技术领域
[0001] 本发明属于大气污染防治技术领域，具体涉及一种面向监测站点的大气污染管控效果评估方法。
相关背景技术
[0002] 随着对大气污染问题的深入认识，站点级别的小尺度精细化管控成为当前大气污染治理的焦点。评估面向监测站点的大气污染管控效果是精细化管控中重要的一环，简便快速地评估可实现大气污染管控的快速响应，及时获得管控效果并做出相应改善，推动环境空气质量的进一步提升。因此，在实施面向监测站点大气污染精细化管控时，建立一套面向监测站点的大气污染管控效果评估方法尤为必要。
[0003] 目前，大气污染管控效果评估方法主要依赖空气质量模型，但其计算过程复杂，获取结果需要较长时间。此外，评估结果的准确性可能会受到一些未知的污染机制和污染源排放清单准确性的影响。同时，对资源配置的要求也较高，实际应用不够方便和快捷。另一方面，小尺度范围内的污染物排放清单获取较为困难，导致基于模型的评估方法在小范围内难以实现。然而，通过建设大气环境监测站点，可以实现对污染物浓度和气象条件等影响空气质量的因素进行可视化监测，这一举措使得对小尺度范围内大气污染管控效果评估变得更加便捷和高效。
具体实施方式
[0041] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0042] 下面结合附图对本发明做进一步的详细描述：
[0043] 如图1所示，本发明提供一种面向监测站点的大气污染管控效果评估方法，包括：
[0044] S1、获取目标站点在目标时段及基准时段的污染物浓度数据和气象数据，并基于气象数据在两个时段分别划分风向区间；其中，
[0045] 所述污染物浓度数据包括PM2.5、PM10、SO2、NO2、CO和O3的浓度数据，所述气象数据包括风向数据；
[0046] 基准时段的选取方法为：利用统计学相似性分析法分析目标时段和历史时段的气象条件的相似性，选择满足要求的历史时段作为基准时段，例如两年同一月份可认为是具有相似气象条件的两个月；时段优选为月，时刻优选为小时；
[0047] 目标站点在目标时段与基准时段的污染物浓度数据和气象数据可通过数据共享平台或者气象局和环保局相应网站等渠道获取；
[0048] 风向区间的划分方法为：依据风向划分标准，结合目标站点周围的实际情况进行风向区间划分，可划分为北、东北、东、东南、南、西南、西、西北八个风向区间。
[0049] S2、基于S1获取的污染物浓度数据以及所划分的风向区间，计算两个时段各风向区间下的逐时刻污染物本地贡献浓度及污染物本地贡献浓度均值；其中，两个时段各风向区间下的逐时刻污染物本地贡献浓度及污染物本地贡献浓度均值的计算方法为：
[0050] 依据污染物本外地贡献计算方法，分别计算目标站点两个时段各风向区间下逐时刻污染物本地贡献占比(Ci)，与对应区间同一时刻的污染物浓度(μ)相乘得到两个时段各区间下逐时刻污染物本地贡献浓度(μt)，分别统计两个时段各风向区间下污染物本地贡献浓度数量并计算总和(n)，得到两个时段各风向污染物本地贡献浓度均值 计算公式如下：
[0051] μt＝μ·Ci
[0052]
[0053] 式中：
[0054] μt—各风向区间逐时刻污染物本地贡献浓度；
[0055] μ—各风向区间逐时刻污染物站点监测浓度值；
[0056] Ci—各风向区间逐时刻污染物本地贡献占比；
[0057] —各风向区间污染物本地贡献浓度均值；
[0058] n—各风向区间内污染物本地贡献浓度数量。
[0059] S3、基于S2得到的基准时段各风向区间污染物本地贡献浓度均值 以及目标时段各风向区间污染物本地贡献浓度均值 将同一风向区间的基准时段与目标时段的均值做差，得到差值Δμ，计算公式如下：
[0060]
[0061] Δμ—各风向区间基准时段与目标时段污染物本地贡献浓度均值的差值；
[0062] —基准时段污染物本地贡献浓度均值；
[0063] —目标时段污染物本地贡献浓度均值。
[0064] S4、基于S3得到的各风向区间两个时段污染物本地贡献浓度均值的差值Δμ，计算差值Δμ与对应风向区间基准时段污染物本地贡献浓度均值 的比值η；定义该比值η为相对变化率，以此表征目标时段站点各方位的污染管控效果；计算公式如下：
[0065]
[0066] 式中：
[0067] η—目标时段站点各方位的污染管控效果；
[0068] Δμ—各风向基准时段与目标时段污染物本地贡献浓度均值的差值；
[0069] —各风向基准时段本地贡献浓度均值。
[0070] 实施例：
[0071] 本发明一种面向监测站点的大气污染管控效果评估方法，以山东省临沂市十里堡作为研究地点，研究时间为2021年6月与2022年6月两个时段，将2021年6月作为基准时段，2022年6月作为目标时段，以NO2作为研究污染物，进行实施例的污染管控措施评估，具体包括：
[0072] S1、通过山东省临沂市罗庄区国控站点得到2021年6月与2022年6月两个时段的NO2浓度数据和风向数据；基于得到的风向数据及表1的风向划分标准，将两个时段进行风向区间划分，分为北、东北、东、东南、南、西南、西和西北八个风向区间。
[0073] 表1：风向参考标准
[0074] 风向 标准(°)北风 0‑22.5&337.5‑360
东北风 22.5‑67.5
东风 67.5‑112.5
东南风 112.5‑157.5
南风 157.5‑202.5
西南风 202.5‑247.5
西风 247.5‑292.5
西北风 292.5‑337.5
[0075] S2、基于S1获取的两个时段的NO2逐小时站点浓度数据，计算临沂市十里堡居委2021年和2022年两个月各风向区间下逐小时的NO2本地排放占比(Ci)，与对应风向区间相应时刻的NO2站点监测浓度值(μ)相乘得到临沂市十里堡2021年6月及2022年6月各风向区间下逐小时的NO2本地贡献浓度(μt)，同时计算八个风向下的NO2本地贡献浓度均值 计算公式如下，具体数据见表2；
[0076] μt＝μ·Ci
[0077]
[0078] 式中：
[0079] μt—逐小时NO2本地贡献浓度；
[0080] μ—逐小时NO2站点监测浓度值；
[0081] Ci—逐小时NO2本地贡献占比；
[0082] —两个时段八个风向区间NO2本地贡献浓度均值；
[0083] n—各风向区间内NO2本地贡献浓度数量；
[0084] S3、基于S2计算得到的临沂市十里堡居委2021年6月及2022年6月两时段各风向区间下逐小时的NO2本地贡献浓度均值，计算对应风向区间基准时段与目标时段NO2本地贡献浓度均值的差值，公式如下，详细数据见表2；
[0085]
[0086] 式中：
[0087] Δμ—各风向2021年6月与2022年6月NO2本地贡献浓度均值的差；
[0088] —2022年6月NO2本地贡献浓度均值；
[0089] —2021年6月NO2本地贡献浓度均值；
[0090] 表2：临沂市十里堡2022年6月相比于2021年6月的NO2各方位管控效果[0091]
[0092] S4、基于S3得到的临沂市十里堡2021年6月与2022年6月八个风向区间的NO2本地贡献浓度均值的差值，计算此差值与2021年6月份相应风向区间下NO2本地贡献浓度均值的比值，得到每一风向下的NO2相对变化率即NO2管控效果，计算公式如下，结果见表2和图2。
[0093]
[0094] 式中：
[0095] η—2022年6月NO2各方向的污染管控效果；
[0096] Δμ—2021年6月与2022年6月NO2各风向区间本地贡献浓度均值的差值；
[0097] —2021年6月NO2本地贡献浓度均值。
[0098] 本发明的优点为：
[0099] 本发明在考虑气象条件和区域传输的基础上，通过对站点监测数据在不同时段的差异进行分析，简便而快速的得到大气污染管控效果，为环境相关部门制定污染管控措施提供理论支撑，对城市大气污染防治有重要意义。
[0100] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
