预测区域不同方位、观测点PM2.5背景浓度计算方法技术

一种预测区域不同方位PM2.5背景浓度的计算方法，包括：在预测区域的不同方位选取多个气象观测站点及相邻的PM2.5观测点；对气象观测数据及PM2.5值观测数据进行处理，剔除极值数据；采用裁剪平均的计算方法排除高、低监测极值；用20％裁剪平均求得数理统计法的背景浓度；基于情景分析法得到数值模拟的背景浓度；依据数理统计法的背景浓度与数值模拟的背景浓度，得到不同方位PM2.5背景浓度的空间分布。以及一种预测区域不同观测点PM2.5背景浓度的计算方法。本方法综合采用数理统计、物理识别、数值模拟方法，能较准确地得出模拟背景值浓度，能大幅降低背景浓度分析的不确定性，为管理部门提供多角度决策支持信息。

【技术实现步骤摘要】

本专利技术涉及大气环境PM2.5浓度分布
，更具体地涉及一种预测区域不同方位、观测点PM2.5背景浓度的计算方法。
技术介绍
以往的研究关于某一地区环境空气中污染物背景值的确立一般依靠设立的环境背景站获得相应的监测数据，然而随着国家城市化进程的发展，连绵成片的城市群排放的污染物在一定气象条件下被远距离输送，必然导致背景区域污染物浓度的抬升。这些研究PM2.5背景值方法多为数理统计、物理识别的方法，如何合理的剔除本地污染源贡献，同时对区域浓度水平给予客观评价，反映出相对的背景浓度水平，是关键点同时也是难点所在。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种预测区域不同方位PM2.5背景浓度的计算方法。为了达到上述目的，作为本专利技术的一个方面，本专利技术提供了一种预测区域不同观测点PM2.5背景浓度的计算方法，包括以下步骤：步骤1，在预测区域选取多个气象观测站点及相邻的PM2.5观测点；步骤2，对所述气象观测数据及对应的PM2.5值观测数据进行处理，剔除极值数据；步骤3，采用裁剪平均的计算方法排除高、低监测极值，所述裁剪平均是样本数据排序后去掉最低和最高两个等比例部分之后剩下的样本平均；步骤4，用20％裁剪平均代表统计学的结果，并对其20％裁剪平均范围内样本依据风向时次加权平均，加权后的PM2.5值代表依据数理统计方法得出的背景浓度；步骤5，基于情景分析法模拟预测区域不同网格的背景浓度，分别得到所述预测区域内及周边的所有污染源均不关闭和均关闭两种情况下的PM2.5污染分布；根据预测结果计算所述预测区域的所有不同网格内均关闭与均不关闭两种情况下PM2.5污染分布模拟结果的比值，即不同网格的周边源的贡献率；利用得到的贡献率乘以不同观测点位的实测值，得到依据数值模拟的点位的背景浓度；步骤6，将所述依据数理统计方法得出的背景浓度与所述对应模拟网格的背景浓度进行加权平均，得到任意所述气象观测站点或PM2.5观测点的最终PM2.5背景浓度。作为本专利技术的另一个方面，本专利技术还提供了一种预测区域不同方位PM2.5背景浓度的计算方法，包括以下步骤：步骤1，在预测区域的不同方位选取多个气象观测站点及相邻的PM2.5观测点；步骤2，对所述不同方位的气象观测数据及对应的PM2.5值观测数据进行处理，剔除极值数据；步骤3，采用裁剪平均的计算方法排除高、低监测极值，所述裁剪平均是样本数据排序后去掉最低和最高两个等比例部分之后剩下的样本平均；步骤4，用20％裁剪平均代表统计学的结果，并对其20％裁剪平均范围内样本依据风向时次加权平均，加权后的PM2.5值代表依据数理统计方法得出的背景浓度；步骤5，基于情景分析法模拟预测区域不同网格的背景浓度，分别得到所述预测区域内及周边的所有污染源均不关闭和均关闭两种情况下的PM2.5污染分布；根据预测结果计算所述预测区域的所有不同网格内均关闭与均不关闭两种情况下PM2.5污染分布模拟结果的比值，即不同网格的周边源的贡献率；利用得到的贡献率乘以不同观测点位的实测值，得到依据数值模拟的点位的背景浓度；步骤6，依据所述依据数理统计方法得出的背景浓度与所述对应模拟网格的背景浓度，得到不同方位的加权系数，将步骤5中模拟的预测区域人为源关闭后的PM2.5空间浓度分布乘以所述不同方位的加权系数，最终得到所述预测区域不同方位的PM2.5背景浓度的空间分布。其中，步骤1中所述的不同方位包括西北、北、东北、东、东南、南、西南、西八个方位中的至少三个以上方位。其中，步骤2中所述剔除极值数据的步骤包括：步骤21，将风向设为4个象限，单小时风向跨越两个象限的数据予以剔除。其中，步骤2中所述剔除极值数据的步骤进一步包括：步骤22，在步骤21之后，结合每日08：00和20：00的探空数据资料及实况天气图做进一步的判别，保留中低空天气形势配置中尺度过程清楚、850hPa至低空风向较为一致、风向差≤60°的数据，由此得到整体风向较为统一的气象数据时间序列。其中，步骤2中所述剔除极值数据的步骤进一步包括：步骤23，在步骤22之后，结合遥感、实测天气图资料对特殊污染时段的数据进行进一步剔除；其中，所述特殊污染时段包括沙尘过程、烟花爆竹燃放、秸秆燃烧、污染回流时段。其中，步骤4中所述的20％裁剪平均步骤是通过对样本数据的20％裁剪平均范围内进行样本算术平均或依据风向时次加权平均来得到最终结果，其中优选采用依据风向时次加权平均计算。其中，步骤5中所述情景分析法是通过空气质量数值模式CMAQ来实现的。其中，步骤6中依据所述依据数理统计方法得出的背景浓度与所述对应模拟网格的背景浓度，得到不同方位的加权系数的步骤中，所述不同方位的加权系数根据历史数据及经验综合给出。其中，步骤6中依据所述依据数理统计方法得出的背景浓度与所述对应模拟网格的背景浓度，得到不同方位的加权系数的步骤中，同一个方位不同模拟网格的加权系数相同。基于上述技术方案可知，本专利技术的计算方法具有如下有益效果：本专利技术的计算方法采用观测数据及数值模拟技术相结合的方式，综合采用数理统计、物理识别、数值模拟的方法，能够相对比较准确地得出模拟背景值浓度，为管理部门提供多角度的决策支持信息；此外，采用模式情景分析方法，集成模型模拟相对值较为准确、观测点位实测浓度较为准确的各自优点，能够大幅降低背景浓度分析的不确定性并能得出一定区域内PM2.5背景浓度空间分布；当运用于北京市的预测分析时，研究结果及方法可为北京市大气污染防治及十三五规划提供决策及管理支持。附图说明图1是北京地区的监测站分布和分类情况图；图2是本专利技术方法的完整技术路线图；图3是北京市不同风向不同站点PM2.5背景浓度箱式分布图；图4是北京市PM2.5背景浓度的空间分布图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术作进一步的详细说明。本专利技术中的PM2.5背景值是指未叠加待预测区域局地的人为排放污染时，大气环境中PM2.5的浓度水平；既包括待预测区域自然环境背景，又包括一定范围内长距离输送的贡献。为了结合实际情况阐述本专利技术的技术方案，下面以北京市2013年为情景年进行示例性地阐述和说明。(1)数理统计首先，在北京市西北、东北、东、东南、南、西南6个不同方位选取了密云水库、八达岭、东高村、琉璃河、永乐店、榆垡6个站点，挑选出北京市不同方位的6个气象观测站点，如图1所示。其次，进行背景时段筛选，各风向设为4个象限，同一象限下，风向角度持续2个时次以上，单小时风向跨越两个象限将予以剔除；在依据上述标准进行风向筛选后，结合每日08：00和20：00的探空数据资料及实况天气图做进一步的判别，中低空天气形势配置中尺度过程清楚，且850hPa
至低空风向较为一致，风向差≤60°，这样得到了整体风向较为统一的气象数据时间序列；再结合遥感、实测天气图等资料对特殊污染(沙尘过程、烟花爆竹、秸秆燃烧、污染回流)时段的数据也进一步剔除，最终获得全年8760个时段。最后，采用裁剪平均的计算方法排除较高和较低的监测极值后的统计结果，裁剪平均是样本数据排序后去掉最低和最高两个等比例部分之后剩下的样本平均，去掉极端值后剩下的结果更能接近稳定的值。各站各风向20％-50％裁剪平均的结果差异全部在1本文档来自技高网...

【技术保护点】
一种预测区域不同观测点PM2.5背景浓度的计算方法，其特征在于，包括以下步骤：步骤1，在预测区域选取多个气象观测站点及相邻的PM2.5观测点；步骤2，对所述气象观测数据及对应的PM2.5值观测数据进行处理，剔除极值数据；步骤3，采用裁剪平均的计算方法排除高、低监测极值，所述裁剪平均是样本数据排序后去掉最低和最高两个等比例部分之后剩下的样本平均；步骤4，用20％裁剪平均代表统计学的结果，并对其20％裁剪平均范围内样本依据风向时次加权平均，加权后的PM2.5值代表依据数理统计方法得出的背景浓度；步骤5，基于情景分析法模拟预测区域不同网格的背景浓度，分别得到所述预测区域内及周边的所有污染源均不关闭和均关闭两种情况下的PM2.5污染分布；根据预测结果计算所述预测区域的所有不同网格内均关闭与均不关闭两种情况下PM2.5污染分布模拟结果的比值，即不同网格的周边源的贡献率；利用得到的贡献率乘以不同观测点位的实测值，得到依据数值模拟的点位的背景浓度；步骤6，将所述依据数理统计方法得出的背景浓度与所述对应模拟网格的背景浓度进行加权平均，得到任意所述气象观测站点或PM2.5观测点的最终PM2.5背景浓度。

【技术特征摘要】
1.一种预测区域不同观测点PM2.5背景浓度的计算方法，其特征在于，包括以下步骤：步骤1，在预测区域选取多个气象观测站点及相邻的PM2.5观测点；步骤2，对所述气象观测数据及对应的PM2.5值观测数据进行处理，剔除极值数据；步骤3，采用裁剪平均的计算方法排除高、低监测极值，所述裁剪平均是样本数据排序后去掉最低和最高两个等比例部分之后剩下的样本平均；步骤4，用20％裁剪平均代表统计学的结果，并对其20％裁剪平均范围内样本依据风向时次加权平均，加权后的PM2.5值代表依据数理统计方法得出的背景浓度；步骤5，基于情景分析法模拟预测区域不同网格的背景浓度，分别得到所述预测区域内及周边的所有污染源均不关闭和均关闭两种情况下的PM2.5污染分布；根据预测结果计算所述预测区域的所有不同网格内均关闭与均不关闭两种情况下PM2.5污染分布模拟结果的比值，即不同网格的周边源的贡献率；利用得到的贡献率乘以不同观测点位的实测值，得到依据数值模拟的点位的背景浓度；步骤6，将所述依据数理统计方法得出的背景浓度与所述对应模拟网格的背景浓度进行加权平均，得到任意所述气象观测站点或PM2.5观测点的最终PM2.5背景浓度。2.一种预测区域不同方位PM2.5背景浓度的计算方法，其特征在于，包括以下步骤：步骤1，在预测区域的不同方位选取多个气象观测站点及相邻的PM2.5观测点；步骤2，对所述不同方位的气象观测数据及对应的PM2.5值观测数据进行处理，剔除极值数据；步骤3，采用裁剪平均的计算方法排除高、低监测极值，所述裁剪平均是样本数据排序后去掉最低和最高两个等比例部分之后剩下的样本平均；步骤4，用20％裁剪平均代表统计学的结果，并对其20％裁剪平均范围内样本依据风向时次加权平均，加权后的PM2.5值代表依据数理统计方法得出的背景浓度；步骤5，基于情景分析法模拟预测区域不同网格的背景浓度，分别得到所述预测区域内及周边的所有污染源均不关闭和均关闭两种情况下的PM2.5污染分布；根据预测结果计算所述预测区域的所有不同网格内均关闭与均不关闭两种情况下PM2.5污染分布模拟结果的比值，即不同网格的周边源的贡献率；利用得到的贡献率乘以不同观测点位的实测值，得到依据数值模拟的点位的背景浓度；步骤6，依据所述依据数理统计方法得出的背景浓度与所述对应...

【专利技术属性】
技术研发人员：李云婷，程念亮，张大伟，孙瑞雯，董欣，
申请(专利权)人：北京市环境保护监测中心，
类型：发明
国别省市：北京;11