基于走航监测的产业集群VOCs污染溯源分析方法

摘要

基于走航监测的产业集群VOCs污染溯源分析方法，S1.记录产业集群VOCs的排放水平进行反演模拟所需的参数；S2.经纬度的坐标变换；S3.走航监测点位与VOCs排放源相对位置的计算；S4.有组织源排放系数计算；S5.无组织源排放系数计算；S6.排放强度反演；S7.VOCs污染排放溯源；S8.模拟效果验证；S9.产业集群VOCs污染空间分布特征模拟。本发明以产业集群VOCs走航监测结果，反演低矮工业集群背景浓度及各个有组织、无组织源排放水平。在此基础上，根据反演获得的背景浓度及源强信息，重新模拟计算园区VOCs污染物分布特征，解决了产业集群VOCs污染排放溯源的困难，实现对环境的智慧化管理和监控。

说明书

技术领域

本发明涉及污染物扩散模拟与溯源技术领域，尤其涉及一种基于走航监测的产业集群VOCs污染溯源分析方法。

背景技术

挥发性有机物(VOCs)是PM

近年来，随着VOCs走航监测技术的逐渐成熟，走航监测方法已成为掌握低矮产业集群VOCs污染精细分布的重要手段，并在环境管理过程中获得广泛应用，现阶段，通过走航监测手段，能够获得产业集群周界及内部道路污染分布的监测结果，但从园区内道路至排污企业的溯源及排放水平的核算，仍然需要依靠环境管理人员的现场调研及监测，成为影响环境管理智慧化、精细化水平的重要因素，从而使我国工业园区大气污染物排放的控制与管理陷入了溯源难、监管难的困境。

发明内容

本发明为解决上述问题提供了一种基于走航监测的产业集群VOCs污染溯源分析方法。

本发明所采取的技术方案：

基于走航监测的产业集群VOCs污染溯源分析方法，其步骤为：

S1.记录产业集群VOCs的排放水平进行反演模拟所需的参数，参数包括观测日期、气象条件、走航监测数据、有组织源参数和无组织源参数，低矮工业集群VOCs实时排放量算法输入参数如表1所示；

表1

S2.经纬度的坐标变换：采用WGS-84坐标系对走航监测点位经纬度、排气筒经纬度、无组织源中心点经纬度进行坐标，在模拟分析前，将走航监测点位经纬度、排气筒经纬度、无组织源中心点经纬度，通过高斯投影坐标正算公式将经纬度坐标转换为平面直角坐标系坐标；

S3.走航监测点位与VOCs排放源相对位置的计算：

(1)排放源及走航监测点位平移，将排放源M

(2)观测点位相对排放源的角度计算：以Y轴正方向为起点，沿顺时针方向转到

①y

若y

若y

若x

若xij＜0，则：

②y

若x

若x

若x

(3)判断走航监测点位是否位于排放源下风向，将风向为ω转化为弧度(W)为：

若

若

(4)计算B

若

S4.有组织源排放系数计算：逐一建立有组织源源强(Q

其中：u为10m高度处的平均风速；σ

表4扩散系数的计算方法

S5.无组织源排放系数计算：通过虚拟点源法进行无组织源扩散的模拟，将污染企业按污染源的分布划分若干正方形，宽度为B

表5虚拟点源与面源单元中心距离x

表6扩散系数的计算方法

S6.排放强度反演：工业园区模拟范围内有组织、无组织源总数量为p，排放强度分别为Q

Q＝(Q

定义各个走航监测点位VOCs浓度拟合值与观测值的偏差为bias：

基于蒙特卡罗方法，不断随机生成新的列向量Q，计算相应的列向量

S7.VOCs污染排放溯源：在获得各个VOCs排放源的排放速率拟合结果Q

S8.模拟效果验证：通过拟合结果Q

S9.产业集群VOCs污染空间分布特征模拟：在模拟区域四周范围内，以固定间隔网格化选取模拟点位，计算各个模拟点位的经纬度及VOCs浓度，以掌握模拟区域内VOCs污染的空间分布情况；在XYZ坐标系中，计算各个模拟点位的坐标，计算各个模拟点位与VOCs排放源的相对位置、有组织源及无组织源排放系数α

所述的S2步骤中坐标变换时，假设模拟区域中有p个涉VOCs排放源，VOCs排放源为有组织源或无组织源，分别为Q

在排放源周边区域开展VOCs走航监测，共获得n个走航监测点位，分别为A1，A2，…，An，相应的各点位VOCs走航监测浓度分别为C1，C2，…，Cn，令第i号走航监测点位的坐标为A

所述的S2步骤中的平面直角坐标系为三维直角坐标系XYZ，其原点为O，XOY平面为水平面，令Y轴、X轴正方向为分别指向正北、正东，Z轴正方向垂直于水平面指向天空，X、Y、Z轴单位长度均为1m。

所述的S4步骤中大气稳定度通过Pasquill分类方法计算，H为泄漏源有效高度，即排气筒高度与烟羽抬升高度的总和，其中烟羽抬升高度默认采用霍兰德公式，扩散系数σ

所述的Pasquill方法中随着气象条件稳定性的增加，大气稳定度可以分为A、B、C、D、E、F六类，其中A、B、C三类表示气象条件不稳定，E、F两类表示气象条件稳定，D类表示中性气象条件，即气象条件的稳定性处于稳定和不稳定之间，Pasquill大气稳定度分类如表2所示，日照强度取值如表3所示；

表2 Pasquill大气稳定度分类

表3日照强度取值(α为太阳高度角)

本发明的有益效果：本发明以产业集群VOCs走航监测结果、园区企业分布信息及排气筒参数、气象数据为输入信息，通过对园区内部进行一轮走航监测，反演获得园区内各企业有组织、无组织源排放水平，算法基于高斯扩散模式和虚拟点源方法，反演低矮工业集群背景浓度及各个有组织、无组织源排放水平。在此基础上，根据反演获得的背景浓度及源强信息，重新模拟计算园区VOCs污染物分布特征，解决了产业集群VOCs污染排放溯源的困难，实现对环境的智慧化管理和监控。

附图说明

图1为本发明的产业集群VOCs排放反演算法示意图。

图2为本发明的有组源及走航监测点位坐标变换示意图。

图3为本发明的观测点位相对排放源的角度示意图。

图4为本发明的走航监测点位坐标旋转示意图。

图5为本发明的虚拟点源模拟示意图。

具体实施方式

基于走航监测的产业集群VOCs污染溯源分析方法，其步骤为：

S1.记录产业集群VOCs的排放水平进行反演模拟所需的参数，参数包括观测日期、气象条件、走航监测数据、有组织源参数和无组织源参数，低矮工业集群VOCs实时排放量算法输入参数如表1所示；

表1

S2.经纬度的坐标变换：采用WGS-84坐标系对走航监测点位经纬度、排气筒经纬度、无组织源中心点经纬度进行坐标，平面直角坐标系为三维直角坐标系XYZ，其原点为O，XOY平面为水平面，令Y轴、X轴正方向为分别指向正北、正东，Z轴正方向垂直于水平面指向天空，X、Y、Z轴单位长度均为1m，

假设模拟区域中有p个涉VOCs排放源，VOCs排放源为有组织源或无组织源，分别为Q

在排放源周边区域开展VOCs走航监测，共获得n个走航监测点位，分别为A1，A2，…，An，相应的各点位VOCs走航监测浓度分别为C1，C2，…，Cn，令第i号走航监测点位的坐标为A

在模拟分析前，将走航监测点位经纬度、排气筒经纬度、无组织源中心点经纬度，通过高斯投影坐标正算公式将经纬度坐标转换为平面直角坐标系坐标；得到a

S3.走航监测点位与VOCs排放源相对位置的计算：

(1)排放源及走航监测点位平移，将排放源M

(2)观测点位相对排放源的角度计算：以Y轴正方向为起点，沿顺时针方向转到

①y

若y

若y

若x

若x

②y

若x

若x

若x

(3)判断走航监测点位是否位于排放源下风向，将风向为ω转化为弧度(W)为：

若

若

(4)计算B

若

S4.有组织源排放系数计算：逐一建立有组织源源强(Q

其中：u为10m高度处的平均风速；σ

大气稳定度通过Pasquill分类方法计算，H为泄漏源有效高度，即排气筒高度与烟羽抬升高度的总和，其中烟羽抬升高度默认采用霍兰德公式，扩散系数σ

所述的Pasquill方法中随着气象条件稳定性的增加，大气稳定度可以分为A、B、C、D、E、F六类，其中A、B、C三类表示气象条件不稳定，E、F两类表示气象条件稳定，D类表示中性气象条件，即气象条件的稳定性处于稳定和不稳定之间，，Pasquill大气稳定度分类如表2所示，日照强度取值如表3所示；

表2 Pasquill大气稳定度分类

表3日照强度取值(α为太阳高度角)

表4扩散系数的计算方法

S5.无组织源排放系数计算：通过虚拟点源法进行无组织源扩散的模拟，将污染企业按污染源的分布划分若干正方形，宽度为B

表5虚拟点源与面源单元中心距离x

表6扩散系数的计算方法

S6.排放强度反演：工业园区模拟范围内有组织、无组织源总数量为p，排放强度分别为Q

Q＝(Q

定义各个走航监测点位VOCs浓度拟合值与观测值的偏差为bias：

基于蒙特卡罗方法，不断随机生成新的列向量Q，计算相应的列向量

S7.VOCs污染排放溯源：在获得各个VOCs排放源的排放速率拟合结果Q

S8.模拟效果验证：通过拟合结果Q

S9.产业集群VOCs污染空间分布特征模拟：在模拟区域四周范围内，以固定间隔网格化选取模拟点位，计算各个模拟点位的经纬度及VOCs浓度，以掌握模拟区域内VOCs污染的空间分布情况；在XYZ坐标系中，计算各个模拟点位的坐标，计算各个模拟点位与VOCs排放源的相对位置、有组织源及无组织源排放系数α

实施例1

本研究选择汉沽现代产业园作为低矮产业集群VOCs实时排放量算法的示范园区，该园区工业企业以小型企业为主，涉VOCs排放企业数量众多，涉及医药制造、涂料及油墨制造、高分子材料制造、金属制品制造、食品制造等多种行业，VOCs排放以低矮源为主，本研究对产业集群VOCs污染排放进行溯源分析的研究定位。算法通过对低矮产业集群进行单次走航监测，反演获得集群内各有组织、无组织源排放水平，算法假定走航监测期间，局地气象条件保持基本稳定，污染物保持稳态扩散。有鉴于此，在低矮产业集群开展走航监测的持续时间应尽可能缩短，减少对重复路段进行监测，降低局地气象场变化对反演结果的影响。同时，走航监测路线规划应尽可能全面地包含产业集群内全部道路，避免遗漏污染高值区域。

基础数据的获得

VOCs走航监测数据的获得：为了保障监测结果的准确性，在每日开展走航监测前，均对PTR-MS设备进行单点校正。监测过程中，PTR-MS设备大约每4s获得一组VOCs监测数据，车速保持在约20～30km/h，即大约每22.2～33.3m可获得一组VOCs监测数据，所选低矮产业集群内两相邻道路间距约为330～390m，即每一路段内可获得约10～15组监测结果，走航监测获得的VOCs浓度数据能够有效反映产业集群内污染物的空间分布情况。

通过走航监测，获得示范低矮产业集群内部道路的VOCs浓度分布，集群内道路VOCs污染的浓度范围约为35.3-197.9μg/m

气象数据：气象数据通过走航监测车自带的气象仪获得，每次对低矮产业集群进行走航监测前，监测车在集群内进行10min的定点监测，用于获取所需的风向、风速、环境温度等参数。

排气筒参数、无组织源参数等企业信息：排气筒高度、直径、气云释放速度、烟温等参数通过调研企业涉VOCs排气筒例行监测报告获得，排气筒经纬度、企业无组织源中心点经纬度、无组织源宽度等信息通过卫星地图获得。示范集群内，涉VOCs排放企业数量共计63家，其中在22个企业获得55个有组织源相关资料，为其建立全部的有组织、无组织源输入参数；对于剩余41家涉VOCs排放企业，仅为其设置无组织源输入参数，最终在示范集群内共计设置63个企业的139个无组织源信息。

低矮产业集群VOCs排放水平反演与偏差分析：

低矮产业集群VOCs排放水平反演：基于本项目开发的VOCs排放实时量化算法，结合气象条件与走航监测结果，反演示范低矮产业集群的VOCs有组织、无组织排放强度及背景浓度。园区背景浓度反演结果为30.4μg/m

示范集群内，反演获得的22个企业的有组织排放速率、63个企业的无组织排放强度，反演获得的产业集群总排放强度为48.4kg/h，各有组织源排放强度低于或与VOCs允许排放速率相当(参考天津市《工业企业挥发性有机物排放控制标准》(DB12/524-2020))。对于获得全部排气筒信息的22个企业，有组织、无组织源总排放速率分别为7.8kg/h、10.2kg/h，无组织排放强度略高于有组织排放。

无组织源VOCs排放水平拟合结果分析：无组织排放强度的量化是当前摸清VOCs排放水平面临的一个重要挑战，为了考察算法对无组织源排放的模拟情况，本工作设置了三种模拟情境，对拟合结果进行了对比分析。三个模拟情境下均包含了22家企业的排气筒信息，设置无组织源参数企业数量分别为：①63家、②43家、③22家、④0家。

从拟合结果中可以看出：

a随着无组织源被逐渐剔除，模拟偏差(bias)由13.9μg/m

b.研究区域的VOCs总排放强度受无组织源缺失的影响较小，在包含全部企业无组织源参数的模拟情境下，VOCs总排放量模拟结果为48.4kg/h，随着无组织源参数的减少，VOCs总排放量模拟结果为48.0～53.6kg/h，总排放水平变化范围在约10.7％以内；

随着无组织源的逐渐剔除，有组织源排放强度的拟合结果明显增大，原因在于部分企业有组织源排放速率明显偏高。这一结果表明，由于无组织源的缺失，算法程序需要将无组织源对空气质量的影响，转化为有组织源排放的影响，导致有组织源拟合结果大幅升高，而由于有组织、无组织排放污染物扩散的差异，这一转化将不可避免地导致模拟结果偏差(bias)增大。

模拟结果说明，该算法能够有效的对无组织源排放水平进行模拟，随着程序中无组织源的引入，模拟结果的偏差水平有效降低，示范低矮产业集群在3种不同情境下的拟合结果，如表7所示，

表7示范低矮产业集群在3种不同情境下的拟合结果

低矮产业集群VOCs污染空间分布特征模拟：走航监测仅能获得产业集群内部道路的VOCs分布情况，为了得到研究区域内的更为精细的VOCs污染分布特征，本项目基于反演获得的有组织、无组织排放强度，重新拟合了示范集群近地面处各点位VOCs的空间分布特征，根据所得结果，可以发现污染物高浓度区域主要出现在园区北部紫东街-彩云街区域。

以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。