一种大气污染物垂直分布特征分析方法及系统

本发明涉及大气污染分析领域，特别涉及一种大气污染物垂直分布特征分析方法及系统。

背景技术：

1、大气污染物的垂直分布受到气象条件、地理环境、污染源的位置和排放强度的影响，高时空分辨率的大气污染垂直分布特征研究对于大气污染防治的有重要意义。

2、现有技术中，大气污染垂直分布特征的分析手段主要是定性研究，且通常是针对个例气象场与大气污染物的垂直廓线的形变特征开展分析研究。例如根据气象高塔、探空气球、飞机航测、系留艇或者雷达等遥感设备开展垂直探测获取的污染物垂直廓线的形变特征，结合气象参数的垂直分布进行理化特性的定性耦合分析。

3、但是，现有技术以分析个例型气象场的污染物垂直分布廓线特征为研究手段，没有系统地量化和分析气象参数与大气污染物垂直分布之间的关系。

技术实现思路

1、本发明实施例提供一种大气污染物垂直分布特征分析方法及系统，可以解决现有技术中，存在没有系统地量化和分析气象参数与大气污染物垂直分布之间的关系的问题。

2、本发明实施例提供一种大气污染物垂直分布特征分析方法，包括以下步骤：获取大气中风速、风向、温度、相对湿度和大气污染物浓度的垂直分布数据并将所有垂直分布数据按照高度方向进行分层；在每个分层内，将风场按照风场内风向包含的多个方向进行划分，所述风场由风向与风向包含的多个方向上对应的风速，共同描述空气流动的空间分布与强度；在风场中划分的每个方向上，将风速、温度和相对湿度的垂直分布数据及所在高度分别与大气污染物浓度的垂直分布数据进行回归分析，获取最优回归方程；对最优回归方程进行线性重构获得贡献值方程式；所述贡献值方程式表示风速、温度、相对湿度和所在高度对大气污染物浓度的贡献值；将风速、温度和相对湿度的垂直分布数据及所在高度代入贡献值方程式，获得多个分层内，在风场中划分的多个方向上的贡献值，分析大气中风速、温度、相对湿度和所在高度对大气污染物浓度的影响，获取大气污染物垂直分布特征。

3、进一步地，所述在每个分层内，将风场按照风场内风向包含的多个方向进行划分，具体为：根据高度方向上每一分层的风向数据，在0至360度的范围内，将风场以22.5度的区间划分为16个风场方向。

4、进一步地，所述最优回归方程的获取，具体步骤包括：

5、对温度的垂直分布数据和大气污染物浓度的垂直分布数据进行线性关系、倒数关系和指数关系的回归分析；

6、对风速的垂直分布数据和大气污染物浓度的垂直分布数据进行线性关系的回归分析，风速线性方程为：

7、pm＝k2*ws；

8、其中，k2为线性关系的拟合系数，ws为风速；

9、对相对湿度的垂直分布数据和大气污染物浓度的垂直分布数据进行线性关系、倒数关系和指数关系的回归分析；

10、对所在高度和大气污染物浓度的垂直分布数据进行线性关系的回归分析，高度线性方程为：

11、pm＝k4*h；

12、其中，k4为线性关系的拟合系数，h为高度；

13、选取拟合效果最好的回归方程作为风速、温度和相对湿度的垂直分布数据及所在高度分别与大气污染物浓度的垂直分布数据的回归分析方法。

14、进一步地，所述对温度的垂直分布数据和大气污染物浓度的垂直分布数据进行线性关系、倒数关系和指数关系的回归分析，具体步骤包括：

15、当温度和大气污染物浓度呈线性关系时，温度线性方程为：

16、pm＝k1*t；

17、当温度和大气污染物浓度呈倒数关系时，温度倒数方程为：

18、

19、当温度和大气污染物浓度呈指数关系时，温度指数方程为：

20、pm＝k1*e(f(t))；

21、其中，pm为大气污染物浓度，k1为线性关系或非线性关系的拟合系数，t为温度。

22、进一步地，所述对相对湿度的垂直分布数据和大气污染物浓度的垂直分布数据进行线性关系、倒数关系和指数关系的回归分析，具体步骤包括：

23、当相对湿度和大气污染物浓度呈线性关系时，相对湿度线性方程为：

24、pm＝k3*rh；

25、当相对湿度和大气污染物浓度呈倒数关系时，相对湿度倒数方程为：

26、

27、当相对湿度和大气污染物浓度呈指数关系，相对湿度指数方程为：

28、pm＝k3*e(f(rh))；

29、其中，k3为线性关系或非线性关系的拟合系数，rh为大气污染物浓度。

30、进一步地，所述对最优回归方程进行线性重构获得贡献值方程式，具体步骤包括：

31、当温度和大气污染物浓度呈线性关系的拟合效果最好时，选取相对湿度和大气污染物浓度拟合效果最好的回归方程；

32、当相对湿度和大气污染物浓度呈线性关系的拟合效果最好时，第一贡献值方程式为：

33、pm＝k1′*t+k′2*ws+k′3*rh+k′4*h；

34、当相对湿度和大气污染物浓度呈倒数关系的拟合效果最好时，第二贡献值方程式为：

35、

36、当相对湿度和大气污染物浓度呈指数关系的拟合效果最好时，第三贡献值方程式为：

37、pm＝k1′*t+k′2*ws+k′3″*e(f(rh))+k′4*h；

38、其中，k1′、k′2、k′3、k′4为线性关系的拟合系数，k′3′、k′3″为非线性关系的拟合系数；

39、当温度和大气污染物浓度呈倒数关系的拟合效果最好时，选取相对湿度和大气污染物浓度拟合效果最好的回归方程；当温度和大气污染物浓度呈指数关系的拟合效果最好时，选取相对湿度和大气污染物浓度拟合效果最好的回归方程；根据确定的一个贡献值方程式获取对应的贡献值。

40、进一步地，所述当温度和大气污染物浓度呈倒数关系的拟合效果最好时，选取相对湿度和大气污染物浓度拟合效果最好的回归方程，具体步骤包括：

41、当相对湿度和大气污染物浓度呈线性关系的拟合效果最好时，第四贡献值方程式为：

42、

43、当相对湿度和大气污染物浓度呈倒数关系的拟合效果最好时，第五贡献值方程式为：

44、

45、当相对湿度和大气污染物浓度呈指数关系的拟合效果最好时，第六贡献值方程式为：

46、

47、其中，k′2、k′3、k′4为线性关系的拟合系数，k1″、k′3′、k′3″为非线性关系的拟合系数。

48、进一步地，所述当温度和大气污染物浓度呈指数关系的拟合效果最好时，选取相对湿度和大气污染物浓度拟合效果最好的回归方程，具体步骤包括：

49、当相对湿度和大气污染物浓度呈线性关系的拟合效果最好时，第七贡献值方程式为：

50、pm＝k1″′*e(f(t))+k′2*ws+k′3*rh+k′4*h；

51、当相对湿度和大气污染物浓度呈倒数关系的拟合效果最好时，第八贡献值方程式为：

52、

53、当相对湿度和大气污染物浓度呈指数关系的拟合效果最好时，第九贡献值方程式为：

54、pm＝k1″′*e(f(t))+k′2*ws+k′3″*e(f(rh))+k′4*h；

55、其中，k′2、k′3、k′4为线性关系的拟合系数，k1″′、k′3′、k′3″为非线性关系的拟合系数。

56、进一步地，所述获取大气污染物垂直分布特征，具体步骤包括：根据多个分层内划分的多个方向上的贡献值，分析各个高度分层内风速、风向、温度及相对湿度分别和大气污染物的理化耦合特征；汇总每个分层的大气污染物和风速、风向、温度及相对湿度的理化耦合特征，作为大气污染物垂直分布特征的结果。

57、本发明实施例提供一种大气污染物垂直分布特征分析系统，包括：数据分层模块，用于获取大气中风速、风向、温度、相对湿度和大气污染物浓度的垂直分布数据并将所有垂直分布数据按照高度方向进行分层；大气划分模块，用于在每个分层内，将风场按照风场内风向包含的多个方向进行划分，所述风场由风向与风向包含的多个方向上对应的风速，共同描述空气流动的空间分布与强度；方程构建模块，用于在风场中划分的每个方向上，将风速、温度和相对湿度的垂直分布数据及所在高度分别与大气污染物浓度的垂直分布数据进行回归分析，获取最优回归方程；对最优回归方程进行线性重构获得贡献值方程式；所述贡献值方程式表示风速、温度、相对湿度和所在高度对大气污染物浓度的贡献值；垂直分布特征分析模块，用于将风速、温度和相对湿度的垂直分布数据及所在高度代入贡献值方程式，获得多个分层内，在风场中划分的多个方向上的贡献值，分析大气中风速、温度、相对湿度和所在高度对大气污染物浓度的影响，获取大气污染物垂直分布特征。

58、本发明实施例提供一种大气污染物垂直分布特征分析方法及系统，与现有技术相比，其有益效果如下：

59、对大气中风速、风向、温度、相对湿度和大气污染物浓度的垂直分布数据按照高度方向进行分层，在每个分层内将风场按照风场内风向包含的多个方向进行划分，在风场中划分的每个方向上，将风速、温度和相对湿度的垂直分布数据及所在高度分别与大气污染物浓度的垂直分布数据进行回归分析，获取最优回归方程；对最优回归方程进行线性重构，最后，根据多个分层内，在风场中划分的多个方向上的贡献值，分析大气中风速、风向、温度、相对湿度和所在高度对大气污染物浓度的影响，获取大气污染物垂直分布特征。

60、其中，将风速、温度和相对湿度的垂直分布数据及所在高度分别与大气污染物浓度的垂直分布数据进行回归分析，获取最优回归方程；对最优回归方程进行线性重构，是将风速、温度、相对湿度的气象参数和大气污染物垂直分布之间的关系，通过回归分析和线性重构方法量化为具体的贡献值，能够直接通过数字反映出大气污染物受气象参数的影响。