[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

说明书

本发明提供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。所述大数据与空气质量模型联用的臭氧污染溯源及验证方法包括以下步骤：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。本发明提供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将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用，溯源精确。

技术领域

本发明涉及空气污染治理技术领域，尤其涉及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。

背景技术

2013年以来，全国PM2.5年均浓度下降了43％，平均重污染天数由29天减至5天。但2013-2017年间，全国74个主要城市臭氧平均浓度上升了20％，臭氧正在成为新的大气污染防治难题。

当前臭氧污染的溯源方法，主要为粒子扩散模型方法、CAMx-OSAT模型溯源方法、走航式VOCs质谱监测方法或上述方法的联用。粒子扩散模型方法不考虑化学过程，仅考虑气象因素，运算速度较快，但对主要来自VOCs与氮氧化物等二次生成的臭氧来说适用性较差。CAMx-OSAT模型溯源方法仅能获得重点贡献区域和较为粗略和行业贡献，难以具体到具体的贡献企业。走航式VOCs质谱覆盖范围小，仅能监测走航路线内的异常高值点，且监测成本偏高。

因此，有必要提供一种新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解决上述技术问题。

发明内容

本发明解决的技术问题是提供一种将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用，溯源精确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。

为解决上述技术问题，本发明提供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。

优选的，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。

优选的，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。