一种基于拉格朗日粒子传输的污染物预报与溯源方法

技术领域

本发明涉及污染物预报与溯源技术领域，尤其涉及一种基于拉格朗日粒子传输的污染物预报与溯源方法。

背景技术

污染物对人类健康有严重影响，了解区域污染等级并制定合理的污染防治措施极其重要，但这离不开污染物的站点预报和来源分析情况；

现有技术通过“自下而上”方法获得的污染物排放清单，由于排放因子的复杂性和统计结果时间滞后性的影响，其不确定性较大，用其驱动大气化学传输模式进行污染物浓度模拟精度较低，难以满足未来一周的污染物预报需求；目前常用的污染预报方法WRF-Chemm、CMAQ、CMAx等难以实现在优化站点实时预报精度的同时，解析污染物来源及其贡献大小的功能；

因此，本领域的技术人员致力于开发一种基于拉格朗日粒子传输的污染物预报与溯源方法，以解决上述现有技术的不足。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是目前现有技术中，污染物的未来预报精度较低，并难以同步分析不同污染源的空间分布和贡献率大小的缺陷问题；

为实现上述目的，本发明一种基于拉格朗日粒子传输的污染物预报与溯源方法，包括把贝叶斯优化方法引入FLEXPART拉格朗日粒子传输模式，以提高站点预报精度；通过计算受体点和污染源之间的关系(SRR)分析各污染源(工业、电力、交通、居民)对受体点的贡献以及这些污染物来源的空间分布；

进一步地，本发明提供一种基于拉格朗日粒子传输的污染物预报与溯源方法，包括以下步骤：

步骤1、由FLEXPART模型确定源-受体关系(SRR)的空间分布，得到污染物模拟浓度；

步骤2、确定污染物排放清单是否已完成优化；

若未完成优化，进行步骤3-1；

若已完成优化，进行步骤3-2；

步骤3-1、通过“自上而下”方法进行污染物排放清单优化；结合受体点观测数据运用贝叶斯反演法同化污染物排放清单；具体为，通过最小化观测和模拟浓度之间的不匹配来优化排放通量密度，得到污染物排放通量大小最佳估计值x(Mg/网格/月)，迭代计算直到所有的负排放通量值大余0后，根据后验的优化通量值预测污染物的实时浓度，进行污染物的实时预报；

步骤3-2、污染物溯源；基于网格污染物排放清单产品(MEIC)在工业、电力、交通和居民排放比例，通过计算受体点的污染排放源贡献率乘以各网格点的排放比例，分析出各污染源(工业、电力、交通、居民)对受体点的贡献以及这些污染物来源的空间分布情况；

具体地，所述步骤3-1中，所述最佳估计值x是通过解方程

式1中，

δ

x、x

式2中，

M是SRR源-受体关系矩阵；

所述根据后验的优化通量值预测污染物的实时浓度如式3；

式3中，

m是观测的时间序列；

n是排放网格的数量；

y是污染物浓度观测值；

x是污染物排放通量大小；

t为未来模拟的时间序列；

具体地，所述步骤3-2中，计算公式包括，

Ft＝Ft

式4中，

Ft代表在时间t的污染物预报浓度；

Ft

Ft

Ft

Ft

式5中，

Per

Per

Per

Per

St

采用以上方案，本发明公开的一种基于拉格朗日粒子传输的污染物预报与溯源方法，具有以下优点：

(1)本发明的一种基于拉格朗日粒子传输的污染物预报与溯源方法，把贝叶斯优化方法应用到FLEXPART拉格朗日粒子传输模式，通过同化污染物的排放清单，进一步提高污染物的站点预报精度；提高重污染天气预测的准确率，为决策部门提前进行管控以及大气污染的防治提供帮助；

(2)本发明的一种基于拉格朗日粒子传输的污染物预报与溯源方法，通过实时分析造成观测站污染浓度大小的污染来源和空间分布情况，可清楚地了解一次污染过程中的污染源分布，提出有针对性的解决方案，以保护人类的生命财产安全；

综上所述，本发明公开的一种基于拉格朗日粒子传输的污染物预报与溯源方法，把贝叶斯优化方法应用到FLEXPART拉格朗日粒子传输模式，通过同化污染物的排放清单，进一步提高污染物的站点预报精度；提高重污染天气预测的准确率，为决策部门提前进行管控以及大气污染的防治提供帮助，通过实时分析造成观测站污染浓度大小的污染来源和空间分布情况，可更清楚地了解一次污染过程中的污染源分布，提出更有针对性的解决方案；

以下将结合具体实施方式对本发明的构思、具体技术方案及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的一种基于拉格朗日粒子传输的污染物预报与溯源方法流程图；

图2是本发明实施例的不同污染物排放源贡献率示意图；

图3是本发明实施例的各污染源对北京监测站污染浓度的贡献率空间分布示意图；

图2中，(a)、工业排放源；(b)、电力排放源；(c)、居民排放源；(d)、交通排放源；

图3中，(a)、工业；(b)、电力；(c)、住宅；(d)、交通。

具体实施方式

以下介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，这些实施例为示例性描述，本发明的保护范围并非仅限于文中提到的实施例。

实施例、采用本发明一种基于拉格朗日粒子传输的污染物预报与溯源方法进行京津冀污染物预报与溯源

步骤1、由FLEXPART模型确定源-受体关系(SRR)的空间分布，得到污染物模拟浓度；30天的SRR是通过每小时释放10，000个潜在源的颗粒来确定的；

步骤2、确定污染物排放清单是否已完成优化；

若未完成优化，进行步骤3-1；

若已完成优化，进行步骤3-2；

步骤3-1、通过“自上而下”方法进行污染物排放清单优化；结合受体点观测数据运用贝叶斯反演法同化污染物排放清单；具体为，通过最小化观测和模拟浓度之间的不匹配来优化排放通量密度，得到污染物排放通量大小最佳估计值x(Mg/网格/月)，迭代计算直到所有的负排放通量值大余0后，根据后验的优化通量值预测污染物的实时浓度，进行污染物的实时预报；

所述最佳估计值x是通过解方程

式1中，

δ

x、x

式2中，

M是SRR源-受体关系矩阵；

所述根据后验的优化通量值预测污染物的实时浓度如式3；

式3中，

m是观测的时间序列；

n是排放网格的数量；

y是污染物浓度观测值；

x是污染物排放通量大小；

t为未来模拟的时间序列；

步骤3-2、污染物溯源；基于网格污染物排放清单产品(MEIC)在工业、电力、交通和居民排放比例(如图2所示)，时间分辨率为月，即假定每个污染源的排放比例在一个月内不发生变化；通过计算受体点的污染排放源贡献率乘以各网格点的排放比例，分析出各污染源(工业、电力、交通、居民)对受体点的贡献以及这些污染物来源的空间分布情况；

计算公式包括，

Ft＝Ft

式4中，

Ft代表在时间t的污染物预报浓度；

Ft

Ft

Ft

Ft

式5中，

Per

Per

Per

Per

St

如图3所示；

综上所述，本专利技术方案，把贝叶斯优化方法应用到FLEXPART拉格朗日粒子传输模式，通过同化污染物的排放清单，进一步提高污染物的站点预报精度；提高重污染天气预测的准确率，为决策部门提前进行管控以及大气污染的防治提供帮助，通过实时分析造成观测站污染浓度大小的污染来源和空间分布情况，可更清楚地了解一次污染过程中的污染源分布，提出更有针对性的解决方案；

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的试验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。