EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 10: 1269 - 1274

DOI: https://doi.org/10.3724/SP.J.1047.2015.01269

Orginal Article

Evaluating Atmospheric Pollution of Chemical Plant Based on Unmanned Aircraft Vehicle (UAV)

  • YANG Haijun , 1 ,
  • HUANG Yaohuan , 2, *
Expand
  • 1. Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
*Corresponding author: HUANG Yaohuan, E-mail:

Received date: 2015-07-27

  Request revised date: 2015-08-20

  Online published: 2015-10-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Although atmospheric environment monitoring based UAV is a cutting-edge technology, it has become an important method for environmental protection departments. It is significant for protecting and emergency monitoring of sudden atmospheric pollution incidents. Qilu chemical industrial zone with high-risk region of contaminative chemical gas emission is took as the study area. In this paper, we combined the rotor UAV system (HY-1) that equipped with high resolution CCD and the pollution gas monitor with in-situ measurements for three pollution gases of NO, CO and SO2. The results of the three pollution gas concentration distributions at the heights of 150 m/200 m, 250 m, 350 m and the ground level showed that the pollution gases in the chemical industrial zone present a horizontal difference and vertical diffusion characteristics. Analyzing the horizontally and vertically abnormal values of pollution gas concentrations from UAV can be efficient in supporting pollution pre-investigation. This research is a practical application of UAV in atmospheric environment monitoring by environmental protection departments, which can provide a technical support for regular supervision of pollution gas emission in chemical industrial zones and related enterprises.

Key words： Unmanned Aircraft Vehicle (UAV); atmospheric pollution; chemical plant; gas concentrations

Cite this article

YANG Haijun , HUANG Yaohuan . Evaluating Atmospheric Pollution of Chemical Plant Based on Unmanned Aircraft Vehicle (UAV)[J]. Journal of Geo-information Science, 2015 , 17(10) : 1269 -1274 . DOI: 10.3724/SP.J.1047.2015.01269

1 引言

大气环境监测是环境保护工作中最重要的基础性工作[1]。随着我国经济的快速发展,化工企业违规排放已成为大气污染的重要污染源,由于自然灾害或工程质量、维修工作的欠缺,引发的化工厂爆炸或有害气体泄漏,严重影响区域大气环境质量。根据环境保护部环境应急与事故调查中心的不完全统计,2004-2009年中国各省（台湾省不在统计范围内）突发性大气污染事件累计达到263起,占总共709起主要环境事件的37.1%[2]。为此,重点化工园区大气排放及污染监测已成为各级环保部门日常性的工作。
目前,环保系统化工大气污染监测主要以定时地点的地面手工监测为主,鉴于化工大气污染排放隐蔽性、污染事故突发性的特点,传统地面监测手段很难满足环保部门的应急需求[3]。当今,众多环保部门已将遥感技术作为区域大气环境污染监测的主要手段[4]。作为继航空、航天遥感后的第3代遥感技术的无人机遥感技术,具有立体监测、响应速度快、监测范围广、地形干扰小等优点[5],是今后进行大气突发事件污染源识别和浓度监测的重要发展方向之一[6-7]。国外开展了环境地图建模、任务分配和路径规划的多无人机协同监测大气污染物的研究[8-9]。国内相关研究还处于起步阶段,主要进行臭氧、粒子浓度、温度、湿度、NO2和压力等指标的监测研究[10-11]。而作为大气环境重要污染源工业化工污染无人机监测的环保实际应用还处于探索阶段。
本研究是在环保公益性行业科研专项“环境污染事故航空遥感应急监测关键技术研究与应用”项目支持下,从环保部门大气污染监测实际业务需求出发,通过实地飞行试验数据及地面实测数据分析,验证无人机系统进行重点化工企业污染气体排放监测的任务执行能力和应急响应能力,为我国环境空气污染事故航空遥感应急监测提供有效的监测手段和可靠的技术支撑。

2 无人机监测试验与数据

2.1 无人机监测系统

本次飞行试验针对目前我国大气废气排放,对环境造成严重污染的现状,利用旋翼无人机搭载高分辨率相机和污染气体监测仪,以山东淄博齐鲁化学工业园区为典型示范区,获取监测区域高分辨率光学影像和一氧化氮（NO）、一氧化碳（CO）和二氧化硫（SO2）3种气体浓度数据,分析监测区域大气污染状况。
针对应用无人机进行化工企业大气废气排放,为环境污染监测研究的需求,本文利用搭载有高分辨率相机和污染气体监测仪的旋翼无人机（“环鹰一号”）,对山东省淄博市的齐鲁化学工业区进行了飞行试验。齐鲁化学工业区位于淄博市临淄区东北部,是国家正式批准设立的国内第三家专业化工园区,总体规划面积42 km2,为大陆性季风气候,全年平均气温12.2 ℃。园区现有建成区22 km2,生产的丙烯、芳烃、三羟甲基丙烷、甲酸钠以及叔丁胺等化工原料,产量巨大。对该区大气污染的无人机监测,是环保部门是一项重要工作。
本次污染气体监测的无人机遥感系统,由飞行平台、飞行导航与控制系统、地面监控系统、任务设备、数据传输系统5部分组成。其中,不同高度气体浓度获取飞行平台为HD400无人直升机的旋翼无人机系统,以燃油动力为主,如图1所示。
Fig. 1 HD400 unmanned helicopter

图1 HD400无人直升机系统

本研究中搭载在无人机平台中的获取污染气体浓度值载荷为复合气体检测仪（iBRD Mx6）,该设备是泵吸式多气体检测设备,克服了气流干扰、机身震动等因素造成的仪器数据不准确问题。本研究中采用Mx6气体检测仪检测3 种气体的传感器技术参数如表1所示。
Tab. 1 Parameter of three pollution gas using Mx6

表1 3种污染气体Mx6技术参数表

气体种类 CO NO SO2
测量范围（ppm） 0~999 0~999 0~99.9
分辨率（ppm） 1 1 0.1
研究区光学影像底图,由1070张分辨率为0.2 m感光学影像拼接而成,该高分辨率影像可用于研究区地表用地的识别,从而为后续大气污染监测结果的可能排放污染源的监管提供依据,如图2所示。
Fig. 2 Matching image of Unmanned Aircraft System (UAS) of the study area

图2 飞行区域底图拼接结果

2.2 无人机飞行试验

本次试验于2014年5月3日至2014年5月9日进行,在利用旋翼无人机平台,搭载摄像机、高分辨率光学相机和复合气体检测仪,获取工业园区内目标区域上空（100~350 m）的气体浓度数据、高分辨率光学影像及高清视频数据的同时,利用复合气体检测仪、手持GPS、手持气象站等仪器设备开展地面实验,最终,利用无人机监测区域的地面及不同高度的气体浓度数据,对化工厂园区上空污染气体的分布及扩散进行分析。根据化工园区的功能分布,大量化工废气排放主要集中在乙烯联合化工区和炼油化工区,主要分布在铁路沿线,因而,沿铁路线南侧,设置一处监测区（大气监测二区）,作为工业区的大气质量监测点。在铁路线北侧村镇用地处设置一处监测区（大气监测一区）,主要监测污染气体在空中的扩散,对附近居民区产生的影响（图2）。
2个无人机监测区域的飞行面积均为1.2 km×1.2 km,利用无人机搭载的复合气体检测仪,分别在150、200、250及350 m的高度进行污染气体采样。由于飞机螺旋桨转动造成空气扰动,以及飞机本身尾气排放,会影响气体监测的结果,因此,设定飞行航线间距为50~100 m,且飞行单向逆风采集数据,在航向上气体检测仪每间隔100 m进行一次气体采样检测,航线设计及飞行作业方案如图3所示。
Fig. 3 Design of airline route and Unmanned Aircraft System (UAS) monitoring

图3 航线设计和飞行作业方案

3 化工污染气体无人机监测结果与分析

3.1 污染气体检测与处理

第一测区获取了地面及测区上空150 m和250 m高度的气体浓度数据,第二测区获取了地面及测区上空200 m、250 m和350 m高度的气体浓度数据。为保证地面实测数据与无人机监测结果一致可比性,地面试验采用与无人机型号完全一致的复合气体检测仪（iBRD Mx6）。同时,鉴于本文的目标为定性的分析无人机系统,进行化工园区气体污染遥感监测的应急能力,采用“环鹰一号”内置数据处理系统实现系统误差的消除。地面及气体检测仪获取的CO、NO、SO2 3种气体的浓度数据及点位如表2、3所示。
Tab. 2 Measurements of the first sample area

表2 第一测区测量值统计

种类 高度(m) 有效点位(个) 最大值(ppm) 最小值(ppm)
CO 0 9 3 1
150 130 36 4
250 130 39 2
NO 0 9 12 10
150 130 11 7
250 130 6 4
SO2 0 9 0.4 0
150 130 1.8 0.6
250 130 4.2 0.3
Tab. 3 Measurements of the second sample area

表3 第二测区测量值统计

种类 高度(m) 有效点位(个) 最大值(ppm) 最小值(ppm)
CO 0 9 4 3
200 143 196 0
250 205 156 0
350 131 803 3
NO 0 9 1 0
200 143 4 0
250 205 3 1
350 131 21 4
SO2 0 9 0.3 0.2
200 143 6.5 0
250 205 4.4 0
350 131 15.7 0.6
气体检测仪获取的气体浓度数据由离散数据组成,为更好地开展数据间的对比分析,对获取的气体浓度数据进行归一化处理,文中采用离差标准化方法对原始数据进行线性变换,使结果值映射到[0-1]之间,转换函数如式（1）所示。
X * = x - min max - min （1）
式中,X*为气体浓度样本数据归一化值;x为气体浓度样本值;max为气体浓度样本数据的最大值;min为气体浓度样本数据的最小值。
其次,对归一化后的数据进行插值处理,得到栅格数据。克里金（Kriging）插值方法,能得到整体最优的插值精度[12],文中采用该方法对获取的气体浓度数据进行插值,插值公式如式（2）所示。
Z * ( s 0 ) = ∑ i = 1 n λ i ( s i ) （2）
式中, Z ( s i ) 为第i个位置处的测量值; λ i 为第i个位置处的测量值的未知权重; s 0 为预测位置;n为测量值数。
插值后污染气体浓度值如图4、5所示,红色区域为采样点经插值后的浓度区域分布,颜色越深表示该区域监测气体浓度越高。
Fig. 4 In-situ measurement of CO, NO, SO2 concentrations of the first sample area

图4 第一测区地面验证CO、NO、SO2浓度分布图

Fig. 5 In-situ measurement of CO, NO, SO2 concentrations of the second sample area

图5 第二测区地面验证CO、NO、SO2浓度分布图

3.2 污染气体空间分布分析

污染气体排放包括水平和垂直2方面的梯度运动,为此充分发挥地面监测及无人机协同工作的优势,将监测区域不同高度的污染气体浓度的栅格数据进行叠加分析（图6、7）。从图6可看出,第一测区地处园区内污染气体排放源较多的化工厂边缘,因此,在150 m、250 m高度及地面验证的CO、NO 、SO2浓度都比较低。其中,CO气体浓度随高度变化不明显,3个高度层都有少量峰值出现;NO在监测区域内分布比较均匀,呈现随着监测高度升高浓度值递减的趋势;SO2地面验证与150 m高度SO2浓度均比较高,250 m高度SO2浓度比较低,这与SO2分子质量较大且不易在空中扩散有关。
Fig. 6 Three-dimensional overlay of CO, NO, SO2 concentrations of the first sample area

图6 第一测区150、250和350 m高度及地面验证CO、NO、SO2浓度三维叠加可视化图

Fig. 7 Three-dimensional overlay of CO, NO, SO2 concentrations of the second sample area

图7 第二测区150、250和350 m高度及地面验证CO、NO、SO2浓度三维叠加可视化图

第二测区地处园区炼油化工区上方,地面验证及200 m高度的CO浓度较高,250 m和350 m浓度相对较低,且测区的南部低空区域CO浓度较高,地面核查发现该区有个CO排放较大化工厂。测区3个高度及地面验证的NO浓度都比较高,随高度递减趋势不明显,表明该区域化工厂NO的排放量都比较大。测区地面验证及200 m高度SO2浓度相对较高,250 m和350 m的平均浓度相对较低。通过不同高度的气体浓度叠加图发现,在该区域西部CO、NO、SO2的浓度监测值出现局部区域高峰值,通过对无人机获取的地面光学影像分析及地面核查,发现在无人机监测区域西部边缘存在3个高度较高的排烟烟囱,其气体排放对监测结果产生了一定的影响。

4 结论

无人机平台的污染气体监测系统,凭借其高分辨率、灵活机动、响应速度快、客观准确、不受地形地貌等区域环境影响等优势和特点,有望成为污染气体环境应急监测的有效手段。本文通过地面监测及无人机协同工作的方式,采用Mx6气体检测仪对齐鲁化学工业区CO、NO及SO2 3种化工污染气体进行了实验,研究发现从垂直和水平2个方面进行污染气体异常值三维空间分布分析,能实现重点违规污染企业及污染源的识别和监管。此外,研究发现,CO、NO、SO2在垂直梯度体现不同的扩散特征,如污染源周边的SO2具有随高度不断稀释的规律,因此,不同污染物的垂直扩散特征,可为实际化工园区环境监管和治理提供科学依据。随着无人机遥感技术的不断成熟,能为环境保护工作提供完善的技术支撑,在环境保护领域将会有更加广泛的应用前景。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
马晓晓,方土,王中伟,等.我国环境监测现状分析及对策研究[J].环境科技,2010,23(2):132-135.

[2]
邵超峰,鞠美庭.突发性大气污染事件的环境风险评估与管理[J].环境科学与技术,2009,32(6):200-205.

[3]
张青,陈昌伦,吴狄.遥感技术在环境监测领域中方法运用研究[J].绿色科技,2015(3):235-236.

[4]
黄耀欢,江东,庄大方,等.汤逊湖水体叶绿素浓度遥感估测研究[J].自然灾害学报,2012,21(2):215-222.

[5]
胡堃. 基于无人机遥感平台的震后灾情监测系统[J].科协论坛,2009(1):100-101.

[6]
刘锐,翟传森,谢涛,等. “空地一体化”环境应急监测与管理系统设计[J]. 环境保护科学,2014,40(3):74-77.

[7]
朱京海,徐光,刘家斌.无人机遥感系统在环境保护领域的应用研究[J].环境保护与循环经济,2011(9):45-48.

[8]
White B A, Tsourdos A, Ashokaraj I, et al.Contaminant cloud boundary monitoring using network of UAV sensors[J]. Sensors Journal, 2008,8(10):1681-1692.

[9]
Kovacina M A, Palmer D, Guang Y, et al. Multi-agent control algorithms for chemical cloud detection and mapping using unmanned air vehicles[J]. Intelligent Robots and Systems, 2002(3):2782-2788.

[10]
谢涛,刘锐,胡秋红,等.无人机大气环境应急监测系统设计探讨[J].环境科学与技术,2013,36(6L):289-293.

[11]
谢涛,刘锐,胡秋红,等.基于无人机遥感技术的环境监测研究进展[J].环境科技,2013,26(4):55-61.

[12]
董志南,郑拴宁,赵会兵,等.基于空间插值的风场模拟方法比较分析[J].地球信息科学学报,2015,17(1):37-44.

Options
Outlines

/

〈 〉