基于POI興趣點的排放清單空間分配方法

王 堃,高佳佳*,田賀忠,淡 默,岳 濤,薛亦峰,3,左朋萊,王晨龍(.北京市勞動保護科學研究所,大氣污染控制研究室,北京 00054；.北京師范大學環境學院,環境模擬與污染控制國家重點聯合實驗室,北京00875；3.北京市環境保護科學研究院,國家城市環境污染控制工程技術研究中心,北京 00037)

基于POI興趣點的排放清單空間分配方法

王 堃1,高佳佳1*,田賀忠2,淡 默1,岳 濤1,薛亦峰2,3,左朋萊1,王晨龍1(1.北京市勞動保護科學研究所,大氣污染控制研究室,北京 100054；2.北京師范大學環境學院,環境模擬與污染控制國家重點聯合實驗室,北京100875；3.北京市環境保護科學研究院,國家城市環境污染控制工程技術研究中心,北京 100037)

基于商業住宅、農林牧漁企業、交通設施等類型的城市設施興趣點(POI)數據建立了針對居民生活源、農業源、交通源等非點源的排放清單分配方法.以北京市為例,基于2015年高德地圖的POI數據對清華大學MEIC排放清單進行了3km×3km及1km×1km的高空間分辨率分配,并基于分配后的排放清單,采用CMAQ空氣質量模式對2015年1月5個市內監測站點PM2.5的模擬值及監測數據進行對比,以檢驗該分配方法的準確性.結果表明,利用POI數據進行空間分配可以更加有效地反映出排放源的空間分布特征;CMAQ空氣質量模式模擬結果中,采用該方法分配后的排放清單較直接面積插值的排放清單標準化平均偏差(NMB)降低 40%左右,標準化平均誤差(NME)降低 10%左右.

排放清單；POI；CMAQ；空間分配

大氣污染物排放清單是污染源在一定時間跨度和空間區域內排放到大氣中的各種污染物的數量列表,而制作具有高時空分辨率的大氣污染物排放清單可以為空氣質量管理及數值模擬提供基礎數據[1-2].

對于固定燃燒源、工藝過程源等點源污染可直接根據經緯度坐標信息在設定的空間網格內進行排放量的空間分配.而對于采用“自上而下”計算方法得到的非點源污染需要通過一些地理空間指標將排放量分配到空間網格中.現階段,多基于 GIS技術利用土地利用類型、路網以及人口密度等數據對非點源污染源的排放量進行空間分配[3-4].

POI(城市設施興趣點)可以是對一個停車場、一棟商業住宅、一個工廠企業等信息的描述,它的主要內容包括：名稱、類別、經緯度、地址名稱,其在導航等諸多生活領域都有著廣泛的應用.此外,獲取POI數據的手段多樣,如高德地圖、百度地圖的POI數據均可以開源獲得;POI數據分類較細,且根據實際情況定時更新,具有較高的準確性,因此其在空間規劃分析中有很大的利用空間.如利用POI數據分析城市熱點、進行城市規劃的研究,對城市的地標進行分層提取,對城市的可達性進行計算等[5-8].

CMAQ空氣質量模型是由美國環保署推廣使用的第三代空氣質量模型,該模型基于“一個大氣”的核心思想,能夠模擬大氣中多物種、多相態污染物及其相互影響,如大氣污染物的排放、傳輸、煙羽處理、干濕沉降等.CMAQ模型兼顧了區域與城市尺度之間的大氣污染物的相互影響,并被廣泛的應用于區域污染物來源分析及特定行業污染物減排環境效益等研究中.例如基于CMAQ評價不同時刻減排對北京 PM2.5濃度的影響[9],利用CMAQ-DDM模型對微細顆粒物的來源進行分析等[10].

POI數據的準確性、時效性、易獲取性以及信息的豐富性,使得利用其對大氣污染物排放清單進行空間分配成為可能.本文以北京市為例,通過分析研究 POI數據與污染源空間分布特征的相關性,提出了利用POI數據對清華大學MEIC排放清單中居民、農業及交通源等非點源的精細化分配方法,并利用CMAQ空氣質量模式驗證該方法的有效性.

1 研究方法

1.1 研究數據的獲取

通過北京市統計局(http：//www.bjstats. gov.cn/)獲取北京市2015年各區縣人口及農業產值數據;通過調研,獲取北京市 2015年部分道路交通流量數據;通過開源獲取北京市2015年高德地圖POI數據.通過中國多尺度排放清單MEIC模型網站(http：//www.meicmodel.org)獲取清華大學MEIC大氣污染物排放清單.通過中國科學院地理科學與資源研究所(http：//www.resdc.cn)獲取2010年全國人口空間分布公里網格數據.

1.2 基于POI數據的非點源排放清單空間分配方法

通過對高德地圖POI數據進行梳理,得出POI數據大致可分為以下 20個大類,每個大類中又包含多個小類,共約234個小類,POI數據類型分類如表1.由于POI數據主要由名稱、類別、經緯度、地址名稱4個字段組成,且數據分類較細、具有較高的準確性和實效性;一定空間區域內某類型的POI數據個數可以一定程度上反映該類型排放源的活動水平.因此,本研究根據不同排放源的特點選用不同類型的POI數據及統計方法.

對于居民和農業源,由于該類非點源與人類活動及農業生產活動密切相關.因此,利用研究區內各空間網格的商務住宅 POI數據點的個數及農林牧漁POI數據點個數作為空間分配指標,構建人口格局分配方法及畜禽活動分配方法.設定每個網格內的空間分配權重為 Fi,分配得到的排放量Ei如下式,

式中：i表示網格編號;Fi代表第i個網格的空間分配權重;Ei代表網格 i中分配的污染物排放量,t;Ni表示網格i中商務住宅或農林牧漁業POI數據點的個數;Nsum表示研究區域內所有網格中商務住宅或農林牧漁業POI數據點的個數;Esum表示研究區域內的所有網格中污染物的排放總量,t.

對于以機動車為主的交通源,鄭君瑜等提出了基于交通流量和路網“標準道路長度”的區域機動車污染物排放空間分配方法,考慮了不同級別道路之間交通流量的差別[4].為了進一步區分相同級別道路中不同道路的交通流量差別,本研究在其方法基礎上,進一步提出,通過統計每條道路周邊停車場等交通設施的 POI數據個數為指標,設定交通流量調整系數,以考慮同級別道路之間的交通流量差別.設定每條道路交通流量調整系數為 Ra,b,每個網格內的空間分配權重為 Fi,分配得到的排放量Ei如下式,

式中：i為網格編號;a為道路編號;b為道路類型;m為道路類型數;nb為b道路類型中道路的個數,一般道路類型可分為6類或4類即國家級高速路、普通國道、普通省道、省級高速、縣道、鄉道或城市快速路、主干路、次干路及支路;Ra,b表示b型道路的a道路的交通流量調整系數;Na表示b型道路的a道路周邊停車場等交通設施類型POI數據點的個數;Navg,b表示在研究區域內所有b型道路的周邊停車場等交通設施類型 POI數據點的平均個數;Li為網格 i中所有類型道路的標準長度,km;La,b為屬于 b型道路的 a路的長度,km;Qb為不同道路的標準長度換算因子,km/km;Lsum表示研究區域內所有網格中所有類型道路的標準長度總和,km.

表1 POI數據類別一覽表

1.3 基于CMAQ模型對該空間分配方法的驗證

1.3.1 模擬相關參數的設定 CMAQ空氣質量模式選用CMAQv5.0.2,采用CB05化學機制以及AERO6氣溶膠機制.采用 WRF氣象模型為CMAQ模型提供氣象場,并選用如下參數化方案：WSM3微物理方案、CAM長波輻射方案、RRTMG短波輻射方案、Noah Land Surface Model陸面方案、Monin-Obukhov近地面層方案、MYJ邊界層方案和Grell 3D積云參數化方案.

CMAQ采用 4層嵌套模擬,如圖1,圖中D01,D02,D03,D04分別為27km×27km,9km×9km, 3km×3km,1km×1km空間分辨率的模擬區域,采用 Lambert投影,坐標原點為北緯 36.4°,東經101.9°.模擬區域分別包括了全國大部分區域,京津冀地區,北京地區及北京城六區.模擬時段選取2015年1月.

1.3.2 模型模擬結果驗證 模式模擬選用2015年 1月的模擬值與實測值進行對比.并使用標準化平均偏差(NMB)、標準化平均誤差(NME)對模式模擬結果進行評價.如果NMB和NME值均小于50%,表征模式模擬結果較好[11].

式中：N表示對比樣本數;pi代表模擬數據;oi代表監測數據.

圖1 CMAQ模型劃定的模擬區域Fig.1 Domains of CMAQ model

2 結果與討論

2.1 POI數據與污染源的空間特征相關性驗證

以北京市城六區為例,通過對比利用POI數據所獲得的污染源空間分布特征與統計數據及其他研究成果,探討POI數據是否能夠對現實情況有更好的反映.

圖2及圖3分別為基于商務住宅POI個數獲得的北京市城六區1km×1km人口分布圖以及中國科學院資源環境科學數據中心全國 1km× 1km人口分布北京城六區人口分布圖,從圖中可以看出,本方法得到的人口分布圖更精細,也更符合實際情況.

圖4為北京市各區縣 2015年人口與 2015年商務住宅類POI數據點的個數的相關性分析,從圖中可以看到人口數與商務住宅 POI數據點的個數相關性較高,R2可以達到0.9左右.此外,北京市各區縣2015年農林牧漁產值與農林牧漁類型POI數據點個數的相關性分析結果顯示,農林牧漁產值與農林牧漁 POI數據點個數相關性較高,R2可以達到0.5左右.因此,利用POI數據點的個數可以對地區內的人口及農業生產活動的分布有較好的反映.

圖2 基于商務住宅類POI獲得的北京城六區1km×1km人口分布Fig.2 1km×1km population distribution in Beijing urban area based on residential POI data

圖3 中國科學院地理科學與資源研究所提供的北京城六區1km×1km人口分布Fig.3 1km×1km population distribution in Beijing urban area provided by RESDC

通過調研獲得北京市部分省級道路的年均車流量.為了驗證本研究方法的準確性,將其交通流量數據及通過 POI數據計算得到的“標準長度”進行z-score標準化,檢驗其相關性如圖5所示.從圖中可以看出,計算得到的“標準化長度”可對逐條道路實際的交通流量有較好的反映 R2可達50%左右.

圖4 北京市各區縣人口與商務住宅類POI個數的關系Fig.4 correlation analysis between population and residential POI data in various districts and counties of Beijing

圖5 北京市部分省道標準化實際交通流量與本研究得到的標準長度的相關關系Fig.5 correlation analysis between traffic flow and the actual length of the part of Beijing highway

綜上,利用 POI數據可以較好地對人類活動、農林牧漁生產活動及各道路的交通流量有很好的反映.

2.2 選用 CMAQ空氣質量模式對于該方法分配后的MEIC排放清單進行校驗

通過使用本方法,將北京地區 0.25°×0.25°空間分辨率的 MEIC大氣污染物排放清單分配為更加精細的3km×3km高空間分辨率的排放清單,并輸入CMAQ空氣質量模型,與直接通過面積插值輸入CMAQ空氣質量模型的排放清單進行對比,并采用標準化平均偏差(NMB)及標準化平均誤差(NME)評價清單的改進結果,如表2.

表2 采用該方法前后的模擬效果評估(PM2.5)(%)Table 2 Simulation results before and after using the method (PM2.5)(%)

表2中可以看出,使用本方法對排放清單進行空間分配,并用于空氣質量模擬,可以顯著提高空氣質量模擬的效果.從對比結果可以看到,使用該方法后,NMB平均可以降低40%左右,NME平均可以降低10%左右,效果較為顯著.

模型模擬的空間分辨率越高,對模型及基礎數據要求越高.本研究進一步利用POI數據,將空間分辨率為 0.25°×0.25°的 MEIC清單分配至1km×1km,并采用 CMAQ模型對北京市城六區進行數值模擬,以檢驗本方法的有效性,并對模擬結果進行評估.模擬時間為2015年1月13日～2015年1月28日,結果如表3.

表3 1km×1km高空間分辨率模擬效果評估(PM2.5)(%)Table 3 Simulation results of 1km×1km emission inventory (PM2.5)(%)

從表3及圖6中可以看出,使用該方法對排放清單進行 1km×1km高時空分辨率空間分配,并用于空氣質量模擬,仍可以獲得良好的空氣質量模擬效果.且POI方法較普通面積插值法NMB降低2%左右,NME降低20%左右,模擬結果更接近真實情況.

圖6 1km×1km高空間分辨率模擬效果評估Fig.6 Simulation results of 1km×1km emission inventory

3 結論

基于POI數據可以有效地對非點源污染進行空間分配.在本文3km×3km的CMAQ空氣質量模擬實驗中,POI分配方法較面積插值法可使NMB降低40%左右,NME 10%左右.此外,POI數據在基于與生活密切相關的地理實體的空間分配方面具有廣泛的應用潛力,如餐飲油煙可以考慮使用餐飲服務類 POI數據進行空間分配,建筑內外墻涂料、汽車噴漆等溶劑使用過程可以考慮商務住宅、汽車服務類POI數據進行空間分配,并可以進一步研究基于土地利用、環保及相關部門的統計數據的基礎上,利用 POI數據對揚塵等非點源污染排放進行更加準確地空間分配.

[1]鄭君瑜.區域高分辨率大氣排放源清單建立的技術方法與應用[M]. 北京：科學出版社, 2014：6.

[2]王 堃,滑申冰,田賀忠,等.2011年中國鋼鐵行業典型有害重金屬大氣排放清單 [J]. 中國環境科學, 2015,35(10)：2934-2938.

[3]楊柳林,曾武濤,張永波,等.珠江三角洲大氣排放源清單與時空分配模型建立 [J]. 中國環境科學, 2015,35(12)：3521-3534.

[4]鄭君瑜,車汶蔚,王兆禮.基于交通流量和路網的區域機動車污染物排放量空間分配方法 [J]. 環境科學學報, 2009,29(4)：815-821.

[5]索 超,丁志剛. POI在城市規劃研究中的應用探索 [A]//中國城市規劃學會、貴陽市人民政府.新常態：傳承與變革——2015中國城市規劃年會論文集(04城市規劃新技術應用) [C]. 貴陽：中國城市規劃學會、貴陽市人民政府, 2015：10.

[6]禹文豪,艾廷華,劉鵬程,等.設施 POI分布熱點分析的網絡核密度估計方法 [J]. 測繪學報, 2015,44(12)：1378-1383.

[7]趙衛鋒,李清泉,李必軍.利用城市 POI數據提取分層地標 [J].遙感學報, 2011,15(5)：973-988.

[8]鄭松潘,陳羽中,於志勇,等.基于興趣點的城市阻抗計算模型[J]. 浙江大學學報(工學版), 2016,50(6)：1189-1195.

[9]翟世賢,安興琴,劉 俊,等.不同時刻污染減排對北京市PM2.5濃度的影響 [J]. 中國環境科學, 2014,34(6)：1369-1379.

[10]王麗濤,張 普,楊 晶,等. CMAQ-DDM-3D在細微顆粒物PM2.5來源計算中的應用 [J]. 環境科學學報, 2013,33(5)：1355-1361.

[11]Kanaria A, Tonookab Y, Baba T, et al. Development of multiple-species 1km×1km resolution hourly basis emissions inventory for Japan [J]. Atmospheric Environment, 2007,41：3428-3439.

An emission inventory spatial allocatemethod based on POI data.

WANG Kun1, GAO Jia-jia1*, TIAN He-zhong2,DAN Mo1, YUE Tao1, XUE Yi-feng2,3, ZOU Pen-lai1, WANG Chen-long1(1.Department of Air Pollution Control, Beijing Municipal Institute of Labour Protection, Beijing 100054, China；2.State Key Joint Laboratory of Environmental Simulation & Pollution Control, School of Environment, Beijing Normal University, Beijing 100875, China；3.National Engineering Research Center of Urban Environmental Pollution Control, Beijing Municipal Research Institute of Environmental Protection, Beijing 100037, China). China Environmental Science, 2017,37(6)：2377～2382

POI (Points of interest) describes the type, location and other information of engineering and servicing facilities. POI data has the characteristics of easy access, strong timeliness and high accuracy. It is an important part of navigation electronic maps, and has a widely application prospects in urban planning. This study established a method to allocate area emissions (residential, agriculture and transportation source, etc.) basing on POI data (such as residential and commercial enterprises, animal husbandry and fishery enterprises, parking lot and other transportation facilities). Using the method, Beijing’s MEIC inventory was allocated to 3km×3km and 1km×1km spatial resolution, and CMAQ model was applied to test accuracy of allocated inventory. The result show that, using POI data to spatial allocate emission inventory can more effectively reflect the spatial distribution characteristics of the emission source. The simulation results of CMAQ model show that after using POI data to allocate Beijing’s MEIC inventory, the NMB and NME between monitoring data and simulated data are reduced about 30% and 10%, respectively.

emission inventory；POI；CMAQ；spatial allocation

X513

A

1000-6923(2017)06-2377-06

王 堃(1991-),男,山西呂梁人,研究實習員,主要從事大氣污染控制研究.

2016-10-31

國家重點研發計劃(2016YFC0208103);國家自然科學基金資助項目(21607008)

* 責任作者, 博士, jiajia11757@126.com