[发明专利]一种人为与气象因素对大气污染物浓度影响的评估方法

说明书

本发明公开了一种人为与气象因素对大气污染物浓度影响的评估方法，设定天气尺度上的污染气象要素波动是导致大气污染物浓度变化的驱动因素，也是驱动污染物浓度季节变化和年际波动的因素，采用统计方法，从逐日资料序列中剥离出污染物浓度和相关气象要素的扰动量并构建统计模型，进而计算出大气污染物浓度变化中人为因素和气象因素的贡献率。本发明提出的方法经济以及社会效益高，能够广泛应用在大气污染研究领域。

技术领域

本发明涉及大气污染研究领域，具体是指一种人为与气象因素对大气污染物浓度影响的评估方法。

背景技术

大气污染是大气污染物排放和不利气象条件共同作用的结果，其中大气污染物排放是内因，不利气象条件是外因，重污染过程中大气污染物集聚、爆发增长气象条件及其反馈机制是学术热点问题。大气污染物浓度变化是受大气污染排放及管控水平(人为因素)和大气扩散、清除、区域输送和光化学反应能量条件等(气象因素)联合驱动的结果，如何分离并量化评估人为因素、气象因素对大气污染物浓度变化的贡献率，一直是生态环境、气象等相关部门关心的问题，而目前学术界对此尚无定论，业务上也没有参考标准。

据现有技术可知，分离人为因素、气象因素对大气污染物浓度变化贡献的方法主要有模式法和统计法两类。模式法通常基于相比较时段内污染物排放情景不变的假设，采用两套相比较时段内气象场数据驱动同一套排放源数据得到污染物浓度差异，认为仅仅由于气象条件不同而导致的气象贡献，其优点是物理机制清楚，局限性在于运行复杂、操作成本高，且常常由于缺乏及时更新的排放源数据导致误差较大问题。事实上，排放源不变的假设条件在很多情况下是不成立的，逻辑上看，假定排放因素不变，大气污染物浓度的变化必然就是气象条件的影响，气象贡献率是100％，无需评估。因此模式法常见于个例分析，业务上稳定运行的不多见。而统计法基本假设是认为天气尺度气象因素波动是导致大气污染物浓度变化的驱动因素，也是驱动污染物浓度年内变化(季节变化)和年际波动的因素，进而采用统计学方法构建相关气象条件(自变量)和大气污染物浓度(因变量)之间的关系模型，定量刻画气象贡献率。统计法的优点是操作简易，局限性是机理性不强，在不能很好解释结果的时候，其模型结构、因子选取合理性常常受到质疑。

因此，一种能够克服上述技术缺陷的技术有待提出。

发明内容

本发明提供的技术方案为：

一种人为与气象因素对大气污染物浓度影响的评估方法，设定天气尺度上的污染气象要素波动是导致大气污染物浓度变化的驱动因素，也是驱动污染物浓度季节变化和年际波动的因素，采用统计方法，从逐日资料序列中剥离出污染物浓度和相关气象要素的扰动量并构建统计模型，进而计算出大气污染物浓度变化中人为因素和气象因素的贡献率。

进一步地，包括以下步骤：

S1、根据逐日污染物浓度Y和K个相关气象要素X_1～k，采用7天滑动平均法，得到变量Y和X_1～k的趋势值Y_trend、X_trend,1～k，则有，第i日的污染物浓度趋势值为：

式中，Y_trend，i为第i日的污染物趋势值，单位为μg/m³，i为日期序号，Y_i-k为i-k日的污染物实况值；

S2、分离出天气尺度上的污染物浓度Y和相关气象要素X_1～k的波动量Y_d、X_d,1～k，计算公式为：Y_d＝Y-Y_trend，X_d,1～k＝X_d,1～k—X_trend,1～k，式中Y、X_d,1～k分别为对应要素当日值，Y_trend、X_trend,1～k为步骤S1得到的趋势变量；