[发明专利]一种大气温室气体在线观测数据的本底筛分方法

说明书

本发明公开了一种大气温室气体在线观测数据的本底筛分方法。它包括如下步骤，步骤一：温室气体在线观测数据及同期风资料收集；步骤二：数据前处理；步骤三：源排放影响信息识别；步骤四：本底筛分；步骤五：获取合理的本底浓度；结果合理则筛分结束；若结果不满意或存疑，则返回步骤三，采用不同时间段或不同的浓度间隔重新绘制二元条件概率函数图进行源信息识别，直至获取合理的本底浓度。本发明具有物理意义明确、普适性强、可行性高且筛分处理精细的优点。

技术领域

本发明涉及数据本底筛分领域，更具体地说它是一种大气温室气体在线观测数据的本底筛分方法。

背景技术

工业革命以来，人类活动排放的温室气体(CO₂，CH₄，N₂O等)浓度不断上升，对大气化学和全球气候产生了巨大的影响。为掌握大气温室气体的浓度水平及变化特征，国内外多家机构相继在全球多个地区建立大气观测站开展温室气体及其相关微量成分的观测，其中中国气象局自二十世纪90年代起在世界气象组织全球大气观测网(WMO/GAW)项目框架下，陆续在青海瓦里关、北京上甸子站等7个大气本底站开展温室气体的联网观测。观测手段主要包括在线连续观测和瓶采样两种，其中在线观测能获取高时间分辨率和高精度数据，可实时捕捉一定时期内气团传输轨迹、污染时间及浓度变化。大气本底监测的主要目的是测量典型地域具有代表性的各类大气参数，关注重点是不受局地或/和区域源汇的影响、混合充分的大气特征及长期变化。尽管这些大气本底站建设在远离污染源的清洁地区，但仍难以避免地受到局地源汇的影响，其观测值代表一定区域内大气状况的同时，观测资料中浓度高值和低值也反映了局地源汇动态变化的信息。由于不同站点的地理位置、地形地貌和环境状况等差异，观测资料的时空代表性存在较大不同，在分析时必须准确提取代表性的本底值(即本底筛分)，才能用于研究全球或区域尺度上大气温室气体浓度水平及变化趋势；与此同时，被筛分出的污染数据则可用于反演特定区域温室气体源汇分布的动态变化，或者进一步结合数值模式研究其长距离输送及汇特征。

目前，国内外已建立了多种本底/非本底浓度的筛分方法，主要包括：基于地面风和污染物日变化的筛分法(SWDV)，基于稳健局部近似回归的筛分法(REBS)，利用平均移动的过滤法(MAF)，结合后向轨迹的筛分法(TRJ)，以一氧化碳(CO)或黑炭(BC)等特定污染物为参考联合判别本底的筛分法等。这些方法各有特点和局限性，例如，基于数理统计的REBS法优势在于简便易操作，但该方法缺乏物理意义，且不适用于对类似于N₂O变化幅度小的温室气体进行本底筛分；结合地面风向和风速及浓度日变化的SWDV法虽然考虑了风对温室气体浓度分布的影响，但根据风扇区上平均浓度大小直接对相关扇区数据整体删除的处理不够精细化；结合特定污染物为参考的筛分法物理意义明确，但需要大气温室气体研究期间的这些特定污染物的同期观测资料，而有些站点并未开展相关观测。

大气本底观测数据包括受局地源汇影响数据(非本底数据)和区域混合均匀的数据(本底数据)，合理的筛分出区域混合均匀的浓度信息对于认识区域大气特性至关重要。而现有大气温室气体本底筛分方法通常存在物理意义不足、普适性或可行性差的问题。

因此，非常有必要建立一种物理意义明确、普适性强、可行性高的大气温室气体本底浓度筛分方法。

发明内容

本发明的目的是为了提供一种大气温室气体在线观测数据的本底筛分方法，物理意义明确、普适性强(可用于不同类型观测站的多种大气温室气体数据)、可行性高(所需分析资料相对单一和易获取)。

为了实现上述目的，本发明的技术方案为：一种大气温室气体在线观测数据的本底筛分方法，其特征在于：包括如下步骤，

步骤一：温室气体在线观测数据及同期风资料收集；

步骤二：数据前处理；

步骤三：源排放影响信息识别；