基于時空地理信息的港口大氣污染協同管控平臺研發

田序偉，尉子璇，符岳全，楊凱，鄭冰

（1.浙江數智交院科技股份有限公司，浙江 杭州 410000；2.浙江海港嘉興港務有限公司，浙江 嘉興 314201）

隨著世界經濟貿易的發展，海上運輸體量占交通行業的比例越來越大，海上運輸承擔了我國95%以上的外貿貨物運輸量。2022 年預計我國沿海港口吞吐量超過100 億噸，全國港口完成集裝箱吞吐量2.95 億TEU[1]。隨著行業的高速發展，與之而來的環境問題也越來越嚴重。港口內機械作業設備及機動車、船舶等交通工具數量的增加，導致港口大氣污染排放量也急劇上升，嚴重影響港口空氣質量水平[2]。

2019 年《交通強國建設綱要》指出，要“嚴格執行國家和地方污染物控制標準，推進港口污染防治，打造綠色高效的現代物流系統，提升基礎設施智能化與綠色化水平?！苯陙?，有學者從我國港口大氣污染排放清單[3]、港口綠色規劃設計[4]、港口環境管理關鍵技術[5]等方面進行了一定研究，提升了我國港口大氣污染防治的基礎理論水平。部分干散貨碼頭也安裝了環境監測站、揚塵噴淋系統，開發粉塵監測管理平臺等[6]，提升了港口大氣污染治理能力。

然而現階段對港口大氣污染的管控手段和治理能力仍然不足，大氣污染監測數據的有效信息未被充分挖掘。為深入探索港口大氣污染演變機理，提升大氣污染治理水平，以南方某港區為應用對象，設計研發了基于時空地理信息的港口大氣污染協同管控平臺，實現對港口大氣污染監測數據的采集、分析、溯源、演變、管控的全生命周期管理，為港口大氣污染防治提供了有效手段。

1 系統設計

平臺采用云服務架構，基于B/S 模式，采用前后端分離架構，使用VUE/HTML5 和Spring Boot 框架進行開發，總體設計如圖1 所示。系統界面地圖功能基于Mapbox GL JS 進行開發，支持多種地圖樣式和自定義樣式，數據存儲采用了PostgreSQL 數據庫，并使用PostGIS 擴展實現空間數據存儲與查詢，提供強大的地理信息處理和分析能力。系統后端使用Spring Boot 框架提供RESTful API 接口，以支持前后端之間的數據交互和業務處理。在統一的技術標準和安全保障體系的支撐和約束下，按照統一的數據基準，實現分散、多源、異構的地理空間數據與大氣污染監測數據的規范化集成、建庫、分析與展示。

圖1 系統架構

圖2 系統時空演變分析模塊示例

平臺集港口大氣污染監測數據分析顯示、港口大氣污染溯源計算與可視化展示、港口大氣污染監測預警與演變趨勢研判、港口環境管理與決策等多種功能為一體。平臺是多維度云監測的數據存儲與處理中心、溯源算法集成的載體、可視化效果的呈現界面。在運行機制上，平臺將監測數據輸入計算模型進行溯源計算，然后將溯源計算結果進行時空地理信息呈現。

2 系統實現

2.1 數據采集與數據庫建設

本平臺通過布設多種大氣監測感知設備與視頻監控設備，實現對港區大氣污染的多維立體信息感知。大氣監測感知設備主要包括：①大氣顆粒物激光掃描雷達，實現對港區垂直和水平范圍的氣溶膠消光系數的實時探測；②一體式氣象監測站，實現對港區溫度、濕度、風速、降雨量等氣象要素的采集；③空氣質量在線監測儀，通過網格化多點監測，實現對港區固定污染源、移動污染源的監測數據采集，包括PM2.5、PM10、SO2、NOx、CO、O3等污染物；④VOCS 在線監測儀，監測大氣中揮發性有機化合物（VOCS），包括苯、甲苯、二甲苯、乙醛、甲醛等，用于污染物來源解析。視頻監控設備主要包括攝像機及無人機巡航設備，實現對港區大氣監測日常巡查和特殊情況下的應急監控，通過搭載粉塵無線監測儀可實時采集堆場上空、碼頭上空大氣污染物數據，并將數據實時傳輸回監測中心。

除了上述環境監測數據、視頻監控數據外，還包括港區基礎數據、地理信息數據、元數據、日志數據等，通過數據庫管理工具進行分類和歸檔。將PostgreSQL 數據庫架構分為三個層次，數據存儲層、數據處理層以及數據服務層。數據存儲層，用于存儲所有數據；數據處理層對存儲在數據庫中的數據進行處理和簡單的計算與統計等。數據服務層，向外提供數據服務接口，數據以API 的方式提供給前端或計算中樞，也可以將數據推送其他省市級環境管理平臺當中。

2.2 多維度大氣污染數據分析及時空地理顯示

系統實現對港口大氣污染實時監測顯示以及大數據分析功能，通過可視化插件工具，如各類圖表組件、熱力圖組件等實現對港口大氣污染數據的多維度統計分析，包括固定污染源、移動污染源占比，各類污染物監測數據、揮發性有機化合物占比統計分析，港口空氣質量變化趨勢圖等。

系統通過使用Mapbox GL JS 進行地圖服務，可以實現港口大氣污染實時地圖顯示，包括監測點位地圖和污染源分布地圖，并且可以通過地圖渲染功能和加速地圖加載等措施提升地圖的可視化效果和性能。

通過Mapbox GL JS 提供的地圖顯示功能，將港口的大氣污染監測數據實時展示在地圖上，通過在地圖上標記監測點位，并使用不同的符號或顏色表示不同的污染級別或指標數值。利用Mapbox GL JS 的繪圖功能，在地圖上標記污染源的位置，例如工廠、排放口等，直觀地展示污染源的分布情況，并幫助分析污染的來源和擴散情況。根據監測數據的特點和需求進行定制化的地圖渲染，可以根據污染程度使用不同的顏色渲染地圖，使污染區域更加突出和可視化。通過使用矢量瓦片技術，大幅加速地圖的加載速度，確保在實時監測的場景下，地圖能夠快速加載并展示實時監測數據。

2.3 港區大氣污染溯源及實時源解析

系統基于先進的監測設備，通過建立密集的監測網格和多參數監測，實時獲取大氣污染數據，并結合PMF源解析技術[7]和高斯煙羽模型[8]，追溯和定位污染源的來源與影響，以實現對港區大氣污染的精準溯源和源解析。

系統通過激光掃描雷達、網格化多點監測和高精度氣象監測站構建的多維度云監測組網獲取大氣物理流場數據和大氣化學特征因子數據。系統獲取數據后輸入信息處理模塊進行模型計算。在大氣物理流場計算中，基于高斯煙羽擴散模型原理，通過考慮排放源的高度、位置、風速、風向等參數，計算污染物的濃度分布，模擬污染物在港區大氣中的傳輸擴散過程。在污染源解析計算中，應用PMF 源解析技術，解析不同污染源對于監測點位的貢獻程度和化學特征，并推斷源特征譜，提供對污染源的定性和定量分析。利用地理信息系統處理區域、分辨率、地形地貌、建筑物和路況等相關數據，提供空間環境背景信息，并與溯源結果進行空間關聯分析。

利用可視化技術將大氣物理流場、化學特征因子、污染源解析結果以圖表、地圖等形式進行展示，實現對大氣污染溯源過程的可視化呈現。綜合分析監測數據、物理流場計算結果和PMF 源解析結果，生成綜合溯源結論，明確污染物來源和貢獻程度，并提供相應的評估指標?；谒菰唇Y果和評估指標，為決策者提供科學依據和建議，支持港區大氣污染的治理和規劃決策。

2.4 大氣污染監測預警與演變趨勢研判

系統基于港區監測組網獲取的大氣污染監測數據，設置相應的預警閾值和等級，通過與系統中的監測數據進行對比分析，當監測數據超過預警閾值時，觸發相應的預警策略。一旦觸發預警，系統將自動發送預警信息包括警報通知、預警級別、污染物類型等，通過系統界面符號閃爍、短信等渠道向相關用戶發送預警信息。此外，系統還能生成詳細的報告，包括污染事件記錄、數據分析結果和建議措施，為決策者提供科學依據。

系統采用深度學習模型——LSTM 神經網絡[9]構建港區大氣空氣質量指數預測模型，實現對未來時間段內港區大氣污染指標的預測。系統通過收集港區多維度云監測網收集的大氣污染監測數據和氣象數據，進行數據預處理，包括數據清洗、特征提取和歸一化處理等，建立LSTM 深度學習網絡。以過去八個小時的大氣污染特征因子（AQI、PM2.5、O3、PM10、SO2、NO2、CO、溫度、風力、降雨量、濕度）作為輸入，對深度學習模型進行訓練，預測未來1 小時的港區空氣質量指數，生成趨勢曲線和預測結果，并提供可視化展示和分析報告，以幫助決策者了解港區大氣污染的演變趨勢。

3 系統應用

3.1 大氣污染監測大數據分析

系統實時顯示港區大氣污染實時地圖，集成顯示激光雷達、大氣污染監測站點及氣象監測站點等位置與狀態信息，顯示設備運行情況及氣象監測污染等級，實時顯示空氣質量，按照日、周、月等不同時間維度通過折線圖顯示空氣質量變化情況。系統支持監測站點實時數據查看，通過點擊設備符號，查看監測數據，包括監測設備ID、設備類型、位置、監測內容等。

系統實現污染源地圖標記，直觀展示污染源分布情況，以港區為底圖，標記港區周邊化工企業、港區內煤炭堆場作業區、集裝箱堆場作業區、泊位船舶作業區等污染源地理位置，顯示污染源分布及污染物狀態，通過多維圖表顯示空氣中各類污染物濃度占比及狀態趨勢變化。

系統按照監測站點及不同的污染物來源，記錄對應的污染物監測信息，支持污染監測數據查詢，按照時間、設備類型、污染物類型等字段查詢對應的設備監測記錄。

3.2 大氣污染監測預警報警

系統基于設備監測數據、預警閾值設置策略觸發監測預警，報警信息集成于系統首頁界面，顯示報警站點、報警時間和報警通知等。系統后臺生成詳細的報警報告，包括污染事件記錄、數據分析結果和建議措施，為決策者提供科學依據。報告內容包括記錄ID、時間戳、監測站點、污染指標、報警級別、報警數值、報警閾值、報警類型、報警狀態、處理人員、處理時間、處理結果等。

3.3 大氣污染時空演變分析

系統支持污染溯源分析及污染物來源分析，按照污染源類型顯示污染源時間分布變化，以趨勢圖的方式，展現不同類型污染源在日、周、月等時間維度下，污染物占比趨勢變化。顯示不同污染源類型下各污染源點位污染物詳細信息，對同一污染源類型下各污染源點進行排序。

系統基于大氣激光雷達激光監測的消光系數數據，實現港口環境數據動態云圖實時顯示，對消光系數及顆粒物時空演變情況進行分析?；诟劭诒O測歷史數據和實時采集的大氣監測和氣象數據，通過深度學習模型實現港口空氣質量指數預測。

3.4 大氣污染協同管理與決策

系統實現污染源定位及邊界污染濃度控制。設計污染源定位列表，顯示大氣監測站點位和污染源分布點位，通過點擊點位名稱定位到圖層監測站點和污染源點位，顯示監測點位信息。用戶可通過編輯設置監測站及污染源點位閾值，實現對該點位污染濃度控制，用戶可通過編輯控制污染物名稱、預警濃度閾值和報警持續時間閾值等調整報警觸發條件。