CN114354841A - 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 - Google Patents
一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 Download PDFInfo
- Publication number
- CN114354841A CN114354841A CN202011085871.XA CN202011085871A CN114354841A CN 114354841 A CN114354841 A CN 114354841A CN 202011085871 A CN202011085871 A CN 202011085871A CN 114354841 A CN114354841 A CN 114354841A
- Authority
- CN
- China
- Prior art keywords
- pollution
- ozone
- emission
- air quality
- sources
- 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
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 239000012855 volatile organic compound Substances 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000010219 correlation analysis Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 20
- 238000001819 mass spectrum Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004949 mass spectrometry Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 239000002904 solvent Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明提供一种大数据与空气质量模型联用的臭氧污染溯源及验证方法。所述大数据与空气质量模型联用的臭氧污染溯源及验证方法包括以下步骤:S1:基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点;S2:利用CAMx‑OSAT模型溯源模确定影响该站点的重点贡献区域和行业;S3:将溯源结果叠加本地精细化排放清单、工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用,溯源精确。
Description
技术领域
本发明涉及空气污染治理技术领域,尤其涉及一种大数据与空气质量模型联用的臭氧污染溯源及验证方法。
背景技术
2013年以来,全国PM2.5年均浓度下降了43%,平均重污染天数由29天减至5天。但2013-2017年间,全国74个主要城市臭氧平均浓度上升了20%,臭氧正在成为新的大气污染防治难题。
当前臭氧污染的溯源方法,主要为粒子扩散模型方法、CAMx-OSAT模型溯源方法、走航式VOCs质谱监测方法或上述方法的联用。粒子扩散模型方法不考虑化学过程,仅考虑气象因素,运算速度较快,但对主要来自VOCs与氮氧化物等二次生成的臭氧来说适用性较差。CAMx-OSAT模型溯源方法仅能获得重点贡献区域和较为粗略和行业贡献,难以具体到具体的贡献企业。走航式VOCs质谱覆盖范围小,仅能监测走航路线内的异常高值点,且监测成本偏高。
因此,有必要提供一种新的大数据与空气质量模型联用的臭氧污染溯源及验证方法解决上述技术问题。
发明内容
本发明解决的技术问题是提供一种将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用,溯源精确的大数据与空气质量模型联用的臭氧污染溯源及验证方法。
为解决上述技术问题,本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法包括以下步骤:
S1:基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点;
S2:利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业;
S3:将溯源结果叠加本地精细化排放清单、工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区;
S4:将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析,筛选重点贡献区域内存在超标和异常排放行为的污染源;
S5:高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估。
优选的,所述步骤S1中基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点具体包括以下内容:
抓住臭氧管控的有利时机,模拟结果显示提前2天和1天加强管控,臭氧浓度下降明显,部分城市能够将轻度污染天改善为优良天;因此筛选不同站点臭氧轻度污染日,特别是在臭氧轻度污染日中臭氧日最大8小时浓度介于161-170微克每立方米区间内频次较高的空气质量站点,作为典型污染过程下的臭氧浓度高值站点。
优选的,所述步骤S2中利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业得到具体包括以下内容:
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法,采用物种示踪的方法对典型污染过程下的臭氧浓度高值站点近地面臭氧的污染来源开展模拟研究,探讨了周边其他城市、本市周边其他区县、本区县及长距离传输等不同源区、5类排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献。
优选的,所述5类排放源具体包括:生产工艺过程、溶剂使用、生活源、移动源和面源。
优选的,所述步骤S3中将溯源结果叠加本地精细化排放清单、工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区具体包括以下内容:
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法的溯源结果,在规定污染源总数的前提下,根据不同源区、不同排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献,在排放清单中针对不同源区、不同排放源筛选出一定数量的VOCs和NOx高排放污染源,在此基础上根据工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。
优选的,所述步骤S4中将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析,筛选重点贡献区域内存在超标和异常排放行为的污染源具体包括以下内容:
利用臭氧高值站点周边高排放企业在污染发生前1-2天污染源在线监控和工业企业用电量数据,结合走航式VOCs质谱监测结果,在上述过程筛选出的VOCs和NOx高排放污染源中,再次筛选重点贡献区域内存在超标和异常排放行为的污染源。
优选的,所述步骤S5中高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估具体包括以下内容:
利用CMAQ空气质量模型,针对高排放及存在超标或异常排放行为企业,模拟其在达标排放及应急管控措施落实到位情景下周边空气质量站点的臭氧浓度及空间分布,评估其对该次臭氧污染过程的贡献。
与相关技术相比较,本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法具有如下有益效果:
本发明提供一种大数据与空气质量模型联用的臭氧污染溯源及验证方法,首次将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用,对典型污染过程下臭氧前体物进行污染溯源,评估验证高排放及存在超标或异常排放行为企业对该次臭氧污染过程的贡献;可用于历史臭氧污染过程下重点贡献企业的筛选及评估验证,也可用于预警应急情形下重点贡献企业名单及其调控措施的确定。
附图说明
图1为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的基本流程图;
图2为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的具体流程图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1、图2,其中,图1为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的基本流程图;图2为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的具体流程图。大数据与空气质量模型联用的臭氧污染溯源及验证方法包括以下步骤:
S1:基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点;
S2:利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业;
S3:将溯源结果叠加本地精细化排放清单、工业园区(聚集区)空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区;
S4:将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析,筛选重点贡献区域内存在超标和异常排放行为的污染源;
S5:高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估。
所述步骤S1中基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点具体包括以下内容:
抓住臭氧管控的有利时机,模拟结果显示提前2天和1天加强管控,臭氧浓度下降明显,部分城市能够将轻度污染天改善为优良天;因此筛选不同站点臭氧轻度污染日,特别是在臭氧轻度污染日中臭氧日最大8小时浓度介于161-165微克每立方米或166-170微克每立方米区间内频次较高的空气质量站点,作为典型污染过程下的臭氧浓度高值站点。
所述步骤S2中利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业得到具体包括以下内容:
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法,采用物种示踪的方法对典型污染过程下的臭氧浓度高值站点近地面臭氧的污染来源开展模拟研究,探讨了周边其他城市、本市周边其他区县、本区县及长距离传输等不同源区、5类排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献。
所述5类排放源具体包括:生产工艺过程、溶剂使用、生活源、移动源和面源。
所述步骤S3中将溯源结果叠加本地精细化排放清单、工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区具体包括以下内容:
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法的溯源结果,在规定污染源总数的前提下,根据不同源区、不同排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献,在排放清单中针对不同源区、不同排放源筛选出一定数量的VOCs和NOx高排放污染源,在此基础上根据工业园区(聚集区)空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。
所述步骤S4中将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析,筛选重点贡献区域内存在超标和异常排放行为的污染源具体包括以下内容:
利用臭氧高值站点周边高排放企业在污染发生前1-2天污染源在线监控和工业企业用电量数据,结合走航式VOCs质谱监测结果,在上述过程筛选出的VOCs和NOx高排放污染源中,再次筛选重点贡献区域内存在超标和异常排放行为的污染源。
所述步骤S5中高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估具体包括以下内容:
利用CMAQ空气质量模型,针对高排放及存在超标或异常排放行为企业,模拟其在达标排放及应急管控措施落实到位情景下周边空气质量站点的臭氧浓度及空间分布,评估其对该次臭氧污染过程的贡献。
与相关技术相比较,本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法具有如下有益效果:
本发明提供一种大数据与空气质量模型联用的臭氧污染溯源及验证方法,首次将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用,对典型污染过程下臭氧前体物进行污染溯源,评估验证高排放及存在超标或异常排放行为企业对该次臭氧污染过程的贡献;可用于历史臭氧污染过程下重点贡献企业的筛选及评估验证,也可用于预警应急情形下重点贡献企业名单及其调控措施的确定。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,包括以下步骤:
S1:基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点;
S2:利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业;
S3:将溯源结果叠加本地精细化排放清单、工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区;
S4:将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析,筛选重点贡献区域内存在超标和异常排放行为的污染源;
S5:高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估。
2.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,所述步骤S1中基于历史空气质量监测数据,分析典型污染过程下的臭氧浓度高值站点具体包括以下内容:
抓住臭氧管控的有利时机,模拟结果显示提前2天和1天加强管控,臭氧浓度下降明显,部分城市能够将轻度污染天改善为优良天;因此筛选不同站点臭氧轻度污染日,特别是在臭氧轻度污染日中臭氧日最大8小时浓度介于161-170微克每立方米区间内频次较高的空气质量站点,作为典型污染过程下的臭氧浓度高值站点。
3.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,所述步骤S2中利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业得到具体包括以下内容:
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法,采用物种示踪的方法对典型污染过程下的臭氧浓度高值站点近地面臭氧的污染来源开展模拟研究,探讨了周边其他城市、本市周边其他区县、本区县及长距离传输等不同源区、5类排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献。
4.根据权利要求3所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,所述5类排放源具体包括:生产工艺过程、溶剂使用、生活源、移动源和面源。
5.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,所述步骤S3中将溯源结果叠加本地精细化排放清单、工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区具体包括以下内容:
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法的溯源结果,在规定污染源总数的前提下,根据不同源区、不同排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献,在排放清单中针对不同源区、不同排放源筛选出一定数量的VOCs和NOx高排放污染源,在此基础上根据工业园区空间分布信息,开展关联分析,筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。
6.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,所述步骤S4中将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析,筛选重点贡献区域内存在超标和异常排放行为的污染源具体包括以下内容:
利用臭氧高值站点周边高排放企业在污染发生前1-2天污染源在线监控和工业企业用电量数据,结合走航式VOCs质谱监测结果,在上述过程筛选出的VOCs和NOx高排放污染源中,再次筛选重点贡献区域内存在超标和异常排放行为的污染源。
7.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法,其特征在于,所述步骤S5中高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估具体包括以下内容:
利用CMAQ空气质量模型,针对高排放及存在超标或异常排放行为企业,模拟其在达标排放及应急管控措施落实到位情景下周边空气质量站点的臭氧浓度及空间分布,评估其对该次臭氧污染过程的贡献。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085871.XA CN114354841A (zh) | 2020-10-12 | 2020-10-12 | 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085871.XA CN114354841A (zh) | 2020-10-12 | 2020-10-12 | 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114354841A true CN114354841A (zh) | 2022-04-15 |
Family
ID=81090328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011085871.XA Pending CN114354841A (zh) | 2020-10-12 | 2020-10-12 | 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114354841A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271547A (zh) * | 2022-09-22 | 2022-11-01 | 中科三清科技有限公司 | 臭氧污染的源解析方法、装置和电子设备 |
CN116109323A (zh) * | 2022-12-26 | 2023-05-12 | 北京中科三清环境技术有限公司 | 臭氧污染溯源方法、装置、设备及存储介质 |
CN116629650A (zh) * | 2022-11-24 | 2023-08-22 | 北京工业大学 | 一种针对站点O3污染防控的企业VOCs排放优化管控分级方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065198A (zh) * | 2012-12-17 | 2013-04-24 | 天津市环境保护科学研究院 | 大气恶臭污染精细源解析方法 |
CN104950037A (zh) * | 2015-06-15 | 2015-09-30 | 广州禾信分析仪器有限公司 | 一种针对挥发性有机物的在线污染源识别监测方法及*** |
CN106841436A (zh) * | 2017-01-18 | 2017-06-13 | 上海市环境监测中心 | 一种工业区大气VOCs自动监测预警溯源***及其方法 |
CN108469278A (zh) * | 2018-06-12 | 2018-08-31 | 安徽科创中光科技有限公司 | 移动式大气灰霾和臭氧立体监测与污染溯源*** |
CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
CN109376443A (zh) * | 2018-11-02 | 2019-02-22 | 唐山华洋环保科技有限公司 | 区域大气污染环境仿真动态模拟*** |
CN109583743A (zh) * | 2018-11-26 | 2019-04-05 | 南京创蓝科技有限公司 | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 |
CN109633680A (zh) * | 2019-01-30 | 2019-04-16 | 安徽科创中光科技有限公司 | 基于激光雷达的四步闭环大气污染溯源***及方法 |
CN209560085U (zh) * | 2019-01-30 | 2019-10-29 | 安徽科创中光科技有限公司 | 基于激光雷达的四步闭环大气污染溯源*** |
CN110824110A (zh) * | 2019-10-30 | 2020-02-21 | 山东大学 | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源*** |
CN110873590A (zh) * | 2019-12-10 | 2020-03-10 | 安徽蓝科信息科技有限公司 | 一种基于臭氧激光雷达的环境监测溯源走航车 |
CN111368401A (zh) * | 2020-02-20 | 2020-07-03 | 南开大学 | 污染源的溯源方法、装置和存储介质 |
-
2020
- 2020-10-12 CN CN202011085871.XA patent/CN114354841A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065198A (zh) * | 2012-12-17 | 2013-04-24 | 天津市环境保护科学研究院 | 大气恶臭污染精细源解析方法 |
CN104950037A (zh) * | 2015-06-15 | 2015-09-30 | 广州禾信分析仪器有限公司 | 一种针对挥发性有机物的在线污染源识别监测方法及*** |
CN106841436A (zh) * | 2017-01-18 | 2017-06-13 | 上海市环境监测中心 | 一种工业区大气VOCs自动监测预警溯源***及其方法 |
CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
CN108469278A (zh) * | 2018-06-12 | 2018-08-31 | 安徽科创中光科技有限公司 | 移动式大气灰霾和臭氧立体监测与污染溯源*** |
CN109376443A (zh) * | 2018-11-02 | 2019-02-22 | 唐山华洋环保科技有限公司 | 区域大气污染环境仿真动态模拟*** |
CN109583743A (zh) * | 2018-11-26 | 2019-04-05 | 南京创蓝科技有限公司 | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 |
CN109633680A (zh) * | 2019-01-30 | 2019-04-16 | 安徽科创中光科技有限公司 | 基于激光雷达的四步闭环大气污染溯源***及方法 |
CN209560085U (zh) * | 2019-01-30 | 2019-10-29 | 安徽科创中光科技有限公司 | 基于激光雷达的四步闭环大气污染溯源*** |
CN110824110A (zh) * | 2019-10-30 | 2020-02-21 | 山东大学 | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源*** |
CN110873590A (zh) * | 2019-12-10 | 2020-03-10 | 安徽蓝科信息科技有限公司 | 一种基于臭氧激光雷达的环境监测溯源走航车 |
CN111368401A (zh) * | 2020-02-20 | 2020-07-03 | 南开大学 | 污染源的溯源方法、装置和存储介质 |
Non-Patent Citations (4)
Title |
---|
LI L.等: "Source apportionment of surface ozone in the Yangtze River Delta, China in the summer of 2013", 《ATMOSPHERIC ENVIRONMENT》 * |
LI LI等: "Ozone source apportionment over the Yangtze River Delta region, China: Investigation of regional transport, sectoral contributions and seasonal differences", 《ATMOSPHERIC ENVIRONMENT 》 * |
李浩: "夏季典型光化学污染过程中长三角地区大气臭氧的污染来源追踪研究", 《CNKI优秀硕士学位论文全文库 工程科技Ⅰ辑》 * |
王静 等: "基于数值模拟的青岛市O3快速来源解析", 《中国环境监测》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271547A (zh) * | 2022-09-22 | 2022-11-01 | 中科三清科技有限公司 | 臭氧污染的源解析方法、装置和电子设备 |
CN115271547B (zh) * | 2022-09-22 | 2022-12-09 | 中科三清科技有限公司 | 臭氧污染的源解析方法、装置和电子设备 |
CN116629650A (zh) * | 2022-11-24 | 2023-08-22 | 北京工业大学 | 一种针对站点O3污染防控的企业VOCs排放优化管控分级方法 |
CN116109323A (zh) * | 2022-12-26 | 2023-05-12 | 北京中科三清环境技术有限公司 | 臭氧污染溯源方法、装置、设备及存储介质 |
CN116109323B (zh) * | 2022-12-26 | 2023-08-01 | 北京中科三清环境技术有限公司 | 臭氧污染溯源方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114354841A (zh) | 一种大数据与空气质量模型联用的臭氧污染溯源及验证方法 | |
CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
CN111311111B (zh) | 化工园区废水废气智能管控***及控制方法 | |
CN112540148B (zh) | 一种炼化企业大气污染物监测预警与溯源***构建方法 | |
CN115358332A (zh) | 面向多源数据的大气污染溯源方法 | |
CN110824110A (zh) | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源*** | |
CN108489875B (zh) | 一种基于时段统计分析的污染物溯源***及方法 | |
CN112581107B (zh) | 污染排放控制方法、装置及可存储介质 | |
CN116128421B (zh) | 一种耦合污染源排放和解析的大气污染管控方案生成方法 | |
CN112801422B (zh) | 数值模型和线性规划模型相结合的大气污染协同控制方法 | |
CN115130831A (zh) | 一种小尺度精细化大气污染溯源方法 | |
CN117092297A (zh) | 一种工业园区大气污染物的溯源方法、***、设备及介质 | |
CN114218976B (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和*** | |
CN112085295A (zh) | 一种大气污染多情景控制效果快速预测评估方法 | |
CN114819696A (zh) | 确定污染物浓度影响因素的方法、装置及电子设备 | |
Li et al. | Examining the implications of photochemical indicators for O 3–NO x–VOC sensitivity and control strategies: a case study in the Yangtze River Delta (YRD), China | |
CN117007476B (zh) | 一种基于物联网的环保智能终端数据采集*** | |
CN112381341A (zh) | 一种区域空气质量管控措施效果评估方法 | |
CN113420984A (zh) | 空气污染源区的确定方法 | |
CN114547127A (zh) | 工业园区小尺度区域的污染气团输送来源分析方法 | |
CN116050649A (zh) | 一种基于Calpuff模型的大气污染溯源***及方法 | |
Chan et al. | Long-term precipitation quality and wet deposition fields in the Sudbury basin | |
CN113672873A (zh) | 污染物源解析方法、装置、电子设备及存储介质 | |
CN115705510A (zh) | 厂区气体污染分布预测方法、***、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220415 |