CN114218976A - 臭氧前体物高值区精细化排放源追溯定位方法和*** - Google Patents
臭氧前体物高值区精细化排放源追溯定位方法和*** Download PDFInfo
- Publication number
- CN114218976A CN114218976A CN202111136778.1A CN202111136778A CN114218976A CN 114218976 A CN114218976 A CN 114218976A CN 202111136778 A CN202111136778 A CN 202111136778A CN 114218976 A CN114218976 A CN 114218976A
- Authority
- CN
- China
- Prior art keywords
- emission
- value
- ozone
- concentration
- ozone precursor
- 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.)
- Granted
Links
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 128
- 239000002243 precursor Substances 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 28
- 231100000719 pollutant Toxicity 0.000 claims abstract description 28
- 239000005436 troposphere Substances 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 3
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 67
- 238000012544 monitoring process Methods 0.000 claims description 31
- 238000012216 screening Methods 0.000 claims description 13
- 238000011109 contamination Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 25
- 239000012855 volatile organic compound Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000007670 refining Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000006467 substitution reaction 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0037—NOx
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0047—Organic compounds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Food Science & Technology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Medicinal Chemistry (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种臭氧前体物高值区精细化排放源追溯定位方法和***,包括:通过卫星遥感影像获得对流层臭氧前体物柱浓度;通过对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值;根据臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区;获取高值区内企业臭氧前体排放量,并对其中排放量大于预设值的企业进行定位;获取高值区中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并对其中排放量大于预设值的道路进行定位,从而锁定道路上排放量高的车辆。其能准确筛选出臭氧前体物高值区内异常排放、高排放工业企业管控清单,缩短了排查和管控范围,提高了管控的实效性和针对性。
Description
技术领域
本发明涉及一种臭氧前体物高值区精细化排放源追溯定位方法、***和可读介质,属于污染源监测技术领域,特别涉及臭氧前体物排放源。
背景技术
近地面臭氧是由氮氧化物(NOx)和挥发性有机物(VOCs)等前体物在光照条件下,通过一系列复杂的光化学反应生成,其具有极强的氧化性,会对人体健康构成威胁,导致人体心脑血管、呼吸***等方面的疾病,同时也会影响全球辐射平衡,对全球和局部地区的气候产生影响。
工业源和机动车源是臭氧前体物VOCs和NOx的主要污染源,对臭氧前体物的污染源进行识别的现有方法不仅所需时间较长,而且针对性较弱,较难满足现阶段大气环境监管对精细化污染源的需求。例如,现有技术中通常只能确定臭氧前体物的高值区的大致区域,很难确认具体的污染源在什么位置;此外,忽略了机动车源对臭氧前体物的排放影响,且很难追溯定位高排放道路以及高排放车辆具体信息。
发明内容
针对上述问题,本发明的目的是提供一种臭氧前体物高值区精细化排放源追溯定位方法、***和可读介质,其能够准确筛选和定位出前体物HCHO、NO2高值区内精细化排放源,包括工业企业管控清单、机动车辆管控清单,缩短了排查和管控范围,提高了管控的实效性和针对性。
为实现上述目的,本发明采取以下技术方案:一种臭氧前体物高值区精细化排放源追溯定位方法,包括:通过卫星遥感影像获得对流层臭氧前体物柱浓度;通过对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值;根据臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区;获取高值区内企业臭氧前体排放量,并对其中排放量大于预设值的企业进行定位;获取高值区中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并对其中排放量大于预设值的道路进行定位,通过不同排放标准的车辆污染物排放信息锁定道路上排放量高的车辆。
进一步,臭氧前体物至少包括NO2和HCHO。
进一步,近地面NO2浓度的估算方法为:获取监测区域内的地面监测站点数据、大气化学传输模型数据和气象条件信息,将上述数据进行时空匹配并赋值到监测区域网格;将监测区域网格输入机器学习模型,并对机器学习模型进行训练,结合气象数据、土地利用数据、路网数据和工业热源数据对模型参数进行优化;获得近地面NO2浓度的网格化浓度数据;近地面HCHO浓度的估算方法为:获取大气化学传输模型 HCHO廓线;获得HCHO廓线中近地面HCHO浓度与HCHO柱浓度的比例关系;依据比例关系,根据HCHO柱浓度获得近地面HCHO浓度。
进一步,臭氧前体物指示值等于近地面HCHO浓度与近地面NO2浓度的比值,臭氧污染物控制类型包括臭氧污染受VOCs浓度控制的网格、臭氧污染受NOX控制的网格和臭氧污染受NO2和HCHO协同控制的网格。
进一步,提取出臭氧前体物高值区的方法为:首先叠加土地覆盖类型分类数据,剔除掉耕地、林地、草地、水域湿地和未利用地;其次,针对臭氧污染受VOCs浓度控制的网格,结合近地面HCHO浓度值进行排序,筛选出HCHO浓度排在前若干位的高值网格;针对臭氧污染受NOX控制的网格,结合近地面NO2浓度值进行排序,筛选出NO2浓度排在前若干位的高值网格;针对臭氧污染受NO2和HCHO协同控制的网格,同时结合近地面NO2浓度和HCHO浓度值进行排序,筛选出NO2浓度或HCHO 浓度在前若干位的高值网格,筛选出的高值网格即为臭氧前体物高值区。
进一步,通过ARCGIS软件对高污染企业或道路进行定位。
进一步,锁定高排放企业的方法为:首先根据大气污染源排放清单中企业名称、经纬度信息获取工业企业排放源位置信息,再根据源排放清单中VOCs、NOx排放量数据、工业企业自动监测数据和企业智能用电监控数据,利用ARCGIS软件将排放异常情况以及高排放的工业企业匹配到HCHO和NO2高值网格,识别出HCHO和NO2高值区对应的工业企业排放源管控清单。
进一步,锁定高排放车辆的方法为:获取研究区域内重型柴油车车载排放在线监控数据,分析并提取重型柴油车NOx污染物排放特征;获取货车行驶轨迹数据,分析研究区域内货车行驶轨迹及规律特征、车流量时空变化特征,计算各条道路上不同排放标准的车辆污染物排放信息;利用ARCGIS软件筛选出HCHO和NO2高值区域内本地和过境车辆排放量较高的道路,反向筛选出不同排放标准的货车信息,得到HCHO 和NO2高值区机动车排放源管控清单。
本发明还公开了一种臭氧前体物高值区精细化排放源追溯定位***,包括:对流层浓度获取模块,用于通过卫星遥感影像获得对流层臭氧前体物柱浓度;臭氧前体物指示获取模块,通过对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值;高值区提取模块,用于根据臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区;企业定位模块,用于获取待测区域内企业臭氧前体排放量,并将其中排放量大于预设值的企业定位至高值区;车辆定位模块,用于获取待测区域中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并将其中排放量大于预设值的道路定位至高值区,通过不同排放标准的车辆污染物排放信息锁定道路上排放量高的车辆。
本发明还公开了一种存储一个或多个程序的计算机可读存储介质,一个或多个程序包括指令,指令当由计算设备执行时,使得计算设备执行根据上述任一项的臭氧前体物高值区精细化排放源追溯定位方法。
本发明由于采取以上技术方案,其具有以下优点:
1、在识别臭氧前体物HCHO、NO2高值区域基础上,融合了大气污染源排放清单、工业企业在线自动监测、智慧用电监控等工业企业污染物排放信息,能够准确筛选出前体物HCHO、NO2高值区内异常排放、高排放工业企业源及管控清单,缩短了排查和管控范围,提高了管控的实效性和针对性,为精准治理提供了导向性支持。
2、在识别臭氧前体物HCHO、NO2高值区域基础上,利用交通行车轨迹数据,准确筛选出HCHO、NO2高值区内移动源高排放量道路,分析得出高值区高排放道路上的车辆行驶规律和特征,尤其是重型柴油车高排放型车辆,为臭氧前体物NOx污染源移动源细化管控提供精准支持。
附图说明
图1是本发明一实施例中臭氧前体物高值区精细化排放源追溯定位方法的流程图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向,通过具体实施例子对本发明进行详细的描绘。然而应当理解,具体实施方式的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。在本发明的描述中,需要理解的是,所用到的术语仅仅是用于描述的目的,而不能理解为指示或暗示相对重要性。
本发明涉及一种臭氧前体物高值区精细化排放源追溯定位方法,其基于卫星遥感数据反演获取对流层NO2和HCHO柱浓度,获取近地面NO2浓度和HCHO浓度;对近地面HCHO和NO2比值进行分类,用于指示O3污染的前体物控制类型,最终结合高空间分辨率卫星影像数据,以及污染源普查数据、污染企业定位信息等得到O3污染对应的污染源类型和分布情况,再结合大气污染源排放清单、工业企业在线自动监测数据、用电量监控数据、重型柴油车车载排放在线监控数据、交通大数据,通过这些数据的排放量和监测数据情况,筛选高值区域内精细化污染源。下面结合附图,通过三个实施例对本发明的方案进行详细说明。
实施例一
本实施例公开了一种臭氧前体物高值区精细化排放源追溯定位方法,如图1所示,包括:
1、通过卫星遥感影像获得对流层臭氧前体物柱浓度。
本实施例中臭氧前体物至少包括NO2和HCHO。获取监测区域的卫星遥感影像,反演得到对流层NO2柱浓度和HCHO柱浓度;获取监测区域的地面监测站点数据、大气化学传输模型数据、气象条件等信息;将上述信息进行时空匹配并赋值到监测区域网格。
2、通过对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值。
近地面NO2浓度的估算方法为:将上述监测区域网格输入机器学习模型,并对机器学习模型进行训练,结合气象数据、土地利用数据、路网数据和工业热源数据对模型参数进行优化,提高估算精度;获得近地面NO2浓度的网格化浓度数据。本实施例中机器学习模型优选为XGBoost模型。但也可以采用其他现有机器学习模型,在此不做特别限定。
近地面HCHO浓度的估算方法为:获取大气化学传输模型HCHO廓线;获得 HCHO廓线中近地面HCHO浓度与HCHO柱浓度的比例关系;依据比例关系,根据 HCHO柱浓度获得近地面HCHO浓度。
臭氧前体物指示值等于近地面HCHO浓度与近地面NO2浓度的比值。
3、根据臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区。
结合臭氧前体物指示值以及气象信息训练,选择臭氧生产控制类型的最小阈值N和最大阈值M,基于上述最小阈值N和最大阈值M判断臭氧污染控制类型。当臭氧前体物指示值小于最小阈值N时,该区域臭氧生成主要受VOCs控制,其中,VOCs 是指有机污染物;当臭氧前体物指示值大于最大阈值M时,该区域臭氧生成主要受NOx控制,NOx是指氮的各种氧化物;当臭氧前体物指示值在最大阈值M和最小阈值N之间时,该区域臭氧生成受NOx和VOCs协同控制。
提取出臭氧前体物高值区的方法为:首先叠加土地覆盖类型分类数据,剔除掉耕地、林地、草地、水域湿地和未利用地,保留城镇建设用地、农村居民点及其他建设用地;其次,针对臭氧污染受VOCs浓度控制的网格,结合近地面HCHO浓度值进行排序,筛选出HCHO浓度排在前若干位的高值网格,本实施例中筛选出HCHO浓度前20%的高值网格;针对臭氧污染受NOX控制的网格,结合近地面NO2浓度值进行排序,筛选出NO2浓度排在前若干位的高值网格,本实施例筛选出NO2浓度前20%的高值网格;针对臭氧污染受NO2和HCHO协同控制的网格,同时结合近地面NO2浓度和HCHO浓度值进行排序,筛选出NO2浓度或HCHO浓度在前若干位的高值网格,本实施例中筛选出NO2浓度或HCHO浓度前15%的高值网格筛选出的高值网格,即为臭氧前体物高值区。
4、获取高值区内企业臭氧前体排放量,并对其中排放量大于预设值的企业进行定位。
首先根据大气污染源排放清单中企业名称、经纬度信息获取工业企业排放源位置信息,再根据源排放清单中VOCs、NOx等排放量数据、厂内车辆行驶数据,筛选出排放量前40%(具体比例可根据实际情况调整)的工业企业清单1;利用工业企业自动监测数据,对标排放限值文件,判断企业超标排放行为,并筛选出VOCs、NOx高排放工业企业清单2;利用企业智能用电监控数据,筛选出企业用电量较高的工业企业清单3。利用ARCGIS软件将上述3个工业企业清单匹配到HCHO和NO2高值网格,识别出HCHO和NO2高值区1.5公里或3公里对应的工业企业排放源清单。最后将上述3个工业企业清单进一步梳理,筛选出重复高值企业,作为工业企业精细化排放源重点清单。
5、获取高值区中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并对其中排放量大于预设值的道路进行定位,通过不同排放标准的车辆污染物排放信息锁定道路上排放量高的车辆。
获取研究区域内重型柴油车车载排放在线监控数据,提取并分析重型柴油车NOx、VOCs等污染物排放特征,识别出重型柴油车高排放区域1。获取研究区域内货车行驶轨迹数据(数据来源不限于全国道路货运车辆公共监管与服务平台),分析研究区域内本地与过境货车行驶轨迹及规律特征、车流量时空变化特征,尤其是重型柴油货车,计算各条道路上不同排放标准的车辆污染物排放信息,包括NO2、VOCs、CO、PM 等,识别出货车VOCs和NO2高排放区域2。利用ARCGIS软件筛选出步骤3得出的 HCHO和NO2高值区域内1.5公里或3公里本地和过境车辆排放量较高的道路,反向筛选出其不同排放标准的货车信息,得到HCHO和NO2高值区机动车精细化排放源清单。向各县市区通报监测情况和管控清单。定期监测和梳理上述结果,向相关管理单位和部门通报卫星遥感监测的HCHO和NO2浓度情况,包括浓度排名、环比改善排名、高值区网格HCHO和NO2浓度排名,以及梳理得出的高值区工业企业污染源和移动源管控清单,最终实现基于卫星遥感的臭氧前体物高值区精细化排放源精准定位与管控。
实施例二
基于相同的发明构思,本实施例公开了一种臭氧前体物高值区精细化排放源追溯定位***,包括:
对流层浓度获取模块,用于通过卫星遥感影像获得对流层臭氧前体物柱浓度;
臭氧前体物指示获取模块,通过对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值;
高值区提取模块,用于根据臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区;
企业定位模块,用于获取待测区域内企业臭氧前体排放量,并将其中排放量大于预设值的企业定位至高值区;
车辆定位模块,用于获取待测区域中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并将其中排放量大于预设值的道路定位至高值区,通过不同排放标准的车辆污染物排放信息锁定道路上排放量高的车辆。
实施例三
基于相同的发明构思,本实施例公开了一种存储一个或多个程序的计算机可读存储介质,一个或多个程序包括指令,指令当由计算设备执行时,使得计算设备执行根据上述任一项的臭氧前体物高值区精细化排放源追溯定位方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等) 上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,包括:
通过卫星遥感影像获得对流层臭氧前体物柱浓度;
通过所述对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值;
根据所述臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区;
获取待测区域内企业臭氧前体排放量,并将其中排放量大于预设值的企业定位至所述高值区;
获取待测区域中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并将其中排放量大于预设值的道路定位至所述高值区,通过所述不同排放标准的车辆污染物排放信息锁定所述道路上排放量高的车辆。
2.如权利要求1所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,所述臭氧前体物至少包括NO2和HCHO。
3.如权利要求2所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,近地面NO2浓度的估算方法为:
获取监测区域内的地面监测站点数据、大气化学传输模型数据和气象条件信息,将上述数据进行时空匹配并赋值到监测区域网格;
将所述监测区域网格输入机器学习模型,并对所述机器学习模型进行训练,结合气象数据、土地利用数据、路网数据和工业热源数据对模型参数进行优化;
获得近地面NO2浓度的网格化浓度数据;
近地面HCHO浓度的估算方法为:
获取大气化学传输模型HCHO廓线;
获得所述HCHO廓线中近地面HCHO浓度与HCHO柱浓度的比例关系;
依据所述比例关系,根据HCHO柱浓度获得近地面HCHO浓度。
4.如权利要求3所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,所述臭氧前体物指示值等于近地面HCHO浓度与近地面NO2浓度的比值,所述臭氧污染物控制类型包括臭氧污染受VOCs浓度控制的网格、臭氧污染受NOX控制的网格和臭氧污染受NO2和HCHO协同控制的网格。
5.如权利要求4所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,所述提取出臭氧前体物高值区的方法为:首先叠加土地覆盖类型分类数据,剔除掉耕地、林地、草地、水域湿地和未利用地;其次,针对臭氧污染受VOCs浓度控制的网格,结合近地面HCHO浓度值进行排序,筛选出HCHO浓度排在前若干位的高值网格;针对臭氧污染受NOX控制的网格,结合近地面NO2浓度值进行排序,筛选出NO2浓度排在前若干位的高值网格;针对臭氧污染受NO2和HCHO协同控制的网格,同时结合近地面NO2浓度和HCHO浓度值进行排序,筛选出NO2浓度或HCHO浓度在前若干位的高值网格,筛选出的高值网格即为臭氧前体物高值区。
6.如权利要求1-5任一项所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,通过ARCGIS软件对高污染企业或道路定位到所述高值区。
7.如权利要求6所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,锁定高排放企业的方法为:首先根据大气污染源排放清单中企业名称、经纬度信息获取工业企业排放源位置信息,再根据源排放清单中VOCs、NOx排放量数据、工业企业自动监测数据和企业智能用电监控数据,利用ARCGIS软件将排放异常情况以及高排放的工业企业匹配到HCHO和NO2高值网格,识别出HCHO和NO2高值区对应的工业企业排放源管控清单。
8.如权利要求6所述的臭氧前体物高值区精细化排放源追溯定位方法,其特征在于,锁定高排放车辆的方法为:获取研究区域内重型柴油车车载排放在线监控数据,分析并提取重型柴油车NOx污染物排放特征;获取货车行驶轨迹数据,分析研究区域内货车行驶轨迹及规律特征、车流量时空变化特征,计算各条道路上不同排放标准的车辆污染物排放信息;利用ARCGIS软件筛选出HCHO和NO2高值区域内本地和过境车辆排放量较高的道路,反向筛选出不同排放标准的货车信息,得到HCHO和NO2高值区机动车排放源管控清单。
9.一种臭氧前体物高值区精细化排放源追溯定位***,其特征在于,包括:
对流层浓度获取模块,用于通过卫星遥感影像获得对流层臭氧前体物柱浓度;
臭氧前体物指示获取模块,通过所述对流层臭氧前体物柱浓度估算近地面臭氧前体物浓度,从而获得臭氧前体物指示值;
高值区提取模块,用于根据所述臭氧前体物指示值判断臭氧污染物控制类型,并提取出臭氧前体物高值区;
企业定位模块,用于获取待测区域内企业臭氧前体排放量,并将其中排放量大于预设值的企业定位至所述高值区;
车辆定位模块,用于获取待测区域中各条道路上不同排放标准的车辆污染物排放信息,计算各条道路的综合排放量,并将其中排放量大于预设值的道路定位至所述高值区,通过所述不同排放标准的车辆污染物排放信息锁定所述道路上排放量高的车辆。
10.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至8任一项所述的臭氧前体物高值区精细化排放源追溯定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136778.1A CN114218976B (zh) | 2021-09-27 | 2021-09-27 | 臭氧前体物高值区精细化排放源追溯定位方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136778.1A CN114218976B (zh) | 2021-09-27 | 2021-09-27 | 臭氧前体物高值区精细化排放源追溯定位方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114218976A true CN114218976A (zh) | 2022-03-22 |
CN114218976B CN114218976B (zh) | 2024-03-08 |
Family
ID=80696009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111136778.1A Active CN114218976B (zh) | 2021-09-27 | 2021-09-27 | 臭氧前体物高值区精细化排放源追溯定位方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218976B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115132290A (zh) * | 2022-09-02 | 2022-09-30 | 北京市生态环境监测中心 | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 |
CN115526525A (zh) * | 2022-10-18 | 2022-12-27 | 中科三清科技有限公司 | 一种臭氧污染治理方法、装置、设备及存储介质 |
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 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150053366A1 (en) * | 2013-08-22 | 2015-02-26 | Kevin Hans Melsheimer | Building system for cascading flows of matter and energy |
CN110942049A (zh) * | 2019-12-17 | 2020-03-31 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的臭氧污染源识别方法和*** |
CN111401781A (zh) * | 2020-04-03 | 2020-07-10 | 中国环境科学研究院 | 一种固定源大气污染物排放现场执法监管信息***及方法 |
CN111911270A (zh) * | 2019-05-10 | 2020-11-10 | Ifp新能源公司 | 使用车载***的车辆污染排放物测量方法 |
CN112257551A (zh) * | 2020-10-19 | 2021-01-22 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及*** |
CN112418609A (zh) * | 2020-10-30 | 2021-02-26 | 暨南大学 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
CN112485319A (zh) * | 2020-10-19 | 2021-03-12 | 上海畅合智能技术有限公司 | 大气环境走航监测方法及信息处理方法、装置、监测车 |
CN112861904A (zh) * | 2020-12-04 | 2021-05-28 | 生态环境部卫星环境应用中心 | 基于imbi指数的大气污染源监测识别方法和*** |
CN112990111A (zh) * | 2021-04-20 | 2021-06-18 | 北京英视睿达科技有限公司 | 臭氧生成高值区的识别方法、装置、存储介质及设备 |
CN113011777A (zh) * | 2021-04-07 | 2021-06-22 | 中科三清科技有限公司 | 臭氧污染防治的动态决策方法及装置 |
JP2021137795A (ja) * | 2020-02-28 | 2021-09-16 | 株式会社デンソー | 窒素酸化物吸蔵材料及びその製造方法 |
-
2021
- 2021-09-27 CN CN202111136778.1A patent/CN114218976B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150053366A1 (en) * | 2013-08-22 | 2015-02-26 | Kevin Hans Melsheimer | Building system for cascading flows of matter and energy |
CN111911270A (zh) * | 2019-05-10 | 2020-11-10 | Ifp新能源公司 | 使用车载***的车辆污染排放物测量方法 |
CN110942049A (zh) * | 2019-12-17 | 2020-03-31 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的臭氧污染源识别方法和*** |
JP2021137795A (ja) * | 2020-02-28 | 2021-09-16 | 株式会社デンソー | 窒素酸化物吸蔵材料及びその製造方法 |
CN111401781A (zh) * | 2020-04-03 | 2020-07-10 | 中国环境科学研究院 | 一种固定源大气污染物排放现场执法监管信息***及方法 |
CN112257551A (zh) * | 2020-10-19 | 2021-01-22 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及*** |
CN112485319A (zh) * | 2020-10-19 | 2021-03-12 | 上海畅合智能技术有限公司 | 大气环境走航监测方法及信息处理方法、装置、监测车 |
CN112418609A (zh) * | 2020-10-30 | 2021-02-26 | 暨南大学 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
CN112861904A (zh) * | 2020-12-04 | 2021-05-28 | 生态环境部卫星环境应用中心 | 基于imbi指数的大气污染源监测识别方法和*** |
CN113011777A (zh) * | 2021-04-07 | 2021-06-22 | 中科三清科技有限公司 | 臭氧污染防治的动态决策方法及装置 |
CN112990111A (zh) * | 2021-04-20 | 2021-06-18 | 北京英视睿达科技有限公司 | 臭氧生成高值区的识别方法、装置、存储介质及设备 |
Non-Patent Citations (4)
Title |
---|
LIU, YUHAN 等: "Vertical Profiles of Volatile Organic Compounds in Suburban Shanghai", 《ADVANCES IN ATMOSPHERIC SCIENCES》, vol. 38, no. 7, XP037477518, DOI: 10.1007/s00376-021-0126-y * |
王旗: "济南市臭氧的污染特征及其前体物敏感性分析", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》, no. 5 * |
王雅鹏 等: "基于卫星遥感的甲醛和乙二醛监测与应用综述", 《三峡生态环境监测》, vol. 5, no. 3 * |
赵晴;杜祯宇;胡骏;陈楚楚;江旭佳;李磊;: "廊坊市大气污染特征与污染物排放源研究", 环境科学学报, no. 02 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115132290A (zh) * | 2022-09-02 | 2022-09-30 | 北京市生态环境监测中心 | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 |
CN115132290B (zh) * | 2022-09-02 | 2022-12-02 | 北京市生态环境监测中心 | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 |
CN115526525A (zh) * | 2022-10-18 | 2022-12-27 | 中科三清科技有限公司 | 一种臭氧污染治理方法、装置、设备及存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN114218976B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114218976B (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和*** | |
CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
CN109791729B (zh) | 一种基于行程时间分布的交通异常检测方法 | |
CN114359002B (zh) | 基于移动监测趋势挖掘的大气污染小尺度溯源方法及*** | |
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 | |
US8903646B2 (en) | Method and determining system for automatically determining emission locations, and method and traffic control system based thereon for immission-dependent traffic control | |
Cook et al. | Resolving local-scale emissions for modeling air quality near roadways | |
CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
CN112257551B (zh) | 一种氮氧化物污染源识别及排放量确定的方法及*** | |
Cheng et al. | A high-resolution emissions inventory and its spatiotemporal pattern variations for heavy-duty diesel trucks in Beijing, China | |
CN113538072A (zh) | 一种货运车辆的出行链智能识别方法、装置及电子设备 | |
CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
CN115130831A (zh) | 一种小尺度精细化大气污染溯源方法 | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
CN111612064A (zh) | Pm2.5污染气团溯源方法、装置、电子设备及存储介质 | |
CN112132450A (zh) | 一种气态污染物的定位方法 | |
CN112581107A (zh) | 污染排放控制方法、装置及可存储介质 | |
Li et al. | A comparative study on data segregation for mesoscopic energy modeling | |
CN108055639B (zh) | 一种基于信令数据分析的人流密度预测方法及*** | |
Fu et al. | Spatial analysis of taxi speeding event using GPS trajectory data | |
Dios et al. | A mixed top-down and bottom-up methodology in spatial segregation of emissions based on GIS tools | |
CN112071073B (zh) | 一种噪声地图***的道路噪声自动修正方法 | |
CN109613179B (zh) | 累积高值区的确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |