技术领域
本发明涉及空气污染治理技术领域，尤其涉及一种大数据与空气质量模型联用的臭氧污染溯源及验证方法。
背景技术
2013年以来，全国PM2.5年均浓度下降了43％，平均重污染天数由29天减至5天。但2013-2017年间，全国74个主要城市臭氧平均浓度上升了20％，臭氧正在成为新的大气污染防治难题。
当前臭氧污染的溯源方法，主要为粒子扩散模型方法、CAMx-OSAT模型溯源方法、走航式VOCs质谱监测方法或上述方法的联用。粒子扩散模型方法不考虑化学过程，仅考虑气象因素，运算速度较快，但对主要来自VOCs与氮氧化物等二次生成的臭氧来说适用性较差。CAMx-OSAT模型溯源方法仅能获得重点贡献区域和较为粗略和行业贡献，难以具体到具体的贡献企业。走航式VOCs质谱覆盖范围小，仅能监测走航路线内的异常高值点，且监测成本偏高。
因此，有必要提供一种新的大数据与空气质量模型联用的臭氧污染溯源及验证方法解决上述技术问题。
发明内容
本发明解决的技术问题是提供一种将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用，溯源精确的大数据与空气质量模型联用的臭氧污染溯源及验证方法。
为解决上述技术问题，本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法包括以下步骤：
S1：基于历史空气质量监测数据，分析典型污染过程下的臭氧浓度高值站点；
S2：利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业；
S3：将溯源结果叠加本地精细化排放清单、工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区；
S4：将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析，筛选重点贡献区域内存在超标和异常排放行为的污染源；
S5：高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估。
优选的，所述步骤S1中基于历史空气质量监测数据，分析典型污染过程下的臭氧浓度高值站点具体包括以下内容：
抓住臭氧管控的有利时机，模拟结果显示提前2天和1天加强管控，臭氧浓度下降明显，部分城市能够将轻度污染天改善为优良天；因此筛选不同站点臭氧轻度污染日，特别是在臭氧轻度污染日中臭氧日最大8小时浓度介于161-170微克每立方米区间内频次较高的空气质量站点，作为典型污染过程下的臭氧浓度高值站点。
优选的，所述步骤S2中利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业得到具体包括以下内容：
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法，采用物种示踪的方法对典型污染过程下的臭氧浓度高值站点近地面臭氧的污染来源开展模拟研究，探讨了周边其他城市、本市周边其他区县、本区县及长距离传输等不同源区、5类排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献。
优选的，所述5类排放源具体包括：生产工艺过程、溶剂使用、生活源、移动源和面源。
优选的，所述步骤S3中将溯源结果叠加本地精细化排放清单、工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区具体包括以下内容：
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法的溯源结果，在规定污染源总数的前提下，根据不同源区、不同排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献，在排放清单中针对不同源区、不同排放源筛选出一定数量的VOCs和NOx高排放污染源，在此基础上根据工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。
优选的，所述步骤S4中将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析，筛选重点贡献区域内存在超标和异常排放行为的污染源具体包括以下内容：
利用臭氧高值站点周边高排放企业在污染发生前1-2天污染源在线监控和工业企业用电量数据，结合走航式VOCs质谱监测结果，在上述过程筛选出的VOCs和NOx高排放污染源中，再次筛选重点贡献区域内存在超标和异常排放行为的污染源。
优选的，所述步骤S5中高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估具体包括以下内容：
利用CMAQ空气质量模型，针对高排放及存在超标或异常排放行为企业，模拟其在达标排放及应急管控措施落实到位情景下周边空气质量站点的臭氧浓度及空间分布，评估其对该次臭氧污染过程的贡献。
与相关技术相比较，本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法具有如下有益效果：
本发明提供一种大数据与空气质量模型联用的臭氧污染溯源及验证方法，首次将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用，对典型污染过程下臭氧前体物进行污染溯源，评估验证高排放及存在超标或异常排放行为企业对该次臭氧污染过程的贡献；可用于历史臭氧污染过程下重点贡献企业的筛选及评估验证，也可用于预警应急情形下重点贡献企业名单及其调控措施的确定。
附图说明
图1为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的基本流程图；
图2为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的具体流程图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1、图2，其中，图1为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的基本流程图；图2为本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法的具体流程图。大数据与空气质量模型联用的臭氧污染溯源及验证方法包括以下步骤：
S1：基于历史空气质量监测数据，分析典型污染过程下的臭氧浓度高值站点；
S2：利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业；
S3：将溯源结果叠加本地精细化排放清单、工业园区(聚集区)空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区；
S4：将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析，筛选重点贡献区域内存在超标和异常排放行为的污染源；
S5：高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估。
所述步骤S1中基于历史空气质量监测数据，分析典型污染过程下的臭氧浓度高值站点具体包括以下内容：
抓住臭氧管控的有利时机，模拟结果显示提前2天和1天加强管控，臭氧浓度下降明显，部分城市能够将轻度污染天改善为优良天；因此筛选不同站点臭氧轻度污染日，特别是在臭氧轻度污染日中臭氧日最大8小时浓度介于161-165微克每立方米或166-170微克每立方米区间内频次较高的空气质量站点，作为典型污染过程下的臭氧浓度高值站点。
所述步骤S2中利用CAMx-OSAT模型溯源模确定影响该站点的重点贡献区域和行业得到具体包括以下内容：
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法，采用物种示踪的方法对典型污染过程下的臭氧浓度高值站点近地面臭氧的污染来源开展模拟研究，探讨了周边其他城市、本市周边其他区县、本区县及长距离传输等不同源区、5类排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献。
所述5类排放源具体包括：生产工艺过程、溶剂使用、生活源、移动源和面源。
所述步骤S3中将溯源结果叠加本地精细化排放清单、工业园区空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区具体包括以下内容：
基于CAMx空气质量数值模型中耦合的臭氧来源追踪方法的溯源结果，在规定污染源总数的前提下，根据不同源区、不同排放源对典型污染过程下的臭氧浓度高值站点近地面臭氧的浓度贡献，在排放清单中针对不同源区、不同排放源筛选出一定数量的VOCs和NOx高排放污染源，在此基础上根据工业园区(聚集区)空间分布信息，开展关联分析，筛选重点贡献区域内VOCs和NOx高排放污染源和工业园区。
所述步骤S4中将S3中筛选的重点贡献区域内VOCs和NOx高排放污染源和工业园区与污染源在线监控、走航式VOCs质谱监测、工业企业用电量数据联合分析，筛选重点贡献区域内存在超标和异常排放行为的污染源具体包括以下内容：
利用臭氧高值站点周边高排放企业在污染发生前1-2天污染源在线监控和工业企业用电量数据，结合走航式VOCs质谱监测结果，在上述过程筛选出的VOCs和NOx高排放污染源中，再次筛选重点贡献区域内存在超标和异常排放行为的污染源。
所述步骤S5中高排放及存在超标或异常排放行为企业对高值站点臭氧浓度影响贡献评估具体包括以下内容：
利用CMAQ空气质量模型，针对高排放及存在超标或异常排放行为企业，模拟其在达标排放及应急管控措施落实到位情景下周边空气质量站点的臭氧浓度及空间分布，评估其对该次臭氧污染过程的贡献。
与相关技术相比较，本发明提供的大数据与空气质量模型联用的臭氧污染溯源及验证方法具有如下有益效果：
本发明提供一种大数据与空气质量模型联用的臭氧污染溯源及验证方法，首次将空气质量模型技术与空气质量监测、排放清单、污染源监测及工业企业用电量监控等大数据资料进行联用，对典型污染过程下臭氧前体物进行污染溯源，评估验证高排放及存在超标或异常排放行为企业对该次臭氧污染过程的贡献；可用于历史臭氧污染过程下重点贡献企业的筛选及评估验证，也可用于预警应急情形下重点贡献企业名单及其调控措施的确定。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。