CN114519124A - 一种大气环境污染联防联控治理方法 - Google Patents

一种大气环境污染联防联控治理方法 Download PDF

Info

Publication number
CN114519124A
CN114519124A CN202011295184.0A CN202011295184A CN114519124A CN 114519124 A CN114519124 A CN 114519124A CN 202011295184 A CN202011295184 A CN 202011295184A CN 114519124 A CN114519124 A CN 114519124A
Authority
CN
China
Prior art keywords
atmospheric
data
monitoring data
pollution
joint
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
Application number
CN202011295184.0A
Other languages
English (en)
Inventor
石晓飞
白蛟
张博
肖楠
邢建东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Casic Wisdom Industrial Development Co ltd
Original Assignee
Casic Wisdom Industrial Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Casic Wisdom Industrial Development Co ltd filed Critical Casic Wisdom Industrial Development Co ltd
Priority to CN202011295184.0A priority Critical patent/CN114519124A/zh
Publication of CN114519124A publication Critical patent/CN114519124A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及空气污染分析技术领域，尤其涉及一种大气环境污染联防联控治理方法，包括以下步骤：确定污染区域的范围；筛选污染区域内的空气质量监测站；采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据；根据采集到的气象监测数据、气象监测数据和大气环境监测数据构建指定区域内的大气环境污染物复杂网络；基于所述大气环境污染物复杂网络，利用算法挖掘污染传播的路径；根据污染传播的路径选取相对应的应急治理措施。本发明提出的一种大气环境污染联防联控治理方法，解决了现有的治理方法难以应对突如其来的大气污染环境事件的问题。

Description

一种大气环境污染联防联控治理方法
技术领域
本发明涉及空气污染分析技术领域，尤其涉及一种大气环境污染联防联控治理方法。
背景技术
近年来，大气环境污染治理已在我国取得显著成效，但在不利的气象条件下仍会导致大气环境污染现象时有发生。面对区域性的大气污染现象，众多国内外研究已表明，大气环境污染的联防联控管理，即通过污染区域内各行政单元的联合防治和管控，发挥了重要的作用。
传统的大气环境污染联防联控管理多针对污染区域内的污染源的逐步减排工作开展，如燃煤锅炉改造、淘汰黄标车、电厂脱硫(脱销、除尘)等方式，但针对大气污染应急事件的联防联控所发挥作用较小。
发明内容
本发明提出一种大气环境污染联防联控治理方法，以解决现有的治理方法难以应对突如其来的大气污染环境事件的问题。
本发明解决上述问题的技术方案是：一种大气环境污染联防联控治理方法，其特殊之处在于，包括以下步骤：
确定污染区域的范围；
筛选污染区域内的空气质量监测站；
采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据；
根据采集到的气象监测数据、气象监测数据和大气环境监测数据构建指定区域内的大气环境污染物复杂网络；
基于所述大气环境污染物复杂网络，利用算法挖掘污染传播的路径；
根据污染传播的路径选取相对应的应急治理措施。
优选的是：所述确定污染区域的范围的步骤具体包括：
获取指定区域内的空气质量指数时空分布的预警数据，其中所述预警数据是用户将土地利用类型数据、地形高程数据、气象场驱动数据和排放清单数据输入至空气质量模型中得到；
根据空气质量指数时空分布的预警数据得到污染区域的范围。
优选的是：所述空气质量模型为WRF_Chem在线大气化学模型。
优选的是：所述筛选污染区域内的空气质量监测站的具体步骤包括：
根据污染区域的范围确定污染迁移的过程，计作周期T；
将周期T内每一时刻t的污染区域范围内的空气质量监测站监测到的超标数据进行统计，形成逐时站点超标集合∑V(i，j)，其中i∈(1，2，3，……，n)，j∈(1，2，3，……，m)。
优选的是：所述超标数据为AQI>200的数据。
优选的是：在步骤所述筛选污染区域内的空气质量监测站与步骤所述采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据之间还包括：将获得大气环境监测数据进行时空分析。
优选的是：所述构建所述大气污染物复杂网络的步骤包括：
判断将每个时刻t的站点超标站点Vt(i，j)与同时刻其他站点Vother(a，b)，其中a∈(1，2，3，……，n，a≠i)，b∈(1，2，3，……，m，b≠j)是否满足Distance(Vt(i，j)，Vother(a，b))＜50km、DEM(Vt(i，j)，Vother(a，b))＜100m和MAX(wij(t))，其中wij(t)为t时刻(i，j)站点与(a，b)站点的传播权重的要求；
将满足要求的站点形成指定时刻t的空气污染物传播网络矩阵M(t)；
将整个周期T内的空气污染物传播网络矩阵进行计算形成的传播网络叠加得到MT＝∑M(t)(t∈T)。
优选的是：所述算法包括图模型点权重分析法、边权重分析法和聚类分析算法。
相比于现有技术，本发明的有益效果在于：
1)本发明采用大气环境污染联防联控治理方法从宏观上了解大气污染的综合态势，能够及时应对突如其来的大气环境污染事件。
2)本发明选用代表性较好的WRF_Chem在线大气化学模型，结合污染源排放清单和模型参数化方案进行区域大气环境质量的预报工作，能够准确的选定重污染区域的范围。
3)本发明按照大气污染物传播路径，有针对性的开展污染物传播的联防联控管理工作，从而实现大气环境污染的精细化和科学化管理要求。
附图说明
图1为本发明的流程图。
图2为本发明的传播路径分析方法流程图。
图3为WRF_Chem模型运行流程示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
实施例1，如图1-图3所示的一种大气环境污染联防联控治理方法，包括以下步骤：
确定污染区域的范围；
筛选污染区域内的空气质量监测站；
采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据；
根据采集到的气象监测数据、气象监测数据和大气环境监测数据构建指定区域内的大气环境污染物复杂网络；
基于所述大气环境污染物复杂网络，利用算法挖掘污染传播的路径；
根据污染传播的路径选取相对应的应急治理措施。
作为本发明一个优选的实施例：确定污染区域的范围的步骤具体包括：
获取指定区域内的空气质量指数时空分布的预警数据，其中预警数据是用户将土地利用类型数据、地形高程数据、气象场驱动数据和排放清单数据输入至空气质量模型中得到；
根据空气质量指数时空分布的预警数据得到污染区域的范围，并提取污染区域范围内的风场数据和地形高程数据。
作为本发明一个优选的实施例：空气质量模型为WRF_Chem在线大气化学模型。
作为本发明一个优选的实施例：筛选污染区域内的空气质量监测站的具体步骤包括：
根据污染区域的范围确定污染迁移的过程，计作周期T；
将周期T内每一时刻t的污染区域范围内的空气质量监测站监测到的超标数据进行统计，形成逐时站点超标集合∑V(i，j)，其中i∈(1，2，3，……，n)，j∈(1，2，3，……，m)。
作为本发明一个优选的实施例：超标数据为AQI>200的数据。
作为本发明一个优选的实施例：在步骤筛选污染区域内的空气质量监测站与步骤采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据之间还包括：将获得大气环境监测数据进行时空分析。
作为本发明一个优选的实施例：构建大气污染物复杂网络的步骤包括：
判断将每个时刻t的站点超标站点Vt(i，j)与同时刻其他站点Vother(a，b)，其中a∈(1，2，3，……，n，a≠i)，b∈(1，2，3，……，m，b≠j)是否满足Distance(Vt(i，j)，Vother(a，b))＜50km、DEM(Vt(i，j)，Vother(a，b))＜100m和MAX(wij(t))，其中wij(t)为t时刻(i，j)站点与(a，b)站点的传播权重的要求；
将满足要求的站点形成指定时刻t的空气污染物传播网络矩阵M(t)；
将整个周期T内的空气污染物传播网络矩阵进行计算形成的传播网络叠加得到MT＝∑M(t)(t∈T)。
作为本发明一个优选的实施例：算法包括图模型点权重分析法、边权重分析法和聚类分析算法。
以上所述仅为本发明的实施例，并非以此限制本发明的保护范围，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他相关的***领域，均同理包括在本发明的保护范围内。

Claims (8)

1.一种大气环境污染联防联控治理方法，其特征在于，包括以下步骤：
确定污染区域的范围；
筛选污染区域内的空气质量监测站；
采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据；
根据采集到的气象监测数据、气象监测数据和大气环境监测数据构建指定区域内的大气环境污染物复杂网络；
基于所述大气环境污染物复杂网络，利用算法挖掘污染传播的路径；
根据污染传播的路径选取相对应的应急治理措施。
2.根据权利要求1所述的一种大气环境污染联防联控治理方法，其特征在于，所述确定污染区域的范围的步骤具体包括：
获取指定区域内的空气质量指数时空分布的预警数据，其中所述预警数据是用户将土地利用类型数据、地形高程数据、气象场驱动数据和排放清单数据输入至空气质量模型中得到；
根据空气质量指数时空分布的预警数据得到污染区域的范围。
3.根据权利要求2所述的一种大气环境污染联防联控治理方法，其特征在于，所述空气质量模型为WRF_Chem在线大气化学模型。
4.根据权利要求1所述的一种大气环境污染联防联控治理方法，其特征在于，所述筛选污染区域内的空气质量监测站的具体步骤包括：
根据污染区域的范围确定污染迁移的过程，计作周期T；
将周期T内每一时刻t的污染区域范围内的空气质量监测站监测到的超标数据进行统计，形成逐时站点超标集合∑V(i，j)，其中i∈(1，2，3，……，n)，j∈(1，2，3，……，m)。
5.根据权利要求4所述的一种大气环境污染联防联控治理方法，其特征在于，所述超标数据为AQI>200的数据。
6.根据权利要求1所述的一种大气环境污染联防联控治理方法，其特征在于，在步骤所述筛选污染区域内的空气质量监测站与步骤所述采集污染区域内的气象监测数据、气象监测数据和大气环境监测数据之间还包括：将获得大气环境监测数据进行时空分析。
7.根据权利要求1所述的一种大气环境污染联防联控治理方法，其特征在于，所述构建所述大气污染物复杂网络的步骤包括：
判断将每个时刻t的站点超标站点Vt(i，j)与同时刻其他站点Vother(a，b)，其中a∈(1，2，3，……，n，a≠i)，b∈(1，2，3，……，m，b≠j)是否满足Distance(Vt(i，j)，Vother(a，b))＜50km、DEM(Vt(i，j)，Vother(a，b))＜100m和MAX(wij(t))，其中wij(t)为t时刻(i，j)站点与(a，b)站点的传播权重的要求；
将满足要求的站点形成指定时刻t的空气污染物传播网络矩阵M(t)；
将整个周期T内的空气污染物传播网络矩阵进行计算形成的传播网络叠加得到MT＝∑M(t)(t∈T)。
8.根据权利要求1所述的一种大气环境污染联防联控治理方法，其特征在于，所述算法包括图模型点权重分析法、边权重分析法和聚类分析算法。
CN202011295184.0A 2020-11-18 2020-11-18 一种大气环境污染联防联控治理方法 Pending CN114519124A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011295184.0A CN114519124A (zh) 2020-11-18 2020-11-18 一种大气环境污染联防联控治理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011295184.0A CN114519124A (zh) 2020-11-18 2020-11-18 一种大气环境污染联防联控治理方法

Publications (1)

Publication Number Publication Date
CN114519124A true CN114519124A (zh) 2022-05-20

Family

ID=81594257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011295184.0A Pending CN114519124A (zh) 2020-11-18 2020-11-18 一种大气环境污染联防联控治理方法

Country Status (1)

Country Link
CN (1) CN114519124A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113027A (zh) * 2023-08-22 2023-11-24 航天科工智慧产业发展有限公司 一种基于水污染的污染源溯源方法及***
CN117388445A (zh) * 2023-12-12 2024-01-12 山东省计量科学研究院 一种大气环境监测***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113027A (zh) * 2023-08-22 2023-11-24 航天科工智慧产业发展有限公司 一种基于水污染的污染源溯源方法及***
CN117113027B (zh) * 2023-08-22 2024-03-19 航天科工智慧产业发展有限公司 一种基于水污染的污染源溯源方法及***
CN117388445A (zh) * 2023-12-12 2024-01-12 山东省计量科学研究院 一种大气环境监测***
CN117388445B (zh) * 2023-12-12 2024-04-05 山东省计量科学研究院 一种大气环境监测***

Similar Documents

Publication Publication Date Title
CN112418609B (zh) 一种基于面-网格-点的大气二次污染精准溯源方法
CN110531030B (zh) 一种基于物联网大数据大气污染物分析的方法及装置
CN111814111B (zh) 一种工业园区大气污染物溯源方法
CN109522603B (zh) 基于云平台的车载拉格朗日实时大气污染溯源***及方法
CN109932988B (zh) 一种城市扬尘污染扩散预测***及方法
CN113610243B (zh) 基于耦合机器学习和相关性分析的大气污染物溯源方法
CN106548258B (zh) 一种基于气象条件的交通空气污染物浓度预测方法与***
CN114519124A (zh) 一种大气环境污染联防联控治理方法
CN109781945B (zh) 一种基于移动装置的污染物区域间传输排查方法与***
CN113284244B (zh) 一种基于格点化扩散模拟的大气污染物溯源方法
CN109613197B (zh) 一种基于河道水网的水质监测预警反馈响应方法
CN114186723A (zh) 一种基于时空关联的分布式光伏功率网格虚拟预测***
CN115420854A (zh) 一种基于正后向模型结合的大气污染物溯源方法
CN104715608B (zh) 基于HBase的全天候全域出租车聚集实时监测方法
CN117092297A (zh) 一种工业园区大气污染物的溯源方法、***、设备及介质
CN117708617A (zh) 基于多源大数据及污染特征时空匹配的大气污染溯源方法
CN112541255A (zh) 一种大气污染排放来源自动识别***及识别方法
CN116611547A (zh) 大气污染物来源预报方法、装置、设备及存储介质
CN109615239B (zh) 基于社会化网络媒体数据的城市空气质量的评估方法
Ju et al. The use of edge computing-based internet of things big data in the design of power intelligent management and control platform
CN113297811A (zh) 一种针对民众异味投诉的大气污染溯源计算方法
CN114004514A (zh) 一种大气臭氧污染发生气象条件等级判别方法
CN116224879B (zh) 一种基于云计算的工业数据处理***
CN115902114A (zh) 基于半定量法的小尺度大气污染溯源方法
Chung et al. Information extraction methodology by web scraping for smart cities

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