空气质量监测的多目标优化方法外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

外文翻译

题 目 空气质量监测的多目标优化方法

空气质量监测的多目标优化方法

Dimosthenis A. Sarigiannis ,Michaela Saisana

摘要：本文介绍了一种新的基于对流层卫星遥感的空气质量监测系统多目标优化方法。此方法将大气浑浊度作为衡量空气污染负荷的指标，通过化学模拟和辅助信息推出主要气体和颗粒污染物模式。此优化算法使用环境空气污染生成的地图图像作为输入信息，同时关注相关信息的获取，如对暴露于高污染环境下的人体，文化遗产的潜在影响，对环境空气质量标准的依从性，监测要点、区域排放源以及相关费用。通过在意大利布雷西亚的应用，此方法展示了其在提高城市和区域尺度的空气质量监测网的成本效益方面的巨大的潜力。

关键词：空气质量监测；空气质量指数；多目标优化；卫星对地观测

引言

空气污染抽样站点的选择是负责区域和城市空气质量管理的人员为达到国家环境空气质量标准所面临的非常重要但又十分复杂的问题。站点的定位，布局和数量受多重因素影响，其中某些因素可能受资源，国际、国家和地方法规以及当地条件的限制。这些条件使得空气质量调查更加复杂，因此需要全面规划以确保预期目标在最短时间和最小成本下得到满足。监测网络的选择和定位也与决策者的经济状况有关。鉴于设备，维修费用以及操作人员的增加，监测设计的优化方法便成为了成功的空气质量管理项目所需具备的基础性因素。

空气质量监测网络的设计需要从时空两个方面考虑，但大部分新近设计的监测网络却使用完全自动连续测量设备这些设备。测量了短时间间隔（几秒钟内）的污染物浓度的时均值，因此实际上可以看做是瞬时的。这就将原本的时空问题减少至只有空间问题，也就是监测站点的定位。空气质量监测网络的设计与运行是由监测活动的目标决定的。相关文献(US Environmental Protection Agency 1971; World Health Organization(WHO) 1977; Seinfeld 1972; Ott 1977)中所描述的空气质量监测网络的目标通常属于以下类别之一。

1. 创建包含当前时空空气质量数据的数据库，以便满足对空气污染长期趋势的分析或研究，如对空气污染扩散、传输、转换数学模型的验证。
2. 评估控制策略的有效性，激活高污染浓度区域的事件控制（触发功能）。
3. 评估其对人类健康的风险，特别是人口密集区域。
4. 确定其对受体损害的风险（如历史或有艺术价值的财产,植被）。
5. 土地利用规划数据库的开发和更新。
6. 遵守环境空气质量标准，也就是检测违反标准的行为。
7. 控制重要的污染源的排放，如发电站或大型工厂。

空气质量监测网络成本的最小化通常也隐含在这些目标内。除了上述的目标，还有一系列的区域规章设置了进行空气污染监测和评估所需要的要求。在欧盟，1989年至1995年内 SO₂ (89/427/EEC),NO₂ (85/203/EEC)和O₃ (92/72/EEC)的复合物指标在原则上要求所有超过数点极限的值被检测出来。FWD(The Framework Directive on Ambient Air Quality)表明空气质量评估实际上涉及任意时间的界限值。而且当城市群每平方公里人口密度高于某个值（由成员国决定），FWD强制要求进行空气质量测定。空间覆盖率是另一种建立有效的空气质量监测网络的先决条件。为了满足欧盟空气质量指令，监管网络的设计和建立应该考虑所有的标准。

与此同时，欧洲建立起一种新型的空气质量监测网络。根据EEA (the European Environment Agency)的合同，作为其工作项目的一部分，需要ETC-AQ(The European Topical Centre on Air Quality)来开发并维护欧洲空气质量监测网络。EUROAIRNET包括来自当前欧洲国家已投入运行的网络的监测站点的选择。其目标包含空气质量通用描述的条款，其随时间产生的变化，人口、材料及生态系统风险的评估，健康效应的评估，对材料、植被损害的量化，对立法的支持(Larseen等1999)。

空气质量监测网络（这里称为AQMN）优化的初步研究一直主要关注几个目标(Nakamori等1979)。但是最近的文献显示对解决AQMN设计为一个多目标优化问题的日益增长的兴趣。多个目标的合并为未来的AQMN优化奠定了基础(Munn 1981; Naioto,Ochiai 1981)。然而到目前为止，只有少数文献中的方法可以完成能满足上述目标的网络建立的任务(Modak,Lohani 1984a, b; Trujillo Ventura,Hugh Ellis 1991; Smith and Egan 1979)。每个中型或大型多污染物AQMN坚持着保留一般站点最大数量的政策，也就是在这些站点不同污染物可以同时测量。从经济和评估方面考虑，污染物特定站点网络是少见的。首先，由于监测站点的安装和维修成本由多种污染物共享，因此明显减少了监测的总成本(Hickey et al. 1971; Hougland and Stephens 1976)。例如，一个一般站点优先考虑以下原因：

1. 当只有一种污染物时，暴露评估不完整。众所周知，污染物对健康的影响有协同作用，因此必须在同一站点测量各种污染物。
2. 如果在同一站点测量多种污染物，那么某种污染物的缺失值可以估算，特别是当已经建立各污染物之间的相互关联程度并且相关联程度很高。

到目前为止只有有限的尝试产生基于多污染物的最优AQMN。事实上，由于SO₂和烟尘的密切关系，当前多污染物网络优化和设计主要关注于两者的结合(Modak,Lohani 1984a; Green 1966)。这是在一定程度上合理的。由于有特定的发射源，扩散率以及转换率，每种污染物都有其特有的变化；因此最适数量和布局是不同的。目前还没有结O₃，颗粒物, SO₂和NO₂的AQMN设计在文献中被引用。在涉及O₃的设计中，这可能是由于污染物高值往往存在于城市周围而非城市中心。因此高浓度的SO₂和NO₂实际上对应低浓度的O₃值，反之亦然。然而，由于气溶胶模型转换，以上所建议的方法将SO₂和NO₂是AQMN设计的标准污染物。由从目前监测网络中测量得到的O₃和CO浓度数据所制得的污染地图，在以下所描述的方法中作为了一个额外的输入数据。同时，监测网络设计也考虑了基于四年数据系列（1995-1998）所制得的SO₂和NO₂污染地图。由于没有可用的监测设备测量超微粒(PM2.5，PM10)，参考文献(Kainuma,Shiozawa 1990)便成为将这些粒子集成至最适的监测网络中的指导方针。本篇文章将介绍一种创新的AQMN多目标优化方法。此方法使用了groundbased 和 satellite Earth observation-derived两种空气污染指标。该方法已应用于布雷西亚，伦巴第，意大利北部等过去十年微粒和超微粒显著增加的地区。

1. 方法论

首先，我们把目标区域划分为1times;1的网格。每一公里的网格线的交点作为地面空气质量监测的潜在站点。本文中所提及的方法的显著特征是试图先识别不同种类的信息，这些信息可能来源于对AQMN潜在用途和意义的操作，然后将其综合成一个多目标效用函数。

1.1定义优化目标

1.1.1污染物的时空分布模式的代表

常规分析法的空气污染观测弥补了空间缺陷点数据需要大量高成本站点的缺点。到目前为止，在一定区域内任意一点污染物浓度都可以通过空间相关性分析和离散模型插值得到。来自卫星的地面观测可以提供污染物的空间信息，因此减少了色散模型的不确定性和错误(King等1999)。

指示空气微粒污染物水平分布的地图可以由高分辨率卫星上的高空间分辨率卫星传感器(HSR)产生的图像得到(Sifakis,Deschamps 1992)。污染物视觉效果的波长效应使得微弱的污染都可以侦测得到，比如来自工厂的缭绕的烟或者被稀释过的城市阴霾(Waggoner,Weiss 1980)。它还允许来自自然云的污染物的分化。目前的成果是由欧洲研究项目ICAROS发展而来的理论得到(Sarigiannis等2002)。由这种方法确定的污染物的性质和浓度与光学厚度值有一一对应的关系，如下描述。地球观测(EO)数据提供了由大气气溶胶的光学厚度测量的大气浑浊度的直接信息。来自EO的气溶胶的光学厚度的资料需参考总大气柱。然而，空气质量评估中的目标空气污染物的主体存在于大气层中（跨越了地面到对流层与混合层高度）。混合层高度由基于监测数据或气象模型MM5的气象数据计算得来。此信息随后被用于纠正EO图像处理过程中的光学厚度值(Fraser et al. 1984)以及计算气溶胶粒子的散射系数。这是基于“几乎所有的对人类健康不利的对流层气溶胶（原生和次生）都保留在混合层的低层大气”的假设。在对流气象条件下尤其如此。来自现有的监测站点的空气质量测量方法和测量活动都存储在一个空气质量数据库。地面数据作为输入数据输入到将主要污染物（如NO_X和SO₂）转化为次生气溶胶的化学模型中。尽管在次生气溶胶中已被鉴定出各种各样的化学形态，但最普遍的仍是硫酸盐、硝酸盐、铵和水。因此，由H₂SO₄,，HNO₃,，NH₃ 和H₂O组成的次生气溶胶的形成已经成为了许多理论和实验调查的主题。大气气体气溶胶总量的均衡模型是在假设系统处于热力学平衡的前提下，计算硫酸，硝酸，铵和水在气块中的分区（就像最小Gibbs自由能所述的一样）。假设温度、相对湿度和气态氨浓度。在大多数环境情况下可以预计平衡假设是成立的，因为大气与气溶胶的相互转变的特征时间只有几分之一秒(Saxena et al. 1986)。通过引入这两种酸的浓度，在热力学平衡模型中环境相对湿度和温度，次生无机大气气溶胶的质量和化学成分可以被推算出来。通过对PM10和PM2.5的处理和测量可以计算出气溶胶分子的数量和化学形态。通过粒子的增长模式，气溶胶粒子散射系数和环境相对湿度与气溶胶质量相关（源于以上计算），目标区域的气溶胶的空间模式可以被推算出来(Sarigiannis et al. 2004)。

1.1.2对违反环境标准行为的检测

过去已有目标函数被用于衡量监测网络检测违反标准的能力。以下的方法可以评估监测站点检测违法行为的能力。这样，各种替代方案的语义距离，也就是依照满足优化目标的各替代站点的位置就在优化算法中被合并了。违规得分高的位置被认为检测出违规行为的可能性大。违规分数的计算本质上是光学厚度的加权平均值，而光学厚度值与超过规定阈值的污染物浓度对应。

权衡函数包括线性、分段线性、非线性、分段非线性等(Ott 1978)。本文采用了分段非线性权衡函数(Modak,Lohani 1984a, b, c) 。以下方程给出了每个候选位置的违反分数：

(1)

其中，

V_i i处的违规分数；

w_k 对应于x_k的权衡因素；

x_k k处的阈值；

X ；

N_t 阈值的总数；

T 假设监测站点的总数。

与违规分数相联系的权衡函数是及其重要的，因为不同监测站点所报告的阈值违规的程度可能有所不同。

为了协助公共部门管理，减少健康隐患及其大气污染的其他危险，世界卫生组织、 欧盟委员会和国家有关部门出版了一般污染物的指导员侧和限度值。基于以上标准，SO₂和NO₂的阈值见表1。

根据超越阈值的严重程度将空气污染指数（权衡因素）划分为0到4级，表中也列出了与之相对应的光学厚度值（tau;）。暴露反应函数拟合为一个二项式。这个数学公式惩罚高于或低于某阈值的值，因此导致了网络设计与预防原则的一致。

表1 指定光学厚度值的空气污染指数

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[30298]，资料为PDF文档或Word文档，PDF文档可免费转换为Word