CN113804829A - 一种大气污染天空地一体化实时监测***及方法 - Google Patents
一种大气污染天空地一体化实时监测***及方法 Download PDFInfo
- Publication number
- CN113804829A CN113804829A CN202110960123.XA CN202110960123A CN113804829A CN 113804829 A CN113804829 A CN 113804829A CN 202110960123 A CN202110960123 A CN 202110960123A CN 113804829 A CN113804829 A CN 113804829A
- Authority
- CN
- China
- Prior art keywords
- data
- observation
- analysis
- pollution
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims description 110
- 238000004458 analytical method Methods 0.000 claims abstract description 127
- 238000009826 distribution Methods 0.000 claims abstract description 117
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 98
- 231100000719 pollutant Toxicity 0.000 claims abstract description 98
- 230000005540 biological transmission Effects 0.000 claims abstract description 60
- 238000012800 visualization Methods 0.000 claims abstract description 27
- 238000003908 quality control method Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000003915 air pollution Methods 0.000 claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 11
- 238000007619 statistical method Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000002265 prevention Effects 0.000 claims abstract description 5
- 239000012855 volatile organic compound Substances 0.000 claims abstract description 5
- 239000000443 aerosol Substances 0.000 claims description 54
- 230000003287 optical effect Effects 0.000 claims description 44
- 238000011160 research Methods 0.000 claims description 39
- 239000002245 particle Substances 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 33
- 238000004088 simulation Methods 0.000 claims description 31
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000009792 diffusion process Methods 0.000 claims description 27
- 238000001658 differential optical absorption spectrophotometry Methods 0.000 claims description 26
- 238000011161 development Methods 0.000 claims description 25
- 230000018109 developmental process Effects 0.000 claims description 25
- 238000003384 imaging method Methods 0.000 claims description 22
- 230000010354 integration Effects 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 17
- 230000008033 biological extinction Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 13
- 239000003738 black carbon Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000013618 particulate matter Substances 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000001819 mass spectrum Methods 0.000 claims description 4
- 239000005022 packaging material Substances 0.000 claims description 4
- 238000012950 reanalysis Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 239000008277 atmospheric particulate matter Substances 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000012351 Integrated analysis Methods 0.000 abstract description 2
- 239000003570 air Substances 0.000 description 82
- 238000005516 engineering process Methods 0.000 description 80
- 239000007789 gas Substances 0.000 description 44
- 238000013461 design Methods 0.000 description 23
- 238000007726 management method Methods 0.000 description 18
- 230000007613 environmental effect Effects 0.000 description 17
- 238000010521 absorption reaction Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 16
- 238000001069 Raman spectroscopy Methods 0.000 description 14
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 13
- 230000008859 change Effects 0.000 description 13
- 238000010276 construction Methods 0.000 description 12
- 230000002354 daily effect Effects 0.000 description 12
- 239000013598 vector Substances 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 10
- 238000002310 reflectometry Methods 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000012827 research and development Methods 0.000 description 8
- 230000008030 elimination Effects 0.000 description 7
- 238000003379 elimination reaction Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000000862 absorption spectrum Methods 0.000 description 5
- 238000011065 in-situ storage Methods 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 239000005436 troposphere Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000005427 atmospheric aerosol Substances 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 239000010419 fine particle Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000000275 quality assurance Methods 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012774 insulation material Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011155 quantitative monitoring Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004164 analytical calibration Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 239000000539 dimer Substances 0.000 description 1
- SDIXRDNYIMOKSG-UHFFFAOYSA-L disodium methyl arsenate Chemical compound [Na+].[Na+].C[As]([O-])([O-])=O SDIXRDNYIMOKSG-UHFFFAOYSA-L 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于空气监测技术领域,公开了一种大气污染天空地一体化实时监测***,包括:大气污染天空地一体化实时监测网络进行大气颗粒物和挥发性有机物的监测;天空地一体化数据采集与分析平台基于观测数据进行要素时空分布分析、要素统计分析、空气质量报表生成、预警预报同化分析、进行基于要素时空特征的防控措施评估、运维质控、数据审核、污染物三维分布可视化、气象场分析可视化、污染物传输可视化、源解析可视化以及基础数据叠加。本发明实现了地基、车载、机载和卫星监测数据的交叉对比、校验定标、动态融合和集成分析;构建复杂地形大气污染天空地一体化监测平台,实现关键污染物三维分布的实时监测的大气环境监测。
Description
技术领域
本发明属于空气监测技术领域,尤其涉及一种大气污染天空地一体化实时监测***及方法。
背景技术
目前:大气污染形势严峻,城市群呈现局地和区域污染相叠加、多种污染物相互耦合的区域性、复合型大气污染特征。为综合掌握区域污染特征,满足精细描述和追因溯源的监测管理需求,依靠单一的观测手段和方法,无法实现大气污染过程的有效观测。发展基于地基高分辨在线集成测量技术、车载和机载走航观测技术、自由对流层与边界层物质能量交换的探测技术、卫星遥测技术,对多尺度大气污染天空地一体化监测制定统一的技术规范,发展建立健全规范化、统一化的立体监测网络成为大气污染及成分监测的迫切需求与必然趋势。
目前,对于基于多平台多手段的大气污染立体化监测技术缺乏统一的技术规范,相应的技术支撑较为薄弱。
通过上述分析,现有技术存在的问题及缺陷为:现有的单一监测手段无法获取的大气环境问题,而基于多平台多手段的大气污染立体化监测技术缺乏统一的技术规范,相应的技术支撑较为薄弱。
解决以上问题及缺陷的难度为:对多平台、多手段的监测设备开展关键数据输出融合,暂无较为成熟的数据交叉对比、校验定标、动态融合技术,本项目在山地城市开展一年的应用示范期间,整理完成大量多手段多平台监测技术设备数据结构、质控要求和功能输出,完成融合技术理论研究,并实现数据集成分析;基于应用示范和平台建设经验,编制完成平台多手段的大气污染立体化监测技术缺乏统一的技术规范。
解决以上问题及缺陷的意义为:实现当前最新的基于地基、车载、机载和卫星监测数据的交叉对比、校验定标、动态融合和集成分析理论,构建完成复杂地形大气污染天空地一体化监测平台,实现关键污染物三维分布的实时监测,并基于此形成技术规范。
发明内容
针对现有技术存在的问题,本发明提供了一种大气污染天空地一体化实时监测***及方法。
本发明是这样实现的,一种大气污染天空地一体化实时监测***,所述大气污染天空地一体化实时监测***包括:
大气污染天空地一体化实时监测网络,用于进行大气颗粒物和挥发性有机物的监测;
天空地一体化数据采集与分析平台,用于基于观测数据进行要素时空分布分析、要素统计分析、空气质量报表生成、预警预报同化分析、进行基于要素时空特征的防控措施评估、运维质控、数据审核、污染物三维分布可视化、气象场分析可视化、污染物传输可视化、源解析可视化以及基础数据叠加。
进一步,所述大气污染天空地一体化实时监测网络包括:
大气天基观测平台,用于根据极轨卫星过境时间或静止卫星的信号间隔时间,进行定时的遥感数据获取;
大气空基观测平台,包括无人机、系留气艇以及飞机航测设备,用于进行PM2.5、O3、SO2、NO2的空间剖面分布、质量浓度分布数据获取;
大气地基观测平台,用于利用大气地基观测设备针对重要区域性观测站点或特定大气污染源区开展空气成分、浓度、紫外线辐射强度、消光系数、风场参数及其他相应参数进行定量化观测。
进一步,所述天空地一体化数据采集与分析平台包括:
数据服务器,用于进行各观测设备观测数据的收集、数据库管理及面向用户的数据分发;
数据上传模块,用于将地基连续自动观测数据每小时上传一次至数据服务器;将天基和空基观测数据每日上传一次至数据服务器;
归一化处理模块,用于对各个观测设备观测的数据进行数据格式归一化处理。
进一步,所述前端设备、用户和数据服务器之间通过互联网进行交互;所述前端设备数据以主动上传或其他方式接入数据服务器。
本发明的另一目的在于提供一种应用于所述大气污染天空地一体化实时监测***的大气污染天空地一体化实时监测方法,所述大气污染天空地一体化实时监测方法包括:
步骤一,获取监测区域内的空气质量、污染源信息、气象条件及其他相关基础数据资料;
步骤二,对监测区域内的历史空气质量数据、气象数据及其他基础资料进行统计分析,结合地形地貌、城市发展、植被覆盖及其他信息,利用空气质量扩散模型进行污染物扩散模拟,确定主要污染物分布和扩散轨迹,判定区域内的主要污染传输通道;
步骤三,确定研究区域内的观测布点方案,并根据空气质量模型模拟及其他手段进行比较验证;
步骤四,在空气质量监测网的架构基础上构建大气污染天空地一体化实时监测网络,在主要传输通道组建颗粒物组分观测网、光化学污染观测网和地基遥感***;在主要污染源集中排放区域通过车载走航、无人机、系留气艇搭载观测设备进行综合观测,获取区域内从地面到垂直空间内的污染物分布并开展区域传输分析;
步骤五,结合卫星反演、气象场与污染源模拟方法,进行区域内天空地一体化综合观测,获取区域内污染物分布特征,判断城市间互相传输关系,确定颗粒物输送通量,进行重污染特征分析与预警。
进一步,所述步骤一之前还需进行:
进行观测设备的性能验证、溯源校准。
进一步,所述获取区域内污染物分布特征之前还需进行:
针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验;
对观测数据进行数据有效性判断、异常数据剔除、质控数据剔除。
进一步,所述针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验还包括:
利用地基观测数据或其他卫星数据,进行空间匹配,对卫星反演结果进行比对验证;
地基、车载、机载MAX-DOAS/扫描成像DOAS观测结果之间进行交叉比对,空间匹配后,与地基站点气体监测仪观测结果进行对比;
无人机载、系留气艇搭载的PM、O3、黑碳、粒径谱及其他传感器观测数据的交叉比对;系留气艇观测的污染物和气象参数垂直廓线与地基雷达观测廓线进行交叉对比。
进一步,步骤五中,所述结合卫星反演、气象场与污染源模拟方法,进行区域内天空地一体化综合观测包括:
(1)进行数据融合与集成,基于集成数据进行空气质量指标统计、站点AQI日历的同比分析和环比分析、空气质量参数的时间序列分析、频率直方分析、污染特征分析-同比分析、污染特征分析-环比分析、污染玫瑰图分析、相关性分析、数据质控,并生成空气质量日报、月报和重污染过程分析报告;
(2)进行监测数据时间序列可视化、二维或三维分布可视化、卫星遥感反演产品接收、解析和展示,基于气象参数的风玫瑰/污染风玫瑰分析、环流形势分析、气象参数三维分布可视化;
(3)进行污染个例后向轨迹分析、前向轨迹分析、可选时间段后向轨迹聚类分析、后向轨迹PSCF/CWT分析,激光雷达组网传输过程分析;
(4)进行污染过程模式源解析、采样分析源解析、单颗粒质谱源解析结果分析、污染特征综合分析。
进一步,步骤(1)中,所述进行数据融合与集成包括:
1)进行数据闭合检验:利用系留气艇探空、地基激光雷达探测的颗粒物垂直分布,通过光学参数计算和垂直节分,获取气溶胶光学厚度估算,与地面观测和卫星遥感数据进行闭合;利用系留气艇搭载的PM、黑碳和粒径谱及其他传感器观测数据估算颗粒物消光特性、后向散射特征及其他光学特征,进一步模拟计算激光雷达探测信号相对垂直分布,与激光雷达观测数据进行闭合;
2)参数修正:基于交叉对比和闭合检验结果,对先验参数进行修正,进行各参数物理闭合,获取各污染物水平分布和垂直廓线;
3)针对区域多站点观测,借助化学传输模型,对污染物三维模拟数据和区域观测数据进行同化,获取区域污染物的再分析三维分布。
进一步,基于交叉对比和闭合检验结果,对先验参数进行修正包括:
利用系留气艇探空数据对激光雷达反演过程中的气溶胶后向散射特性、雷达常数及其他参数进行修正;利用系留气艇探空和激光雷达观测数据,对卫星反演地面颗粒物浓度算法中的廓线信息进行修正;利用系留气艇探空和激光雷达观测数据,对MAX-DOAS和扫描成像DOAS污染气体反演过程中的气溶胶和污染气体先验参数进行修正。
进一步,所述空气质量指标统计包括污染AQI日历、分级统计、超标统计、首要污染物统计、污染物等级浓度贡献。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明基于多平台多手段监测数据融合集成,构建复杂地形大气污染天空地一体化监测平台,实现关键污染物三维分布的实时监测的大气环境监测,首次实现对天基、地基、空基监测技术的集成,并在成渝地区开展应用示范,验证其稳定性、可行性,关键污染物三维分布实时监测技术为两地环境管理部门提供关键决策支撑,服务于日常预报预警和大气污染防控工作。
本发明利用天空地多平台观测手段,对区域、城市尺度开展大气污染物空间分布、污染物生消演变、污染来源与传输和污染机理机制进行监测工作。
本发明通过补充地基遥感、空基、天基等手段开展空间污染物浓度及扩散探测,解决现有监测网络主要集中在地面的不足;面向城市群污染现状,通过在传输通道上开展综合观测与特征分析,描述区域大气复合污染状态和传输规律;针对不同季节主要污染物生消机制,选择典型探测设备与实验方法。
附图说明
图1是本发明实施例提供的大气污染天空地一体化监测网络架构图。
图2是本发明实施例提供的大气污染天空地一体化监测网络架构示意图。
图3是本发明实施例提供的大气污染天空地一体化实时监测***结构示意图;
图中:1、大气污染天空地一体化实时监测网络;2、天空地一体化数据采集与分析平台;11、大气天基观测平台;12、大气空基观测平台;13、大气地基观测平台;21、数据服务器;22、数据上传模块;23、归一化处理模块。
图4是本发明实施例提供的大气污染天空地一体化实时监测方法流程图。
图5是本发明实施例提供的垂直起降固定翼无人机结构示意图。
图6是本发明实施例提供的无人机路径规划示意图。
图7是本发明实施例提供的同一层高的无人机数据采集方案示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种大气污染天空地一体化实时监测***及方法,下面结合附图对本发明作详细的描述。
如图1至图3所示,本发明实施例提供的大气污染天空地一体化实时监测***包括:
大气污染天空地一体化实时监测网络1,对通过天基卫星遥感、空基无人机或气艇载荷监测、地基多点位多手段监测,实现区域内大气污染物、气象条件多方位实时监测,重点关注大气颗粒物来源解析、臭氧及其前体物挥发性有机物反应机理、区域传输几大关键大气污染问题。
天空地一体化数据采集与分析平台2,用于基于观测数据进行要素时空分布分析、要素统计分析、空气质量报表生成、预警预报同化分析、进行基于要素时空特征的防控措施评估、运维质控、数据审核、污染物三维分布可视化、气象场分析可视化、污染物传输可视化、源解析可视化以及基础数据叠加。
本发明实施例提供的大气污染天空地一体化实时监测网络1包括:
大气天基观测平台11,用于根据极轨卫星过境时间或静止卫星的信号间隔时间,进行定时的遥感数据获取;
大气空基观测平台12,包括无人机、系留气艇以及飞机航测设备,用于进行PM2.5、O3、SO2、NO2的空间剖面分布、质量浓度分布数据获取;
大气地基观测平台13,用于利用大气地基观测设备针对重要区域性观测站点或特定大气污染源区开展空气成分、浓度、紫外线辐射强度、消光系数、风场参数及其他相应参数进行定量化观测。
本发明实施例提供的天空地一体化数据采集与分析平台2包括:
数据服务器21,用于进行各观测设备观测数据的收集、数据库管理及面向用户的数据分发;
数据上传模块22,用于将地基连续自动观测数据每小时上传一次至数据服务器;将天基和空基观测数据每日上传一次至数据服务器;
归一化处理模块23,用于对各个观测设备观测的数据进行数据格式归一化处理。
本发明实施例提供的前端设备、用户和数据服务器之间通过互联网进行交互;所述前端设备数据以主动上传或其他方式接入数据服务器。
如图4所示,本发明实施例提供的大气污染天空地一体化实时监测方法包括:
S101,获取监测区域内的空气质量、污染源信息、气象条件及其他相关基础数据资料;
S102,对监测区域内的历史空气质量数据、气象数据及其他基础资料进行统计分析,结合地形地貌、城市发展、植被覆盖及其他信息,利用空气质量扩散模型进行污染物扩散模拟,确定主要污染物分布和扩散轨迹,判定区域内的主要污染传输通道;
S103,确定研究区域内的观测布点方案,并根据空气质量模型模拟及其他手段进行比较验证;
S104,在空气质量监测网的架构基础上构建大气污染天空地一体化实时监测网络,在主要传输通道组建颗粒物组分观测网、光化学污染观测网和地基遥感***;在主要污染源集中排放区域通过车载走航、无人机、系留气艇搭载观测设备进行综合观测,获取区域内从地面到垂直空间内的污染物分布并开展区域传输分析;
S105,结合卫星反演、气象场与污染源模拟方法,进行区域内天空地一体化综合观测,获取区域内污染物分布特征,判断城市间互相传输关系,确定颗粒物输送通量,进行重污染特征分析与预警。
本发明实施例提供的步骤S101之前还需进行:进行观测设备的性能验证、溯源校准。
本发明实施例提供的获取区域内污染物分布特征之前还需进行:
针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验;
对观测数据进行数据有效性判断、异常数据剔除、质控数据剔除。
本发明实施例提供的针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验还包括:
利用地基观测数据或其他卫星数据,进行空间匹配,对卫星反演结果进行比对验证;
地基、车载、机载MAX-DOAS/扫描成像DOAS观测结果之间进行交叉比对,空间匹配后,与地基站点气体监测仪观测结果进行对比;
无人机载、系留气艇搭载的PM、O3、黑碳、粒径谱及其他传感器观测数据的交叉比对;系留气艇观测的污染物和气象参数垂直廓线与地基雷达观测廓线进行交叉对比。
步骤S105中,本发明实施例提供的结合卫星反演、气象场与污染源模拟方法,进行区域内天空地一体化综合观测包括:
(1)进行数据融合与集成,基于集成数据进行空气质量指标统计、站点AQI日历的同比分析和环比分析、空气质量参数的时间序列分析、频率直方分析、污染特征分析-同比分析、污染特征分析-环比分析、污染玫瑰图分析、相关性分析、数据质控,并生成空气质量日报、月报和重污染过程分析报告;
(2)进行监测数据时间序列可视化、二维或三维分布可视化、卫星遥感反演产品接收、解析和展示,基于气象参数的风玫瑰/污染风玫瑰分析、环流形势分析、气象参数三维分布可视化;
(3)进行污染个例后向轨迹分析、前向轨迹分析、可选时间段后向轨迹聚类分析、后向轨迹PSCF/CWT分析,激光雷达组网传输过程分析;
(4)进行污染过程模式源解析、采样分析源解析、单颗粒质谱源解析结果分析、污染特征综合分析。
步骤(1)中,本发明实施例提供的进行数据融合与集成包括:
1)进行数据闭合检验:利用系留气艇探空、地基激光雷达探测的颗粒物垂直分布,通过光学参数计算和垂直节分,获取气溶胶光学厚度估算,与地面观测和卫星遥感数据进行闭合;利用系留气艇搭载的PM、黑碳和粒径谱及其他传感器观测数据估算颗粒物消光特性、后向散射特征及其他光学特征,进一步模拟计算激光雷达探测信号相对垂直分布,与激光雷达观测数据进行闭合;
2)参数修正:基于交叉对比和闭合检验结果,对先验参数进行修正,进行各参数物理闭合,获取各污染物水平分布和垂直廓线;
3)针对区域多站点观测,借助化学传输模型,对污染物三维模拟数据和区域观测数据进行同化,获取区域污染物的再分析三维分布。
本发明实施例提供的基于交叉对比和闭合检验结果,对先验参数进行修正包括:
利用系留气艇探空数据对激光雷达反演过程中的气溶胶后向散射特性、雷达常数及其他参数进行修正;利用系留气艇探空和激光雷达观测数据,对卫星反演地面颗粒物浓度算法中的廓线信息进行修正;利用系留气艇探空和激光雷达观测数据,对MAX-DOAS和扫描成像DOAS污染气体反演过程中的气溶胶和污染气体先验参数进行修正。
本发明实施例提供的空气质量指标统计包括污染AQI日历、分级统计、超标统计、首要污染物统计、污染物等级浓度贡献。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1:
1总则
1.1概述
本发明适用于利用天空地多平台观测手段,对区域、城市尺度开展大气污染物空间分布、污染物生消演变、污染来源与传输和污染机理机制等观测研究监测工作。
本发明提供了大气污染天空地一体化监测的全套技术方案,各地应根据实际业务和研究需要,根据本地区地形特征、气象条件,结合大气重点污染源排放清单、空气质量模型等手段,科学进行监测点位布设,完整合理的配置技术资源。
1.2规划性引用文件
本发明内容引用了下列文件或其中的条款。凡是不注日期的引用文件,其有效版本适用用于本发明。
GB 3095-2012环境空气质量标准;HJ633-2012环境空气质量指数(AQI)技术规定(试行);HJ193-2013环境空气气态污染物(SO2、NO2、O3、CO)连续自动监测***安装验收技术规范;HJ655-2013环境空气颗粒物(PM10和PM2.5)连续自动监测***安装验收技术规范;HJ194-2017环境空气质量手工监测技术规范;GBT13869-2017用电安全导则;GBT9813.1-2016计算机通用规范第1部分台式微型计算机;QX/T 510—2019大气成分观测数据质量控制方法反应性气体H/Z 3001-2010无人机航摄安全作业基本要求。
1.3术语和定义
1.3.1天空地一体化监测
是指综合运用大气天基观测、大气空基观测和大气地基观测等环境监测手段,基于数据挖掘、数据融合、数据同化等关键技术,获得更加准确数据支持的立体生态环境监测感知体系。
1.3.2大气天基观测
是指以星载探测器为观测手段,采用空间尺度的高分辨技术对大气层进行的观测与反演。
1.3.3大气空基观测
是指以飞行或漂浮于空中的观测平台(无人机、气艇、气球等)为手段,对近地面一定高度范围内进行的大气污染观测。
1.3.4大气地基观测
是指基于地表观测平台进行的大气污染观测,根据观测站点性质分为地面固定观测和流动观测,根据观测范围分为地面原位观测和空间遥感观测。
1.3.5观测数据融合
是指将通过各种观测手段的多信息源的数据和信息加以联合、相关及组合,获得更为精确的大气污染特征和变化趋势,从而实现对大气环境状况和传输特征实时、完整评价的处理过程。
1.3.6数据同化
是指在考虑数据时空分布以及观测场和背景场误差的基础上,在数值模型的动态运行过程中融合新的观测数据的方法。它是在过程模型的动态框架内,通过数据同化算法不断融合时空上离散分布的不同来源和不同分辨率的直接或间接观测信息来自动调整模型轨迹,以改善动态模型状态的估计精度,提高模型预测能力。
1.3.7空气质量指数(AQI)
定量描述空气质量状况的无量纲指数。
1.3.8卫星遥感监测
通过卫星收集环境的电磁波信息对远离的环境目标进行监测识别环境质量状况的技术。
2监测网络设计
2.1监测网络设计原则
2.1.1针对性原则
天空地一体化监测网络的设计应具有针对性,如理清区域传输关系、复杂地形污染生消机理、区域预报预警需求、污染物来源解析问题等,紧扣区域或地方的大气环境问题和管理需求,针对性开展监测网络设计。
2.1.2代表性原则
天空地一体化监测网络应重点体现空间代表性、时间代表性和污染物种代表性,空间代表性为在覆盖区域内主要重点城市和重要的大气污染传输通道开展观测,时间代表性为选择关键环境问题典型发生的时间范围内开展观测,污染物种代表性为选择客观反映区域大气环境状况及问题的污染物监测指标。
2.1.3整体性原则
充分考虑研究区域内的大气环流特征的完整性,监测网络设计应涵盖整个研究区域。
2.1.4动态性原则
针对不同季节和事件下的大气污染特征实施动态的观测计划。
2.2监测网络设计程序
2.2.1确定监测目的和目标
确定开展天空地一体化监测的目的,如解决目前单一监测手段无法获取的大气环境问题,利用多手段观测获取复杂地形下垫面的大气环境问题等,在监测目标基础上优化监测网络设计,使监测数据具有代表性,同时提升其准确性和针对性,一定程度上提升进行环境管理的效率。
2.2.2基础信息调查
搜集研究区域内的空气质量、污染源信息、气象条件等相关基础数据资料。
对于研究区域内的已有观测基础进行统筹协调,合理利用一切观测基础条件,并根据实际需求和可行性灵活补充调配仪器设备、技术人员等其他观测资源。
2.2.3传输通道识别
对研究区域内的历史空气质量数据、气象数据等基础资料进行统计分析,结合地形地貌、城市发展、植被覆盖等信息,利用空气质量扩散模型开展污染物扩散模拟,摸清主要污染物分布和扩散轨迹,从而判定区域内的主要污染传输通道。
2.2.4点位布设论证
从城市和区域常规观测、大气组分加强观测、污染传输组网探测、重要工业源区典型观测等几个层次,确定研究区域内的观测布点方案,并根据空气质量模型模拟等手段进行比较验证,充分论证点位布设的科学性和合理性。必要时组织专家讨论论证。
2.3监测网络搭建
在监测网络优化及观测手段升级方面,通过补充地基遥感、空基、天基等手段开展空间污染物浓度及扩散探测,解决现有监测网络主要集中在地面的不足;面向城市群污染现状,通过在传输通道上开展综合观测与特征分析,描述区域大气复合污染状态和传输规律;针对不同季节主要污染物生消机制,选择典型探测设备与实验方法。
监测网络应建立在空气质量监测网的架构基础上,在主要传输通道组建颗粒物组分观测网、光化学污染观测网和地基遥感***;在主要污染源集中排放区域通过车载走航、无人机、系留气艇搭载观测设备等手段开展综合观测的方式,获取区域内从地面到垂直空间内的污染物分布并开展区域传输分析;结合卫星反演、气象场与污染源模拟手段,完成区域内天空地一体化综合观测,获取区域内污染物分布特征,判断城市间互相传输关系。
天空地一体化监测网络架构详见参考性附录A。
3监测***构成
3.1监测方法适用性
监测方法主要包括在线分析方法和离线分析方法,对于大气颗粒物和挥发性有机物的监测,可采用手工采样、实验室分析的方法进行,其他大部分监测手段以在线观测分析为主。
监测方法的选择应在保证方法规范性的前提下,既要满足对研究区域内大气污染特征的捕捉和识别,又要兼顾监测地区基础保障条件等实际情况,选择有针对性和具有可操作性的监测方法。
3.2监测设备选择
监测设备选择可根据重点大气环境问题自行选择组合,设备类型可参考但不限于本发明内涉及仪器。
3.2.1大气天基观测载体
大气天基观测主要依托卫星遥感技术,详见表3-1。
表3-1天基观测主要技术手段和载体
3.2.2大气空基观测平台
大气空基观测平台主要包括无人机和系留气艇平台,其主要搭载设备和观测参数见表3-2。
表3-2空基观测平台类型和主要观测设备
3.2.3大气地基观测设备
大气地基观测技术方法和观测设备多样,大多可实现定量化观测,主要观测技术和设备见表3-3。
表3-3主要地基观测方法及设备
3.2.4观测设备技术指标
主要观测手段和仪器设备的主要技术指标详见参考性附录B。
3.3数据应用平台设计建设
大气污染天空地一体化监测技术的集成和展示主要依托数据应用平台,可依托现有监测网络数据平台升级完成,分别从数据接入、平台功能设计方面提出功能要求,利用数据集成、数据融合、统计分析与模拟、可视化展示等手段实现平台功能一体化。
3.3.1数据接入
(1)接入方式
数据应用平台建立数据服务器,负责各前端设备观测数据的收集、数据库管理及面向用户的数据分发。前端设备、用户和数据服务器之间通过互联网进行交互。各前端设备数据以主动上传等方式接入数据服务器。
(2)接入频次
地基连续自动观测数据每小时上传一次至数据服务器;天基和空基观测数据每日上传一次至数据服务器。
(3)数据格式
各类观测手段和仪器设备的原理方法不同,观测的大气污染参数、尺度和结果表现形式差异较大,产出的观测数据格式多种多样,对数据集成融合和数据同化造成一定的技术难度。对于各种观测手段和仪器设备产出的数据格式要求,详见参考性附录C。
3.3.2平台功能设计与建设
数据应用平台建设的功能要求见表3-4。
表3-4大气污染天空地一体化监测技术应用平台功能要求
对于上述应用功能的实现,需要具有相应的硬件设备设施和充足的计算资源,可委托具有相关经验和实力的第三方机构从网络宽带、存储需求和运算需求三个方面进行开发建设。
3.4辅助设施设备
基于监测网络架构设计的不同观测站点,应具备观测设备安装运行的充足站房或场地空间、设备供电、环境条件稳定、数据采集与传输等相应保障的辅助设施设备,确保观测计划顺利实施。如需开展外场观测。
4监测计划执行
4.1监测方案
开展天空地一体化监测前,要明确观测研究目的,做好空气质量预报支撑,并制定完整合理的观测方案,主要包括观测时间和频次,运行维护具体要求,交叉比对验证和数据汇总分析等内容。将观测方案分发各个观测单元,确保严格按照观测方案实施观测计划。
4.2监测准备
落实监测网络各站点的运行状态良好,做好加强观测的场地和保障条件、技术人员、数据平台、定期会商等相关准备工作。
对于空基观测的无人机和系留气艇放飞,需要提前向空管部门进行飞行空域申请,确定观测飞行时间、范围和高度,在每次执行飞行观测前,知会空管部门。在空管部门通告禁止或有条件禁止飞行的情况下,严格执行相关指令。
对于空基观测和地面监测车走航观测,应提前做好观测路线规划。
4.3运行维护要求
4.3.1大气天基观测
根据极轨卫星过境时间或静止卫星的信号间隔时间,进行定时的遥感数据获取。
4.3.2大气空基观测
大气空基观测主要针对重要区域性观测站点或特定大气污染源区开展。
无人机搭载传感器进行区域扫描观测。与系留气艇放飞开展同时段飞行最佳,每日飞行频次根据当地主要污染时段出现时间,在监测方案中提前确定。
系留气艇搭载传感器进行垂直放飞观测。与无人机飞行观测开展同时段放飞最佳,放飞频次与无人机飞行观测同步。
无人机和系留气艇搭载的传感器,应根据原理方法的要求进行定期校准和比对。
每次观测前,应对无人机和系留气艇进行飞行状态检查,由具备专业执照或相当经验的操作人员执行飞行和放飞任务;遇雨雪或强对流天气停止飞行和放飞,确保安全。
4.3.3大气地基观测
地基观测设备在观测研究期间进行24小时连续自动监测。
走航监测的车载仪器应按相关规范或操作手册进行调试、校准,执行走航监测时应根据规划路线进行,并根据污染形式变化或现场情况进行动态调整。
常规空气自动监测站点应严格按照HJ818-2018和HJ817-2018开展监测***日常运行维护、监测仪器校准和监测仪器性能审核。特征参数的非常规仪器设备,根据各自具体操作规程开展日常运行维护、监测仪器校准和监测仪器性能审核。
手工监测应严格按照HJ194-2017相关要求开展监测活动,包括点位布设、确定监测时间与频次、样品采集、样品运输和保存、数据处理、质量控制等。
4.4监测记录
观测研究期间,每日对环境条件、气象状况、观测仪器设备运行情况、运行维护、质量保证和质量控制等工作进行记录,形成完整详尽的监测日志。
5质量控制与质量保证
5.1质量控制
各方法手段的观测实验,根据不同仪器设备的具体要求,由专业监测人员严格执行相应的质量控制措施。
5.2质量保证
5.2.1仪器性能验证
开展天空地一体化监测前,各类关键仪器设备至进行集中比对实验,通过平行观测验证仪器设备的准确性。平行比对时间不少于一周,定量监测仪器平行性误差不超过10%(或根据原理方法确定)。
对于操作性强,复杂度高的大型仪器,做好使用前的状态检查、性能指标测试即可。
5.2.2溯源校准
定量监测仪器在观测前进行标准物质校准或量值溯源,光学原理的遥感观测仪器进行出厂标准的辐射校正或光谱校正等。
5.2.3交叉比对
针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验。
利用地基观测数据或其他卫星数据,进行空间匹配,对卫星反演结果进行比对验证。
地基、车载、机载MAX-DOAS/扫描成像DOAS观测结果之间进行交叉比对,空间匹配后,与地基站点气体监测仪观测结果进行对比。
无人机载、系留气艇搭载的PM、O3、黑碳、粒径谱等传感器观测数据的交叉比对。
系留气艇观测的污染物和气象参数垂直廓线与地基雷达观测廓线进行交叉对比。
5.2.4数据审核
为保证监测数据的有效性和及时性,每日12时前及时完成前一日监测数据审核,包括数据有效性判断、异常数据剔除、质控数据剔除等。数据审核技术要求按照不同仪器设备的具体要求执行。
6数据融合与集成
6.1数据融合
6.1.1闭合检验
针对各类平台和手段的不同监测要素,从探测原理和物理规律等方面进行闭合检验。
利用系留气艇探空、地基激光雷达探测的颗粒物垂直分布,通过光学参数计算和垂直节分,获取气溶胶光学厚度估算,与地面观测和卫星遥感数据进行闭合。
利用系留气艇搭载的PM、黑碳和粒径谱等传感器观测数据估算颗粒物消光特性、后向散射特征等光学特征,进一步模拟计算激光雷达探测信号相对垂直分布,与激光雷达观测数据进行闭合。
6.1.2参数修正
基于交叉对比和闭合检验结果,对先验参数进行修正。
利用系留气艇探空数据对激光雷达反演过程中的气溶胶后向散射特性、雷达常数等参数进行修正。
利用系留气艇探空和激光雷达观测数据,对卫星反演地面颗粒物浓度算法中的廓线信息进行修正。
利用系留气艇探空和激光雷达观测数据,对MAX-DOAS和扫描成像DOAS污染气体反演过程中的气溶胶和污染气体先验参数进行修正。
6.2数据同化
6.2.1局地污染物三维重构
综合加强观测期间,针对各类平台和手段的不同监测要素,在交叉对比基础上对异常离散数据进行剔除,在参数修正基础上实现各参数物理闭合,最终获取各污染物水平分布和垂直廓线。
6.2.2区域污染物数据同化
针对区域多站点观测,借助化学传输模型,对污染物三维模拟数据和区域观测数据进行同化,获取区域污染物的再分析三维分布。
7数据应用
7.1管理应用
7.1.1管理报表
实现空气质量指标统计,包括污染AQI日历、分级统计、超标统计、首要污染物统计、污染物等级浓度贡献等。要求可选站点、可选时间段。
实现站点AQI日历的同比分析和环比分析。
实现空气质量参数的时间序列分析、频率直方分析、污染特征分析-同比分析、污染特征分析-环比分析、污染玫瑰图分析、相关性分析、数据质控。
实现空气质量日报、月报和重污染过程分析报告的生成。
7.1.2评估与分析
实现监测数据时间序列可视化、二维或三维分布可视化。
实现卫星遥感反演产品接收、解析和展示。
实现基于气象参数的风玫瑰/污染风玫瑰分析、环流形势分析、气象参数三维分布可视化。
7.2分析应用
7.2.1污染输送应用
实现污染个例后向轨迹分析、前向轨迹分析。
实现可选时间段后向轨迹聚类分析、后向轨迹PSCF/CWT分析。
实现激光雷达组网传输过程分析。
7.2.2源解析应用
实现污染过程模式源解析、采样分析源解析、单颗粒质谱源解析结果分析、污染特征综合分析。
主要观测手段和仪器设备的主要观测参数
应用平台接入数据产品格式
实施例2:大气污染天空地一体化监测技术规范编制说明
1编制原则方法及依据
1.1编制原则
(1)***性原则
各地区各级生态环境部门都有一定的大气环境监测基础条件,在实施大气污染天空地一体化监测时,应充分利用已有监测资源,在此基础上进行补充完善和针对性的加强,并充分运用历史监测数据进行区域内空气质量状况、发展变化趋势等相关统计分析,使得大气污染天空地一体化监测能力建设和成果成为已有基础的扩展和延伸,保持监测网络和监测数据的***延续性。
(2)可操作性原则
我国国土区域跨度大,各区域的地形地貌、气候条件、城市布局和经济结构等差异巨大,因此,大气污染天空地一体化监测网络的设计和监测方案的实施,不能仅从理论上的最优化出发,而应考虑到所在研究区域或城市的自然条件、经济发展水平和自身的污染发展变化规律。在符合监测点位和时空代表性的前提下,以满足和达到研究目标的需要为基本标准,保证可行性和可操作性。同时,尽量节省人力、物力、财力,降低社会资源成本。
(3)技术服务于管理的原则
把握环境监测服务于环境管理的根本职能,紧扣区域或地方的大气环境问题和管理需求。各地区大气环境问题的重点和特点不尽相同,也可能受到重污染天气应对、重大活动空气质量保障等短期突发事件影响发生环境管理需求的变化,或者本身就是针对某一事件而开展。因此,对于大气污染天空地一体化监测具体实施过程中遇到的各种情况,应结合实际情况进行适时适当的调整,以为持续改善空气质量提供科学支持为根本目的。
1.2编制方法
(1)通过资料查阅和现场调研,分析梳理当前区域性大气污染问题和控制对策,摸清大气精细化管理的监测需求,了解大气污染天空地一体化监测的前沿技术和国内外发展状况。
(2)组织国内一流研究团队,以不同监测方法的技术研发为主,注重不同监测方法之间的交流互补共进,统一规范化监测体系建设的方向。
(3)在成渝地区建立大气污染天空地一体化监测应用示范区,开展为期一年的应用监测,持续研讨、反馈各种新技术、新设备、新方法的运用效果并持续改进。
(4)组织有关专家与管理部门进行座谈研讨,就规范编制工作与内容提出建设性意见。
(5)将相关技术应用规范编写和技术推广贯穿于项目技术研发、技术应用示范全过程,在应用中不断总结,在总结中不断修正。
(6)编写规范文本及编制说明,在项目组内部及向相关专家征求意见并修改完善。
2主要编制工作过程
(1)第一阶段:立项论证(2015-2016年)
在前期国内外资料调研的基础上,着眼于我国当前环境管理需求,做好项目立项的顶层设计,集中国内优势单位的研发力量,针对复杂地形区域,以技术研发为主,注重方法规范体系建设,论证确定通过地基观测技术、走航观测技术、边界层原位探测技术和多源卫星遥感技术等观测技术研发,获得多平台、多尺度、多参数的大气污染观测数据,进而综合表征区域大气污染状况,形成天空地一体化大气污染监控技术体系的研究思路。
2016年9月28日,在安徽省合肥市召开了项目启动和实施方案论证会,进一步对项目实施可行性进行技术论证,明确技术路线和研究目标。
(2)第二阶段:关键技术研发(2016-2018年)
准确把握新技术新方法的应用方向,并与国际同行保持着密切交流,着力突破多波长拉曼激光雷达技术,研制具有水汽廓线、温度廓线和颗粒物粒谱探测能力的激光雷达;攻克高分辨率成像光谱技术和污染物反演方法,研制全景扫描污染气体成像设备;攻克车载扫描激光雷达技术和MaxDOAS技术,集成区域大气污染走航观测车;研制大气污染观测无人机和边界层原位探测飞艇载荷;攻克多源卫星遥感关键技术,发展区域星-机-地联合精准观测技术。
2018年年初,项目成员单位通过开展技术研发、设备研制或技术方法升级,完成包括地基高分辨率痕量气体多维观测技术、多波长水汽拉曼激光雷达、温度廓线探测激光雷达、区域大气污染走航观测车、大气颗粒物监测扫描激光雷达、无人机载污染气体二维成像观测技术、高分辨率全景扫描污染气体成像DOAS、大气污染观测专用无人机平台、无人机载大气污染在线观测载荷舱、无人机载颗粒物及污染气体浓度三维观测技术、边界层臭氧和气溶胶廓线探测浮空器载荷技术、污染气体区域分布卫星遥感技术、近地面细颗粒物区域分布卫星遥感技术在内的新技术、新产品、工程样机、实验装置、关键部件等13项。
(3)第三阶段:组织在成渝地区开展应用示范(2018-2019年)
通过前期基础研究,在明晰了成渝城市群污染现状和四川盆地大气污染物传输的3条主要通道的基础上,制定了成渝地区大气污染天空地一体化监测实施方案,构建了科学合理的监测网络,同时选定重庆长寿化工园区和四川乐山化工园区开展重点源区综合观测实验。
2018年6月-2019年5月,根据项目落地监测实施方案,在成渝地区建设应用示范区,开展为期一年的天空地一体化连续监测,其中,对重庆长寿化工园区和四川乐山化工园区分别在2018年6-8月、2018年12月-2019年1月分别开展1个月的夏、冬季节加强综合观测。
2018-2019年期间,结合阶段性的监测结果,项目内部召开相关的技术研讨、进展沟通等各类会议近20次,进行充分的讨论和总结,并邀请包括多名院士在内的技术专家与川渝两地生态环境管理专家进行现场指导,为项目研究成果落地和技术规范编制工作提出了丰富的指导意见。
(4)第四阶段:构建一体化监测平台并改进(2018-2019年)
在相关技术研发和成渝地区应用示范的基础上,建成天空地一体化大气污染立体监测技术体系,形成相关的质量控制方法,发展数据融合与综合应用平台,通过为业务部门提供急需的技术和数据支撑,使项目成果落地并进行持续改进。通过平台建设和运用,为川渝两地大气环境管理提供技术支撑。
2018年11月12日,科技部组织在北京进行了2016年度“大气污染成因与控制技术研究”重点专项的项目中期检查。项目总体进展顺利,获得中期检查专家组的一致认同。
(5)第五阶段:凝练成果,编制技术规范(2019-2020年)
根据在成渝地区开展大气污染天空地一体化监测应用示范的取得的观测成果和研究经验,通过充分总结和不断凝练,编制完成《大气污染天空地一体化监测技术规范(草案)》和编制说明,通过征求行业专家、业务单位意见的方式进行修订,最终形成《大气污染天空地一体化监测技术规范(送审稿)》。
项目组在完成《规范》及编制说明外,还建立完成了大气污染天空地一体化监测数据集成与分析应用平台软件和成渝地区大气污染天空地一体化监测数据库,同时为川渝两地的大气污染防治和空气质量改善做了大量基础性的工作。
5规范主要技术内容及说明
5.1规范基础研究
突破多波长拉曼激光雷达技术,研制具有水汽廓线、温度廓线和颗粒物粒谱探测能力的激光雷达;攻克高分辨率成像光谱技术和污染物反演方法,研制全景扫描污染气体成像设备;攻克车载扫描激光雷达技术和MaxDOAS技术,集成区域大气污染走航观测车;研制大气污染;攻克多源卫星遥感关键技术,发展区域星-机-地联合精准观测技术。在此基础上,建成天空地一体化大气污染立体监测技术体系,形成相关的质量控制方法,发展数据融合与综合应用平台,在成渝地区开展技术应用示范,通过为业务部门提供急需的技术和数据支撑,使项目成果落地。
5.1.1天基观测技术开发
(一)大气气溶胶卫星遥感监测技术
1.必要性与可行性
利用卫星遥感数据可以有效地监测气溶胶光学厚度(AOD)的时空分布,为准确掌握地面PM值的估计奠定基础,为颗粒物减排、空气质量达标监控等管理决策过程提供科学支撑,同时减少颗粒物对人体的危害以及降低对社会经济的损失。为了正确、有效地利用卫星遥感技术进行AOD监测,对全国各级环境保护管理人员、科研人员、监测人员提供相应的技术指导,迫切需要制定AOD卫星监测应用技术标准,对AOD遥感监测方法、产品制作及产品验证技术进行统一规定,使监测产品更具科学性与权威性,为各类业务部门进行监测提供技术参考标准,为保质保量地完成AOD卫星遥感监测工作提供技术支持。
上世纪90年代以来,欧美国家陆续发射了一系列环境对地观测卫星,搭载了包括MODIS、MISR、OMI、ABI等在内的传感器,这些传感器波段范围广、光谱分辨率高,探测结果可用于反演AOD,实现了我国大范围AOD动态监测。在业务化运行过程中,提出了多项相关监测指标,研究出了实用的监测方法并设计了具体监测流程,AOD环境监测产品的生产也从按需要生产转化为常规生产,同时通过多种数据对产品进行了验证。在长期的应用实践中,不仅积累了大量的AOD环境监测产品,也积累了产品生产的经验,并且培养了一批从事AOD遥感监测研究及应用的人才队伍。
2.适用范围
大气气溶胶卫星遥感监测技术主要包括AOD卫星遥感监测的原理、方法、产品制作等内容。适用于环境保护部门开展AOD卫星遥感监测工作。
3.监测原理
利用MODIS传感器可见光和近红外波段的反射率数据,进行AOD反演。利用辐射传输模拟辐射传输过程获得查找表,基于暗像元算法原理,根据暗目标在不同波段的反射率关系计算表观反射率数据,匹配查找表计算得到AOD。
4.数据来源
极轨卫星:为支持大区域范围模式预报,选取具有AOD反演能力、每日数据覆盖的中分辨率卫星数据,以确保预报模式的日常应用需要。目前可用卫星主要包括FY-3卫星MERSI、Terra/Aqua卫星MODIS、Suomi-NPP卫星VIIRS等载荷。
静止卫星:选取可覆盖我国全部或大部分地区、且具备AOD反演能力的中分辨率多光谱静止卫星数据,如FY-4卫星的多通道扫描成像辐射计(MCSI)、Himawari-8卫星的AHI、COMS卫星的GOCI等。
不同卫星产品的数据来源:气溶胶、颗粒物类产品,每天极轨卫星3景,静止卫星8景;污染气体类产品,每天极轨卫星3景。
5.产品信息
产品名称:气溶胶光学厚度(AOD),近地面PM2.5浓度,NO2柱浓度,SO2柱浓度;
空间分辨率:静止卫星1km和5km;极轨卫星0.75km和6km;
时间分辨率:静止卫星0.5小时;极轨卫星1天;
数据输入格式:作为栅格文件方式存储,包括HDF、TIF、IMG等;
数据输出格式:带有空间地理信息的栅格文件格式,如GeoTIFF。
各主要卫星产品的相对误差:气溶胶光学厚度(AOD)20%,近地面PM2.5浓度30%;NO2柱浓度为20%,SO2柱浓度为50%等。
6.监测方法
(1)遥感数据预处理
对传感器获得的原始DN值0级数据进行处理,经过辐射校正、几何校正、地理信息匹配等过程,获得带有地理经纬度坐标的分景1级数据。
(2)像元筛选
由于暗像元算法适用的区域为低反射率的浓密植被区域,因此需要对每个像元进行判别,剔除火点、冰雪、亮斑等区域,选取低反射率的暗像元。
(3)查找表构建
算法的运算需要运用辐射传输模拟软件匹配不同气溶胶类型、不同气溶胶厚度和观测得到的表观反射率。如果直接运算,则每个像元都需要多次调用辐射传输计算软件,计算过程冗余、漫长。因此,本发明事先构建5种双峰分布的气溶胶类型的查找表,调用时对查找表进行差值,大大减少计算量和运算时间。
(4)算法运算
针对每一个像元,遍历不同的气溶胶光学厚度,根据其高度角、方位角,从查找表中提取大气透过率、半球反射率,进而用观测到的表观反射率计算地表根据辐射传输方程计算地表反射率,根据波段间的反射率关系选取最优的气溶胶光学厚度。以此方法计算得到不同气溶胶类型的550nm波长的AOD,根据计算结果与估算结果的偏差大小确定气溶胶类型。最终获得每个像元的气溶胶光学厚度和气溶胶类型。
(5)数据结果整合
由于上一过程计算得到单个像元气溶胶光学厚度的不确定行,因此将10*10个星下点1km分辨率的像元数据合成出10km的气溶胶光学厚度产品。并根据像元筛选的结果、像元个数给每个AOD反演结果的像元定义置信度。
7.监测结果验证
(1)地面观测验证
使用AERONET地基观测数据对卫星反演结果进行比对验证。
(2)其他卫星数据验证
利用其他卫星同类或相似的观测数据来检验。用本方法生成的产品要和同期相似传感器MODIS的AOD产品结果进行比较,验证算法的精度。
8.监测产品制作
监测产品以专题图及简报等形式表示AOD遥感监测结果。专题图包括图名、时间、图例、指北针、比例尺、AOD分布及浓度信息以及行政区域地理信息。专题图包括文字信息,描述地区AOD监测情况,柱状图统计各地区AOD的面积,表格统计AOD分布的各行政区域名称及各区域内的不同AOD的影响面积及合计影响面积等信息。
对于日、月、季、年监测产品中的文字描述及统计表格中各行政区域内的AOD面积统计,在日AOD监测产品中AOD面积的统计是基于当日单景产品的每个像元来进行统计的,如果一天有两种或两种以上传感器均监测到同一位置AOD,不累计统计面积。月、季、年AOD遥感监测产品中各行政区域内的AOD面积的统计分别是AOD像元在当月、当季、当年内各日产品中的取值之和。
5.1.2空基观测平台搭建和实现
(一)区域大气污染无人机走航试验
1.试验目的
通过无人机走航动态观测监控,快速获取区域颗粒物和污染气体的高程、水平等参数分布,实现颗粒物空间三维立体分布探测,结合地理信息,实现污染团定位和跟踪,为大气颗粒物及污染的传输分析等科学研究提供数据支撑。
2.设备数量
大气污染走航观测无人机2架。
3.场地环境需求
(1)场地需求:观测区域非军事等禁飞区、非人口密集区与航道;
(2)充电场所:单路16A电源插座充电桩;
(3)天气情况:非下雨天气环境;
(4)飞行需求:向研究区域相关空管部门进行飞行申报;
4.无人机载传感器介绍及质控
(1)观测设备
机载观测***观测设备包括垂直起降无人机、臭氧浓度传感器、PM2.5传感器、无人机载污染气体二维成像观测***等。
所设计的垂直起降无人机为双尾撑布局、后推式油动垂直起降固定翼无人机。采用多旋翼与双尾撑固定翼相结合的方式,兼具航时长、速度快、载荷大、结构稳定、可靠性高等特点。适用于大面积、高效率、长航时的飞行任务。
臭氧浓度传感器(2B Technologies PO3M)用于检测传感器周围环境的臭氧浓度,具有体积小、使用方便的特点。
PM2.5传感器为TSI SidePakAM520型光散射激光光度计,具有小巧、便携、电池供电的特点,能够本地进行数据记录,提供工人呼吸区域的粉尘、烟、雾的实时气溶胶质量浓度读数。
(2)设备原理
垂直起降固定翼无人机(UAV)以四旋翼与固定翼相结合的总体设计思路,具有对起降场地要求低、机动性好、巡航速度高、航时长等优势。
为了实现垂直起降的功能,机型设计采用了把四旋翼和常规布局固定翼叠家的方式,在不影响固定翼气动布局的前提下,将四旋翼的两条纵向的机架与主翼的肋片固定,横向的机架则由主翼的翼梁充当。结构示意图如图5所示。
该结构的飞行器具有两种飞行模式,即垂直起降模式和平飞模式,并且可以在空中实现两种模式的转换过渡。垂直起降模式时,特型旋翼旋转提供垂直升力,周期变距运动提供机体俯仰及滚转力矩;矢量推力装置的推力大小和方向可分别控制,两侧的推力差平衡旋翼的反扭矩,矢量控制则提供机体滚转力矩。平飞模式时,矢量推力装置提供水平推力,固定式机翼提供主要升力,特型旋翼停转并锁定与固定式机翼平行转变为固定翼面,整机变为固定翼构型,由推力矢量和舵面偏转提供控制力矩,从而实现高速远距离平飞。
由垂直起降模式转换为平飞模式时,矢量推力装置的推力增大,使飞行器水平加速飞行,固定式机翼逐渐承载的同时,特型旋翼经减速、停转并锁定过程逐渐卸载,转变为固定翼面,与固定式机翼保持平行,全机转变为类双翼布局的固定翼构型。由平飞模式转换为垂直起降模式时,矢量推力***推力减小,飞行器做减速飞行,随后启动特型旋翼加速旋转,逐渐增大旋翼总距以承载,同时机翼卸载,变回垂直起降模式做低速或垂直飞行。
臭氧浓度传感器采用紫外线吸收法,用稳定的紫外灯光源产生紫外线,用光波过滤器过滤掉其它波长紫外光,只允许波长253.7nm通过。经过样品光电传感器,再经过臭氧吸收池后,到达采样光电传感器。通过样品光电传感器和采样光电传感器电信号比较,再经过数学模型的计算,就能得出臭氧浓度大小。
PM2.5传感器采用激光粒子计数法,通过风扇将采样气体吸入传感器中,用激光散射法计算出粒子个数和粒子的直径,然后通过一系列数学运算方法,最终精确得出所测量环境的PM2.5浓度。
(3)质控方法与程序
针对具有大不确定性和复杂非线性等特性的无人机,考虑到飞行过程中无人机受到的气流等不确定干扰,基于自抗扰控制技术设计自抗扰控制器,增强***的鲁棒性。
为保障测量精度和数据有效性,需要针对复杂地形无人机载观测实验,机载微型空气污染检测仪寻找合适的布局位置,并通过增加适当的整流装置或采气泵等手段,保障在线观测载荷舱能够满足高空飞行观测的任务需求。
评估不同风场情况(如迎风、侧风等不同风向、不同风速等)下大气湍流和无人机自身气流对机载微型空气污染检测仪进气采样的影响,选取并设计机载设备及进气口管路的最佳布局配置。
根据地基、天基观测数据以及机载在线观测情况,以及实时大气污染颗粒物与臭氧的扩散分布,对机载走航观测路线及其观测点进行优化设计与校正,实现重点区域高分辨率立体探测。研究机载大气颗粒物及污染气体三维观测处理技术,分析其三维分布和变化特征,进行可视化评估。
拟针对地面细颗粒物浓度和垂直高度上细颗粒物浓度的变化特征,制定无人机飞行路线,同时考虑不同大气扩散条件、不同下垫面、不同季节和时间等条件的影响,设计分层数据采集方案,估算不同大气稳定度条件下大型点源的烟羽扩散高度及范围,设计相应的无人机飞行路线。
在考虑了高斯扩散模式估算结果的基础上,针对盆地点源烟羽扩散,无人机数据采集执行方案可分为四个步骤:
①对整个研究区域进行1km*1km的网格(以1km*1km为例,具体实施过程中将结合实地条件放大或缩小网格划分尺度)生成矢量图层;
②对研究区域覆盖到的所有点、线、面污染源分布进行空间矢量化,生成污染源分布矢量图层;
③假设污染源对邻近区域的影响与距离成反比,综合考虑污染源级别及季节性主导风向情况,分别定量计算点、线、面污染源对研究区域内每个1km*1km的网格单元的相对污染指数,之后加权平均,绘制研究区域相对污染指数等级图;
④基于上述结果对1km*1km地理单元进行重聚类分区,将研究区域重新分为多个污染集聚区,基于每个污染集聚区中心布设无人机基站,考虑无人机飞行覆盖半径及时间约束,制定具体的无人机飞行方案,以实现高效的数据采集方式。如图7所示,针对每一个污染聚类区(覆盖多个1km*1km地理单元),将聚类中心假设为大型点源,则结合高斯点源扩散模式,可以对研究区域污染浓度进行初步估计。
按照估算的数值,在研究区域内污染物浓度空间变化率不大时,可以根据轨迹路线,以垂直于主导风向且机身与风向在垂直方向上呈30-45°夹角,采取路径自动导航模式进行无人机巡航飞行。数据采集完成之后,将带有GPS位置信息关联的污染物样本数据,与每一个1km*1km地理单元进行空间匹配。污染物浓度局部空间变化率较大时,则在特定区域缩小飞行路线间距,以在特定区域获取更密集数据,以提高三维分布插值时的数据精度。
通过无人机航测研究细颗粒物和污染气体在水平和垂直方向上的浓度变化,以及其浓度随时间变化的规律。结合不同污染物在垂直和水平方向上不同时间的污染物的浓度分布图,研究成渝地区污染物的总体分布规律及其在盆地烟羽下风向的扩散特征。
根据航测污染物的浓度,结合气象条件,分析污染物在近地面及边界层内浓度变化以及分布规律。对所有数据资料在不同高度上进行分阶段高度平均以减少观测数据的波动,从而使垂直方向能更明显地表现出污染物浓度以及同步测量的气象条件随高度变化的规律,进而绘制污染物浓度垂直廓线,了解其垂直方向分布规律。
针对无人机在某一高度的平飞过程,污染物的浓度和气象参数可进行相同时间间隔平均。此外,在不同高度上进行平飞探测,得到不同高度的污染物在水平方向上的浓度分布规律。通过分析水平和垂直方向上的航测数据,结合风速、风向、温度等气象数据,找出细颗粒物在垂直和水平方向的分布规律和受气象条件的影响。分析各种气态污染物在垂直和水平方向的浓度分布规律,以及其随时间变化的分布。
5.无人机载污染气体二维成像观测***
基于无人机载平台,利用高分辨成像DOAS探测***,可以实现复杂地形条件下痕量气体二维分布的快速探测。该技术基于无人机载平台结合成像差分吸收光谱算法,采用天底推扫方式工作,可快速获得区域大气污染的分布变化情况,捕获重要污染源,弥补地面站点监测在空间尺度上的不足。
设备在天津唐山进行飞行观测,并对唐山南堡三友集团等地区进行梭状推扫测量。大区域范围内的污染气体分布情况。唐山三友集团区域的局部放大图,可以观测到唐山三友集团存在较明显的排放,可较明显的看出污染扩展趋势。单次测量地面覆盖约为950m。
(二)自由对流层与边界层物质能量交换综合探测试验
1.试验目的
通过原位探测研究大气气溶胶/臭氧等大气污染成分的垂直分布,深入理解大气污染垂直结构特征以及天气和大气污染相互作用,为空气质量和气象气候预报服务提供科学支撑。
2.试验概况
以系留气艇搭载小型化仪器进行垂直廓线的原位探测为主;
配合声雷达或当地风廓线雷达等获取风廓线,为系留试验提供安全性参考;
配合地面观测集装箱进行连续地面观测,辅助分析廓线数据。
3.试验条件需求
(1)相对开阔的场地:用于放置集装箱,并使观测具有代表性。地点与系留地点统一,或者在污染相当的近距离位置,便于两边维护。系留地点周围没有明显遮挡,在系留倾斜时没有易剐蹭的凸出物或尖锐物体。搭建用于在雨天、大风天以及无人值守时存储气艇及相关杂物的仓库,长度≥10米,高度≥6米,宽度≥4.5米。配备用于观测期间休息、工作以及仪器维修检查、放置观测设备包装箱等相应场所。
(2)电力需求:峰值耗电3000瓦,正常运行<2000瓦。
(3)进场设备:系留气艇、绞车及探测设备等。系留气艇:长10m×宽4m×高4m,充气50m3,载重量20kg。系绳:可承受200kg以上的拉力,确保安全;长1300m,最大升限1200m。绞车:绞车尺寸约为1m×1m×1m,在地面固定,由市电供电,停电时可使用备用发电机或手动进行收放。集装箱,尺寸2.5×2.5×6m,使用货车运输。
4.观测计划
(1)测量要素:气溶胶谱、黑碳、臭氧、气象要素等。实际载荷重量不超过15kg。
(2)测量高度:地面-1000m。
(3)观测时间:根据天气条件开展每1-2小时的探测,具体时间为06:00,07:00,08:00,10:00,12:00,14:00,16:00,18:00,19:00,20:00。在重污染天气时,适当增加探测时次,或者进行连续探测;视具体需求,增加夜间探测。
5.搭载仪器
(1)光学粒径谱仪Grimm 11-S。
测量内容:0.25-32um气溶胶谱,以及PM10、PM2.5和PM1。
时间分辨率:6s。
数据输出:数谱数据包含时间和各档粒径及数浓度,质量浓度数据包含时间和各种质量浓度。
(2)微型黑碳仪AE-51
测量内容:黑碳质量浓度。
时间分辨率:1s。
数据输出:数谱数据包含时间、仪器参数、计算中间量以及黑碳质量浓度等;
(3)小型臭氧仪2B-205
测量内容:臭氧浓度。
时间分辨率:2s。
(4)温度、湿度、压强、风向风速等主要气象参数传感器。
5.1.3地基观测设备研发
(一)地基高分辨率痕量气体二维观测技术
地基高分辨率痕量气体二维观测技术是基于差分吸收光谱技术,当自然光源(太阳)发出的光在大气中传输时,会与大气中的分子发生作用而被吸收和散射,经过一定距离的传输后,其光强的衰减可利用Lambert-Beer定律计算,因而,到达地面的太阳散射光谱中包含了大气分子的吸收信息,通过光谱分析技术即可反演出大气成分的柱浓度,当地面接收太阳散射光的装置对准不同的俯仰角和方位角,可以获得不同高度和方位上的污染物浓度信息,因而,通过在俯仰和水平方向的扫描,可以获得污染物的空间分布信息。
(1)样机设计与改进
为了完成二维扫描观测,***中设计2台步进电机,水平电机扫描将带动接收望远镜在水平方向运动,而俯仰电机扫描将带动望远镜在俯仰方向运动,通过特定的程序设计,可以控制控制望眼镜在俯仰和水平方向上顺序扫描。
完成***设计,并对太阳散射光接受望远镜进行了改进优化。仪器主要部件之一是大气太阳散射光接收望远镜,其在俯仰方向依次扫描,可以获得来自不同俯仰方向的散射光,在水平方向进行扫描,则可以获得不同方位角的散射光。因此,将俯仰方向和水平方向扫描结合在一起,则可以获取全空间的污染物分布信息。
不同方向进入望远镜的散射光谱包含不同高度大气成分的吸收信息,通过对散射光谱进行解析,则可获取相应的大气成分浓度信息。光谱分析方法采用被动差分光学吸收光谱分析技术,***实际工作时,设定望远镜在俯仰方向依次对2°、3°、5°、7°、10°、15°、20°、30°、45°和90°方向进行扫描。
90°方向的散射光是天顶散射光,其主要包含平流层大气成分吸收信息,散射光在对流层中传输的路径最短,而2°-45°度方向的散射光不经包含平流层大气吸收信息,还主要包含对流层大气成分吸收信息,如果以90°方向的天顶散射光为参考光谱,再加以对在扫描期间太阳天顶角变化引起的大气吸收进行修正,则低角度扫描的散射光谱中的平流层大气吸收信息则可以消除,因此,以90°扫描方向的散射光谱为参考光谱,低角度的差分吸收光谱则代表对流层不同高度的大气吸收信息,由于对流层中污染物的分布不均匀,因此,不同俯仰角的差分吸收光谱呈现出不同的光学厚度。
2016年6月6日12:10至12:18期间,仪器完成一次完整的俯仰角扫描后所获得的2°、3°、5°、7°、10°、15°、20°、30°和45°俯仰扫描方向的差分吸收光谱(以天顶方向散射光为参考光谱)。得到差分吸收光学厚度后,利用非线性的最小二乘拟合,即可得到不同俯仰角散射光谱中的大气成分的差分斜程浓度。
(2)地基气溶胶与痕量气体垂直分布算法
在完成二维扫描被动DOAS设备研制基础上,课题研发任务旨在发展地基高分辨率大气气溶胶与痕量气体多维观测技术,获得气溶胶与痕量气体垂直分布。为此,课题集中技术力量对地基气溶胶与痕量气体垂直分布算法进行开发与应用研究。
由于大气中颗粒物的存在,会对大气散射产生重要的影响,因而会大大改变二维扫描被动DOAS设备接收到的太阳散射光光程。O4是O2分子的二聚体,在大气中浓度与O2分压的平方成正比,在水平向上基本均匀分布,且O4的吸收基本不受温度影响,在垂直方向上O4浓度廓线分布基本稳定不变,浓度随高呈指数形式衰减。O4气体主要分布在近地面,其低仰角的光学厚度对传输路径非常敏感,O4的测量包含了气溶胶的信息,气溶胶廓线的准确反演为下一步获取痕量气体垂直提供了保证。因此,本发明首先对气溶胶垂直分布反演进行了研究。
本发明所新开发的算法是基于观测的O4吸收,利用完善的最优估算技术以及SCIATRAN辐射传输模型实现对气溶胶消光的反演。利用该算法反演气溶胶消光垂直剖面的基本方程如式7.1所示:
式中,X是未知量,即所求值,M个测量值用ym表示,σ∈,m代表误差。辐射传输模型F通过模拟M次测量得到确定的X,给出Fm(x)。
在实际反演时,需要假设先验廓线,因此式7.1可以扩展成式7.2,式7.2中右半部分均为先验廓线的参量,代表意义与左半部分一致。廓线反演的目标是实现χ2最小化,最终得到当前气溶胶输入条件。
未知状态向量X中包括在参考波长λref处气溶胶消光廓线∈M(z,λref);λ1…λl代表O4吸收波段波长;ω0代表气溶胶单次散射反照率;g代表气溶胶HG(Henvey-Greenstein)相函数参数化中的不对称因子;αM代表指数。
X=[∈M(z,λref),ω0(λ1),...,ω0(λl),g(λ1),...,g(λl),αM]T (式7.4)
在该算法中,可以设定的先验气溶胶消光廓线线型有四种,分别是线性衰减、Boltzmann分布、指数衰减以及Gaussian分布。
以往研究表明,O4斜程柱浓度DSCD的测量值比模拟值***偏大(25±10)%,并确定校正因子为0.8,即O4-DSCD的测量值乘校正因子0.8为O4-DSCD的修正值。然而,最近一些研究表明,基于太阳直射光DOAS的O4测量值与模拟值之间具有较好的一致性,不需要使用校正因子。在实际研究中,气溶胶消光系数廓线反演是否需要使用O4校正因子、以及使用何种水平的校正因子是一个复杂的问题。
此外,对二维扫描被动DOAS设备获得的气溶胶消光系数垂直分布结果与太阳光度计、近地面颗粒物质量浓度在线监测、激光雷达消光系数垂直分布观测结果进行了全面对比。结果表明,不同技术方法之间所测得的气溶胶消光系数在垂直结构与时间变化趋势上均具有较好的一致性。课题所研发的二维扫描被动DOAS设备及相应气溶胶垂直分布算法基本成熟,所获得的颗粒物消光垂直分布结果可靠。在此基础上,本发明对痕量气体垂直分布反演也进行了相应开发与应用研究。
(二)边界层颗粒物、温湿廓线观测技术
边界层水汽和温度激光雷达技术利用激光在传输过程成与大气分子相互作用,从而产生表征大气各种气象和物理信息的拉曼散射回波信号,然后通过对有效信号进行分离提取和数据反演,从而得到相应的温湿度相关要素信息。由于激光雷达的可以获得多个波长的拉曼散射、米散射和偏振信息,可以综合反演边界层颗粒物的微物理特性,准确进行雾霾区分、颗粒物质量浓度空间分布反演等。
(1)边界层温湿廓线拉曼激光雷达***研制
边界层温湿廓线激光雷达以355nm和532nm波长作为光源,通过接收激光脉冲与大气相互作用产生的后向散射信号,利用纯转动拉曼后向散射信号进行温度廓线反演,通过接收对氮气和水汽振动拉曼散射信号来完成湿度廓线的反演,利用532nm波段作为光源来进行瑞利-米散射信号的探测。
边界层温湿廓线激光雷达的结构,半导体激光器发射高频窄带355nm/532nm波长激光光束,经扩束器和导光镜R1和R2后射向大气中。接收光学***接收发射光束的后向散射信号,经过空间滤波器和光纤耦合器导入到分光光学***中。纯转动拉曼信号通过准直镜L1进行光束准直,准直后光束经过双光栅分光光学***G1和G2后分离出高低阶拉曼散射信号,经过聚焦镜L2和导光镜M1/M2进入线阵PMT(线阵光电倍增管)中,双光栅分光光学***可以将0.1nm波长间隔的光分离进入间隔1mm的线阵PMT中;光纤导入分光光学***的信号通过分束器B2进行分光后,一部分532nm瑞利-米散射信号直接应用分光***将瑞利-米散射信号耦合到PMT中。另一部分振动拉曼回波信号进入单光栅分光光学***,经过光栅G3和准直镜L3后,分别聚焦到8mm面源的PMT(光电倍增管)中,通过单光栅分光光学***设计可实现氮气振动拉曼信号和水汽振动拉曼信号的回波信号分光的目的。将上述得到的回波信号通过光子探测技术转换后经过数据处理得到温湿度廓线和气溶胶廓线。
边界层温湿度廓线激光雷达主要由发射光学***、接收光学***、分光光学***和信号采集、控制单元四大部分组成。
(2)高温湿环境下颗粒物雷达研制改进与复杂地形下的组网观测
雷达在川渝地区面临着高温高湿的条件,针对这一情况,雷达在设计时做了如下工作:针对激光器工作时发热,及夏季室外温度高的情况,在设计时给雷达安装两套空调***,一套是激光器温控***,单独给激光器降温,另一套给雷达内部温控***,给雷达整体降温,同时使用30*30的铝型材,长度600、900mm各两根搭建。
工作后,由于激光雷达连续采集工作在加上雷达所处季节为夏季,导致温控***无法满足条件,于是考虑从外部进行隔热,于是对所有雷达表面进行隔热材料覆盖,除天窗出光口及空调出风口外,其他位置均覆盖上隔热材料。
在川渝地区,午后地表温度有时会达到50℃以上,对加装隔热层的雷达本身仍有影响,于是在后期处理上,本发明对雷达本身进行二次覆盖,给雷达安装上了防晒外衣,并给雷达加装遮阳网,以降低太阳直射对雷达温度的影响,使雷达能连续正常工作。
针对高湿条件,雷达再设计时采用完全密封状态,在机壳门延除加装密封条,以防止水汽的进入,在雷达调试安装完成后,通过远程来对数据进行查看;且雷达内部空调带有除湿功能,将雷达内部水汽排出,以保证雷达连续稳定工作。
(三)全景扫描污染气体成像DOAS***
全景扫描污染气体成像DOAS***单次采集,可同时获取从水平到40°方向内各个角度的散射光信息,利用转台360°扫描获取各个方向的太阳散射光谱。通过对重点区域的扫描测量,完成区域内污染物分布的观测。该技术的特点是提升了数据的空间分辨率、时间分辨率,可以更加直观的观测出污染源的分布和扩散,并且可以识别出近距离分布的污染源,该技术实现了污染气体的快速可视化监测。大视场成像光谱仪搭载在二维旋转转台上,通过对控制转台水平转动,实现二维测量。通过水平扫描获取不同观测区域的太阳散射光,利用污染气体的特征吸收结构,最终计算出污染气体浓度分布的不均匀性。
目标区域的太阳散射光经紫外镜头收集后汇聚到入射狭缝,通过光谱仪光栅色散照射到面阵CCD上,完成光电转换后并被计算机记录下来。面阵CCD为1024*1024像素,其中一维对应空间维,另一维对应光谱维,即每次测量可获得A1-A2纵列上的1024像素的光谱,对每条光谱进行DOAS反演,获得对应区域的痕量气体信息。光谱仪安装在旋转台上绕M轴水平旋转,多次测量后视场由A1-A2逐渐转向B1-B2,即可获取该区域的痕量气体二维分布信息。
设备在电厂区域的实测数据,对电厂烟囱排放烟羽进行扫描测量,可观测到烟羽中污染气体分布、扩散趋势,并可以进一步计算出其排放率等数据。
(四)区域大气污染走航车试验
1.试验目的
通过走航车的动态观测监控,快速获取区域颗粒物和污染气体的廓线、立体分布及通量分布,实现颗粒物空间三维立体分布探测和颗粒物污染物的输送强度评估,同时结合地理信息,实现污染团(跨界传输的污染物)定位和跟踪,为大气颗粒物及污染的传输分析等科学研究提供数据支撑。
2.设备数量
大气污染走航观测车1台。
3.场地环境需求
(1)走航车重量<5T;
(2)走航车走航时,公路限高≥3.5m;
(3)充电场所:单路16A电源插座充电桩,夜间充电12小时;
(4)天气情况:非下雨天气环境;
(5)场地需求:观测时激光路径上无遮挡。
大气污染车载走航观测技术的研发,主要包括雷达的样机开发和走航车的样机开发。
走航激光雷达主要包括激光器的设计选型、光学收发***设计开发研制、扫描振镜技术***设计开发研制、三维GIS软件开发、通量算法研究、扫描走航采集软件开发、扫描走航分析软件开发。
走航车的样机开发主要包括车辆底盘的选型、雷达减震***设计研制、车改集成等方面的工作。
5.1.4监测网络设计研究
(一)成渝地区传输通道识别
(1)气象数据分析
根据四川省气象资料和监测数据显示,四川盆地中部区域存在一条明显传输通道(广安→南充→遂宁→资阳→眉山→乐山→雅安传输通道)。根据四川省《川西平原城市群大气污染(灰霾)特征和成因研究》成果表明,受四川盆地特殊的下垫面地形影响,导致入川气流在四川区域输送呈现多样化特性。污染物边界层的传输大致有三条路径。第一条:气流沿达州开江县和宣汉县→巴中→广元流动,汇集于绵阳江油市;第二条:气流沿广安邻水县、达州宣汉县和万源市→南充→遂宁、绵阳南部→德阳、资阳和成都→眉山流动,汇集于乐山和雅安;第三条:气流沿泸州古蔺县和合江县→内江→自贡→宜宾流动,在宜宾和泸州形成涡流。其中第二条传输路径使秋冬季该传通道上的城市空气质量等级较周边城市往往低1-2个等级。
(2)空气质量数据分析
以冬季作为典型分析时段,对2016年各站点日均浓度开展1天、2天相关系数的测算,相关系数大于平均值判定为相关性好从站点之间一天相关性来看,相关系数平均值为0.62,大于平均值设置为黄色高亮,每一行代表该城市与其他城市第2天的相关系数,高相关表明该城市可能处于上风向,每一列代表该城市与其他城市前1天的相关系数,高相关表明该城市可能处于下风向。
从站点之间两天相关性来看,相关系数平均值为0.62,大于平均值设置为黄色高亮,每一行代表该城市与其他城市第3天的相关系数,高相关表明该城市可能处于上风向,每一列代表该城市与其他城市前2天的相关系数,高相关表明该城市可能处于下风向。
通过站点相关性对比表明,盆地中部城市之间相关性较好,站点具有较好的代表性,可能的传输通道为成都-乐山之间、盆地东部区域南充-重庆-泸州之间。
结合空气质量数据观察分析发现盆地中部城市相关性较好,同时在污染水平上发现处于第二条边界层传输途径的中部城市有较为明显的污染特征特征,即南充-遂宁-资阳-眉山-雅安一线。
2018年1月11日,位于传输通道上的城市遂宁、资阳、眉山、雅安已为良,通道周边城市均在轻度污染以上,其中达州、绵阳、自贡为中度污染。
2017年12月21日,位于传输通道上的城市广安、南充、遂宁、资阳、眉山、乐山、雅安均为轻度污染。通道周边城市自贡为重度污染,成都、德阳、绵阳、内江、泸州、宜宾、达州为中度污染。
(3)成渝地区重要城市污染物扩散模拟
1)模拟方法
气象场模拟:采用WRF进行气象场模拟,外层区域(d01)和内层区域(d02)的空间分辨率分别为12km和4km。模拟初始场和边界条件由NCEP FNL 0.25度分辨率分析资料提供。每日00UTC开始WRF模拟,连续模拟36小时,取第13-36小时模拟的逐小时气象场,拼接获得长时间连续模拟结果。
扩散模拟:使用HYSPLIT4模型进行污染物扩散模拟,模拟范围为d02区域,气象场由WRF模拟结果提供。模拟时间段为2016年1、4、7、10月,分别代表春、夏、秋、冬四季。模拟城市包括成都、乐山、宜宾、泸州、资阳、遂宁、内江、南充、达州和重庆。设置每个城市从00时开始排放示踪污染物,排放速率为10000kg/hr,持续24小时,并模拟随后的72小时污染物扩散。扩散模拟输出结果为自排放开始的3天内逐日100-500m高度日平均污染物浓度分布。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种大气污染天空地一体化实时监测方法,其特征在于,所述大气污染天空地一体化实时监测方法包括:
步骤一,获取监测区域内的空气质量、污染源信息、气象条件及其他相关基础数据资料;
步骤二,对监测区域内的历史空气质量数据、气象数据及其他基础资料进行统计分析,结合地形地貌、城市发展、植被覆盖及其他信息,利用空气质量扩散模型进行污染物扩散模拟,确定主要污染物分布和扩散轨迹,判定区域内的主要污染传输通道;
步骤三,确定研究区域内的观测布点方案,并根据空气质量模型模拟及其他手段进行比较验证;
步骤四,在空气质量监测网的架构基础上构建大气污染天空地一体化实时监测网络,在主要传输通道组建颗粒物组分观测网、光化学污染观测网和地基遥感***;在主要污染源集中排放区域通过车载走航、无人机、系留气艇搭载观测设备进行综合观测,获取区域内从地面到垂直空间内的污染物分布并开展区域传输分析;
步骤五,结合卫星反演、气象场与污染源模拟方法,进行区域内天空地一体化综合观测,获取区域内污染物分布特征,判断城市间互相传输关系,确定颗粒物输送通量,进行重污染特征分析与预警。
2.如权利要求1所述的大气污染天空地一体化实时监测方法,其特征在于,所述步骤一之前还需进行:进行观测设备的性能验证、溯源校准。
3.如权利要求1所述的大气污染天空地一体化实时监测方法,其特征在于,所述获取区域内污染物分布特征之前还需进行:针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验;
对观测数据进行数据有效性判断、异常数据剔除、质控数据剔除。
4.如权利要求3所述的大气污染天空地一体化实时监测方法,其特征在于,所述针对同一监测要素,通过对各类平台和手段的监测仪器开展交叉比对实现监测数据的校验还包括:
利用地基观测数据或其他卫星数据,进行空间匹配,对卫星反演结果进行比对验证;
地基、车载、机载MAX-DOAS/扫描成像DOAS观测结果之间进行交叉比对,空间匹配后,与地基站点气体监测仪观测结果进行对比;
无人机载、系留气艇搭载的PM、O3、黑碳、粒径谱及其他传感器观测数据的交叉比对;系留气艇观测的污染物和气象参数垂直廓线与地基雷达观测廓线进行交叉对比。
5.如权利要求3所述的大气污染天空地一体化实时监测方法,其特征在于,步骤五中,所述结合卫星反演、气象场与污染源模拟方法,进行区域内天空地一体化综合观测包括:
(1)进行数据融合与集成,基于集成数据进行空气质量指标统计、站点AQI日历的同比分析和环比分析、空气质量参数的时间序列分析、频率直方分析、污染特征分析-同比分析、污染特征分析-环比分析、污染玫瑰图分析、相关性分析、数据质控,并生成空气质量日报、月报和重污染过程分析报告;
(2)进行监测数据时间序列可视化、二维或三维分布可视化、卫星遥感反演产品接收、解析和展示,基于气象参数的风玫瑰/污染风玫瑰分析、环流形势分析、气象参数三维分布可视化;
(3)进行污染个例后向轨迹分析、前向轨迹分析、可选时间段后向轨迹聚类分析、后向轨迹PSCF/CWT分析,激光雷达组网传输过程分析;
(4)进行污染过程模式源解析、采样分析源解析、单颗粒质谱源解析结果分析、污染特征综合分析。
6.如权利要求5所述的大气污染天空地一体化实时监测方法,其特征在于,步骤(1)中,所述进行数据融合与集成包括:
1)进行数据闭合检验:利用系留气艇探空、地基激光雷达探测的颗粒物垂直分布,通过光学参数计算和垂直节分,获取气溶胶光学厚度估算,与地面观测和卫星遥感数据进行闭合;利用系留气艇搭载的PM、黑碳和粒径谱及其他传感器观测数据估算颗粒物消光特性、后向散射特征及其他光学特征,进一步模拟计算激光雷达探测信号相对垂直分布,与激光雷达观测数据进行闭合;
2)参数修正:基于交叉对比和闭合检验结果,对先验参数进行修正,进行各参数物理闭合,获取各污染物水平分布和垂直廓线;
3)针对区域多站点观测,借助化学传输模型,对污染物三维模拟数据和区域观测数据进行同化,获取区域污染物的再分析三维分布。
7.如权利要求5所述的大气污染天空地一体化实时监测方法,其特征在于,基于交叉对比和闭合检验结果,对先验参数进行修正包括:利用系留气艇探空数据对激光雷达反演过程中的气溶胶后向散射特性、雷达常数及其他参数进行修正;利用系留气艇探空和激光雷达观测数据,对卫星反演地面颗粒物浓度算法中的廓线信息进行修正;利用系留气艇探空和激光雷达观测数据,对MAX-DOAS和扫描成像DOAS污染气体反演过程中的气溶胶和污染气体先验参数进行修正;
所述空气质量指标统计包括污染AQI日历、分级统计、超标统计、首要污染物统计、污染物等级浓度贡献。
8.一种实现权利要求1~7任意一项所述大气污染天空地一体化实时监测方法的大气污染天空地一体化实时监测***,其特征在于,所述大气污染天空地一体化实时监测***包括:
大气污染天空地一体化实时监测网络,用于进行大气颗粒物和挥发性有机物的监测;
天空地一体化数据采集与分析平台,用于基于观测数据进行要素时空分布分析、要素统计分析、空气质量报表生成、预警预报同化分析、进行基于要素时空特征的防控措施评估、运维质控、数据审核、污染物三维分布可视化、气象场分析可视化、污染物传输可视化、源解析可视化以及基础数据叠加。
9.如权利要求8所述大气污染天空地一体化实时监测***,其特征在于,所述大气污染天空地一体化实时监测网络包括:
大气天基观测平台,用于根据极轨卫星过境时间或静止卫星的信号间隔时间,进行定时的遥感数据获取;
大气空基观测平台,包括无人机、系留气艇以及飞机航测设备,用于进行PM2.5、O3、SO2、NO2的空间剖面分布、质量浓度分布数据获取;
大气地基观测平台,用于利用大气地基观测设备针对重要区域性观测站点或特定大气污染源区开展空气成分、浓度、紫外线辐射强度、消光系数、风场参数及其他相应参数进行定量化观测。
10.如权利要求8所述大气污染天空地一体化实时监测***,其特征在于,所述天空地一体化数据采集与分析平台包括:
数据服务器,用于进行各观测设备观测数据的收集、数据库管理及面向用户的数据分发;
数据上传模块,用于将地基连续自动观测数据每小时上传一次至数据服务器;将天基和空基观测数据每日上传一次至数据服务器;
归一化处理模块,用于对各个观测设备观测的数据进行数据格式归一化处理;
所述前端设备、用户和数据服务器之间通过互联网进行交互;所述前端设备数据以主动上传或其他方式接入数据服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110960123.XA CN113804829A (zh) | 2021-08-20 | 2021-08-20 | 一种大气污染天空地一体化实时监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110960123.XA CN113804829A (zh) | 2021-08-20 | 2021-08-20 | 一种大气污染天空地一体化实时监测***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113804829A true CN113804829A (zh) | 2021-12-17 |
Family
ID=78941672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110960123.XA Pending CN113804829A (zh) | 2021-08-20 | 2021-08-20 | 一种大气污染天空地一体化实时监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113804829A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114113499A (zh) * | 2022-01-27 | 2022-03-01 | 广东海洋大学 | 一种海洋污染数据采集方法及*** |
CN114397661A (zh) * | 2022-01-22 | 2022-04-26 | 象谱信息产业有限公司 | 一种基于物联网的团雾观测操控*** |
CN114689802A (zh) * | 2022-04-06 | 2022-07-01 | 江苏金恒信息科技股份有限公司 | 一种空气污染立体监测展示***及方法 |
CN115060850A (zh) * | 2022-06-14 | 2022-09-16 | 浙江大学 | 空地双场耦合的大气污染源追踪和通量测量装置及方法 |
CN115144548A (zh) * | 2022-08-31 | 2022-10-04 | 天津市环鉴环境检测有限公司 | 有害气体成分实时监测***及其监测方法 |
CN115659195A (zh) * | 2022-11-21 | 2023-01-31 | 中科三清科技有限公司 | 一种大气污染在线识别方法 |
CN115754160A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于空天地一体化数据融合的碳排检测*** |
CN115825215A (zh) * | 2022-10-18 | 2023-03-21 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、***、介质及平台 |
CN115855761A (zh) * | 2022-11-03 | 2023-03-28 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测***及方法 |
CN115879595A (zh) * | 2022-09-13 | 2023-03-31 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN116385689A (zh) * | 2023-06-02 | 2023-07-04 | 北京建工环境修复股份有限公司 | 一种场地污染数据的可视化信息管理方法、***及介质 |
CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
CN117332906A (zh) * | 2023-12-01 | 2024-01-02 | 山东大学 | 基于机器学习的三维时空网格空气质量预测方法及*** |
CN117540229A (zh) * | 2023-11-15 | 2024-02-09 | 广东万为控制技术有限公司 | 一种基于聚类算法的大气环境监测方法 |
CN117607057A (zh) * | 2023-08-24 | 2024-02-27 | 中国科学技术大学 | 全时段天空地一体化超光谱温室/污染气体立体遥测和溯源以及预测方法 |
CN117649156A (zh) * | 2024-01-30 | 2024-03-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 高城镇化河网全自动水环境监测方法及*** |
CN117875576A (zh) * | 2024-03-13 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
CN118094440A (zh) * | 2024-04-22 | 2024-05-28 | 南京大桥机器有限公司 | 一种基于传感器的气象无人机数据采集*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067534A (zh) * | 2015-07-25 | 2015-11-18 | 中国科学院合肥物质科学研究院 | 基于地基max-doas的污染物输送通量测算方法 |
CN108519340A (zh) * | 2018-03-28 | 2018-09-11 | 刘诚 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
CN108805368A (zh) * | 2018-09-06 | 2018-11-13 | 天津珞雍空间信息研究院有限公司 | 一种基于空天地一体化的大气环境智能化管理*** |
CN111121862A (zh) * | 2019-09-29 | 2020-05-08 | 广西中遥空间信息技术有限公司 | 一种空天地一体化的大气环境监测***及方法 |
CN112858594A (zh) * | 2021-02-23 | 2021-05-28 | 重庆市生态环境监测中心 | 山地城市空气质量监测点布设方法、介质、计算机设备 |
-
2021
- 2021-08-20 CN CN202110960123.XA patent/CN113804829A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067534A (zh) * | 2015-07-25 | 2015-11-18 | 中国科学院合肥物质科学研究院 | 基于地基max-doas的污染物输送通量测算方法 |
CN108519340A (zh) * | 2018-03-28 | 2018-09-11 | 刘诚 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
CN108805368A (zh) * | 2018-09-06 | 2018-11-13 | 天津珞雍空间信息研究院有限公司 | 一种基于空天地一体化的大气环境智能化管理*** |
CN111121862A (zh) * | 2019-09-29 | 2020-05-08 | 广西中遥空间信息技术有限公司 | 一种空天地一体化的大气环境监测***及方法 |
CN112858594A (zh) * | 2021-02-23 | 2021-05-28 | 重庆市生态环境监测中心 | 山地城市空气质量监测点布设方法、介质、计算机设备 |
Non-Patent Citations (2)
Title |
---|
余家燕;翟崇治;罗财红;傅敏;姚小江;刘红辉;陆克定;李新宇;黄伟;李灵;陈阳;蒋昌潭;唐晓;渠巍;刘敏: "山地城市臭氧污染监测预警与大气污染综合治理关键技术研究及应用", 2021年度重庆市科学技术奖受理成果公示 * |
王维维: "大气污染天地空一体化监测技术体系建立研究", 中国优秀硕士学位论文全文数据库 工程科技I辑, pages 9 - 27 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114397661A (zh) * | 2022-01-22 | 2022-04-26 | 象谱信息产业有限公司 | 一种基于物联网的团雾观测操控*** |
CN114113499B (zh) * | 2022-01-27 | 2022-04-15 | 广东海洋大学 | 一种海洋污染数据采集方法及*** |
CN114113499A (zh) * | 2022-01-27 | 2022-03-01 | 广东海洋大学 | 一种海洋污染数据采集方法及*** |
CN114689802B (zh) * | 2022-04-06 | 2024-03-05 | 江苏金恒信息科技股份有限公司 | 一种空气污染立体监测展示***及方法 |
CN114689802A (zh) * | 2022-04-06 | 2022-07-01 | 江苏金恒信息科技股份有限公司 | 一种空气污染立体监测展示***及方法 |
CN115060850A (zh) * | 2022-06-14 | 2022-09-16 | 浙江大学 | 空地双场耦合的大气污染源追踪和通量测量装置及方法 |
CN115144548A (zh) * | 2022-08-31 | 2022-10-04 | 天津市环鉴环境检测有限公司 | 有害气体成分实时监测***及其监测方法 |
CN115879595B (zh) * | 2022-09-13 | 2023-10-24 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115879595A (zh) * | 2022-09-13 | 2023-03-31 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115825215B (zh) * | 2022-10-18 | 2023-09-26 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、***、介质及平台 |
CN115825215A (zh) * | 2022-10-18 | 2023-03-21 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、***、介质及平台 |
CN115855761A (zh) * | 2022-11-03 | 2023-03-28 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测***及方法 |
CN115855761B (zh) * | 2022-11-03 | 2023-09-26 | 生态环境部卫星环境应用中心 | 五基协同天空地一体化大气环境立体遥感监测***及方法 |
CN115659195A (zh) * | 2022-11-21 | 2023-01-31 | 中科三清科技有限公司 | 一种大气污染在线识别方法 |
CN115754160A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于空天地一体化数据融合的碳排检测*** |
CN116385689B (zh) * | 2023-06-02 | 2023-08-04 | 北京建工环境修复股份有限公司 | 一种场地污染数据的可视化信息管理方法、***及介质 |
CN116385689A (zh) * | 2023-06-02 | 2023-07-04 | 北京建工环境修复股份有限公司 | 一种场地污染数据的可视化信息管理方法、***及介质 |
CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
CN116449331B (zh) * | 2023-06-20 | 2023-08-15 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
CN117607057A (zh) * | 2023-08-24 | 2024-02-27 | 中国科学技术大学 | 全时段天空地一体化超光谱温室/污染气体立体遥测和溯源以及预测方法 |
CN117540229B (zh) * | 2023-11-15 | 2024-04-30 | 广东万为控制技术有限公司 | 一种基于聚类算法的大气环境监测方法 |
CN117540229A (zh) * | 2023-11-15 | 2024-02-09 | 广东万为控制技术有限公司 | 一种基于聚类算法的大气环境监测方法 |
CN117332906A (zh) * | 2023-12-01 | 2024-01-02 | 山东大学 | 基于机器学习的三维时空网格空气质量预测方法及*** |
CN117332906B (zh) * | 2023-12-01 | 2024-03-15 | 山东大学 | 基于机器学习的三维时空网格空气质量预测方法及*** |
CN117649156B (zh) * | 2024-01-30 | 2024-04-12 | 水利部交通运输部国家能源局南京水利科学研究院 | 高城镇化河网全自动水环境监测方法及*** |
CN117649156A (zh) * | 2024-01-30 | 2024-03-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 高城镇化河网全自动水环境监测方法及*** |
CN117875576A (zh) * | 2024-03-13 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
CN117875576B (zh) * | 2024-03-13 | 2024-05-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
CN118094440A (zh) * | 2024-04-22 | 2024-05-28 | 南京大桥机器有限公司 | 一种基于传感器的气象无人机数据采集*** |
CN118094440B (zh) * | 2024-04-22 | 2024-06-25 | 南京大桥机器有限公司 | 一种基于传感器的气象无人机数据采集*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113804829A (zh) | 一种大气污染天空地一体化实时监测***及方法 | |
Fox et al. | A review of close-range and screening technologies for mitigating fugitive methane emissions in upstream oil and gas | |
Fehsenfeld et al. | International consortium for atmospheric research on transport and transformation (ICARTT): North America to Europe—Overview of the 2004 summer field study | |
Huebert et al. | An overview of ACE‐Asia: Strategies for quantifying the relationships between Asian aerosols and their climatic impacts | |
Yu et al. | Observation and modeling of the historic “Godzilla” African dust intrusion into the Caribbean Basin and the southern US in June 2020 | |
Ialongo et al. | Comparison of OMI NO 2 observations and their seasonal and weekly cycles with ground-based measurements in Helsinki | |
Bian et al. | Source attributions of pollution to the Western Arctic during the NASA ARCTAS field campaign | |
Mangold et al. | Aerosol analysis and forecast in the European Centre for Medium‐Range Weather Forecasts Integrated Forecast System: 3. Evaluation by means of case studies | |
Li et al. | Evaluation of unmanned aerial system in measuring lower tropospheric ozone and fine aerosol particles using portable monitors | |
CN111579504A (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
CN111487216A (zh) | 一种二氧化碳通量反演方法、*** | |
CN116050612A (zh) | 基于多技术融合的大气温室气体监测站点选址方法及***及存储介质 | |
Judd et al. | The dawn of geostationary air quality monitoring: Case studies from Seoul and Los Angeles | |
Liu et al. | Stereoscopic monitoring: a promising strategy to advance diagnostic and prediction of air pollution | |
Altstädter et al. | The vertical variability of black carbon observed in the atmospheric boundary layer during DACCIWA | |
Merlaud et al. | The Small Whiskbroom Imager for atmospheric compositioN monitorinG (SWING) and its operations from an unmanned aerial vehicle (UAV) during the AROMAT campaign | |
Manni et al. | Solar energy digitalization at high latitudes: A model chain combining solar irradiation models, a LiDAR scanner, and high-detail 3D building model | |
Jurányi et al. | Atmospheric concentrations of black carbon are substantially higher in spring than summer in the Arctic | |
Dahal et al. | Aerosols over the foothills of the Eastern Himalayan Region during post-monsoon and winter seasons | |
Cheng et al. | Retrieving tropospheric NO 2 vertical column densities around the city of Beijing and estimating NO x emissions based on car MAX-DOAS measurements | |
Junkermann et al. | Ultrafine particles over Germany–an aerial survey | |
Ahmadian Marj et al. | Quantitative assessment of different air pollutants (QADAP) using daily MODIS images | |
KNMI et al. | Deliverable D32 (D4. 11) | |
Ward et al. | Plan for the TEAMx Observational Campaign | |
الضاوي مفتاح عقيل | Determine of Nitrogen Dioxide Emissions over Khuoms City in Libya Using MODIS and TROPOMI Satellites |
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 |