一种基于气体浓度监测数据快速计算排放源强的方法技术

本发明专利技术公开了一种基于气体浓度监测数据快速计算排放源强的方法，包括获取目标区域风场测站点的位置分布数据；获取目标区域的风场数据进行质控处理，确定风场模型，并进行风场同化；获取大气污染物浓度数据进行基础处理，结合风场同化数据进行浓度场同化；基于风场测站点的位置分布数据、风场同化数据和浓度场同化数据，求解目标区域内污染物浓度空间分布的格点数据；进行污染物扩散的模态分析，计算目标区域大气污染物总排放源强。本发明专利技术对风场测站点的位置数据、风场数据、浓度场数据以及风场和浓度场流动的连续的时间序列数据进行空间四维同化订正，解决由于时空代表性不一致造成的问题，进行排放源强计算。进行排放源强计算。进行排放源强计算。

【技术实现步骤摘要】
一种基于气体浓度监测数据快速计算排放源强的方法


[0001]本专利技术涉及一种基于气体浓度监测数据快速计算排放源强的方法，属于大气污染物和碳排放测算


技术介绍

[0002]区域空气质量问题已日益引起全社会的高度关注，对工业和城市人居排放量的控制，实现源头治理是空气质量达标治理的工作重心，而实时监控工业和人居大气排放量，又是排放控制的前提。与此同时，对以二氧化碳和甲烷等含碳温室气体的排放量的定量估算亦是相关工作的重要前置技术需求。目前常见的计算排放量的方法主要有三种——物料平衡法，流量监控法和模式伴随反演法。
[0003]其中现有的物料平衡法难以得到排放强度在特定分辨率上的时空分布特征；流量监测法无法得到无组织源的排放特征；而模式伴随反演法一方面由于计算代价过大导致无法进行实时结果计算，且存在反演结果过于依赖源清单中的位置假设的问题。因此实现一种有效的、有高可靠性和高实时性的并可通过监测来掌握特定区域大气污染物源实时排放情况的方法就愈发重要。
[0004]同时，现有的仪器监测浓度值存在不同点位仪器之间由于校调不一致或者长期运行中非定向漂移的系统误差，以及存在观测点周边复杂地形地物环境造成时空代表性不一致的的情况，限制了多点浓度监测数据进行空间分布的可靠性。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于气体浓度监测数据快速计算排放源强的方法，通过重新定位风场测站点的位置数据，获取风场数据进行风场同化，获取浓度数据，并结合风场同化结果进行浓度场同化，基于订正后的风场测站点数据和浓度场同化结果生成污染物浓度空间分布的格点数据，结合风场同化结果进行扩散模态分析，计算目标区域的总排放源强，可有效解决现有技术所面临的问题。
[0006]为达到上述目的，本专利技术提供一种基于气体浓度监测数据快速计算排放源强的方法，包括：获取目标区域风场测站点的位置分布数据；获取目标区域的风场数据进行质控处理，确定风场模型，基于风场模型进行风场同化，获得风场同化数据；获取大气污染物浓度数据进行基础处理，结合风场同化数据进行浓度场同化，获得浓度场同化数据；基于风场测站点的位置分布数据、风场同化数据和浓度场同化数据，求解目标区域内污染物浓度空间分布的格点数据；基于目标区域内污染物浓度空间分布的格点数据和风场同化数据，进行污染物的扩散模态分析，计算目标区域排放源强。
[0007]进一步地，所述获取目标区域风场测站点的位置分布数据，包括：在目标区域确定至少一个风场测站点的坐标作为原站点；基于原站点的坐标对目标区域的其他风场测站点进行标点校正，获取校正后各风场测站点的位置分布数据。
[0008]进一步地，所述获取目标区域的风场数据进行质控处理，确定风场模型，包括：获取风场测站点的数量，对异常值进行归一化交叉验证处理；若风场测站点的数量小于20，则处理得到单一的风场模型；若风场测站点的数量大于或等于20，则处理得到复杂风场模型。
[0009]进一步地，所述处理得到单一的风场模型，包括：若风场测站点的数量等于1，则基于该风场测站点风场数据生成均匀单一的风场模型；若风场测站点的数量大于1且小于20，则对各个风场测站点的数据质控处理过程进行动态权重分配，基于单一化的风场的模拟结果选择最优的权重系数，基于最优的权重系数构造单一的风场模型。
[0010]进一步地，所述处理得到复杂风场模型，包括：基于二维空间内的散点插值法，进行多点插值处理，构造复杂的风场模型；或采用至少基于一种数学语言的拉格朗日插值方法进行多点插值处理，构造复杂的风场模型。
[0011]进一步地，所述结合风场同化数据进行浓度场同化，获得浓度场同化数据包括：基于烟羽浓度、扩散物理特征和扩散系数的特征量，生成烟羽在风场中进行扩散的连续点源排放下的烟羽扩散模型；对基础处理后的大气污染物浓度数据进行集中校正，生成大气污染物浓度订正数据；基于烟羽扩散模型对目标区域的大气污染物浓度订正数据进行多源分配定标，基于分配定标结果对风场测站点进行质控筛除，获得浓度场同化数据。
[0012]进一步地，所述获取大气污染物浓度数据进行基础处理，包括：对大气污染物浓度数据的异常值进行处理：对仪器异常值进行查找替换，剔除包括错误数据、空白数据和不符合物理规律的异常数据；对异常值处理后的大气污染物浓度数据进行去风频化长时间尺度数据整合。
[0013]进一步地，所述对基础处理后的大气污染物浓度数据进行集中校正，生成大气污染物浓度订正数据，包括：获取各风场测站点的大气污染物日浓度变化参量；将各风场测站点的大气污染物日浓度变化参量的时间的分布函数进行空间卡曼滤波；根据空间卡曼滤波的滤波修正函数或沿时间维度滑动平均的逐风场测站点修正因子获取原始数据叠加修正因子，进行空间四维订正，生成大气污染物浓度订正数据。
[0014]进一步地，所述空间四维订正，包括：空间滤波处理、时序特征的多点一致性校正、根据布点空间相对位置和复杂地物分布特征对扩散路径上的阻抗差异进行的归一化订正。
[0015]进一步地，所述基于分配定标结果对风场测站点进行质控筛除，包括：若风场测站点的大气污染物日浓度变化参量符合多源分配定标结果，则判定修正因子在时间维度上稳定，保留该风场测站点；否则判定风场测站点在该时刻的浓度数据异常，并剔除该风场测站点。
[0016]进一步地，所述求解目标区域内污染物浓度空间分布的格点数据，包括：基于风场测站点的位置分布数据、风场同化数据和浓度场同化数据，采用包括自然邻点插值法获取各个排放源的烟羽浓度空间分布的格点数据，对多个排放源进行叠加，获取多源浓度分布数据，即为目标区域内污染物浓度空间分布的格点数据。
[0017]进一步地，所述计算目标区域排放源强，包括：基于风场同化数据，对于不同区域浓度分布，平行于主要风力扩散方向进行遍历得到污染物的主扩散路径，依据烟羽扩散空间分布方程拟合大气污染物浓度与主扩散路径积分长度之间的函数关系，基于拟合结果求解烟羽模型，计算排放源强；或，计算目标区域的环境容量，作为大气污染物总排放源强。
[0018]进一步地，所述依据烟羽扩散空间分布方程拟合大气污染物浓度与主扩散路径积分长度之间的函数关系，包括：计算目标区域大气污染物浓度随污染源距离的变化关系：；其中，q为污染物浓度分布；r为下风向脊线上任一点距离大气污染物排放源处的脊线距离；Q为目标区域的大气污染物排放总源强；H为大气污染源排放有效高度；，为水平湍流扩散系数；，为垂直湍流扩散系数；u为目标区域大气污染物排放时刻的水平风速；φ为计算系数；对目标区域大气污染物浓度随污染源距离的变化关系进行取对数处理，并代入和：；令：M=；N=；则：；令B=；k=；则：。
[0019]进一步地，所述计算排放源强，包括：求解各个风场测站点的大气污染物浓度分布，通过线性回归拟合得到k、B的值，计算出目标区域的大气污染物排放总源强Q。
[0020]进一步地，所述计算目标区域的环境容量，作为大气污染物总排放源强，包括：；其中，Q为大气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于气体浓度监测数据快速计算排放源强的方法，其特征在于：包括获取目标区域风场测站点的位置分布数据；获取目标区域的风场数据进行质控处理，确定风场模型，基于风场模型进行风场同化，获得风场同化数据；获取大气污染物浓度数据进行基础处理，结合风场同化数据进行浓度场同化，获得浓度场同化数据；基于风场测站点的位置分布数据、风场同化数据和浓度场同化数据，求解目标区域内污染物浓度空间分布的格点数据；基于目标区域内污染物浓度空间分布的格点数据和风场同化数据，进行污染物的扩散模态分析，计算目标区域排放源强。2.根据权利要求1所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述获取目标区域风场测站点的位置分布数据，包括：在目标区域确定至少一个风场测站点的坐标作为原站点；基于原站点的坐标对目标区域的其他风场测站点进行标点校正，获取校正后各风场测站点的位置分布数据。3.根据权利要求1所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述获取目标区域的风场数据进行质控处理，确定风场模型，包括：获取风场测站点的数量，对异常值进行归一化交叉验证处理；若风场测站点的数量小于20，则处理得到单一的风场模型；若风场测站点的数量大于或等于20，则处理得到复杂风场模型。4.根据权利要求3所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述处理得到单一的风场模型，包括：若风场测站点的数量等于1，则基于该风场测站点风场数据生成均匀单一的风场模型；若风场测站点的数量大于1且小于20，则对各个风场测站点的数据质控处理过程进行动态权重分配，基于单一化的风场的模拟结果选择最优的权重系数，基于最优的权重系数构造单一的风场模型。5.根据权利要求3所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述处理得到复杂风场模型，包括：基于二维空间内的散点插值法，进行多点插值处理，构造复杂的风场模型；或采用至少基于一种数学语言的拉格朗日插值方法进行多点插值处理，构造复杂的风场模型。6.根据权利要求1所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述结合风场同化数据进行浓度场同化，获得浓度场同化数据，包括：基于烟羽浓度、扩散物理特征和扩散系数的特征量，生成烟羽在风场中进行扩散的连
续点源排放下的烟羽扩散模型；对基础处理后的大气污染物浓度数据进行集中校正，生成大气污染物浓度订正数据；基于烟羽扩散模型对目标区域的大气污染物浓度订正数据进行多源分配定标，基于分配定标结果对风场测站点进行质控筛除，获得浓度场同化数据。7.根据权利要求1所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述获取大气污染物浓度数据进行基础处理，包括：对大气污染物浓度数据的异常值进行处理：对仪器异常值进行查找替换，剔除包括错误数据、空白数据和不符合物理规律的异常数据；对异常值处理后的大气污染物浓度数据进行去风频化长时间尺度数据整合。8.根据权利要求6所述的基于气体浓度监测数据快速计算排放源强的方法，其特征在于：所述对基础处理后的大气污染物浓度数据进行集中校正，生成大气污染物浓度订正数据，包括：获取各风场测站点的大气污染物日...

【专利技术属性】
技术研发人员：刘振鑫，米君睿，曹天元，陈远昊，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：