[发明专利]一种大数据与空气质量模型联用的臭氧污染溯源及验证方法

权利要求书

1.一种大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，包括以下步骤：

S1：基于历史空气质量监测数据，分析典型污染过程下的臭氧浓度高值站点；

S2：利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业；

S3：将溯源结果叠加本地精细化排放清单、工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区；

S4：将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析，筛选重点贡献区域内存在超标和异常排放行为的污染源；

S5：高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估。

2.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，所述步骤S1中基于历史空气质量监测数据，分析典型污染过程下的臭氧浓度高值站点具体包括以下内容：

抓住臭氧管控的有利时机，模拟结果显示提前2天和1天加强管控，臭氧浓度下降明显，部分城市能够将轻度污染天改善为优良天；因此筛选不同站点臭氧轻度污染日，特别是在臭氧轻度污染日中臭氧日最大8小时浓度介于161-170微克每立方米区间内频次较高的空气质量站点，作为典型污染过程下的臭氧浓度高值站点。

3.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，所述步骤S2中利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业得到具体包括以下内容：

基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法，采用物种示踪的方法对典型污染过程下的臭氧浓度高值站点近地面臭氧的污染来源开展模拟研究，探讨了周边其他城市、本市周边其他区县、本区县及长距离传输等不同源区、5类排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献。

4.根据权利要求3所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，所述5类排放源具体包括：生产工艺过程、溶剂使用、生活源、移动源和面源。

5.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，所述步骤S3中将溯源结果叠加本地精细化排放清单、工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区具体包括以下内容：

基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法的溯源结果，在规定污染源总数的前提下，根据不同源区、不同排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献，在排放清单中针对不同源区、不同排放源筛选出一定数量的VOCs和NOx高排放污染源，在此基础上根据工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。

6.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，所述步骤S4中将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析，筛选重点贡献区域内存在超标和异常排放行为的污染源具体包括以下内容：

利用臭氧高值站点周边高排放企业在污染发生前1-2天污染源在线监控和工业企业用电量数据，结合走航式VOCs质谱监测结果，在上述过程筛选出的VOCs和NOx高排放污染源中，再次筛选重点贡献区域内存在超标和异常排放行为的污染源。

7.根据权利要求1所述的大数据与空气质量模型联用的臭氧污染溯源及验证方法，其特征在于，所述步骤S5中高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估具体包括以下内容：

利用CMAQ空气质量模型，针对高排放及存在超标或异常排放行为企业，模拟其在达标排放及应急管控措施落实到位情景下周边空气质量站点的臭氧浓度及空间分布，评估其对该次臭氧污染过程的贡献。