[0001] 本发明涉及大气污染防治技术领域，尤其涉及一种基于数值模拟靶区指向的大气污染源溯源方法及系统。

[0002] 传统的大气污染源监测方法往往依赖于地面固定监测站所收集的数据，这些数据在空间覆盖度和时间分辨率上存在明显的局限性，难以实现对污染源的快速、准确定位，也不能满足县、乡、街道等环保监管领域在业务化需求和日常管理上的需要。此外，相关技术中对于污染源的追踪多采用经验判断或简单的数学模型，缺乏高效且精确的定位手段。

[0014] 下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

[0015] 参照图1和图3，本发明提供了一种基于数值模拟靶区指向的大气污染源溯源方法，该方法包括以下步骤：S100、获取初始基础数据集并根据初始基础数据集确定待检测区域；
具体地，获取初始基础数据集，确定待检测污染区域中心，所述初始基础数据集包括初始气象预报驱动数据、高精度空间数据和街区场景地图；基于待检测污染区域中心向四边构建预报网格边界与预报子网格大小，确定待检测区域。

[0016] 在本实施例中，初始气象预报驱动数据使用Global Forecast System产品；高精度空间数据具体包括：精细地形地貌数据、精细土地利用数据、中尺度高分辨率排放清单数据、街区尺度极高分辨率排放清单数据，其中，所述街区尺度极高分辨率排放清单数据具体包括街区尺度道路移动源数据、街区尺度人口排放数据、街区尺度航运排放数据以及街区尺度工业源数据；街区场景地图包括道路网络、排放企业位置信息、飞行管制限制区域信息。

[0017] S200、通过街区空气质量模型对待检测区域进行空气质量模拟，确定污染靶区；具体地，将初始气象预报驱动数据与高精度空间数据输入至街区尺度空气质量数值预报模型进行计算，得到待检测区域的空气质量预报时空特征信息；将高精度空间数据中的街区尺度极高分辨率排放清单数据输入至中尺度空气质量数值预报模型再分配至预报子网格，通过高斯扩散公式进行污染浓度计算，得到初步的预报子网格污染物浓度；基于初步的预报子网格污染物浓度，剔除气象因素和大气化学反应因素在预报子网格的贡献，得到预报子网格污染物浓度；根据预报子网格污染物浓度进行污染物分布与浓度变化识别处理，确定待检测区域。

[0018] 在本实施例中，利用百米尺度的街区空气质量模型对研究区域进行空气质量模拟，识别出潜在的污染靶区，以预期污染区域为中心设定初始预报范围，预设周边四向为预报网格边界；根据网格边界基于预设地点分配需要设定预报子网格大小；将中尺度空气质量预报的时空特征信息与预报范围街区尺度排放数据相结合输入街区尺度空气质量预报模型进行计算，得到预报范围、预报时长的街区尺度空气质量预报时空特征信息；在百米尺度街区空气质量模型中将预报范围街区尺度排放数据再分配到预报子网格，并使用高斯扩散公式重新计算预报子网格污染物浓度，同时剔除中尺度空气质量模型在这些预报子网格的贡献，保留非本地输送量，最后得到预报子网格浓度；利用生成的预报子网格浓度数据，分析污染物的分布和浓度变化波动，识别出浓度较高或变化显著的区域作为潜在的污染靶区。

[0019] 其中，中尺度空气质量数值预报模型为EMEP模型，街区尺度空气质量数值预报模型为uEMEP模型。

[0020] S300、基于污染靶区，确定无人机的预设飞行路径信息，无人机具有传感器式的空气质量监测仪；具体地，基于污染靶区，获取污染靶区坐标信息并转换为无人机航线兴趣区坐标范围；初始化无人机的航点任务信息，向无人机飞行控制系统发送航点任务的整体信息和航点信息，其中，航点任务的整体信息包括最大飞行速度、巡航速度、断连控制和航点信息，航点信息包括航点高度，航点经纬度、缓冲距离、航向角度和转向模式；整合无人机航线兴趣区坐标范围与无人机的航点任务信息，构建无人机航线；在无人机航线内添加若干与无人机航线近似垂直的航线，作为无人机航线两端的控制点，连接区域网模型，确定无人机的预设飞行路径信息。

[0021] 在本实施例中，根据模拟结果，规划无人机搭载传感器式的空气质量监测仪的飞行路径，确保航线全面覆盖潜在靶区，具体包括：将污染靶区坐标信息转化为航线兴趣区坐标范围；初始化航点任务的信息，向无人机飞行控制系统发送航点任务的整体信息和航点信息，其中航点任务的整体信息包括无人机的最大飞行速度、巡航速度、断连控制和航点信息，航点信息包含航点高度，航点经纬度、缓冲距离、航向角度、转向模式等；构架航线，在测区范围内加飞的若干条与测图航线近似垂直的航线，作为基本航线两端的控制点，连接区域网模型，悬停轨迹，以增加数据采集的覆盖度。

[0022] S400、根据预设飞行路径信息进行小尺度风场构建与随机粒子模拟跟踪，构建污染靶区气流轨迹；具体地，设定稳定气流条件下的模拟环境与大气稳定性等级，根据预设飞行路径信息控制无人机进行实时流场监测并构建无人机所在位置的小尺度风场；基于小尺度风场，设置污染靶区的核心区域为中心位置，对污染靶区的受体点进行释放随机粒子；对随机粒子进行追踪并统计，确定单位时间内网格的随机粒子数量；根据单位时间内网格的随机粒子数量进行描绘处理，得到粒子的前向轨迹与粒子的前向轨迹浓度；通过街区尺度大涡模型输出分钟级的风场结果并通过反向时间顺序读取风场结果，绘制得到粒子的后向轨迹与粒子的后向轨迹浓度；结合粒子的前向轨迹、粒子的前向轨迹浓度、粒子的后向轨迹与粒子的后向轨迹浓度，得到污染靶区气流轨迹。

[0023] 在本实施例中，无人机根据实时监测到的流场形态构建小尺度风场，在风场中模拟释放随机粒子，通过追踪随机粒子获得气流轨迹，具体包括：建立二维街区浓度场，作为稳定气流条件下的模拟环境；在稳态模型中，大气稳定性等级设置为中等水平；使用CFD构建湍流浓度场，选择拟追踪污染气体作为气体种类，污染靶区核心区域设置在中心位置；在污染靶区中的受体点释放随机粒子，对粒子进行追踪；统计单位时间内单位网格的粒子数量，根据单位时间内单位网格的粒子数目确定气流主要途径网格，从而确定描绘粒子轨迹；通过记录各模拟时间步长下各粒子的位置，根据位置绘制前向轨迹及粒子的前向轨迹浓度；获取街区尺度大涡模型输出分钟级的风场结果，并通过反向时间顺序读取风场结果，模拟并记录粒子的位置，根据位置绘制后向轨迹及粒子的后向轨迹浓度。

[0024] 其中，采用前向时间顺序模拟的粒子轨迹为前向轨迹，采用反向时间顺序模拟的粒子轨迹为后向轨迹。

[0025] S500、获取目标污染物浓度等值线并结合污染靶区气流轨迹对无人机的预设飞行路径信息进行修正处理，得到修正后的无人机预设飞行路径信息；具体地，根据街区场景地图构建感知窗口，获取目标污染物浓度等值线和斑块化的风速风向，并实时评估所有斑块内潜在目标污染源出现的概率；基于污染靶区气流轨迹控制无人机进行航线航测并模拟潜在的若干污染扩散路径，迭代航线的偏移转向使得追踪权重指标达到最高，获取修正后的偏移转向；对无人机传感器先前越过边界的最后两个位置的线进行角度校正，减小边界交叉角，获取修正后的边界交叉角；结合修正后的偏移转向与修正后的边界交叉角确定到达污染源周边最小可锁定范围，得到修正后的无人机预设飞行路径信息。

[0026] 在本实施例中，如图4所示，无人机根据风场内气流轨迹和目标污染物浓度等值线实时计算监测路径权重并动态调整圈航定位的航线，具体包括：根据场景地图创建一个固定大小的感知窗口，获取目标污染物浓度等值线和斑块化的风速风向，实时评估所有斑块内潜在目标污染源出现的概率；无人机沿着初定航线航测的进行的同时，模拟潜在的若干污染扩散路径，迭代航线的偏移转向使得追踪权重指标达到最高；对传感器先前越过边界的最后两个位置的线进行角度校正，减小边界交叉角；每当传感器越过边界时，都会执行角度校正，实时评估下一步的目标并移动直到它到达污染源周边最小可锁定范围。

[0027] 污染扩散路径估计过程通过主动感知导航策略增强，以最大限度地提高每一次航向迭代获得的信息。

[0028] S600、根据修正后的无人机预设飞行路径信息确定目标污染物的排放源区的位置，生成大气污染源溯源报告。

[0029] 具体地，根据修正后的无人机预设飞行路径信息确定污染高值区内可疑污染源并作为污染暴露指标，进行热力分析构建测区主要污染物热力图；获取污染高值区内可疑污染源的时空分布特征、主要扩散路径及其对周边环境的潜在影响，结合测区主要污染物热力图，生成大气污染源溯源报告。

[0030] 在本实施例中，通过数据分析，最终确定目标污染物的排放源区的精确位置，并生成详细的溯源报告，具体包括：把污染高值区内可疑污染源作为污染暴露指标，进行热力分析构建测区主要污染物热力图；描述污染源的类型、排放物质、可能的排放路径和量化的排放水平，包括污染源的产业类型、特征等信息；该个体污染源对周围空气质量的影响，包括污染物浓度的时空分布特征、主要扩散路径及其对周边社区和环境的潜在影响；根据污染源的性质和影响，评估其对人体健康和环境的风险，提供浓度分布图、传播路径示意图和现场监测数据报告。

[0031] 综上，以一个具体实施例进行阐述，首先，准备及制作甲地的地形地貌、土地利用、城市冠层数据、MEIC排放清单数据以及甲地的街区尺度极高分辨率排放清单数据，下载2023年5月18日至2023年5月20日（共计3天），时间分辨率为6小时（共计18个）的GFS预报产品。中尺度气象数值预报模型（以下简称WRF模型）WRF与中尺度空气质量数值预报模型EMEP（以下简称EMEP模型）模拟地点为乙地，乙地的尺度空气质量数值预报模型uEMEP（以下简称uEMEP模型）模拟地点为甲地，预报时长为72小时。WRF模型与EMEP模型以23.5°N，113.7°E为中心点，设置WRF模型与EMEP模型网格分辨率为3公里，覆盖乙地，网格数为145×124，设置uEMEP模型子网格分辨率为250m，覆盖甲地，子网格数为480×480。将GFS预报产品在WRF模型中进行插值，初始化气象边界场，模拟乙地2023年5月18日至2023年5月20日3公里分辨率的气象场，得到3公里分辨率的气象预报时空特征信息。将3公里分辨率的气象预报时空特征信息作为EMEP模型的气象驱动场，模拟乙地2023年5月18日至2023年5月20日3公里分辨率的空气质量场，得到3公里分辨率的空气质量预报时空特征信息。将3公里分辨率的空气质量预报时空特征信息作为uEMEP模型的空气质量驱动场，模拟甲地2023年5月18日至2023年5月20日250米分辨率的空气质量场，得到250m分辨率的空气质量预报参数，包括：2m氮氧化物浓度、2m二氧化碳浓度、2m臭氧浓度、2m颗粒物浓度（包括PM10及PM2.5）。对所得子网格的浓度数据矢量化，确定街区规模内污染气体浓度较高的若干位置，并按顺序链接，进行线性拟合，取其浓度较高或变化显著的区域作污染靶区，下面按照所述污染靶区进行无人机预航线规划设置。

[0032] 随后，无人机按照预设航线起飞，携带空气质量传感器实时监测空气中的污染物浓度。

[0033] 在航线预规划过程中需满足如下边界约束条件，其表达式为：；
上式中 ， 为 无人机在 惯性坐标 系下相对原 点的位置 ，
为无人机可飞行区域边界值。

[0034] 无人机飞行过程中，应满足如下速度约束，其表达式为：；
上式中， 为无人机飞行速度， 分别为无人机可达到的最小、最大
飞行速度。

[0035] 从无人机飞行时效角度考虑，将考虑经过若干个污染物浓度极大值点并以最短航程到达终点作为航线预规划问题性能指标，具体可表示为：；
上式中，F为总代价， 为航程代价， 为两目标点间航线点数量，
为威胁代价。

[0036] 为进一步提高求解精度，获得飞行参考指令，进行无人机航线再规划。建立状态变量与控制变量间的数学关系，通过求解目标函数的最优值进而获得无人机飞行航线。用一般最优控制方法进行数学描述，表示为Bolza型性能指标函数，其表达式为：；

[0037] 上式中， 为状态变量， 为初始时刻， 为末端时刻， 为动态性能指标， 为末端性能指标，则满足：1）状态方程约束，其表达式为：
；

[0038] 2）边界条件，其表达式为：；

[0039] 3）航线约束，其表达式为：；

[0040] 其中 为控制量，且满足 。

[0041] 以四旋翼无人机动力学模型为例，进一步考虑无人机速度、位置、姿态等约束条件：1）基本信息；
位置坐标 、沿轴速度 、绕轴姿态 和绕轴角速度
分别表示为：
；
上式中， 为无人机相对惯性坐标系原点的3个轴的距离； 为无
人机速度在惯性坐标系3个轴方向的分量； 为无人机质量； 为重力加速度； 为垂直升力； 为力矩； 为无人机相对于惯性坐标系的转动惯量。

[0042] 2）性能约束；四旋翼无人机性能由其自身能力决定，为保证无人机安全，对无人机飞行速度、姿态角和绕轴角速度加以约束，有：
；

[0043] 上式中， 为无人机在惯性坐标系下的飞行速度， 为无人机在机身坐标系相对惯性坐标系的姿态角， 为无人机自身角速度， 为
速度的边界值， 为姿态角的边界值， 为角速度的边界
值。

[0044] 在飞行过程中，无人机根据实时数据调整航线，逐步聚焦于污染物浓度较高的区域。

[0045] 根据污染靶区的航线与规划的结果，由风场内气流轨迹实时计算监测路线权重，结合图论法求解最优污染监测航程步骤如下：1）将无人机监测任务的环境抽象为一个加权无向图模型。在这个模型中，无人机、可疑污染源、关键监测点以及其他重要地点均被视为图中的节点。节点之间的连接，即无人机的潜在飞行路径，用无向边表示，每条边的权重代表无人机在两个节点间飞行的成本或距离，这些权重综合考虑飞行监测的时效。

[0046] 2）用粒子群算法预规划航程构建邻接矩阵，即为图的权值。建立邻接矩阵将节点间的连接关系和权值以邻接矩阵的形式表示，所述权值可以根据实际需要情况预先规划或实时利用粒子群算法进行预规划计算得出。

[0047] 3）确定任务执行方案。结合图论法与深度优先搜索算法求解最短路问题，快速获得无人机任务执行方案。

[0048] 最终，无人机成功定位到一个未经报告的化工厂排放口。

[0049] 参照图2，一种基于数值模拟靶区指向的大气污染源溯源系统，包括：第一模块201，用于获取初始基础数据集并根据初始基础数据集确定待检测区域；
第二模块202，用于通过街区空气质量模型对待检测区域进行空气质量模拟，确定污染靶区；
第三模块203，用于基于污染靶区，确定无人机的预设飞行路径信息，所述无人机具有传感器式的空气质量监测仪；
第四模块204，用于根据预设飞行路径信息进行小尺度风场构建与随机粒子模拟跟踪，构建污染靶区气流轨迹；
第五模块205，用于获取目标污染物浓度等值线并结合污染靶区气流轨迹对无人机的预设飞行路径信息进行修正处理，得到修正后的无人机预设飞行路径信息；
第六模块206，用于根据修正后的无人机预设飞行路径信息确定目标污染物的排放源区的位置，生成大气污染源溯源报告。

[0050] 上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

[0051] 以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。