一种面向过程的空气污染事件建模方法与流程

本发明属于地理信息系统技术领域，具体涉及一种面向过程的空气污染事件建模方法。

背景技术：

我国的快速城镇化进程中伴随着诸多“城市病”。其中，以PM2.5为代表的空气污染会对城市居民健康产生严重的损害，得到了公众的极大关切。对城市空气污染现状，一方面公众迫切的需要了解周围环境的实时空气质量情况，以便于采取有效的措施来降低空气污染造成的危害；另一方面，对于城市的管理者，在响应公众需求的基础之上，更期待的对空气污染的产生原因和发展过程的内在机理有更为深入的认识和了解，为从根本上治理空气污染提供决策理论支持。因此，提供空气质量信息服务、分析空气污染过程机理是当前公众和政府部门所十分关注的重要工作。

目前，对于空气质量的信息服务上，政府部门和科研人员做了大量工作。首先，政府的环保部门在全国的各个城市布设了空气质量的检测站点，并将相应的数据实时发布，为人们了解当前的空气质量状况提供了基础。其次，对于空气质量监测站点所没有覆盖的区域，科研人员建立了多种可续的评估模型，实现了连续空间下的空气质量科学评估。这些评估模型根据评估方法可以分为三种类型：(1)利用遥感卫星数据检测得到的地表大气溶胶厚度和已知检测站点数据建立回归模型，对检测站点未覆盖区域，利用大气溶胶厚度进行反演[文献1,2]；(2)利用空气质量关联的环境因素建立地理加权回归模型，其基本思想在于，空气质量受周围环境影响，距离越近的要素影响越大，反之则较小[文献3,4]；(3)，利用机器学习的方法，建立空气质量与多种要素的关系，进而实现空气质量的预测[文献5]。最后，也从过程的角度对空气污染事件进行了探索。主要有两种方式，一种是从时间序列分析的角度，将特定的城市或区域作为一个整体，分析对应空气质量状况在时间维度上的变化情况[文献6]；另一种是从空间的角度，探索一个大尺度范围内，空气污染的重心转移状况[文献7,8]。

然而现有的技术和服务在满足相关公众与管理者的需求上存在不足。首先，空气质量评估侧重于发布某一个时刻下的空气质量状况，不能支持污染事件的溯源和过程发展描述，以及更为深层次的关联分析。当前，环境监测站点的数据在空间上是离散的站点，该数据无法直接支持空气污染事件的建模。而相应的连续空间下的空气质量评估提供的是各个时刻的空气质量状况，污染事件的状态仍然是割裂开的，无法直观的反应空气污染事件的发生发展过程。其次，目前时空过程在空气污染事件中的应用侧重于以整个区域为分析单元，而不是以污染事件本身为单元，无法支持空气的精细化分析。此外，当前的分析严格而言是空气污染分布的变化，并没有从一个过程对象的角度对其进行分析，同一个污染事件的状态依然是隔离的，无法支持更为深层次的关联分析。最后，既有的过程分析或是从时间维度，或是从空间维度来分析，而空气污染过程是一个典型的时空事件，对时空一体化分析的支持力度不够。

[文献1]WANG J,CHRISTOPHER S A.Intercomparison between satellite-derived aerosol optical thickness and PM2.5mass:Implications for air quality studies[J].Geophysical Research Letters,2003,30(21):2095.

[文献2]KUMAR N,CHU A,FOSTER A.An empirical relationship between PM2.5and aerosol optical depth in Delhi Metropolitan[J].Atmospheric Environment,2007,41(21):4492–4503.

[文献3]陈辉,厉青,张玉环等.基于地理加权模型的我国冬季PM_(2.5)遥感估算方法研究[J].环境科学学报,2016(06):2142–2151.

[文献4]HU X,WALLER L A,AL-HAMDAN M Z等.Estimating ground-level PM2.5concentrations in the southeastern U.S.using geographically weighted regression[J].Environmental Research,2013,121:1–10.

[文献5]YING W,YU Z,QIANG Y.Transferring Knowledge between Cities:A Perspective of Multimodal Data and A Case Study in Air Quality Prediction[C]//San Francisco,USA:2016.

[文献6]程念亮,李云婷,张大伟等.2014年10月北京市4次典型空气重污染过程成因分析[J].环境科学研究,2015(02):163–170.

[文献7]丁镭,黄亚林,刘云浪等.1995-2012年中国突发性环境污染事件时空演化特征及影响因素[J].地理科学进展,2015(06):749–760.

[文献8]吴兑,吴晟,陈欢欢等.珠三角2009年11月严重灰霾天气过程分析[J].中山大学学报(自然科学版),2011(05):120–127.

技术实现要素：

为了解决如何基于面向过程的思想对空气污染事件进行建模，并扩展基于该模型的分析方法的技术问题，本发明提供了一种面向过程的空气污染事件建模方法。

本发明所采用的技术方案是：一种面向过程的空气污染事件建模方法，其特征在于，包括以下步骤：

步骤1：定义空气污染事件，根据空气污染标准来识别各个时刻下空气污染事件的快照；

步骤2：根据连续时间序列中，同一空气污染事件快照的空间关系，从过程角度对空气污染事件进行建模，得到基于空气污染过程模型。

本发明还提供了一种空气污染过程模型的分析方法，其特征在于，包括以下步骤：

步骤1：事件演变语义分析；

步骤2：事件影响范围分析；

步骤3：事件位置变化分析。

本发明从连续空间的空气质量分布中识别空气污染事件快照，根据连续得观测序列，构建空气污染事件过程模型，在此基础上扩展分析方法。其优势在于能够直观的了解到空气污染事件的各个阶段的时间与空间信息，为理解空气污染事件与周围地理环境和特殊事件的关联提供直接的支持。扩展的基于过程对象的分析方法，可以支持进一步事件与环境以及事件与事件之间的关联关系分析，为探究空气污染事件的成因和策略提供指导。

附图说明

图1是本发明实施例的步骤流程图。

图2是本发明实施例定义的空气污染事件语义集示意图。

图3是本发明在京津冀地区关于事件语义分析应用示例。

图4是本发明在京津冀地区关于事件影响范围应用示例。

图5是本发明在京津冀地区关于事件位置转移应用示例。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

空气污染事件定义为符合空气污染标准的气候现象在空间上和时间维度上所占据的连续独立空间，以及在该时空间中演变的过程语义的总体。某一时刻下区域中空气污染的空间分布是区域中多个空气污染事件的快照的集合。根据实际观测和气象学的知识，同一空气污染事件在空间上的影响范围是连续的，而当时间间隔较短时(例如1小时)，相应的空间范围和位置变化有限。根据这这一规律，可以根据空气质量的状况识别每个连续的空气污染区域作为对应事件的快照，进而根据每个区域的空间位置关系构建空气污染事件的过程对象，并在此基础上扩展分析方法。

请见图1，本发明提供的一种面向过程的空气污染事件建模方法，包括以下步骤：

步骤1：定义空气污染事件，根据空气污染标准来识别各个时刻下空气污染事件的快照；

2012年国家环保部对《环境空气质量标准》进行第三次修订，规定空气质量指数为1～50表示空气质量为优，空气质量指数为50～100表示空气质量为良，101～150为轻度污染，151～200为重度污染，201～300为重度污染，>300为严重污染。在此，本发明定义中度污染及中度污染以上(空气质量指数>151)的范围为空气污染区域。内部连续而与其他空气污染范围不重叠的区域为对应空气事件在该时刻的快照。本发明利用矢量多边形来表示连续的空气污染区域，即各个空气污染事件的快照。

空气污染事件定义为符合空气污染标准气候现象在空间和事件维度上占据的连续、独立空间以及在该是空间中演变过程语义的总体。一个事件的发生对应着一个唯一的时空语义集合，包括事件发生的时刻、地理位置以及相应的演变语义集合等等。因此污染区域对应的地理实体代表了这一时刻污染事件的快照。本发明利用矢量多边形来表示某一时刻下污染事件的影响区域。并在此基础上，利用空间关系中的由地理对象的几何特性引起的距离、方向、连通性、相似性等空间关系来进行事件变化语义的定义，即通过多边形的空间关系来定义污染区域的演变语义，进而对重污染事件时空演化模式进行探索分析，以支持过程模型的构建。

对于空气污染区域发生演变过程中任意两个相临的时间点，T1表示前一个时间点，T2表示后一个时间点，事件对应的语义集合见图2，对应的说明如下所示：

出现：T2有空气污染区域，T1没有与T2的空气污染区域相交的空气污染区域。

消亡：T1有空气污染区域，T2没有与T1的空气污染区域相交的空气污染区域。

扩展：T1与T2的空气污染区域存在相交的区域，而T2的空气污染区域面积相对于T1的空气污染区域面积大。

衰减：T1与T2的污染区域存在相交的区域，而T2的空气污染区域面积相对于T1的空气污染区域面积小。

稳定：T1与T2的空气污染区域存在相交的区域，而T2的空气污染区域面积与T1的空气污染区域面积相等。

步骤2：根据连续时间序列中，同一空气污染事件快照的空间关系，从过程角度对空气污染事件进行建模，得到基于空气污染过程模型。

本发明将时空过程定义为时空动态现象的一种高度抽象、描述了一系列空间对象在时间轴上发生的事件的演变过程，体现了实体的时空行为、时空分异规律及其演化特征。因此，空气污染事件体现为一个空气污染区域从出现到消亡语义演变过程，相应的构建的步骤如下：

1)根据空气污染区域的定义，获得每个时刻的连续的污染区域作为对应事件在该时刻的状态。

2)对于相邻两个时间点，每个时间点的所有空气污染区域在一个图层上，定义前一个时间点为T1，后一个时间点为T2。将T1和T2时间的图层进行相交叠加，如果T1和T2时间的图层中有空气污染区域相交，那么认为这两个多边形是相关的，即归属为同一个空气污染事件。

3)对于所有相邻的时间段，根据本发明对空气污染事件演变语义的定义，识别相邻事件序列的语义，重复上述过程。

4)根据过程的定义，识别获得每一个污染事件从出现到消亡的过程，实现空气污染事件模型的构建。

基于事件过程的分析是基于空气污染区域对象的分析，某时刻的空气污染快照看作矢量数据中的多边形。本发明给出了空气污染快照、事件语义以及事件过程的定义，通过一系列沿时间轴的空气污染区域及其事件语义演变过程，来探索和分析其经历出现、扩展、衰减和灭亡事件时伴随的时空行为、时空分异规律及其演化特征。本发明提供的一种空气污染过程模型的分析方法，包括以下步骤：

步骤1：事件演变语义分析；

本发明在构建空气污染事件过程中涉及事件演变语义的提取，不同的事件语义在不同的时空差异性分布，对比时间段内发生事件的次数，来进行事件演变语义的探索。对于发生、稳定、扩展、衰减事件，本发明的结果可以得到相应的对象分布图。可以看出哪些地方是“发生”事件语义的热点区域，哪些是非热点区域。“发生”事件语义的热点区域是我们需要严格管制的，“稳定”、“扩展”事件语义的热点区域说明这些地方在该过程阶段内是不容易减少的，该地的地形、气象条件等要素相关。“衰减”事件语义说明热点区域在该过程阶段的空气污染区域容易减少，也可能与该地的地形和气象条件相关。这需要我们在后续的研究中加以分析和论证，即到底什么环境条件适宜发生什么类型的事件。

步骤2：事件影响范围分析；

针对每一个单独的空气污染事件，每个时刻事件快照对应的污染区域会发生变化。而空气污染事件的过程模型能够直观的表示研究区域内不同每一个单独空气污染事件对应快照的污染区域的演变特征。对于影响范围的衡量有多种方式，本发明利用各个污染事件的快照对应的污染区域面积占区域的面积比为指标，来衡量影响范围的差异。

步骤3：事件位置变化分析。

本发明利用空气污染区域的重心来代表每个时刻空气污染事件的位置。重心转移曲线描述污染对象的分布随时间的变化，有利于直观的可视化分析空气污染区域时空演变过程。重心转移的计算方法和分析主要涉及如下几个概念：

a)区域几何重心与转移曲线。空气污染事件区域为R，{R1,R2,…,Rn}表示不同时刻空气污染事件快照对应的区域，本发明选择区域R的几何重心C对应的重心集合分别为{C1,C2,…,Cn}，将不同时刻下同一空污染事件的区域几何重心连接，形成了相应的转移曲线。

b)重心转移向量。本文将空气污染区域R(Ri-1,Ri)上相邻两个时间点(Tj-1,Tj)的重心(Ci-1,Ci)连接形成的有向线定义为重心转移向量。可以表示为式(1)所示：

Γi＝Ci→Ci+1 (1)

c)重心转移距离。本文将重心转移距离定义为重心转移向量的长度，向量的长度用欧式距离进行计算，用∥Γi∥表示。计算式如式(2)所示，其中(xi,yi)、(xi+1,yi+1)分别表示第i个时间点和第i+1个时间点空气污染区域重心所在空间的地理坐标。重心转移距离可以表示空气污染区域位置变化的快慢，值越大，位置变化越快；反之则越慢。

d)重心转移方向。重心转移方向(θi)是指两相邻时间点重心转移向量(Γi)的方向，计算式如式(3)所示。重心转移方向可以表示空气污染区域分布方向的变化。

对本发明的方法，利用空气污染事件多发的京津冀地区的空气质量数据进行了实验。基于该模型，能够识别出区域中每个空气污染事件，并从面向过程的角度对事件进行了建模。对于区域中每一个空气污染事件过程对象，能够直观的展示各个事件在时间上和空间上的发生发展过程。图3展示的是2015年6月21～29日所有空气污染事件扩展语义的分布情况，图4展示的是2015年6月21～23日，京津冀地区多个空气污染对象的面积变化情况，而图5展示的是2015年6月24日京津冀地区的两个空气污染事件的发生发展过程。这些结果表明了该模型在支持空气污染事件过程建模以及基于该模型的分析方法的可行性。

本发明提供的面向过程的空气污染事件建模方法优势在于：首先，在对公众的空气质量服务上，不仅能够看到当前的空气污染的影响范围，同时能够支持当前空气污染事件的识别和溯源，直观的展示当前的空气污染事件的发生发展过程。其次，在对空气污染事件分析上能具体到每一个事件，从而为事件之间在空间、时间以及其他方式的关联分析提供了基础。最后，本发明基于空气污染过程对象构建的方法体系，能够支持空气污染事件的查询、和可视化，在数据的管理和深层次空气污染事件之间以及与其他因素之间的关联分析具有巨大潜力。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。