[发明专利]大气污染物浓度预警方法

说明书

本发明公开了大气污染物浓度预警方法，涉及人工影响天气防灾减灾领域，包括步骤S1确定污染地区的天气特征；S2获取气象要素和污染前体物浓度的相关数据；S3确定污染地区的地形特征和降水情况；S4根据地形特征、降水情况及S2中获得的数据得到大气污染物浓度，进行相关空气质量预警预报；可以快速预测大气污染物浓度的数值变化，避免因其他参量的物理指示特征不够明确，无法实现对空气污染更精确的预警，在保证准确的基础上仅采用少数几个自变量进行回归，得到大气污染物浓度与主要气象要素和前体物浓度之间的多元线性回归方程，从而实现在发生空气污染时及时预报大气污染物浓度的变化趋势，并且在大气污染物消散后及时解除预警。

技术领域

本发明涉及人工影响天气防灾减灾领域，尤其涉及一种大气污染物浓度预警方法。

背景技术

随着经济的发展，城市的大气污染问题日益严重，大气中的颗粒物、臭氧、氮氧化物、硫化物等气体污染物不利于人体健康，且会降低大气能见度，影响交通和航空安全，因此大气污染问题受到政府以及社会的广泛关注。

虽然污染物的过量排放是造成大气污染的根本原因，但大气污染物浓度的变化乃至重污染事件的发生主要受不利于大气扩散的气象条件的影响(Ye等，2015；Ning等，2018)。大气扩散的理论和实践研究表明，在一定的时间段内，局地污染物排放量虽然变化不大(Wu et al.2017)，但在不同的气象条件下,大气污染物浓度变化却非常剧烈(李宗恺等，1985)，表明污染气象条件在调节污染物浓度变化方面起着至关重要的作用(Hurley etal.2001；刘宁微等，2010；Li et al.2015)。郭利等(2011)统计发现北京市6月份颗粒物质量浓度与温度呈正相关，与风速呈负相关，11月份颗粒物质量浓度与相对湿度呈正相关，与风速、温度和气压呈负相关。陈渤黎等(2015)发现常州市重污染天气多出现在西北风控制下，气温较低时，空气污染概率较大。贾梦唯等(2016)发现南京地区O₃与温度和边界层高度呈显著正相关，春、冬季颗粒物浓度与温度呈显著负相关，夏、秋季颗粒物浓度与湿度呈负相关。上述研究均表明污染物的维持、扩散和气象条件有密切的关系。

经过专利和文献检索，目前空气质量预报主要方法有两种，分别是基于数值预报模式和基于统计学方法。数值预报方法往往适合区域性的空气污染预测，基于统计学方法的空气质量预报通常应用于区域范围预报，它是基于该区域主要气象要素和空气质量的历史数据，通过分析二者之间的相关性，进行多元逐步回归，建立最优预报方程，之后使用观测到的气象数据预报未来空气质量，具有快捷、简单的特点。近年来，BP神经网络在空气质量预报方面应用广泛(李德志等，2010)，虽然BP神经网络能够较好地提取数据集中的线性和非线性因素，但是在模型的训练过程中会产生过拟合、欠拟合和计算量过大等问题，因此，模型的预测精度会受到一定程度的影响。

上述方法在空气质量预警预报中应用广泛，但其适用性具有很强的限制性。近年来全国多个地区由于污染物大量排放、复杂的地形和独特的气象条件共同作用，空气质量问题逐渐显现，而空气质量监测网目前还正处于不断发展的阶段，对于实现全地区尤其是非平原地区的空气质量实时监测还存在一定的差距，因而合理地利用数值模式完善空气质量预警预报方法具有重要意义。

发明内容

本发明的目的就在于为了解决上述问题设计了一种大气污染物浓度预警方法。

本发明通过以下技术方案来实现上述目的：

大气污染物浓度预警方法，包括以下步骤：

S1、根据大气环流形势确定污染地区的天气特征；

S2、获取气象要素和污染前体物浓度的相关数据，包括海拔高度h、地面温度T、相对湿度RH、地面风速spd、逐小时降雨量R和行星边界层高度pblh值以及NO₂、SO₂、NO、CO的质量浓度值；

S3、确定污染地区的地形特征和降水情况；