模型在大气污染区域、行业溯源应用中亦较多。通过输入污染源数据、气象数据、边界层数据等,通过模型模拟,可得到不同地区、不同行业对某一污染物(如PM2.5)浓度的贡献百分比结果。但该方法存在计算量大、对计算机硬件要求相对较大等问题。
发明内容
本发明实施例所要解决的技术问题在于,提供一种大气污染物线源溯源分析方法。可通过对逐个交通线源对空气质量自动监测站点的影响进行计算评估,并进行自动化编码实现,实现对线源溯源的精细化、轻量化、自动化。
为了解决上述技术问题,本发明实施例提供了一种大气污染物线源溯源分析方法,包括以下步骤:
S1:使用年均行驶里程法计算机动车区域排放总量;
S2:路网排放计算,构建本地化的动态路网排放计算模型,动态计算不同路段、不同时段、不同车型、不同污染物的排放量,并对区域污染排放量全路网时空分配;
S3:污染源影响模拟评估,基于计算获得的污染源排放数据、气象数据,采用高斯扩散理论的线源模型,建立大气污染物线源溯源影响模拟计算方法。
其中,所述年均行驶里程法计算公式如下:
E1=∑iPi×EFi×VKTi×10-6
式中,EI为机动车排放源i对应的污染物的年排放量,单位为吨;EFi为i类型机动车行驶单位距离尾气所排放的污染物的量,单位为克/公里,即综合排放因子;P为所在地区i类型机动车的保有量,单位为辆;VKTi为i类型机动车的年均行驶里程,单位为公里/辆。
其中,所述步骤S2还包括:利用获得的动态交通数据与处理得到的包括不同道路、不同时段、不同车型的交通流量数据,结合获取的路段平均速度/VSP分布、环境因子等运行工况数据,采用COPERT模型/IVE模型,建立修正的本地化排放因子库。
其中,所述步骤S2还包括排放量的计算方法:
式中:Ep,t为该路段污染物p在时间段t时的机动车排放;为该路段机动车污染物p在时间段t时的综合排放因子;L为路段长度;Qt为时间段t上的该路段的车流量;Di,t,m为道路机动车运行模式i在车型m、时间段t上的分布频率;EFi,p,m为机动车排放污染物p在车型m、运行模式i的排放因子;qm,t为车型m在交通流中的比例;Am,p为时间段t上车型m排放污染物p的综合修正因子;p为机动车污染物;m为机动车类型。
其中,所述对区域污染排放量网格化时空分配的算法包括:
空间分配算法:以实际道路路网作为机动车污染物排放的分配基底,根据每个网格内各道路类型的长度,采用所述排放量除以各道路类型的长度,并利用GIS技术将机动车污染物进行空间分配。
时间分配算法:利用统计分析方法,依据不同道路的车流量时间变化规律和不同车型污染物排放权重系数,计算出不同类型道路的机动车污染排放时间变化系数。
其中,所述步骤S3还包括路网排放对站点位置的大气污染浓度计算方法:
(1)设置进行计算的污染物种类;
(2)依据站点信息,确定所需计算污染物浓度的点位,作为受体点;
(3)依据输入的区域内道路排放、气象信息,确定道路排放源;
(4)循环计算所有路段对受体点影响的污染浓度;
(5)获取受体点受区域内所有路段影响的污染浓度。
其中,所述循环计算所有路段对受体点影响的污染浓度包括:
针对路段对受体点影响的浓度计算,应用Link-element算法来计算所选道路上机动车排放带来的污染物浓度,先把道路划分为多个单元,根据高斯公式计算受体点受到每个有限长的污染线源的影响产生的浓度,最后通过叠加得到受体点受路段影响的污染物浓度值,用高斯公式得到单个线源路段对受体点的总浓度贡献值的计算如下:
其中PD为正态分布函数,计算公式如下:
其中,p=y/σy
式中,u为风速,NE为划分的单元总数,σy为横向扩散系数,σz为纵向扩散系数,z为接收点距离地面的高度,l为混合层高度,H为线源排放高度,k为污染物在地面和混合区上部之间反射的次数,WTj为第i个有限长线源的第j段子单元的排放强度权重因子,将每个线源分成多个要素,用不同的权重因子对源强进行计算,要素数选取1~6,Qj为第i个有限长线源的中心子单元的排放强度,WTj*Qj表示整个有限长线源的排放强度,当i个有限长线源的排放强度累加。
实施本发明实施例,具有如下有益效果:本发明解决了大气环境监测物例如二氧化硫、二氧化氮、PM2.5、PM10等空气质量的交通污染线源精细化自动溯源问题,通过自动化、精细化至每一条道路对单个空气质量自动监测站点的影响程度,对地方的污染治理提供依据和方向指导。
附图说明
图1是动态路网排放计算流程示意图;
图2是基于交通路网的各路段小时平均排放源强示意图;
图3是单个线源影响模拟计算流程示意图;
图4是路段对受体点影响的污染浓度计算基本示意图;
图5是交通线源对空气质量监测点的NO2浓度贡献示意图。
具体实施方式
为使本发明的目的、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。
本发明实施例的一种大气污染物线源溯源分析方法具体实施方案如下。
第一步:机动车区域排放总量计算
根据《HJT180-2005城市机动车排放空气污染测算方法》以及国家环境保护部机动车监控中心公布的在用机动车综合排放因子计算车辆排放各污染物的总量。采用年均行驶里程法来计算指定区域或城市的机动车排放总量。该方法的优点是总量I计算过程简便,且在我国现有的统计体系下,所需基础数据获取较容易,常用于污染物总量控制工作中。
年平均行驶里程法的适用范围通常为国家、区域和城市。其计算方法一般利用宏观排放因子模型(MOBILE、COPERT)计算得到排放因子(g/km),并通过调查的手段获取研究区域机动车的年均行驶里程(km/a),然后计算得到当地的机动车排放清单。这种方法得到的结果是当地机动车综合排放量,可用于大尺度的空气质量模拟和污染控制规划。由于该方法具有数据要求不高且容易获取、计算量小、后期分析工作简单易行等特点而广泛使用。目前我国也出台一系列的行业标准作为支持,如HJ/T 180-2005《城市机动车排放空气污染测算方法》作为支持。但该方法适用于确定且较为封闭大区域的机动车排气污染,对于小区域的机动车测算存在着诸如保有量,过境车等计算难题。
年平均行驶里程法的计算公式如下:
E1=∑iPi×EFi×VKTi×10-6
式中,EI为机动车排放源i对应的CO、NOX、PM2.5和PM10等污染物的年排放量,单位为吨;EFi为i类型机动车行驶单位距离尾气所排放的污染物的量,单位为克/公里,即综合排放因子;P为所在地区i类型机动车的保有量,单位为辆;VKTi为i类型机动车的年均行驶里程,单位为公里/辆。
年均行驶里程则是反映机动车活动水平的重要参数,可通过进行实际调查获取或向相关部门调研。累计行驶里程调查的车型包括:小型客车、中型客车、大型客车、轻型货车、中型货车、重型货车、出租车和公交车。
以某市为例,通过获取各道路小时流量、平均速度,计算得到该市2019年绕城高速以内区域机动车排气污染物PM2.5、PM10、NOx的路网排放总量分别为433.32吨、467.90吨以及30993.60吨。
第二步:路网排放计算
该模型用于实现区域(典型城市或区域)路网排放计算。基于典型城市或区域机动车技术水平、动态车速、流量数据等,采用自下而上的排放计算方法,建立动静态数据调用规则与动态路段排放计算方法,实现对基于典型路段的路网排放动态精细化计。其中,排放计算结果的时间分辨率需达到逐小时,空间精度需达到路段级,测算的污染物类型包括PM2.5、PM10、NOx、CO等。
如图1,路网排放计算模型主要利用获得的动态交通数据与处理得到的不同道路、不同时段、不同车型等的交通流量数据,结合获取的路段平均速度/VSP分布、环境因子等运行工况数据,采用COPERT模型/IVE模型,建立修正的本地化排放因子库,构建本地化的动态路网排放计算模型,动态计算不同路段、不同时段、不同车型、不同污染物的排放量,形成研究区域的机动车动态路网排放清单。
排放量计算基本原理为:以每一路段的排放总量为排放水平衡量指标,考虑车辆技术水平(排放标准、燃油类型等)、活动水平(流量、车速等),采用自下而上的计算方式计算各时段、各路段车辆排放情况,从而形成基于路网的排放模型,并以不确定性量化方法对模型结果进行检验。其中,时间分辨率以分钟、小时为单位,空间分辨率以道路路段为单位,可包含交叉口和多种道路类型。道路排放计算方法如下所示。
式中:Ep,t为该路段污染物p在时间段t时的机动车排放,g;为该路段机动车污染物p在时间段t时的综合排放因子;L为路段长度,km;Qt为时间段t上的该路段的车流量;Di,t,m为道路机动车运行模式i(OpMode i)在车型m、时间段t上的分布频率,%;EFi,p,m为机动车排放污染物p在车型m、运行模式i(OpModei)的排放因子;qm,t为车型m在交通流中的比例,%;Di,t,m为道路机动车运行速度在车型m、时间段t上的分布频率,%;Am,p为时间段t上车型m排放污染物p的综合修正因子(温度/湿度/燃油质量等修正因子),%;p为机动车污染物NOX、PM2.5、PM10等;m为机动车类型。因此,根据上述公式,区域污染排放量进行全路网时空分配具体算法如下:
空间分配方法:以实际道路路网作为机动车污染物排放的分配基底,根据每个网格内各道路类型的长度,采用步骤一中的排放量除以各道路类型的长度(不同类型道路采用排放源强差异化系数加以校正),并利用GIS技术将机动车污染物进行空间分配。
时间分配方法:利用统计分析方法,依据不同道路的车流量时间变化规律和不同车型污染物排放权重系数,计算出不同类型道路的机动车污染排放时间变化系数。
处理结构及结果如图2所示的基于交通路网的各路段小时平均排放源强示意图。
第三步:污染源影响模拟评估
基于计算获得的污染源排放数据、气象数据等,采用高斯扩散理论的线源模型,建立大气污染物线源溯源影响模拟计算方法。以道路排放作为线源,空气质量监测站点作为受体点,实现路网对站点位置的大气污染浓度贡献计算,支撑不同交通线源排放对受体点空气质量的溯源影响评估。测算的污染物类型包括PM2.5、PM10、NOx等。
如图3所示,路网排放对站点位置的大气污染浓度计算总体流程为:(1)设置进行计算的污染物种类;(2)依据站点信息,确定所需计算污染物浓度的点位,作为受体点;(3)依据输入的区域内道路排放、气象信息,确定道路排放源,即对应步骤二中逐条道路的污染排放源强信息;(4)循环计算所有路段对受体点影响的污染浓度。在不同风向、以及与路段不同位置关系下,受体点受路段影响的污染浓度计算过程不同,因此在计算前需进行位置关系判断。(5)获取受体点受区域内所有路段影响的污染浓度。
其中,最重要的步骤-路段对受体点影响的污染浓度计算,其基本思想为:针对路段对受体点影响的浓度计算,应用Link-element算法来计算所选道路上机动车排放带来的污染物浓度,基本思想如图4所示,是先把道路划分为多个单元(Element),每个单元可等价于垂直于道路方向的有限长的污染线源(FLS),根据高斯公式计算受体点(区域网格划分产生)受到每个有限长的污染线源的影响产生的浓度,最后通过叠加得到受体点受路段影响的污染物浓度值。
最后,用高斯公式得到总浓度值的计算如下式所示:
其中PD为正态分布函数,计算公式如下:
其中,p=y/σy
式中,u为风速(m/s),NE为划分的单元总数,σy为横向扩散系数,σz为纵向扩散系数,z为接收点距离地面的高度(m),l为混合层高度(m),H为线源排放高度(m),k为污染物在地面和混合区上部之间反射的次数。WTj为第i个有限长线源的第j段子单元的排放强度权重因子,将每个线源分成多个要素,用不同的权重因子对源强进行计算,要素数可选取1~6,即j可从[1,6]取值,若超出该范围,计算结果变化很小,并且会明显增加计算时间。Qj为第i个有限长线源的中心子单元的排放强度。WTj*Qj表示整个有限长线源的排放强度,当i个有限长线源的排放强度累加,即对应步骤二中的单个道路路段的排放源强度。
本发明输入数据包括:1)排放量数据、气象数据(包括云量数据)、区域内路网信息、区域内点源经纬度信息等。其中路网信息包含参数:路段名称、路段长度、路段折点坐标等。道路排放量数据包含:路网内每一个路段在计算时段内不同污染物的排放量。2)气象数据包含参数:气温、大气压、风向、风速,云量,以及大气稳定度。其中,大气稳定度通过风速、云量、辐射等级等参数计算得到,该指标用于确定上述公式中的扩散系数。大气稳定度的计算方法如下:根据中国现有法规中推荐的修订帕斯奎尔分类法(简记P·S),大气稳定度由A(强不稳定)、B(不稳定)、C(弱不稳定)、D(中性)、E(较稳定)、F(稳定)(或1、2、3、4、5、6)六个级别表示。其计算方法为:首先根据云量与太阳角高度角按照表1查出辐射等级,再由辐射等级与地面风速按照表2查出稳定度等级,得到大气稳定度。
表1太阳辐射等级表
太阳高度角的计算方法:
h0=sin-1[sinφsinδ+cosφcosδcos(15t+λ-300)]
式中:h0太阳高度角;φ--当地地理纬度(°);λ--当地地理经度(°);δ--太阳倾角(°),按当时月份与日期查表;t--观测进行的北京时间(h)。太阳倾角的计算:
δ=(0.006918-0.399912cosθ0+0.070257sinθ0-0.006758cos2θ0
+0.000907sin2θ0-0.002697cos3θ0+0.001480sin3θ0)×180/π
式中:δ太阳倾角,单位(°);θ0=360dn/365,单位(°);dn一年中日期序数,0,1,2,……,365或366。
表2大气稳定度等级表
根据以上计算,某市交通污染线源溯源模拟评估结果示例如图5所示
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (1)
1.一种大气污染物线源溯源分析方法,其特征在于,包括以下步骤:
S1:使用年均行驶里程法计算机动车区域排放总量,所述年均行驶里程法计算公式如下:
式中,En为机动车排放源n对应的污染物的年排放量,单位为吨;EFn为n类型机动车行驶单位距离尾气所排放的污染物的量,单位为克/公里;Pn为所在地区n类型机动车的保有量,单位为辆;VKTn为n类型机动车的年均行驶里程,单位为公里/辆;
S2:路网排放计算,构建本地化的动态路网排放计算模型,动态计算不同路段、不同时段、不同车型、不同污染物的排放量,并对区域污染排放量进行全路网时空分配;利用获得的动态交通数据与处理得到的包括不同道路、不同时段、不同车型的交通流量数据,结合获取的路段平均速度/VSP分布、环境因子的运行工况数据,采用COPERT模型/IVE模型,建立修正的本地化排放因子库;
排放量的计算方法为:
式中:E p,t 为该路段污染物p在时间段t时的机动车排放;为该路段机动车污染物p在时间段t时的综合排放因子;L为路段长度;Q t 为时间段t上的该路段的车流量;D ,r,t,m 为道路机动车运行模式r在车型m、时间段t上的分布频率;EFr,p,m为机动车排放污染物p在车型m、运行模式r的排放因子; q m,t 为车型m在交通流中的比例;Am,p为时间段t上车型m排放污染物p的综合修正因子;p为机动车污染物;m为机动车类型;
所述对区域污染排放量进行全路网时空分配的方法包括:
空间分配方法:以实际道路路网作为机动车污染物排放的分配基底,根据每个网格内各道路类型的长度,采用所述排放量除以各道路类型的长度,并利用GIS 技术将机动车污染物进行空间分配;
时间分配方法:利用统计分析方法,依据不同道路的车流量时间变化规律和不同车型污染物排放权重系数,计算出不同类型道路的机动车污染排放时间变化系数;
S3:污染源影响模拟评估,基于计算获得的污染源排放数据、气象数据、网排放对站点位置的大气污染浓度,采用高斯扩散理论的线源模型,建立大气污染物线源溯源影响模拟计算方法;
所述网排放对站点位置的大气污染浓度计算方法为:
(1)设置进行计算的污染物种类;
(2)依据站点信息,确定所需计算污染物浓度的点位,作为受体点;
(3)依据输入的区域内道路排放、气象信息,确定道路排放源;
(4)循环计算所有路段对受体点影响的污染浓度;
(5)获取受体点受区域内所有路段影响的污染浓度;
所述循环计算所有路段对受体点影响的污染浓度包括:
针对路段对受体点影响的浓度计算,应用 Link-element 算法来计算所选道路上机动车排放带来的污染物浓度,先把道路划分为多个单元,根据高斯公式计算受体点受到每个有限长的污染线源的影响产生的浓度,最后通过叠加得到受体点受路段影响的污染物浓度值,用高斯公式得到单个线源路段对受体点的总浓度贡献值的计算如下:
其中PD为正态分布函数,计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110670867.8A CN113360850B (zh) | 2021-06-17 | 2021-06-17 | 一种大气污染物线源溯源分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110670867.8A CN113360850B (zh) | 2021-06-17 | 2021-06-17 | 一种大气污染物线源溯源分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113360850A CN113360850A (zh) | 2021-09-07 |
CN113360850B true CN113360850B (zh) | 2023-01-24 |
Family
ID=77534750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110670867.8A Active CN113360850B (zh) | 2021-06-17 | 2021-06-17 | 一种大气污染物线源溯源分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360850B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114236101B (zh) * | 2021-11-30 | 2023-11-28 | 东南大学 | 一种不测碳浓度计算船舶燃油硫含量方法 |
CN114819411B (zh) * | 2022-06-23 | 2022-09-13 | 航天宏图信息技术股份有限公司 | 一种基于走航监测车的大气污染物排放溯源方法和装置 |
CN115829083B (zh) * | 2022-11-02 | 2024-05-21 | 西南交通大学 | 区域车辆受交通政策影响的排放评估与优化方法和*** |
CN116739222B (zh) * | 2023-08-14 | 2023-12-15 | 中科三清科技有限公司 | 确定道路移动源的污染物浓度贡献值的方法与装置 |
CN116805036A (zh) * | 2023-08-28 | 2023-09-26 | 安徽中科蓝壹信息科技有限公司 | 一种机动车排放评估方法、***、计算机设备和存储介质 |
CN117454729B (zh) * | 2023-11-13 | 2024-04-19 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086246A (zh) * | 2018-07-04 | 2018-12-25 | 北京市劳动保护科学研究所 | 一种道路交通源的排放量计算方法及装置 |
WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295604B (zh) * | 2016-08-19 | 2017-11-03 | 厦门大学 | 基于联合滤波的遥感影像路网提取技术 |
CN106650825B (zh) * | 2016-12-31 | 2020-05-12 | 中国科学技术大学 | 一种机动车尾气排放数据融合*** |
CN108492553A (zh) * | 2018-03-12 | 2018-09-04 | 中山大学 | 一种面向实时路网排放评估的车辆活动水平分析方法 |
CN108682156B (zh) * | 2018-07-13 | 2021-07-13 | 哈尔滨工业大学 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
CN112749478B (zh) * | 2020-12-11 | 2024-02-09 | 江苏汇环环保科技有限公司 | 一种基于高斯扩散模型大气污染溯源扩散分析***及方法 |
CN112686531B (zh) * | 2020-12-29 | 2021-11-09 | 生态环境部卫星环境应用中心 | 一种结合卫星遥感与车载观测的大气污染企业识别方法 |
-
2021
- 2021-06-17 CN CN202110670867.8A patent/CN113360850B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086246A (zh) * | 2018-07-04 | 2018-12-25 | 北京市劳动保护科学研究所 | 一种道路交通源的排放量计算方法及装置 |
WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113360850A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
Borge et al. | Comparison of road traffic emission models in Madrid (Spain) | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
Gokhale et al. | Performance evaluation of air quality models for predicting PM10 and PM2. 5 concentrations at urban traffic intersection during winter period | |
Shahbazi et al. | Investigating the influence of traffic emission reduction plans on Tehran air quality using WRF/CAMx modeling tools | |
Coelho et al. | Assessment of potential improvements on regional air quality modelling related with implementation of a detailed methodology for traffic emission estimation | |
CN109086246A (zh) | 一种道路交通源的排放量计算方法及装置 | |
CN108682156B (zh) | 基于出租车gps数据动态监测市区交通排放污染状况的方法 | |
Fontes et al. | Are HOV/eco-lanes a sustainable option to reducing emissions in a medium-sized European city? | |
US8903646B2 (en) | Method and determining system for automatically determining emission locations, and method and traffic control system based thereon for immission-dependent traffic control | |
CN106153510A (zh) | 大气污染物浓度的估算方法和装置 | |
CN111257180B (zh) | 一种空间分布式空气质量走航监测传感器的动态校准方法 | |
Sharma et al. | Performance evaluation of CALINE 4 dispersion model for an urban highway corridor in Delhi | |
Vicente et al. | Influence of different complexity levels of road traffic models on air quality modelling at street scale | |
CN109524130A (zh) | 车辆对污染物浓度贡献率的确定方法及装置 | |
CN114819704A (zh) | 一种移动源污染物排放溯源方法及*** | |
CN117454729B (zh) | 一种大气污染贡献度预测方法、装置及可读存储介质 | |
Guldmann et al. | Modeling Air Quality in Urban Areas: A Cell‐Based Statistical Approach | |
Zhan et al. | Data accuracy oriented method for deploying fixed and mobile traffic sensors along a freeway | |
Toenges-Schuller et al. | Modelling the effect on air quality of Euro 6 emission factor scenarios | |
Littidej et al. | Air pollution concentration approach to potential area selection of the Air Quality Monitoring Station in Nakhon Ratchasima Municipality, Thailand | |
Álvarez Narváez et al. | Estimation of the vehicle emission factor in different areas of Cartagena de Indias | |
CN115270962A (zh) | 一种基于城市交通仿真的大气污染物浓度计算方法 | |
Prakash et al. | Prediction of air pollutant dispersion from point and line sources and validation of ISCST3 and Caline4 model data with observed values in the industrial area of Mysuru | |
WO2021117072A1 (en) | Dynamic mapping and method of tracking atmoshperic pollutants |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |