一种排放强度实时量化检测的方法

1.本文涉及但不限于空气质量检测技术，尤其涉及但不限于一种排放强度实时量化检测的方法。


背景技术：

2.通过污染物监测设备、空气质量模拟模型技术掌握大气污染物的排放特征是城市空气质量管理和大气污染控制决策的基础。
3.随着空气污染排放管理的精细化、全面化以及污染物排放清单的精确度需求日益提高，对低矮面源(如小型产业集群、工业烟囱排放、机动车排放)进行精准识别和量化逐渐成为环保部门工作的重点和难点之一。低矮面源由于没有明确的排放点，且排放过程具有很高的不确定性，其排放值的直接获取十分困难。国内外针对低矮面源及无组织排放源的排放测算大多依靠耗时耗力的人工调研测算，或成本较高难度较大的卫星遥感技术识别等传统技术。传统方法需要在调研或遥感数据的基础上建立污染物排放清单，之后通过空气质量模型模拟排放源对污染物浓度的贡献，再与监测站点数据进行比对验证。基础数据调研的过程需要大量时间和人力成本，且缺乏足够的时空分辨率和计算效率，无法实现实时量化，满足小型产业实时监管的需求。
4.现有量化模型技术只能满足近距离观测点位的浓度数据计算，对监控点及受体点的选取条件比较苛刻，无法广泛应用于普遍布设的国控、省控空气质量监测站点或空气质量微站数据。同时、由于缺乏精细化的修正参数数据库，现有技术对气象条件变化，时间变化以及监控点-排放源相对地理位置变化等因素响应不够敏感，导致模拟结果精度有所欠缺。


技术实现要素：

5.以下是对本文详细描述的主题的概述。本概述并非是为了限制本技术的保护范围。
6.在本技术中典型气象条件的定义为：
7.①
典型小时气象条件：选择污染最严重的(针对所有计算点)小时气象条件和对各环境保护目标影响最大的若干个小时气象条件。
8.②
典型日气象条件：选择污染最严重的(针对所有计算点)日气象条件和对各环境保护目标影响最大的若干个日气象条件。
9.在本技术中，所述污染物背景浓度值的定义为去除目标污染源贡献以外的污染物历史平均浓度。
10.在本技术中，rhc是一种浓度度量尺标，rhc的计算方程通过结合一系列测量分布的最大值来确定可能的最高浓度，减轻了异常事件对最高浓度的影响，如公式(2)所示。
11.12.其中，xn浓度分布中第n高的浓度值,是所有分布中第n-1高浓度的平均值；根据读取实时监控的浓度数据，结合历史空气质量特征计算平均及实时rhc。
13.本技术公开了一种空气污染源识别及排放强度实时量化检测的装置、系统和方法，实现了由浓度至排放强度的精确刻画。
14.本技术公开了一种排放强度实时量化检测的方法，包括以下步骤：
15.1)确定检测区域和所述检测区域内的排放源位置以及监测点位置，获取所述检测区域的污染物历史监测数据、气象条件数据以及历史排放数据；
16.通过所述污染物历史监测数据和所述气象条件数据，确定所述检测区域中的所述污染物背景浓度值bg、所述监测点位置的污染物年平均浓度、所述排放源的污染物日均排放量、所述监测点历史小时检测浓度以及所述排放源的污染物历史排放强度e0；
17.通过所述监测点历史小时检测浓度，计算得到浓度度量标尺rhcm；采集所述监测点位置的实时的污染物浓度数据，计算得到所述监测点的实时浓度度量标尺rhcs；
18.3)计算所述监测点得到的实时污染物实时的小时排放量与所述排放源的污染物日均排放量的比值，记为c
hour
；
19.4)确定所述检测区域内的高斯扩散烟羽，获取所述高斯扩散烟羽中所述监测点的污染物浓度与所述排放源位置的污染物浓度的比值，记为位值(c
met
×cdis
)，即气象(包括温湿度，风向风速等)修正c
met
与地理位置修正c
dis
的乘积；
20.5)使用所述污染物的历史监测数据、所述气象条件数据以所述检测区域的中心为原点绘制所述污染物浓度风玫瑰图，计算不同风向和风速下的所述监测点位置的所述污染物小时平均浓度与所述监测点位置的污染物年平均浓度的比值，并建立数据库；
21.将所述监测点实时风力数据带入数据库，选取实时风力数据最为接近的条件下的比值，记为c
dir
；
22.将所述位值(c
met
×cdis
)、所述c
dir
、所述c
hour
带入公式(1)，计算得出所述排放源的污染物实时排放量e；
[0023][0024]
其中e为所述排放源的污染物实时排放量，单位为g/km2/h；
[0025]
e0为排放源的污染物历史排放强度，单位g/km2/h；
[0026]
bg为所述污染物背景浓度值，μg/m3；
[0027]
rhcm为所述监测点历史小时检测浓度的浓度度量标尺，μg/m3；
[0028]
rhcs为所述监测点位置的实时浓度度量标尺，μg/m3。
[0029]
在一种实施方式中，步骤1)中所述检测区域为以排放源位置或多家排放源位置的质心位置为中心的方形或圆形；
[0030]
在一种实施方式中，所述方形的边长为10km至20km，所述圆形的半径为10km至20km；
[0031]
在一种实施方式中，所述排放源为低矮面排放源。
[0032]
在一种实施方式中，所述污染物历史监测数据来源为国控点或市控点公开发布的污染物的小时监控数据、传感器监测微站供应商提供的数据或自行搭建检测网络获得的数
据中的任一种或更多种。
[0033]
在一种实施方式中，所述气象条件数据为国际气象监测站站点提供的数据、美国国家海洋和大气局公开发布的数据或检测微站收集的气象条件数据中的任一种或更多种；
[0034]
在一种实施方式中，所述历史排放数据选自国家排放清单公开的数据、企业排放调查或排污许可证资料、特定企业在线排放监测(cems)数据及排放口参数推算得到的数据中的任一种或更多种；
[0035]
在一种实施方式中，所述排放口参数包括烟囱高度、排放口径、烟气流量、烟气流速和烟筒地面夹角中的任一种或更多种。
[0036]
在一种实施方式中，步骤3)中，所述排放源的小时排放变化规律使用以下数据得出：国家排放清单公开的数据、在线排放监测数据、所述排放源调研结果或行业平均水平中的任意一种或更多种。
[0037]
在一种实施方式中，步骤4)中，确定所述检测区域内的高斯扩散烟羽具体为：
[0038]
获取所述春季3-5月，夏季6-8月，秋季9-11月，冬季12-2月的典型气象条件下污染源排放在所述检测区域内高斯扩散烟羽模式，获得扩散烟羽图；
[0039]
所述扩散烟羽图中每个位值的取值为该位置污染物浓度与污染源位置污染物浓度的比值。
[0040]
在一种实施方式中，获取所述监测点位置的位值还包括以下步骤：
[0041]
a)在所述扩散烟羽图中创建分辨率为50m至200m的受体点阵，提取每个受体点位置的扩散烟羽值；所述高斯扩散烟羽模式为将所述历史气象数据和所述历史排放数据输入aermod进行小尺度正向空气质量模拟来获取所述四个季节的典型气象条件下的污染物高斯扩散烟羽；将获得的所述高斯扩散烟羽配合地理信息系统gis技术，提取所述检测区域内的受体点网络中每个受体点的扩散情况。
[0042]
可选地，所述受体点网格分辨率根据研究需求确定，最终根据受体点网格的提取结果，确定目标区域(城市、省市等)污染源排放及不同地理位置(相对方位、距离等)受体点的浓度关系特征。
[0043]
b)以高斯烟羽图中心为原点，-22.5
°
至﹢22.5
°
为北向，每隔45
°
为一个方位，设置8个方位，计算所述监测点所在扇环的所有所述受体点的位值平均值，即为所述监测点的位值。
[0044]
在一种实施方式中，所述扇环的半径(大扇形半径与小扇形半径的差值)为50m至200m。
[0045]
在一种实施方式中，所述污染物选自co、so2、no2、pm
10
、pm
2.5
、nh3、pn(particle number)和ch4中的任一种或更多种。
[0046]
本技术提供的特定污染源识别及排放强度实时量化工具从更深层面挖掘了空气质量浓度监测数据的应用价值，实现了由浓度到排放强度实时量化的可能，为实时污染物排放清单的编制提供了可靠工具，也为不同城市的实时量化提供了计算框架。
[0047]
本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的其他优点可通过在说明书中所描述的方案来发明实现和获得。
附图说明
[0048]
附图用来提供对本技术技术方案的理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术的技术方案，并不构成对本技术技术方案的限制。
[0049]
图1为本技术低矮面源识别及排放强度实时量化模型的构建方案的技术流程图；
[0050]
图2为本技术实施例中污染物浓度示意图；
[0051]
图3为本技术实施例中冬季排放时间修正示意图；
[0052]
图4为本技术实施例中受体点矩阵示意图；
[0053]
图5为本技术实施例中污染物高斯扩散烟羽；
[0054]
图6为本技术实施例中风玫瑰图；
[0055]
图7为本技术实施例中计算得到的no2实时排放数据；
[0056]
图8为本技术实施例计算结果与实地调研数据的数据对照示意图。
具体实施方式
[0057]
为使本技术的目的、技术方案和优点更加清楚明白，下文对本技术的实施例进行详细说明。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。
[0058]
实施例1
[0059]
河北省邢台市应用本技术的方法估算了2019年12月重污染过程重点工业园区的实时排放，以沙河某玻璃企业园区为例：
[0060]
历史平均浓度和背景浓度计算：
[0061]
1)确定检测区域获取所述检测区域的污染物历史监测数据：
[0062]
计算基于该园区周边布设的3个空气微站的监测数据，数据包括2018年全年监控数据及2019年12月实时监控数据。3个监控站点的地理信息如下，位置示意如图4和表1所示。本实施例以监控点1获得的实时数据对所述区域内污染源排放强度进行实时量化。
[0063]
表1：监控点相对于污染源位置
[0064]
监控点相对污染源位置距离区间1西1000m至1200m2南800m至1000m3东南600m至800m
[0065]
获取2018年全年的监控点1的监控数据用以确定监测点1位置污染物的年平均浓度、历史小时监测浓度；并通过监测点1的历史小时检测浓度计算得到浓度度量标尺rhcm；
[0066]
结合邢台市国际气象数据(站点537980)，对全市整体空气质量数据进行分析，并确定所述检测区域2018年相同时期污染物背景浓度值bg。
[0067]
2019年so2、no2、pm
10
和pm
2.5
的背景浓度分别为15μg/m3，31μg/m3，58μg/m3和26μg/m3。本实施例以no2为例，bg＝31μg/m3。
[0068]
1.1)获取历史排放及时间分布修正参数
[0069]
通过国家排放清单(如：meic，eclipse，gains等)及企业的调研数据确定园区(所述检测区域)的所述污染物的年均排放情况。根据统计，该区的no2、so2、pm
10
和pm
2.5
的年均排放分别为3300、2600、1760和1150吨/年。进一步通过国家排放清单、在线排放监测
(cems)、企业调研结果等收集园区范围或相关企业的所述污染物的小时排放变化规律，获取所述排放源的污染物日均排放量。
[0070]
计算监测点1得到的实时污染物小时排放量与所述排放源的污染物日均排放量的比值，如图3所示，即为公式(1)中的时间修正c
hour
。
[0071]
1.2)获取地理修正参数
[0072]
首先，利用aermod(开源软件)的气象处理模块aermet计算面源所在区域6km
×
6km范围内(如图4所示)的高斯扩散烟羽(如图5所示)，共获取了四个季节的典型气象条件下污染面源排放在研究区域内的扩散烟羽模式。扩散烟羽图中每个位值的取值为该位置污染物浓度与污染源位置污染物浓度的比值。
[0073]
根据检测范围内的浓度扩散烟羽确定典型气象条件及地理位置下的浓度扩散修正，具体过程如下：a)创建如图4中分辨率为200m的受体点矩阵，提取每个受体点位置的扩散烟羽值。b)根据八个方位(-22.5
°
至+22.5
°
为北向，每隔45
°
为1个方位)计算如图5阴影区域所示的每个方位内，每200m内(例如半径为200米的扇形区域、半径为200-400m的扇环形区域、半径为400-600m的扇环形区域等)的所有受体点取值的平均值。所述监测点1所在区域的受体点平均值记为位值。
[0074]
1.3)获取实时风力修正参数
[0075]
检测区域的中心为原点绘制的污染物浓度风玫瑰图(如图6所示)，计算特定风速区间(0-2m/s，2-4m/s，4-8m/s，＞8m/s)及风向(8个方向，以-22.5
°
至+22.5
°
为北向)模式下的所述监测点1的污染物小时平均浓度与年平均浓度的比值，并建立数据库；
[0076]
将监测点1的实时风力数据带入数据库，选取实时风力数据最为接近的条件下的比值，即为c
dir
。
[0077]
综合上述步骤，若监测点位于某区域，则该区域的平均值则为该监测点检测浓度的气象(包括平均温湿度，风向风速)及地理位置综合修正。例如监控点1在西侧，距离排放源1000-1200m，2019年12月23日17:00至18:00时实时风向东南风，风速2m/s，通过以上公式计算得到no2的历史rhcm浓度为22.9μg/m3、监测点1no2的实时rhcs浓度为58μg/m3；并将e0＝1800μg/m2/h、bg＝26μg/m3、c
met
×cdis
＝2.38、c
dir
＝0.8、c
hour
＝0.92带入公式中，获得实时排放e＝4406μg/m2/h。
[0078][0079]
对比例：排放量化及验证
[0080]
根据实施例1的计算得到的实时排放，选取特定时间段计算得到的no2的结果如图7所示。
[0081]
为了验证该方法的准确性，通过实地调研获取了同期面源排放并与计算模拟结果进行了对比。实施例1中检测区域内的排放源均发布了部分cems监测数据，且能够通过卫星地图获取相关排放口(烟筒)参数，从而估算实施例1中检测区域的实时排放量。
[0082]
对比结果图8所示，本技术提供给的排放强度实时量化检测的方法具有较高的真实排放还原度，能够替代效率低、成本高的排放获取手段进行排放量化。
[0083]
虽然本技术所揭露的实施方式如上，但所述的内容仅为便于理解本技术而采用的实施方式，并非用以限定本技术。任何本技术所属领域内的技术人员，在不脱离本技术所揭
露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本技术的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

技术特征：
1.一种排放强度实时量化检测的方法，包括以下步骤：1)确定检测区域和所述检测区域内的排放源位置以及监测点位置，获取所述检测区域的污染物历史监测数据、气象条件数据以及历史排放数据；通过所述污染物历史监测数据和所述气象条件数据，确定所述检测区域中的所述污染物背景浓度值bg、所述监测点位置的污染物年平均浓度、所述排放源的污染物日均排放量、所述监测点历史小时检测浓度以及所述排放源的污染物历史排放强度e0；通过所述监测点历史小时检测浓度，计算得到浓度度量标尺rhc
m
；采集所述监测点位置的实时的污染物浓度数据，计算得到所述监测点的实时浓度度量标尺rhc
s
；3)计算所述监测点得到的实时污染物实时的小时排放量与所述排放源的污染物日均排放量的比值，记为c
hour
；4)确定所述检测区域内的高斯扩散烟羽，获取所述高斯扩散烟羽中所述监测点的污染物浓度与所述排放源位置的污染物浓度的比值，记为位值(c
met
×
c
dis
)；5)使用所述污染物的历史监测数据、所述气象条件数据以所述检测区域的中心为原点绘制所述污染物浓度风玫瑰图，计算不同风向和风速下的所述监测点位置的所述污染物小时平均浓度与所述监测点位置的污染物年平均浓度的比值，并建立数据库；将所述监测点实时风力数据带入数据库，选取实时风力数据最为接近的条件下的比值，记为c
dir
；将所述位值(c
met
×
c
dis
)、所述c
dir
、所述c
hour
带入公式(1)，计算得出所述排放源的污染物实时排放量e；其中e为所述排放源的污染物实时排放量，单位为g/km2/h；e0为排放源的污染物历史排放强度，单位g/km2/h；bg为所述污染物背景浓度值，μg/m3；rhc
m
为所述监测点历史小时检测浓度的浓度度量标尺，μg/m3；rhc
s
为所述监测点位置的实时浓度度量标尺，μg/m3。2.根据权利要求1所述的排放强度实时量化检测的方法，其中，步骤1)中所述检测区域为以排放源位置或多家排放源位置的质心位置为中心的方形或圆形；可选地，所述方形的边长为10km至20km，所述圆形的半径为10km至20km；可选地，所述排放源为低矮面排放源。3.根据权利要求1所述的排放强度实时量化检测的方法，其中，步骤3)中，所述排放源的小时排放变化规律使用以下数据得出：国家排放清单公开的数据、在线排放监测数据、所述排放源调研结果或行业平均水平中的任意一种或更多种。4.根据权利要求1所述的排放强度实时量化检测的方法，其中，步骤4)中，确定所述检测区域内的高斯扩散烟羽具体为：获取所述春季3-5月，夏季6-8月，秋季9-11月，冬季12-2月的典型气象条件下污染源排放在所述检测区域内高斯扩散烟羽模式，获得扩散烟羽图；所述扩散烟羽图中每个位值的取值为该位置污染物浓度与污染源位置污染物浓度的比值。
5.根据权利要求4所述的排放强度实时量化检测的方法，其中，获取所述监测点位置的位值还包括以下步骤：a)在所述扩散烟羽图中创建分辨率为50m至200m的受体点阵，提取每个受体点位置的扩散烟羽值；b)以高斯烟羽图中心为原点，-22.5
°
至﹢22.5
°
为北向，每隔45
°
为一个方位，设置8个方位，计算所述监测点所在扇环的所有所述受体点的位值平均值，即为所述监测点的位值。6.根据权利要求5所述的排放强度实时量化检测的方法，其中，所述扇环的半径为50m至200m。7.根据权利要求1至6所述的排放强度实时量化检测的方法，其中，所述污染物历史监测数据来源为国控点或市控点公开发布的污染物的小时监控数据、传感器监测微站供应商提供的数据或自行搭建检测网络获得的数据中的任一种或更多种。8.根据权利要求1至6所述的排放强度实时量化检测的方法，其中，所述气象条件数据为国际气象监测站站点提供的数据、美国国家海洋和大气局公开发布的数据或检测微站收集的气象条件数据中的任一种或更多种。9.根据权利要求1至6所述的排放强度实时量化检测的方法，其中，所述历史排放数据选自国家排放清单公开的数据、企业排放调查或排污许可证资料、特定企业在线排放监测(cems)数据及排放口参数推算得到的数据中的任一种或更多种；可选地，所述排放口参数包括烟囱高度、排放口径、烟气流量、烟气流速和烟筒地面夹角中的任一种或更多种。10.根据权利要求1至6中任一项所述的排放强度实时量化检测的方法，其中，所述污染物选自co、so2、no2、pm
10
、pm
2.5
、nh3、pn和ch4中的任一种或更多种。

技术总结
本申请公开了一种排放强度实时量化检测的方法，所述方法实现了由浓度至排放强度的精确刻画。所述方法通过确定检测区域和所述检测区域内的排放源位置以及监测点位置，获取所述检测区域的污染物历史监测数据、气象条件数据以及历史排放数据；通过上述数据获取气象(包括温湿度，风向风速等)修正与地理位置修正、实时风力数据修正、时间修正对监测点所获得的数据进行修正，计算得出所述排放源的污染物实时排放量。本申请提供的特定污染源识别及排放强度实时量化工具从更深层面挖掘了空气质量浓度监测数据的应用价值，实现了由浓度到排放强度实时量化的可能，为实时污染物排放清单的编制提供了可靠工具，也为不同城市的实时量化提供了计算框架。供了计算框架。供了计算框架。


技术研发人员：吴潇萌 牛天林 吴烨
受保护的技术使用者：清华大学
技术研发日：2020.11.23
技术公布日：2022/5/25