您的当前位置:首页正文

空气质量自动监测点位优化探讨

2023-12-02 来源:易榕旅网
龙源期刊网 http://www.qikan.com.cn

空气质量自动监测点位优化探讨

作者:张建坤 强琳 罗俊玲

来源:《中国科技博览》2014年第32期

摘要:空气质量自动监测点位设置过多或过少都不能给环境管理工作提供科学有效的基础数据。该文根据宝鸡市环境空气质量点位设置现状及2014年3月的监测数据,采用物元分析法对7个监测点位进行了分析,结合宝鸡市空气质量监测点位实际情况,保留竹园沟、技工学校、三陆医院、陈仓环保四个点。

关键词:点位优化;物元分析; 自动监测 分类号:X831 引言

在环境监测中用尽可能少的测点的污染物数据完整、准确地反映某区域的整体环境质量,历来是常规环境监测十分重要的课题。环境空气质量自动监测点位的密度和优化是准确监测一个地区环境空气质量的先决条件。监测点位的设置数量取决于城市建成区面积、人口等基本信息。空气质量监测点位过疏,监测数数据不能准确反映空气质量污染状况;过密将会使地区的环境空气质量污染在数据层面上人为加重空气质量污染的情况,不仅不能反映空气污染情况,还会增加大量巡检、维护等工作,不能给大气污染防治工作提供准确科学的数据基础,可能还会给大气污染防治工作指示错误方向。该文采用宝鸡市2014年3月份空气质量监测数据对监测点位优化方法做一探讨。 1. 数据分析 1.1 物元分析法

环境监测布点通常涉及多项污染指标,且各单项指标优选出的点位往往是不相容的。物元分析法是处理不相容问题的一种有效方法,可用于解决环境监测中多指标优化布点的问题[1-2]。合理设置的环境监测点位不但能够节约大量的人力、物力、财力,而且能够使监测数据更为准确、有效。物元分析对解决各单项污染指标的不相容问题是有效的。可用于解决环境监测的多指标优化布点,由于其方法使用简便,评价结果直观,准确可靠,不失为大气监测优化布点中的一种好方法[3]。

建立点位的物元分析模型比较全部监测点位的污染指标,选出每项指标的最佳值A、最劣值B及期望值C,各项指标的最大值(最劣值)、最小值(最佳值)及平均值(期望值),用每项指标的最佳值A、最劣值B及期望值C构造2个标准物元矩阵[4]: 1.2建立标准物元分析矩阵和节物元矩阵

龙源期刊网 http://www.qikan.com.cn

根据宝鸡市2014年3月份空气质量监测数据建立标准物元分析矩阵和节物元矩阵: 建立待优化点位的物元矩阵: 1.3计算各点位综合关联函数

各点位污染指标的对标准物元A、B的线性关联函数计算公式如下: (1) (2)

数据,结合关联函数的含义,以Ka(Xj)为横坐标,Kb(Xj)为纵坐标,画出点聚图(图1)。将7个监测点位优化为4个监测点位。7个监测点的Ka -Kb 坐标平面图中分布在Ⅱ、Ⅲ、Ⅳ三个象限内。在第Ⅱ象限内的点符合最佳点条件,其中以竹园沟点位符合程度最好因此选此点作为这类点的代表。技工学校属于一类,当条件改变时,这类点可转化为佳点。在第Ⅲ象限内的文理学院点位,既不符合最佳点位条件,也不符合最劣点位条件,故剔除文理学院点位。在第Ⅳ象限内的点符合最劣点条件,其值离坐标轴愈远,符合程度愈好,因此选三陆医院点位作为此类点的代表。当条件改变时,监测站、陈仓环保、三迪小学点位有可能向劣点方向转化,当条件变化时,其稳定性可跟之变化,属于一类,根据点位分布情况,选取陈仓环保点位作为这一类点位代表。所以用物元分析法选出的点位是竹园沟、技工学校、三陆医院、陈仓环保四个点。3.结论

(1)物元分析矩阵法是可用于空气质量自动监测多指标优化布点的问题处理。 (2)优化结果竹园沟为最佳点位,技工学校有机会向最佳点位转化,文理学院没有转化的可能,监测站、陈仓环保、三迪小学属于一类有向最劣点转化的可能,三陆医院为最劣点。 (3)监测站、陈仓环保、三陆医院三个点位之间的覆盖的范围有一定的重叠,三个点位保留陈仓环保。

(4)物元分析法结合宝鸡监测点位情况保留竹园沟、技工学校、陈仓环保和三陆医院。 参考文献

[1] 曹毅 物元分析法在水质监测优化布点中的应用[J]. 环境监控与预警[J].第4卷第1期,2012年2月, 43-53页

[2] 高明慧 物元分析用于水质环境监测优化布点的研究[J].环境科学与技术:1997年4期,1997年11月.

[3] 朱慧君于永斌.物元分析法在大气监测优化布点中的应用[J].云南环境科学:第17 卷第4 期,1998 年12 月,51-53页.

龙源期刊网 http://www.qikan.com.cn

[4] 孙中党、赵勇 李静.郑州市大气监测优化布点的研究[J].重庆环境科学:1999年12月,第21卷第6期,16-18页 作者简介:

张建坤(1962—)男,高级工程师,主要从事空气质量自动监测

因篇幅问题不能全部显示,请点此查看更多更全内容