一种大气污染热点识别方法、装置、设备和介质与流程
本技术属于环境监测,具体而言涉及一种大气污染热点识别方法、装置、设备和介质。
背景技术:
1、近年来,随着大气污染防治工作逐步向精细化、精准化方向发展,准确识别区域大气污染热点已成为污染源监管、污染成因分析以及污染防治决策的重要基础,卫星遥感技术具有覆盖范围广、连续观测能力强以及时间分辨率高等优点,已经广泛应用于区域尺度的大气污染监测,通过获取二氧化氮、甲醛、一氧化碳等污染物浓度信息,为污染热点识别提供了重要的数据来源。
2、然而,卫星遥感获取的大气污染物浓度不仅受本地排放源影响,还受到风速、风向、边界层高度、温度、湿度等气象条件以及区域间污染输送过程的共同作用;现有技术中直接利用污染物浓度数据识别污染热点,或者采用背景差法、统计阈值法等方法进行热点识别,难以有效消除气象条件及外来污染输送对污染物浓度的影响,不同时空条件下得到的热点识别结果可比性较差,且容易出现误判或者漏判,难以真实反映目标区域的本地排放水平,无法满足精细化环境监管的应用需求。
技术实现思路
1、鉴于上述的分析,本发明实施例旨在提供一种大气污染热点识别方法、装置、设备和介质,用以解决现有技术中存在的污染热点识别容易出现误判或者漏判的技术问题。
2、本发明的目的是这样实现的:
3、本发明第一方面实施例提供一种大气污染热点识别方法,包括:
4、获取目标区域的大气污染物浓度数据和气象数据,并预处理至统一时空网格;
5、基于预处理后的气象数据和后向轨迹模型计算各观测时刻的气团后向轨迹,基于所述气团后向轨迹上各轨迹点位置对应的大气污染物浓度计算各观测时刻的上游背景指数,根据所述上游背景指数筛选满足预设筛选条件的大气污染物浓度数据和气象数据,作为训练样本集,基于所述训练样本集训练气象响应模型;
6、根据目标区域的历史气象统计数据确定基准气象条件,将所述基准气象条件输入所述气象响应模型,输出基准浓度场;将实时气象条件输入所述气象响应模型,输出实时气象条件对应的实时浓度响应值;根据所述基准浓度场和所述实时浓度响应值计算归一化因子,基于所述归一化因子对所述大气污染物浓度数据进行归一化处理,得到归一化浓度数据;
7、根据所述归一化浓度数据和所述基准浓度场计算相对排放强度指数,根据所述相对排放强度指数识别目标区域的大气污染热点。
8、进一步地,所述大气污染物浓度数据包括卫星遥感获取的二氧化氮、甲醛、一氧化碳中的一种或多种污染物的柱浓度数据或分层浓度数据,所述气象数据包括风速、风向、边界层高度、相对湿度、温度和气压中的一种或多种;所述预处理至统一时空网格包括:对所述大气污染物浓度数据进行云检测、质量控制和空间插值处理,对所述气象数据进行时空插值及重采样至与预处理后的大气污染物浓度数据相同的空间网格和时间节点。
9、进一步地,所述基于预处理后的气象数据和后向轨迹模型计算各观测时刻的气团后向轨迹,包括:利用后向轨迹模型根据所述预处理后的气象数据计算各观测时刻的气团后向轨迹,按照预设回溯时长
h和时间步长生成轨迹点序列,其中,表示轨迹点
k的坐标,表示轨迹点
k的观测时刻,表示轨迹点总数。
10、进一步地,所述基于所述气团后向轨迹上各轨迹点位置对应的大气污染物浓度计算各观测时刻的上游背景指数,包括:提取与所述气团后向轨迹上各轨迹点对应的大气污染物浓度,根据轨迹点
k与当前观测时刻之间的时间差计算时间衰减权重,其中,为衰减系数,根据所述时间衰减权重计算上游背景指数,表示为:,所述上游背景指数表征气团在到达目标区域前所经过区域的整体污染背景水平。
11、进一步地,所述基于所述训练样本集训练气象响应模型,包括:将所述目标区域划分为多个气象同质子区域,构建混合效应模型,表示为:
12、,其中,表示
t时刻网格
g的大气污染物浓度,
j表示子区域索引,表示
t时刻第
p个气象要素值,
p表示气象要素总数,表示全局基准截距,表示第
p个气象要素的全局基准斜率,表示子区域
j的随机截距,表示网格
g的随机截距,表示子区域
j的第
p个气象要素的随机斜率,表示网格
g的第
p个气象要素的随机斜率,表示残差项;将所述训练样本集中的污染物浓度作为响应变量,将气象要素作为输入变量,通过最大似然法估计所述混合效应模型的参数,得到所述气象响应模型。
13、进一步地,所述归一化因子表征当前气象条件到基准气象条件的浓度缩放关系,表示为,其中,表示所述基准浓度场中网格
g的浓度,表示网格
g的实时浓度响应值;基于所述归一化因子对所述大气污染物浓度数据进行归一化处理,得到归一化浓度数据,表示为:,表示
t时刻网格
g的大气污染物浓度,所述归一化浓度数据表征将实际观测浓度调整到基准气象条件下的等效浓度值。
14、进一步地,所述根据所述归一化浓度数据和基准浓度场计算相对排放强度指数,基于所述相对排放强度指数识别目标区域的大气污染热点,包括:网格
g的所述相对排放强度指数为,表示目标区域的基准浓度场的平均值;根据所述相对排放强度指数执行高频热点识别、溯源归因热点识别和风险预警热点识别;其中,高频热点识别包括:统计各网格在统计时段内相对排放强度指数超过预设阈值的出现次数,根据所述出现次数与预设次数阈值的比较结果识别高频热点;溯源归因热点识别包括:根据所述相对排放强度指数和气象传输概率函数计算各网格的污染贡献潜力,根据所述污染贡献潜力识别溯源归因热点,所述污染贡献潜力表示为:,其中,,表示相对排放强度指数均值,表示网格
g在统计时段内有效观测的时刻总数,表示气象传输概率函数,表示风向,表示风向频率密度函数,表示网格
g到受体目标
r的几何距离,表示沿风向的特征传输距离,其中,表示沿风向、从
g到
r的路径上、在统计时段内的平均风速,表示衰减系数,表示网格面积;风险预警热点识别包括:对各网格的所述相对排放强度指数的时间序列进行趋势分析,计算回归斜率并进行显著性检验;计算所述回归斜率与所述相对排放强度指数均值的比值作为相对变化率;当所述回归斜率大于零、显著性水平低于预设阈值、且所述相对变化率大于预设的相对变化率阈值时,将对应网格判定为风险预警热点。
15、本发明第二方面实施例提供一种大气污染热点识别装置,包括:
16、数据获取及预处理模块,用于获取目标区域的大气污染物浓度数据和气象数据,并预处理至统一时空网格;
17、气象响应模型训练模块,用于基于预处理后的气象数据和后向轨迹模型计算各观测时刻的气团后向轨迹,基于所述气团后向轨迹上各轨迹点位置对应的大气污染物浓度计算各观测时刻的上游背景指数,根据所述上游背景指数筛选满足预设筛选条件的大气污染物浓度数据和气象数据,作为训练样本集,基于所述训练样本集训练气象响应模型;
18、浓度归一化处理模块,用于根据目标区域的历史气象统计数据确定基准气象条件,将所述基准气象条件输入所述气象响应模型,输出基准浓度场;将实时气象条件输入所述气象响应模型,输出实时气象条件对应的实时浓度响应值;根据所述基准浓度场和所述实时浓度响应值计算归一化因子,基于所述归一化因子对所述大气污染物浓度数据进行归一化处理,得到归一化浓度数据;
19、污染热点识别模块,用于根据所述归一化浓度数据和所述基准浓度场计算相对排放强度指数,根据所述相对排放强度指数识别目标区域的大气污染热点。
20、本发明第三方面实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现任一实施例所述的大气污染热点识别方法。
21、本发明第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任一实施例所述的大气污染热点识别方法。
22、与现有技术相比,本发明至少可实现如下有益效果之一:
23、通过基于气团后向轨迹计算上游背景指数,并依据上游背景指数筛选满足预设筛选条件的训练样本训练气象响应模型,再利用所述气象响应模型建立基准气象条件下的基准浓度场,对实际观测的大气污染物浓度进行气象归一化处理,并进一步构建相对排放强度指数,从而降低了不同气象条件及外来污染输送对污染物浓度的影响,提高了不同时间和不同区域污染物浓度数据之间的可比性,能够更加准确地反映目标区域的相对排放水平,提高了大气污染热点识别的准确性和可靠性,为污染源精细化监管及污染防治决策提供更加可靠的数据支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com