东网科技与潍坊市环保局携手环保大数据的创新实践

版权说明:原创作品,允许转载,转载时请务必以超连接形式表明文章原始出处、作者信息和本声明。否则将追究法律责任。http://blog.neunn.com/wordpress/?p=433

摘要】大气污染问题一直是经济社会发展的主要制约因素之一。随着空气重污染现象在区域内大范围同时出现的频次日益增多,严重制约社会经济的可持续发展,威胁人民群众身体健康。

构建基于大数据分析的空气质量监测预报系统,能够实现对空气质量的实时监测预警以及污染物分析与预测,提高对城市环境空气自动监测数据的分析、预报和预警的能力和水平,使环境管理部门以及民众更好的了解空气污染变化趋势,为环境管理决策提供及时、准确、全面的空气质量信息,预防严重污染事件的发生。

%e5%9b%be%e7%89%871

本系统利用大数据、云计算技术及平台,对空气监测数据进行数据挖掘和分析,通过输入的空气监测站监测值、污染源排放数据、气象和卫星遥感等数据,模拟污染物在大气中的生成、转换、扩散和沉降等复杂过程,实现对空气质量预报,重污染天气预警;实现可视化协同会商和信息发布,为明确未来大气污染防治及空气质量保障工作的目标、方向提供决策支持。同时,建立空气质量预报预警平台,为区域大气联防联控提供支撑,为大气污染防治工作提供科学依据。

 

一、     背景

国务院《大气污染防治行动计划》国发[2013]37号(国十条)明确提出:建立监测预警应急体系, 妥善应对重污染天气。 环保部门要加强与气象部门的合作,建立重污染天气监测预警体系。要做好重污染天气过程的趋势分析,完善会商研判机制,提高监测预警的准确度,及时发布监测预警信息。中国环境监测总站下发的《环境空气质量预报预警业务工作指南(暂行)》(总站预报字[2014]35号),明确指出,环境空气质量预报预警业务范围包括,提供辖区内例行 24小时预报、未来3天污染潜势预测、重度及以上空气污染过程的预测预警等信息。做好重污染天气预报预警工作对于建立健全重污染天气应急响应机制、降低重污染天气的危害程度具有重要意义。

空气质量监测预报是环境空气质量预警的基础。环境空气质量监测预报就是运用统计模型或(和)数值模型等方法,考虑气象条件、环境空气污染物排放、历史环境空气质量等预报因子对将来一段时间的环境空气进行预报和评估。从时间范畴分为短期预报、中期预报和长期预报。从空间范畴分为城市预报(小尺度)、城市群预报(中尺度)、区域预报(大尺度)。国外对于空气污染监测预报的研究开始于60年代,例如美国、英国、日本、荷兰、前苏联等国家,起先大都采用污染潜势预报进行定性分析,而不给出定量分析结果。80年代后,国际上开始致力于定量的空气预报,包括统计预报和数值预报。其中韩国、墨西哥等发展中国家及我国的香港、台湾地区主要采用统计预报模式,美国、荷兰和日本等则发展了数值预报方法,目前这些国家的空气质量数值模式已经发展到第三代,不仅包括简单的化学机制、干湿沉降过程,而且还考虑了大气动力学与大气化学之间的双向耦合。从当前的国际发展趋势来看,数值预报以其先进性和科学性获得了广泛的关注。

 

二、     现状分析

我国对于环境空气质量的监测开始于上个世纪 80 年代,我国空气污染预报工作始于 80 年代,北京、沈阳、兰州、天津、南京、昆明、太原等城市环保局在当地政府的支持下开展了空气污染预测预报系统的研究工作。上述这些工作主要是统计模式,数值预报模式的研究在我国已经开始,但是还没有正式投入业务中应用。近年来,雷孝恩、韩志伟(1997)发展建立了对流层高分辨率化学预报模式(HRCM),该模式包含了物质在对流层内的输送、扩散、迁移和转化等主要过程,可预报对流层内多种气体污染物的时空分布及演变过程,并已初步在城市空气质量预报中进行了应用;中国气象科学研究院的徐大海(1998)开发了大气平流扩散的非静稳多箱模型(CAPPS),用来预报空气污染潜势和污染指数;中国科学院大气物理研究所的王自发开发了嵌套网格空气质量预报系统(NAQPMS),此系统利用中尺度气象数值模式(MM5V3)得出未来天气形势情况,结合嵌套网格空气质量预报系统,再加上排放源等资料,最终得出未来空气质量预报结果,此系统已经在上海、北京、深圳、郑州调试运行;南京大学王体健开发的区域大气环境模式系统(RegAEMS)是一个三维、时变、欧拉型模式,考虑了影响大气污染物分布和酸雨形成的排放、输送、沉降、转换等复杂的大气物理和化学过程。此模型可单独运行于小型机上,目前属于实验室研发期,没有实际应用。

从全国范围看,统计预报模型因其预报结果直接来自环境空气质量监测结果和气象资料,而非像数值预报通过污染排放间接预报,加之操作简单、预报准确率较高等特性,在实际预报工作中适用性较强,应用也较广泛。然而全国环境空气质量预报发展历程不难发现,预报人员、硬件设备、软件平台更替的同时,预报的核心技术一直沿用逐步回归预报模型。虽说该方法在空气质量预报中堪称经典,但在当前新标准以及大气预警的更高要求下,该模型受固定时段和一次回归等弊端限制,在实际操作中造成建模周期长、建模难度大、模型人为决策多、高值上不去、低值下不来等现象出现。因此有必要探索更高精度、自动化程度更高、适用性更强的统计预报软件。

近年来,随着高分辨率(高空间分辨率、高时间分辨率、高光谱分辨率等)卫星遥感技术和超算技术的不断发展和应用,越来越多的单位和机构探索利用卫星遥感技术进行环境空气质量监测预报及污染源的排查,并取得了良好的效果,目前北京、广州、上海、南京等城市都基于卫星遥感技术实现了中长期环境空气质量监测与预报。

 

三、     实现方式

空气污染扩展的研究与气象学、大气化学等许可密切结合。随着计算机技术的发展,大气污染扩散可以用一套基于流体力学的数据方程来描述,由于大数据和云计算平台的出现,可以直接采用各种数值求解的方法来计算,求解的核心问题是大气扩散作用,数值求解模型精度高,能够适应各种复杂的气象条件。

基于大数据平台的空气质量监测预报系统,采用数值预报模型进行区域空气质量预报预警,系统采用中尺度气象模式 MM5/WRF 模拟结果作为统一的气象场,采用 SMOKE 排放源处理模型统一处理排放清单,集成多个空气质量数值预报模式及统计预报模式,构建区域空气质量数值预报预警平台,系统建设技术路线如下图所示。系统采用统一的模式区域设置,使用统一污染排放清单及排放处理过程(SMOKE),并由统一的气象模式产生统一气象驱动,以减小由于气象、排放处理的不一致所引起的模式性能差异,可更客观地评价不同空气质量模式模拟效果,并以此为基础发展合理的多模式集成预报方案,如算术集合平均、权重集成方法等。

%e5%9b%be%e7%89%872

图1 空气质量预报技术路线图

系统的应用与展现层紧紧围绕环境空气质量监测业务,建立多个应用模块。主要功能包括:

(1)遥感监测模块通过对遥感数据 MODIS、OMI等的数据预处理,结合反演模型,获取颗粒物 PM10、 PM2.5 以及SO2、NO2等污染物浓度的逐日空间分布和合成数据。利用大数据平台基于数据插值算法,实现颗粒物 PM10、PM2.5和污染气体SO2、NO2与O3业务化数据提取,制作专题图,结合地理信息系统,辅助分析区域的污染成因。

(2)数据资源管理主要是对多个气象场资料、空气监测、污染源监测数据(含遥感监测数据)等多源数据的融合和管理,对数据进行再分析后存入数据库,并以图片形式展示尽可能多的数据信息。

(3)空气质量预报模式采用多种模式,主要包括WFR-chem模式、NAQPM模式、CAMX模式、CMAQ模式和统计预报模式,进行集合预报和预报结果评估分析。多模式集合预报是将多种天气预报模型和空气质量预报模型集合起来,在大数据平台上进行空气质量预报处理,对空气质量预报结果各项污染物进行地图数据插值处理,以矢量化叠加地图、图表等多种形式提供查询和浏览。

(4)预报结果分析是将数值预报产品、统计预报产品及预报员发布的预报结果等多种预报产品进行对比统计和分析评估,以图表等形式展示预报偏差规律,分析偏差原因,通过预报结果的对比分析和结果评估,进一步完善预报系统,提高预报的准确率。

(5)污染分析模块从污染来源分析着手,依据数据预报数据,绘制影响区域污染团气流轨迹图,为预报员提供参考,为改善空气质量提供决策所需的量化数据。

(6)发布与展现模块根据 AQI 预报结果,自动制作各种形式的预报发布产品,实现发布到网站、手机短信、邮件、微波等多渠道的发布,为公众提供 AQI 预报服务。

(7)决策支持模块实现对若干套污染源控制技术方案以及应急控制预案的管理与调用,并通过情景设置,实现污染源排放清单的更新与动态转换。通过模式运算实现空气质量预报结果的更新,并基于 GIS 进行空间结果展示,为区域空气污染调控提供决策支持。

四、     价值体现

(1)及时、准确的发布空气质量预报信息

构建基于大数据分析的空气质量监测预报系统,能够实现空气质量的监测预警以及对外发布环境空气质量现状及预警信息,提高对城市环境空气自动监测数据的分析、预报和预警的能力和水平,使环境管理部门以及民众更好的了解空气污染变化趋势,为环境管理决策提供及时、准确、全面的空气质量信息,预防严重污染事件的发生。

建议增加山东省潍坊市应用案例的空气预测的界面截图。

(2)提供72小时空气质量预报信息

实现各市72小时逐时环境空气质量数值预报,为有关部门评估判断空气污染形势、及时采取应急措施提供技术参考,起到重污染预警的作用,同时为公众提供健康指引。

(3)明晰环境污染成因,为空气污染治理提供决策依据

环境空气质量预报预警系统能够为明晰环境空气污染过程的成因,大气污染来源解析和贡献比率提供可靠的、定量的、可视化的决策依据。同时,本系统又为定量评估各类环境空气污染治理措施采取的实施效果提供安全的、定量的、科学的决策依据。

建议增加山东省潍坊市应用案例的污染源分析的界面截图。

(4)利用卫星遥感监测,实现颗粒物轨迹分析,为区域联防联控提供决策依据

基于多源卫星遥感数据,系统实现对气溶胶光学厚度(AOD)、大气颗粒物浓度(PM10、PM2.5)、污染气体柱浓度、秸秆焚烧等物质的遥感监测,实现常规大气指标的业务化监测。同时,采用大气后向轨迹分析功能,结合星载激光雷达遥感监测技术,实现颗粒物跨界输送过程的追溯分析和二三维一体化展示,半定量分析外源性颗粒物输送过程,为区域联防联控提供决策依据。

(5)大气污染源解析

系统除了可以实现空气质量预报预警外,还可以模拟污染物减排,为空气质量改善提供决策依据。系统预设了6种污染减排控制措施方案,对减排效果进行评估,涉及机动车移动源、工业源、居民面源和扬尘源,可以分别比较减排控制措施情景下和未减排情景下的SO2、NO2、PM10、PM2.5、CO和O3浓度,更直观地得出减排效果。

(6)分析污染源对污染物浓度的贡献率,辅助制定有效的减排方案

系统还可以对空气污染的污染源进行分析,不仅可以计算出不同行业对不同污染物浓度的影响权重,还可以分析周边地区对污染物浓度的影响情况。这些数据将可以直接用于指定减排措施方案,有助于空气质量预报和污染案例分析。

(7)追溯污染源,发现重大污染源,为应急措施方案制定提供支撑

系统的溯源功能对重污染天气的预报预警和应急工作的作用尤其显著。利用这一功能,系统可定量追踪大气污染来源,识别出各地区、行业、重点源对于空气污染的贡献情况,定量评估控制措施效果,获知不同减排方案下污染物浓度的变化情况,对重污染条件下应急措施的制定发挥了极大支撑作用。

 

五、     优势说明

针对下述空气质量预报传统方式下的业务和技术方面的问题,本案例针对性的采取了措施进行攻克和改进,具体如下几个方面:

(1)依靠经典模拟方法预测预警雾霾,只能算出空气质量的均值,而大数据可以对1~6小时的空气质量逐小时进行预测,对7~12小时、12~24小时、24~48小时进行最大值和最小值的预测。

(2)传统模拟方法预测雾霾只能精细到区的范围,比如可以预测到沈阳市和平区、沈河区的空气质量,而大数据可以精细化到每个空气质量站点,比如可以预测和平区太原街站点未来48小时的空气质量状况。除了在预测精度上有优势外,大数据精细化预测还体现在地域范围上。

(3)传统的重污染天气预测工作需要6小时左右的模拟运算时间,无法快速实时发布,而大数据可以在几秒钟之内快速算出重污染空气质量数据。大数据不仅能预测雾霾,还可以快速的预测。

(4)与传统模拟空气质量不同,大数据预测雾霾依靠的是多元融合方法,也就是说,空气质量的预测不仅仅看空气质量数据,还要看与之相关的气象数据、污染源排放数据等不同领域的数据,不同领域的互相叠加,相互补强,从而预测空气质量状况。

(5)大数据预测与传统模拟方法有一定的相似性,都是通过数据来拟合模型,只不过是数据量大小不同。以往由于获知的数据有限,传统模拟方法只能基于有限的样本数据,由科研人员通过经验、假设找出这些数据间的规律,模拟出简单的模型,预测空气质量。而随着数据增多,单单依靠人工已经无法从海量繁杂的数据中找出规律,所以需要借助机器学习和数据挖掘等工具来发现多源数据中隐含的规律。

如今影响空气质量的因素越来越多,传统模拟的方法显得“力不从心”。传统模拟空气质量预测首先需要搜集完整的污染源数据,比如企业的排污数据和汽车尾气排放等,而这些数据无法全部获知;其次模型太理想化,污染物在空气中传播和变化的实际情况,要复杂很多。

随着影响空气质量的因素增多,数据量的增大,大数据在空气质量预测上颇有优势。比如传统方法要拿到精确的地面污染源数据才能预测,而大数据则可以解决数据缺失的问题。比如对于交通尾气数据难获取的情况,大数据运算可以采用与交通尾气相关的交通流量、排量等相关数据,间接地分析其与空气质量的关系。

六、     案例启示

 

6.1主要启示

目前大部分城市仍然面临着大气环境污染加剧的挑战,温室气体和气溶胶颗粒物排放居高不下。因此,我们应进一步探索环境空气质量的变化趋势和变化规律,充分利用掌握环境空气自动监测实时数据的自身优势,积极总结提高实际预报工作中的经验,建立大气预报预警集合数值预报系统平台,完善环境空气预报预警机制,加快开展空气污染趋势预报和区域预报研究及人才培养,科学实施预报发布与宣传,实现环境空气质量管理由被动监测转变为防控结合,提高环境监测的制度化、规范化和现代化水平,切实为环境管理部门提供强有力的技术支撑。

6.2重大意义

基于大数据平台实现区域中心空气质量预报预警系统,前端服务于公众知情权,后端面向环境管理部门提供预警信息作为应急方案启动的依据,为区域层面的大气污染联防提供技术支持。在预测到未来可能发生区域范围重污染过程时,区域中心及时发布预警信息,并提供对应的短期应急措施建议。环境管理部门适时启动区域大气污染联防联控机制,最大限度地减少短期污染物排放以减低人体健康风险。

6.3未来趋势前瞻

建设天地空一体化的数据获取系统,建立时空大数据的平台。在城市设点建立大气相关的传感系统,收集空气质量监测相关参数数据内容,实现空气质量数据的实时监测、分析、预报和主要污染源分析定位。

目前国内空气监测站的数据数量还比较少,远远不能满足大数据分析的需要。建立天地空一体化监测系统非常有必要,包括利用卫星遥感、智能传感系统,无人机搭载传感系统对区域的监测。除了国家设定的监测点以外,还可以有廉价、普通的手机式传感系统,对重点区域、交通枢纽进行重点监测,获得大量航空、地面、空间的数据,这3部分数据融合就形成一个三维立体的监测系统,数据的处理也比单一的地面监测更加科学化。天地空一体化的大数据环境监测体系是生态环境大数据建设开展的前提。

二是建立基于时空大数据的环境数据中心,也就是把时空大数据和环境大数据结合起来,在监测、监察、应急、生态保护等各方面都要与时空大数据相结合,形成完整的生态环境大数据。

三是经过融合整理,与环保系统各部门业务相结合和共享,对数据进行分析,为环境管理提供决策依据。比如建立环境预测预报模型、环境与健康评估模型、城市生态系统安全模型等,这些都将在大数据的基础上为环境管理提供依据。

针对大数据在环保领域未来的发展,环保大数据人才培养需放在首要位置,国家首先要培养数据科学家,不仅懂大数据挖掘算法,还要懂行业知识,这样才能把大数据转化为生产力。

大数据时代要求政府开放数据。只要数据足够,未来工业园区的建设与空气质量的变化情况,整个城市设计与空气质量的变化情况,完全可以依靠大数据实现。

东网科技有限公司(英文名NEUNN)总部位于中国沈阳,由东北大学、沈阳市政府及战略投资者联合创立,注册资本1.2亿元,是国内领先的数据与基础设施服务商,业务范围覆盖超云计算、大数据、智慧城市等领域,致力于通过技术及商业模式的突破开启“大数据时代的智慧生活”。

neunn

成立于2013年,专注大数据与云计算,企业级数据与基础设施服务商。

发表评论

电子邮件地址不会被公开。 必填项已用*标注