CN105026914B - 测量大气中的温室气体的网络 - Google Patents
测量大气中的温室气体的网络 Download PDFInfo
- Publication number
- CN105026914B CN105026914B CN201480009908.7A CN201480009908A CN105026914B CN 105026914 B CN105026914 B CN 105026914B CN 201480009908 A CN201480009908 A CN 201480009908A CN 105026914 B CN105026914 B CN 105026914B
- Authority
- CN
- China
- Prior art keywords
- greenhouse gases
- sample
- measuring apparatus
- calibrator
- ter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 158
- 239000007789 gas Substances 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000005259 measurement Methods 0.000 claims description 39
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 2
- 240000007594 Oryza sativa Species 0.000 claims 1
- 235000007164 Oryza sativa Nutrition 0.000 claims 1
- 235000009566 rice Nutrition 0.000 claims 1
- 238000004590 computer program Methods 0.000 abstract description 10
- 238000012546 transfer Methods 0.000 abstract description 7
- 238000005070 sampling Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 108050005509 3D domains Proteins 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Sampling And Sample Adjustment (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
描述了用于测量温室气体的方法和装置,包括计算机程序产品。校准设备从暴露于地球大气的第一端口接收大气气体的第一样本。该校准设备从暴露于地球大气的第二端口接收大气气体的第二样本。该校准设备将该第一样本和该第二样本路由至测量设备以用于温室气体分析。该测量设备确定存在于该第一样本和该第二样本中的至少一个中的温室气体的特性。该测量设备将与所确定的温室气体的特性相关联的数据传输至计算设备以用于确定气体的汇和源。
Description
技术领域
本申请的主题一般涉及用于测量大气中的温室气体并确定这些气体的汇(sink)和源的方法和装置(包括计算机程序产品)。
背景技术
温室气体向大气中的释放在全世界范围具有显著的环境和经济影响。地方政府、州政府以及联邦政府处于监测和控制温室气体排放以防止对地球气候和环境的进一步损害的日益增加的压力下。一种挑战是在分布式地理区域上准确地测量大气中的温室气体以确定温室气体的潜在源的位置。
发明内容
总体概述之,本文中所描述的技术涉及大气中的温室气体的测量、用于执行该测量的设备的校准以及温室气体的汇和源的确定。这些技术提供对分布式地理区域上的大气温室气体的实时、连续的测量。这些技术还通过使现场(in situ)温室气体测量设备的测试和操作自动化并受控制来提供现场温室气体测量设备的改进的校准。这些技术还提供温室气体测量数据的收集、建模和分析以准确地确定潜在的温室气体汇和源的位置。
在一个方面中,本发明以一种用于测量温室气体的方法为特征(feature)。该方法包括:在校准设备处从暴露于地球大气的第一端口接收大气气体的第一样本;以及在该校准设备处从暴露于地球大气的第二端口接收大气气体的第二样本。该方法包括:通过该校准设备将第一样本和第二样本路由(route)至测量设备以用于温室气体分析。该方法包括:通过该测量设备确定存在于该第一样本和第二样本中的至少一个中的温室气体的特性;以及通过该测量设备将与所确定的温室气体的特性相关联的数据传输至计算设备。
在另一方面中,本发明以一种用于校准温室气体测量设备的方法为特征。该方法包括:在校准设备处从被耦合至该校准设备的泵接收第一温室气体量。该方法包括:经由该校准设备将该第一温室气体量传递至该测量设备。该方法包括:通过该测量设备确定存在于该第一温室气体量中的温室气体的特性;以及通过该测量设备将该特性传输至计算设备。该方法包括:由该计算设备通过对该特性应用校正来校准该特性。
在另一方面中,本发明以一种用于测量大气中的温室气体的系统为特征。该系统包括:校准设备,被配置成从暴露于地球大气的第一端口接收大气气体的第一样本,并从暴露于地球大气的第二端口接收大气气体的第二样本。该校准设备被配置成将该第一样本和该第二样本路由至测量设备以用于温室气体分析。该系统包括:测量设备,该测量设备被配置成确定存在于该第一样本和该第二样本中的至少一个中的温室气体的特性,并将与所确定的该温室气体的特性相关联的数据传输至计算设备。
在另一方面中,本发明以一种用于校准温室气体测量设备的设备为特征。该设备包括:一个或多个入口,用于从暴露于地球大气的一个或多个端口接收大气气体的样本;以及一个或多个泵,用于调节经由入口所接收的大气气体的流动(flow)。该设备包括一个或多个校准罐和一采样模块。该采样模块包括耦合至该一个或多个泵和该一个或多个校准罐的阀、压力和温度控制器、以及干燥器。该采样模块被配置成使用该阀来从泵和校准罐中的一个或多个中采样气体、使用压力和温度控制器来调节被采样气体的压力和温度、使用干燥器来从被采样气体中移除水汽、以及将该气体从干燥器传送至测量设备,该测量设备被配置成确定存在于被采样气体中的温室气体的特性。
在另一方面中,本发明以一种用于测量温室气体的方法为特征。该方法包括:在服务器计算设备处从两个或更多个现场测量设备接收一值,该值表示在两个或更多个现场测量设备的位置处所收集的大气气体的样本中所包含的温室气体的量。该方法包括:在服务器计算设备处从位于两个或更多个现场测量设备的位置处或附近的两个或更多个气象观测仪接收大气条件数据。该方法包括:由中央计算设备比较从两个或更多个现场测量设备接收的温室气体量值以确定相应的温室气体量值之间的相似和差异。该方法包括:由服务器计算设备比较从两个或更多个气象观测仪接收的大气条件数据以确定相应的大气条件数据之间的相似和差异。
在一些实施例中,以上方面中的任一个可包括以下特征中的一个或多个。在一些实施例中,第一端口位于离开地面至少80米处。在一些实施例中,第二端口位于与第一端口相同的位置处。在一些实施例中,第二端口与第一端口分开至少20米。
在一些实施例中,路由(routing)步骤包括:确定该第一样本和第二样本中的至少一个的压力和温度;将所确定的压力和温度传输至计算设备;将干燥剂应用于该第一样本和第二样本中的至少一个;以及将该第一样本和第二样本中的至少一个传递至测量设备。在一些实施例中,该干燥剂从该第一样本和第二样本中的至少一个中吸收水汽。
在一些实施例中,该测量设备使用腔衰荡激光光谱来确定该第一样本和第二样本中的至少一个中的温室气体的特性。在一些实施例中,与所确定的温室气体的特性相关联的数据包括与温室气体的量相对应的数值、与第一端口和第二端口的位置相关联的大气条件数据、以及时间戳数据。
在一些实施例中,测量设备接收一调度,并且测量设备基于该调度来接收第一样本和第二样本中的至少一个。在一些实施例中,耦合至计算设备的显示设备显示与所确定的温室气体的特性相关联的数据。
在一些实施例中,该校准设备从耦合至该校准设备的泵接收第一温室气体量、将该第一温室气体量传递至该测量设备、并基于该第一温室气体量来校准该测量设备中被用于测量温室气体的测量仪器。在一些实施例中,该校准设备被配置成从耦合至该校准设备的泵接收第一温室气体量、将该第一温室气体量传递至该测量设备、并基于该第一温室气体量来校准该测量设备中被用于测量温室气体的测量仪器。
在一些实施例中,采样模块被配置成测量被采样气体的压力,并将所测得的压力值传输至测量设备。在一些实施例中,耦合至该阀的采样控制器被配置成指示(instruct)该阀从一个或多个泵中的一个或一个或多个校准罐中的一个中采样气体。在一些实施例中,该采样控制器指示该阀以预定的顺序从一个或多个泵和一个或多个校准罐中采样气体。
在一些实施例中,入口经由管被耦合至端口。在一些实施例中,由一个或多个入口所接收的大气气体是空气。在一些实施例中,一个或多个校准罐中的至少一个包含用于使校准设备归零(zeroing)的气体。在一些实施例中,该阀被进一步耦合至辅助进气口(intake),该辅助进气口被配置成访问附加的气体源。在一些实施例中,该采样设备被配置成从校准设备接收质量控制数据,并基于该质量控制数据来调节气体的采样。
在一些实施例中,确定步骤是基于所聚合数据的反演建模。在一些实施例中,大气条件数据包括风速和风向,聚合步骤进一步包括基于大气条件数据来生成地理网格,该地理网格表示大气中的温室气体的概率量以及温室气体的移动。在一些实施例中,服务器计算设备实时地接收温室气体量值和大气条件数据。
在一些实施例中,聚合步骤包括确定暴露于现场测量设备的感兴趣区域中的温室气体的潜在源,其中确定温室气体的潜在源是基于预先存储的信息。在一些实施例中,确定步骤估算温室气体汇和温室气体源的位置。在一些实施例中,汇和源的所估算的位置包括不确定性范围。在一些实施例中,基本上实时地执行确定步骤。
在一些实施例中,服务器计算设备根据现场测量设备和气象观测仪的位置来聚合温室气体量值和大气条件数据,并基于聚合步骤和比较步骤来确定温室气体的源。
本发明的其它方面和优点将在考虑结合仅以示例方式示出本发明原理的附图的情况下从以下详细描述中变得显而易见。
附图说明
通过参考结合附图的以下描述可更好地理解以上描述的本发明的优势以及进一步的优势。附图不一定是按比例绘制的,相反一般重点在于解说本发明的原理。
图1是用于测量大气中的温室气体的系统的框图。
图2是用于测量大气中的温室气体的系统的泵模块的详细框图。
图3是用于测量大气中的温室气体的系统的多个校准罐的详细框图。
图4是用于测量大气中的温室气体的系统的校准设备的详细框图。
图5是用于测量大气中的温室气体的方法的流程图。
图6是用于校准温室气体测量设备的方法的流程图。
图7是用于使用地理上分布的节点的网络来测量温室气体的方法的流程图。
图8是用于使用通过地理上分布的节点的网络所获得的数据来确定温室气体的源的方法的流程图。
图9是用于测量大气中的温室气体的地理上分布的节点的网络的框图。
图10是由该网络基于对温室气体的测量而计算对表面元素的影响的图表,其是由用于测量大气中的温室气体的系统所生成的反演报告中的步骤。
详细描述
图1是用于测量大气中的温室气体的系统100的框图。系统100包括端口102a和102b、高流量泵模块104a和104b、校准罐106、温室气体校准设备108、温室气体测量设备110、显示设备112以及低流量泵模块113。系统100被连接至通信网络114。
端口102a和102b被定位在外部位置,例如在建筑物或容纳系统100的剩余部件的其它结构外面的塔上。端口102a和102b采样大气气体并将被采样气体路由至泵模块(例如104a和104b)。应当理解,基于被用于实现系统100的设备,被采样气体的量可变化。例如,在一些实施例中,测量设备110根据设备110内的腔的尺寸来采样预定义体积的气体。基于被用在系统100中的特定测量设备,被采样气体的量可大于或小于另一测量设备。例如,一些系统可能仅需要少量的被采样气体,而其它系统可能需要较大的量。
此外,被采样气体的量可取决于测量设备110采样该气体的时间长度。例如,在一些测量设备110中的采样间隔可比其它测量设备中的采样间隔长。应当注意,本文中所描述的采样技术不旨在修改从中采样该气体的环境的成分。相反,采样技术仅允许被采样气体的测量。
端口102a和102b经由导管(例如管道、管)被耦合至泵模块104a和104b,该导管允许被采样气体到达泵模块104a和104b。导管优选由耐受由暴露于大气所引起的腐蚀和其它有害影响的材料组成,并且可在跨越大距离时在没有附加支撑的情况下维持其结构完整性。在一些实施例中,该导管可以是3/8英寸1300柔性管。
在一些实施例中,端口102a位于至少八十米的高度处的塔上并且端口102b位于端口102a以下的至少二十米的高度处的塔上。通过将端口102a定位在至少八十米的高度处所提供的优势是采样已在更远距离处被排放到大气中(例如,来自位于远处的气体源)的温室气体的能力。例如,如果端口102a被定位成太靠近地面,则被采样的气体可包含来自某些地面层源(例如,车辆)的温室气体,其可影响样本的测量和分析。端口102a和102b之间的高度差允许系统100测量大气的不同层处的温室气体并且还确定在大气的多个层之间混合的温室气体的量。
应当理解,系统100不限于具有如图1所示的两个端口102a和102b,而是可使用任何数量的端口并且可调节端口的位置而不背离本发明的精神和范围。在一些实施例中,出于质量控制和/或冗余的目的,系统100具有位于相同高度(例如,八十米)处的两个端口。而且,在一些实施例中,塔包括其它测量和监控设备,诸如气象观测仪(未示出)。可将由气象观测仪所收集的数据(例如风速、环境压力和温度、湿度)提供至系统100并由系统100进行记录以用作温室气体分析的一部分。
系统100还包括高流量泵模块104a和104b。图2是系统100的高流量泵模块(例如,模块104a)的详细框图200。高流量泵模块104a从端口102a接收被采样的大气气体。泵模块104a包括过滤器202,该过滤器202用于在气体被传输至温室气体校准模块108之前从被采样气体中移除任何微粒或其它不想要的物质。高流量泵模块104a还包括切断阀204a和204b,各自分别被连接至烧瓶(flask)端口206a和206b。切断阀204a和204b以及烧瓶端口206a和206b提供对高流量泵模块104a的辅助访问以用于维护和测试的目的。例如,烧瓶端口206a可被用于捕获被采样气体的一部分以用于外部分析或其它比较分析。
高流量泵模块104a还包括线性摆动(oscillating)泵208。泵208调节并控制从端口102a采样的被采样气体的流速。泵模块104a还包括用于在需要时释放被采样气体的一部分的通气孔(vent)210;该通气孔210操作用以调节泵模块104a内的被采样气体的压力。在一些实施例中,使用1/4英寸1300柔性管来将泵模块104a的部件202、204a-204b、206a-206b、208和210耦合在一起。
如图1所示,系统100还包括被耦合至温室气体校准设备108的多个校准罐106。图3是系统100的多个校准罐106的详细框图300。校准罐302、304、306、308包含被系统100用来校准用于测量从大气中获得的样本中的温室气体的量的部件的大量气体。例如,在一些实施例中,罐A 302包含二氧化碳(CO2),罐B 304包含甲烷(CH4),罐C 306包含一氧化碳(CO)并且罐D 308包含零点(zero)气体(例如,氮气),该零点气体中不存在系统100当前正在测试的任何一种温室气体。通过使用校准罐,系统100可执行与测量设备110相关联的校准分析。
例如,为了确保测量设备110中的测量仪器正在提供准确的读数,校准设备108可收集来自校准罐302、304、306、308中的一个或多个的一定量的气体并将所收集的气体传输至测量设备110。所收集的气体应当包含已知量的温室气体以使可将由测量设备110针对所收集气体所提供的读数与预期值相比较以确定测量设备110是否需要调节或维护。在执行对来自大气的被采样气体的附加测量之前,校准设备108还可使用校准罐来重置测量设备110。在一些实施例中,校准设备108从本地处理器或计算设备接收指令以重置测量设备110。
校准罐302、304、306、308还包括压力计、调节器以及减压阀以控制和监控气体的流速。校准罐302、304、306、308各自经由单独的导管被耦合至温室气体校准设备108。在一些实施例中,校准罐与温室气体校准设备108之间的导管由1/16英寸不锈钢管组成。
如图1所示,系统100还包括温室气体校准设备108。图4是由系统100所使用的校准设备108的详细框图400。低流量泵模块113(图1中所示)操作用以通过温室气体校准设备108和温室气体测量设备110从高流量泵模块104a和104b吸取被采样气体。校准设备108还从多个校准罐106接收校准气体。校准设备108包括用于设备108所接收的气体的多个源中的每一个的入口和相应的入口过滤器(例如,402a-402f)。入口过滤器402a-402f从所接收的气体中移除不想要的物质。应当理解,校准设备108可包括任意数量的入口和入口过滤器。在一些实施例中,校准设备108包含在正常操作期间未被系统100使用的备用的入口过滤器(未示出)。该备用的入口过滤器可被用于连接外部气体源(例如,罐)以用于维护或测试校准设备108的目的。例如,技术人员可将罐连接至校准设备108以在服务该设备时执行手动处理或分析。
校准设备108还包括阀404,该阀404被耦合至入口和入口过滤器402a-402f中的每一个。阀404具有用于相应的入口过滤器402a-402f中的每一个的单独的端口。阀404还被耦合至压力传感器和控制器406。阀404被配置成从入口过滤器402a-402f中的至少一个中采样来自具有被采样空气的泵或来自校准罐的气体并将该气体传输至压力传感器和控制器406。阀404可被配置成使用微电致动器和/或通用致动器通过连续旋转来阶跃递增(stepincrementally)。阀404可选择并隔离从入口过滤器402a-402f中的一个中接收的气体流并将所选择的流传输至压力传感器406。阀404可终止或限制来自剩余的入口过滤器402a-402f的气体(当它们未被选择时)。
在一些实施例中,阀404被耦合至控制机制(例如,微处理器)(未示出),该控制机制确定哪个或哪些入口过滤器402a-402f打开以用于采样目的。在一些实施例中,阀404是可从Valco仪器有限公司(Valco Instruments Co.,Inc)获得的Valco换向(selector)阀。阀404经由导管(例如,1/16英寸不锈钢管)被耦合至入口过滤器402a-402f以及压力传感器和控制器406中的每一个。
校准设备108还包括压力传感器和控制器406(PSC),该压力传感器和控制器406从阀404接收气体流。PSC 406被耦合至气体干燥器408,并在气体被传输至干燥器408之前调节气体流的压力级。PSC 406还测量所接收的气体流的压力。PSC 406被耦合至模数转换器(ADC)410并将所测得的压力值传输至ADC 410。在一些实施例中,PSC 406被进一步配置成测量所接收的气体流的温度并将该温度传输至ADC 410。
气体干燥器408操作用以将干燥剂应用于从PSC 406接收的气体以为测量设备110准备气体。在一些实施例中,气体干燥器408使用管来减少气体样本的湿气含量而没有影响存在于将要被测量设备110测量的样本中的温室气体的量。对被采样大气气体的干燥提高了由测量设备110所提供的温室气体测量的准确度和可靠性。
校准设备108还包括ADC 410。ADC 410接收来自PSC 406的表示被采样气体的压力读数的信号。ADC将这些信号转换成数字形式并将这些数字信号传输至通信网络(例如,图1的网络114)。在一些实施例中,ADC410经由网络114被耦合至测量设备110。这允许测量设备110记录压力读数连同该设备对大气气体样本的分析。
返回图1,系统100还包括温室气体测量设备110。测量设备110从校准设备108接收被采样气体并测量存在于该样本中的温室气体的量。在一些实施例中,测量设备110使用腔衰荡激光光谱技术来确定温室气体的浓度。应当理解,在不背离本发明的精神或范围的情况下可使用其它测量技术来确定温室气体的浓度。
测量设备110包括内部计算机(例如,处理器、计算设备),该内部计算机执行软件以管理测量气体的测量仪器(例如,激光传感器),并捕获和处理测量值以及相关信息。内部计算机包括标准联网能力(例如,以太网、PSTN调制解调器)以允许测量设备110与远程计算服务(例如,中央服务器)和分布在地理区域中的其它测量设备通信。测量设备110可使用网络连接来从外部源(例如,基于云的存储、集中式数据库)接收数据并向外部源传输数据。在一些实施例中,测量设备110可使用来自本地计算设备的调度信息。在一些实施例中,测量设备110可从中央服务器计算设备接收调度信息。基于该调度信息,测量设备110可在特定的日期/时间或响应于特定的调度指令来执行测量。在一些实施例中,从中央服务器计算设备110实时地传输调度信息。
在一些实施例中,该调度信息包括指示测量设备110进行校准例程的校准调度(schedule)。可将校准调度选择为按照随机时间间隔或具有例如四十八小时的断开周期。该调度信息还可包括采样调度,该采样调度包括轮转(rolling)时间周期,在该轮转时间周期期间,从外部端口102a和102b中有规律地获取大气气体的样本。该调度信息还可包括用于与校准和采样调度一起使用的子例程(例如,外部端口选择、阀调节、采样的持续时间、压力设置)。
在多个测量设备包括一分布式温室气体监控网络的另一示例中,测量设备110可与其它测量设备共享其测量结果以执行设备之间的内校准。在另一示例中,测量设备110可向中央服务器计算设备传输诊断信息(例如,错误警报、状态检查)以使得可提供适当的维护。在一些实施例中,可远程地提供维护而无需手动地访问系统100所在的站点(site)。测量设备110还被耦合至本地计算设备(未示出)和将测量结果呈现给用户的显示设备112(例如,监视器)。在一些实施例中,实时地在测量设备之间共享测量信息。
图5是用于使用系统100来测量大气中的温室气体的方法500的流程图。校准设备108从暴露于地球大气的第一端口102a接收(502)大气气体的第一样本。校准设备108从暴露于地球大气的第二端口102b接收(504)大气气体的第二样本。校准设备108将第一样本和第二样本路由(506)至测量设备110以用于温室气体分析。测量设备110确定(508)存在于第一样本和第二样本中的至少一个中的温室气体的特性。测量设备110将与所确定的温室气体的特性相关联的数据传输(510)至计算设备(例如,内部计算机或外部计算机)。系统100可被配置成测量存在于地球大气中的任意数量的气体,包括但不限于二氧化碳(CO2)、甲烷(CH4)以及一氧化碳(CO)。
在一些实施例中,一经执行对大气气体的测量,测量设备110就生成具有许多不同特性和/或参数的数据分组。这些特性中的一些包括但不限于:样本中的温室气体的浓度(湿对干)、样本中的水汽(H2O)的浓度、校准设备108中的阀404的位置(例如,从中获取样本的端口)、校准设备108里面的温度(例如,℃)、用于激光光谱分析的腔里面的压力、腔里面的温度、激光器的电流以及测量的时间戳。这些特性可由测量设备110的内部计算机所记录并被用于质量控制目的,且用于确保测量设备110正在正常工作。
图6是用于校准温室气体测量设备(例如,图1的测量设备110)的方法600的流程图。校准设备(例如,校准设备108)从被耦合至校准设备108的泵(例如,图2中的泵208)接收(602)第一温室气体量。例如,校准设备108可被配置成经由阀404从校准罐302、304、306、308中的一个中采样气体。校准设备108(例如,经由PSC 406和干燥器408)将第一被采样气体量传递(604)至测量设备110。测量设备110确定(606)存在于第一温室气体量中的温室气体的特性。在一些实施例中,该特性包括温室气体的浓度、温室气体的标识性质或其它类型的特性。测量设备110(例如,经由网络114)将该特性传输(608)至服务器计算设备。服务器计算设备通过基于该特性对测量数据应用校正来校准(610)从测量设备110接收的温室气体测量数据。
一旦系统100已经进行了对大气气体的温室气体测量并记录了相关数据,系统100就经由通信网络114将该数据传输至服务器计算设备以用于进一步分析和报告以确定温室气体的潜在源。图7是用于使用地理上分布的节点的网络来测量温室气体的方法700的流程图,其中每个节点包括系统100。图8是用于使用通过地理上分布的节点的网络所获得的数据来确定温室气体的源的方法800的流程图。图9是使用系统100的地理上分布的节点的网络900的框图。网络900包括服务器计算设备910,该服务器计算设备910被配置成经由通信网络920与多个节点930a-930d通信,其中包括图1中所描绘的部件的系统100位于每个节点930a-930d处。
服务器计算设备910从两个或更多个现场(in situ)测量设备(例如,节点930a-930d处的测量设备110)接收(702)值,该值表示在两个或更多个现场测量设备的位置处所收集的大气气体的样本中所包含的温室气体的量。服务器计算设备910从位于两个或更多个现场测量设备的位置处或附近的两个或更多个气象观测仪接收大气条件数据。在一些实施例中,如先前所描述的,气象观测仪是位于也包含图1中的端口102a和102b的塔上的天气状况装备(例如,来自Earth Networks,Inc.(地球网络有限公司)的气象站)。气象观测仪收集关于每个节点930a-930d的位置处的当前天气状况的信息并将该信息连同被采样的大气气体传输至服务器计算设备910。
服务器计算设备910比较(706)从两个或更多个现场测量设备接收的温室气体量值以确定相应的温室气体量值之间的相似和差异。服务器计算设备910比较(708)从两个或更多个气象观测仪接收的大气条件数据以确定相应的大气条件数据之间的相似和差异。
中央计算设备910根据现场测量设备和气象观测仪的位置来聚合(aggregate)(802)温室气体量值和大气条件数据。中央计算设备910(804)基于聚合步骤和比较步骤来确定温室气体的源。
一种用于确定温室气体的源的技术是反演建模(inverse modeling),其中测量所排放的温室气体的量和所吸收的温室气体的量。作为反演建模分析的一部分,服务器计算设备910可估算地理区域上的温室气体汇(例如,吸收温室气体的区域或实体)和温室气体源(例如,排放温室气体的区域或实体)的位置。一旦服务器计算设备910已经从分布式节点930a-930d中的每一个收集温室气体读数和大气条件数据,该服务器计算设备910就可确定由每个节点所采样的气块(parcels of air)来自何处。该分析还可包括将概率函数应用于所检测到的温室气体量以考虑(account for)大气条件的变化,诸如湍流、大气的各个层之间的混合、风向转变等等。
在一些实施例中,在区域尺度上的反演模型考虑观测网络中的感兴趣区域周围的三维域。由于来自感兴趣区域内的表面上发生的排放或摄取的贡献以及通过3D域的侧面和顶部边界的携带示踪气体的气块的贡献,在该3D域中的塔处测得的观测与平均背景值不同。示踪气体的混合比的微不足道的变化可由于化学反应而在大气中发生,并且可因为相对较小而被忽略。该域内以及通过边界的流动取决于大气条件,并且可根据天气观测、根据数值模型、或根据二者的组合来估算该流动。反演建模确定由于感兴趣的区域内的示踪气体的排放或摄取所引起的贡献,并伴随着一些不确定性来量化那些地理上分布的排放和摄取。
图10是由该网络基于对温室气体的测量而计算出的表面影响的矩阵1000的图表,其是由用于测量大气中的温室气体的系统100所生成的反演报告中的步骤。计算出的矩阵1000包括地理网格1010,其中圆圈表示图9中所示的网络900的节点930a-930d的位置,并且箭头表示如由网络900中的气象观测仪所记录的大气中的气流的速度(例如,更长的箭头意味着更大的速度)和方向。如图10中所示,该气流从该网格的左上角沿东南方向行进,并且速度从北至南减小。图10中的每个节点旁边的斜体数字表示由各个节点所检测到的温室气体的浓度(其标度从0-10,其中10为最高)。虽然图10中所描绘的网格1010的每个区(sector)不包括节点,但应当理解,一些实施例中的服务器计算设备910可基于从现有节点接收的数据来估算那些区中的温室气体的浓度。虽然以二维来表示图10中的网格1010,但可以一维、二维或三维来呈现运输包含温室气体的气块的流动。而且,当以三维来呈现时,流动可从温室气体的源和汇所在的表面脱离(detach),并且在那些时候,该流动内的温室气体的混合比不受源和汇影响,而是水平地运输并且可垂直地扩散。在一些实施例中,在中央服务器计算设备处将由网络计算出的表面源和汇对温室气体的测量的影响存储为矩阵。
基于计算出的矩阵1000和网络中的测量,可确定来自温室气体的源的贡献在地理网格1010的左上角中是最高的并且来自网格1010的剩余部分的贡献是较小的。此外,针对所有网格单元记录或模拟风。根据该信息,服务器计算设备910(或替代地,分析计算出的矩阵的用户)可确定携带起源于给定网格单元处的温室气体的气块(parcels)何时从该网格单元的地理区域行进至该网络中的温室气体测量设备中的任一个。
在一些实施例中,可将网格1010与关于该地理区域的预先存储的信息(包括已知的温室气体源或汇的位置)结合。例如,已知排放大量温室气体的工厂可位于该网格的左上角的正西北。服务器计算设备910可利用该信息增加该网格并确定该工厂是由节点所检测到的温室气体的潜在或可能的源。可由例如当地或州机构采取适当的步骤来控制由该工厂所产生的排放或对工厂的所有者征收罚款。在一些实施例中,可伴随着不确定性范围确定温室气体汇和源的位置。
在另一示例中,计算出的矩阵1000示出在网格1010的左部分的中间和底部之间,来自源和摄取的温室气体的贡献显著下降(例如,从七降至二),且当源自该区域的气块与先前富含温室气体的气块在位于左上角上方的同时混合时,在位置二处的所得的温室气体测量仅适度地变化。可针对那两个节点之间的地理区域进行进一步分析以根据该网络内的温室气体测量的增加或减少来确定位于那儿的潜在温室气体源或汇的大小。将所确定的该区域中的源和汇的大小以及与计算相关联的不确定性提供作为反演报告。
以上描述的技术可在数字和/或模拟电子电路系统中、或计算机硬件、固件、软件、或它们的组合中实现。该实现可以作为计算机程序产品,即,有形地实施在机器可读存储设备中用于由例如可编程处理器、计算机和/或多台计算机之类的数据处理装置来执行或控制该数据处理装置的操作的计算机程序。计算机程序可以按任何形式的计算机或编程语言来编写,包括源代码、编译代码、解释代码和/或机器代码,并且该计算机程序可按任何形式来部署,包括作为独立程序或作为子例程、元件或适于在计算环境中使用的其它单元。计算机程序可被部署以在一台计算机上或一个或多个位置处的多台计算机上执行。
方法步骤可由执行计算机程序以通过操作输入数据和/或生成输出数据来执行本发明的功能的一个或多个处理器来执行。方法步骤还可由专用逻辑电路系统执行并且装置可被实现为专用逻辑电路系统,例如,FPGA(现场可编程门阵列)、FPAA(现场可编程模拟阵列)、CPLD(复杂可编程逻辑器件)、PSoC(可编程的片上系统)、ASIP(专用指令集处理器)或ASIC(专用集成电路)等等。子例程可指所存储的计算机程序的诸部分和/或实现一个或多个功能的处理器/专用电路。
作为示例,适于计算机程序的执行的处理器包括通用微处理器和专用微处理器两者,以及任何类型的数字或模拟计算机中的任何一个或多个处理器。一般而言,处理器从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和/或数据的一个或多个存储器设备。诸如高速缓存之类的存储器设备可被用于暂存数据。存储器设备也可被用于长期数据存储。一般而言,计算机还包括或被可操作地耦合成从和/或向用于存储数据的例如磁盘、磁光盘或光盘之类的一个或多个大容量存储设备接收数据和/或传输数据。计算机还可被可操作地耦合至通信网络以从该网络接收指令和/或数据和/或向该网络传输指令和/或数据。适于包含计算机程序指令和数据的计算机可读存储介质包括所有形式的易失性和非易失性存储器,其作为示例包括例如DRAM、SRAM、EPROM、EEPROM和闪存设备之类的半导体存储器设备;例如内部硬盘或可移动盘之类的磁盘;磁光盘;以及例如CD、DVD、HD-DVD和蓝光盘之类的光盘。处理器和存储器可由专用逻辑电路系统补充和/或被纳入到专用逻辑电路系统中。
为了提供与用户的交互,以上描述的技术可在与例如CRT(阴极射线管)监视器、等离子监视器、或LCD(液晶显示器)监视器之类的用于向用户显示信息的显示设备、和键盘以及例如鼠标、跟踪球、触摸板、或运动传感器之类的可由用户用来向计算机提供输入(例如,与用户接口元件交互)的指示设备通信的计算机上实现。其它种类的设备也可被用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感觉反馈,例如,视觉反馈、听觉反馈或触觉反馈;并且来自用户的输入可按任何形式接收,包括声音、语音和/或触觉输入。
以上描述的技术可在包括后端组件的分布式计算系统中实现。例如,后端组件可以是数据服务器、中间件组件和/或应用服务器。以上描述的技术可在包括前端组件的分布式计算系统中实现。前端组件可例如是具有图形用户界面的客户端计算机、通过其用户可与示例实现交互的Web浏览器、和/或传输设备的其它图形用户界面。以上描述的技术可实现在包括这样的后端、中间件或前端组件的任何组合的分布式计算系统中。
计算系统的组件可通过可包括任何形式或介质的数字或模拟数据通信(例如,通信网络)的传输介质来互连。在任何配置中,传输介质可包括一个或多个基于分组的网络和/或一个或多个基于电路的网络。基于分组的网络可包括例如因特网、载波网际协议(IP)网络(例如,局域网(LAN)、广域网(WAN)、校域网(CAN)、城域网(MAN)、家庭域网(HAN))、专用IP网络、IP专用交换分机(IPBX)、无线网络(例如无线电接入网络(RAN)、蓝牙、Wi-Fi、WiMAX、通用分组无线业务(GPRS)网络、HiperLAN)和/或其它基于分组的网络。基于电路的网络可包括例如公共电话交换网(PSTN)、旧版专用交换分机(PBX)、无线网络(例如,RAN、码分多址(CDMA)网络、时分多址(TDMA)网络、全球移动通信系统(GSM)网络)和/或其它基于电路的网络。
传输介质上的信息转移可基于一种或多种通信协议。通信协议可包括,例如,以太网协议、因特网协议(IP)、IP语音(VoIP)、点对点(P2P)协议、超文本传输协议(HTTP)、会话发起协议(SIP)、H.323、媒体网关控制协议(MGCP)、信令系统#7(SS7)、全球移动通信系统(GSM)、按键通话(PTT)协议、基于蜂窝的PTT(POC)协议、和/或其它通信协议。
计算系统的设备可包括例如计算机、具有浏览器设备的计算机、电话、IP电话、移动设备(例如,蜂窝电话、个人数字助理(PDA)设备、膝上型计算机、电子邮件设备)和/或其它通信设备。浏览器设备包括例如具有万维网浏览器(例如,可从微软公司获得的Internet可从Mozilla公司获得的Firefox)的计算机(例如,台式计算机、膝上型计算机)。移动计算设备包括,例如,IP电话包括,例如,可从Cisco System有限公司获得的Unified IP Phone 7985G、和/或可从Cisco System有限公司获得的Unified Wireless Phone7920。
包含、包括和/或每个复数形式是开放性的并包括所列部件,且可包括未列出的其它部件。和/或是开放性的,并包括所列部件中的一个或多个以及所列部件的组合。
本领域的技术人员将意识到本发明可体现为其它具体形式,而不背离本发明的精神和本质特性。因此,上述实施例将在各方面被视为是对本文中所描述的本发明的说明而不是限制。
Claims (10)
1.一种用于利用温室气体测量网络测量温室气体的方法,所述温室气体测量网络包括多个地理上分布的校准设备和测量设备对,每一设备对耦合至服务器计算设备,所述方法包括:
在每个校准设备处从在所述校准设备的地理位置处暴露于地球大气的第一端口接收大气气体的第一样本,所述第一端口位于第一大气层;
在所述校准设备处从在所述校准设备的地理位置处暴露于地球大气的第二端口接收大气气体的第二样本,所述第二端口位于第二大气层;
通过每个所述校准设备将所述第一样本和所述第二样本路由至成对的测量设备以用于温室气体分析;
通过每个所述测量设备利用内部测量传感器确定存在于所述第一样本和所述第二样本中的温室气体的特性;
通过每个所述测量设备,通过比较存在于所述第一样本和所述第二样本中的温室气体的特性,确定所述地理位置处的所述第一大气层与所述第二大气层之间混合的温室气体的量;
在每个所述测量设备内部的存储器模块处,记录在确定温室气体的特性和确定温室气体混合的量的步骤期间的所述测量设备的使用中工作参数;
通过每个所述测量设备,根据所记录的使用中工作参数调整用于下一次温室气体分析的预设工作参数;
通过所述测量设备,将与所确定的所述温室气体的特性相关联的数据以及所记录的使用中工作参数传输至所述服务器计算设备;
通过所述服务器计算设备,将来自每个所述测量设备的所确定的温室气体的特征以及所记录的使用中工作参数与其他测量设备共享;以及
根据共享的温室气体的特征以及共享的使用中工作参数,执行所述测量设 备之间的内校准。
2.如权利要求1所述的方法,其特征在于,所述第一端口位于离开地面至少80米处。
3.如权利要求2所述的方法,其特征在于,所述第二端口与所述第一端口分开至少20米。
4.如权利要求1所述的方法,其特征在于,所述路由步骤进一步包括:
通过所述校准设备,确定所述第一样本和所述第二样本中的至少一个的气压和温度;
通过所述校准设备,将所述气压和所述温度传输至所述服务器计算设备;
通过所述校准设备,将干燥剂应用于所述第一样本和所述第二样本中的至少一个;以及
将所述第一样本和所述第二样本中的至少一个传递至所述测量设备。
5.如权利要求4所述的方法,其特征在于,所述干燥剂从所述第一样本和所述第二样本中的至少一个中吸收水汽。
6.如权利要求1所述的方法,其特征在于,所述测量设备使用腔衰荡激光光谱来确定所述第一样本和所述第二样本中的至少一个中的温室气体的特性。
7.如权利要求1所述的方法,其特征在于,与所确定的温室气体的特性相关联的数据包括对应于温室气体的量的数值、与所述第一端口和第二端口的位置相关联的大气条件数据、以及时间戳数据。
8.如权利要求1所述的方法,其特征在于,进一步包括:
通过所述测量设备接收一调度;以及
通过所述测量设备基于所述调度来接收所述第一样本和所述第二样本中的至少一个。
9.如权利要求1所述的方法,其特征在于,进一步包括:
通过耦合至所述服务器计算设备的显示设备显示与所确定的温室气体的特性相关联的数据。
10.如权利要求1所述的方法,其特征在于,进一步包括:
在所述校准设备处从耦合至所述校准设备的泵接收第一温室气体量;
经由所述校准设备将所述第一温室气体量传递至所述测量设备;
通过所述测量设备确定存在于所述第一温室气体量中的温室气体的特性;
通过所述测量设备将所述特性传输至所述计算设备;以及
由所述计算设备通过对所述特性应用校正来校准所述特性。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/737,508 | 2013-01-09 | ||
US13/737,508 US9448214B2 (en) | 2013-01-09 | 2013-01-09 | Network for measuring greenhouse gases in the atmosphere |
PCT/US2014/010342 WO2014109986A1 (en) | 2013-01-09 | 2014-01-06 | Network measuring greenhouse gases in the atmosphere |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105026914A CN105026914A (zh) | 2015-11-04 |
CN105026914B true CN105026914B (zh) | 2018-05-08 |
Family
ID=51061635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480009908.7A Active CN105026914B (zh) | 2013-01-09 | 2014-01-06 | 测量大气中的温室气体的网络 |
Country Status (10)
Country | Link |
---|---|
US (2) | US9448214B2 (zh) |
EP (1) | EP2943772B1 (zh) |
JP (1) | JP6473088B2 (zh) |
KR (1) | KR102219710B1 (zh) |
CN (1) | CN105026914B (zh) |
AU (2) | AU2014205628B2 (zh) |
BR (1) | BR112015016573B1 (zh) |
CA (1) | CA2897804C (zh) |
ES (1) | ES2981936T3 (zh) |
WO (1) | WO2014109986A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9448214B2 (en) * | 2013-01-09 | 2016-09-20 | Earth Networks, Inc. | Network for measuring greenhouse gases in the atmosphere |
CN107063955B (zh) * | 2017-04-18 | 2020-07-14 | 击风科技(北京)有限公司 | 空气颗粒物检测仪校准方法及管理系统 |
KR102604640B1 (ko) * | 2019-01-31 | 2023-11-23 | 한국전자통신연구원 | 밀폐공간 가스 모니터링 시스템 및 이의 동작 동작방법 |
AU2020245716A1 (en) | 2019-03-22 | 2021-10-14 | Blackline Safety Corp. | Gas sensor testing apparatus and methods |
KR102540858B1 (ko) * | 2020-11-24 | 2023-06-12 | 대한민국 | 온실가스 관측을 위한 폴딩형 관측탑 |
CN112859964B (zh) * | 2021-01-15 | 2021-08-17 | 四川大学 | 率定平台温度控制系统及其控制方法 |
CN112835400B (zh) * | 2021-01-15 | 2021-09-07 | 四川大学 | 率定平台水循环温度控制系统 |
KR102621730B1 (ko) * | 2021-11-05 | 2024-01-08 | 한국건설기술연구원 | 수소 및 유해 가스 측정용 라이다 시스템 |
CN114113481B (zh) * | 2021-11-24 | 2024-09-24 | 特斯联科技集团有限公司 | 一种企业温室气体来源捕捉系统 |
KR102524959B1 (ko) | 2022-12-07 | 2023-04-24 | (주) 더블유엠케이 | 연직 관측이 가능한 tdlas 방식의 온실가스 측정 복합 센서 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7154595B2 (en) * | 2003-12-17 | 2006-12-26 | Picarro, Inc. | Cavity enhanced optical detector |
CN101482501A (zh) * | 2008-11-14 | 2009-07-15 | 昆明理工大学 | 温室气体的激光检测系统及方法 |
CN102338750A (zh) * | 2010-07-27 | 2012-02-01 | 张凯秋 | 温室气体排放的监测方法 |
CN102405404A (zh) * | 2009-02-02 | 2012-04-04 | 行星排放管理公司 | 监测温室气体通量的各系统的系统 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4335517A (en) * | 1981-03-12 | 1982-06-22 | The Babcock & Wilcox Company | Zero force touch probe |
US4635735A (en) * | 1984-07-06 | 1987-01-13 | Schlumberger Technology Corporation | Method and apparatus for the continuous analysis of drilling mud |
US4947339A (en) * | 1988-12-01 | 1990-08-07 | Jan Czekajewski | Method and apparatus for measuring respiration, oxidation and similar interacting between a sample and a selected component of a fluid medium |
JP3462376B2 (ja) * | 1996-09-20 | 2003-11-05 | 富士通株式会社 | 大気ガスの測定方法及びシステム |
JPH10248826A (ja) * | 1997-03-07 | 1998-09-22 | Seitai Kagaku Kenkyusho:Kk | 呼気中同位体分析装置 |
AU2688999A (en) | 1998-02-20 | 1999-09-06 | Matt Emmons | Apparatus and method for the measurement of global carbon emissions from naturaland anthropogenic sources |
JPH11281757A (ja) * | 1998-03-30 | 1999-10-15 | Fujitsu Ltd | 大気汚染物質測定システム |
KR100315313B1 (ko) * | 2000-04-04 | 2001-11-26 | 손원열 | 가스 분석장치의 작동회로 및 그 제어방법 |
JP2002202256A (ja) * | 2000-12-28 | 2002-07-19 | Japan Radio Co Ltd | レーザ分光分析装置 |
US7983929B2 (en) * | 2003-02-10 | 2011-07-19 | South Dakota School Of Mines And Technology | Technique for determining and reporting reduction in emissions of greenhouse gases at a site |
JP4317728B2 (ja) | 2003-09-29 | 2009-08-19 | 三菱重工業株式会社 | ガス濃度フラックス計測装置 |
JP2006133200A (ja) * | 2004-11-09 | 2006-05-25 | Japan Agengy For Marine-Earth Science & Technology | 気体濃度分布測定装置 |
US20070233502A1 (en) | 2006-03-30 | 2007-10-04 | Richards Randall R | Integrated management system for greenhouse gas projects |
US7612885B2 (en) | 2006-12-22 | 2009-11-03 | Honeywell International Inc | Spectroscopy method and apparatus for detecting low concentration gases |
US20100042453A1 (en) | 2008-08-12 | 2010-02-18 | Efficiency 2.0, LLC. | Methods and apparatus for greenhouse gas footprint monitoring |
WO2011014782A1 (en) | 2009-07-31 | 2011-02-03 | Carbon Auditors Inc. | Greenhouse gas grid and tracking system |
US20110040493A1 (en) | 2009-08-14 | 2011-02-17 | Electronics And Telecommunication Research Institute | System and method for monitoring greenhouse gas |
US9046062B2 (en) | 2009-09-25 | 2015-06-02 | Dresser-Rand Company | Greenhouse gas capture system and method |
FR2953021B1 (fr) * | 2009-11-26 | 2011-12-09 | Tanguy Griffon | Methode de mesure des emissions hebdomadaires et annuelles d'un gaz a effet de serre sur une surface donnee |
US9448214B2 (en) * | 2013-01-09 | 2016-09-20 | Earth Networks, Inc. | Network for measuring greenhouse gases in the atmosphere |
-
2013
- 2013-01-09 US US13/737,508 patent/US9448214B2/en active Active
-
2014
- 2014-01-06 AU AU2014205628A patent/AU2014205628B2/en active Active
- 2014-01-06 CN CN201480009908.7A patent/CN105026914B/zh active Active
- 2014-01-06 CA CA2897804A patent/CA2897804C/en active Active
- 2014-01-06 ES ES14738283T patent/ES2981936T3/es active Active
- 2014-01-06 EP EP14738283.2A patent/EP2943772B1/en active Active
- 2014-01-06 BR BR112015016573-7A patent/BR112015016573B1/pt active IP Right Grant
- 2014-01-06 JP JP2015552722A patent/JP6473088B2/ja active Active
- 2014-01-06 WO PCT/US2014/010342 patent/WO2014109986A1/en active Application Filing
- 2014-01-06 KR KR1020157021443A patent/KR102219710B1/ko active IP Right Grant
-
2016
- 2016-09-15 US US15/267,110 patent/US10613064B2/en active Active
-
2017
- 2017-02-16 AU AU2017201045A patent/AU2017201045B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7154595B2 (en) * | 2003-12-17 | 2006-12-26 | Picarro, Inc. | Cavity enhanced optical detector |
CN101482501A (zh) * | 2008-11-14 | 2009-07-15 | 昆明理工大学 | 温室气体的激光检测系统及方法 |
CN102405404A (zh) * | 2009-02-02 | 2012-04-04 | 行星排放管理公司 | 监测温室气体通量的各系统的系统 |
CN102338750A (zh) * | 2010-07-27 | 2012-02-01 | 张凯秋 | 温室气体排放的监测方法 |
Non-Patent Citations (1)
Title |
---|
Automated Multi-Point Greenhouse Gas Measurement System;picarro;《http://www.picarro.com/assets/docs/Picarro_AN016_Tall_Tower_GHG_Measurements.pdf》;20081231;第1页末段至第3页首段,第3页末段至第4页首段 * |
Also Published As
Publication number | Publication date |
---|---|
US20170003260A1 (en) | 2017-01-05 |
AU2017201045A1 (en) | 2017-03-09 |
US9448214B2 (en) | 2016-09-20 |
KR102219710B1 (ko) | 2021-02-23 |
CA2897804A1 (en) | 2014-07-17 |
EP2943772B1 (en) | 2024-04-17 |
JP6473088B2 (ja) | 2019-02-20 |
US20140195158A1 (en) | 2014-07-10 |
EP2943772C0 (en) | 2024-04-17 |
AU2017201045B2 (en) | 2018-11-08 |
JP2016503182A (ja) | 2016-02-01 |
BR112015016573A8 (pt) | 2019-10-29 |
AU2014205628B2 (en) | 2016-11-17 |
WO2014109986A1 (en) | 2014-07-17 |
ES2981936T3 (es) | 2024-10-11 |
CN105026914A (zh) | 2015-11-04 |
CA2897804C (en) | 2020-12-29 |
BR112015016573B1 (pt) | 2020-12-01 |
EP2943772A4 (en) | 2016-10-12 |
AU2014205628A1 (en) | 2015-07-30 |
KR20150103750A (ko) | 2015-09-11 |
BR112015016573A2 (pt) | 2017-07-11 |
EP2943772A1 (en) | 2015-11-18 |
US10613064B2 (en) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105026914B (zh) | 测量大气中的温室气体的网络 | |
Haszpra et al. | Measuring system for the long‐term monitoring of biosphere/atmosphere exchange of carbon dioxide | |
Hu et al. | SVR based dense air pollution estimation model using static and wireless sensor network | |
Liu et al. | A study on extending the use of air quality monitor data via deep learning techniques | |
Bares et al. | The Utah urban carbon dioxide (UUCON) and Uintah Basin greenhouse gas networks: instrumentation, data, and measurement uncertainty | |
Billesbach et al. | A portable eddy covariance system for the measurement of ecosystem–atmosphere exchange of CO2, water vapor, and energy | |
Foken et al. | Experimental methods for estimating the fluxes of energy and matter | |
Wang et al. | Handily measuring sensible and latent heat exchanges at a bargain: A test of the variance-Bowen ratio approach | |
Weissert et al. | Hierarchical network design for nitrogen dioxide measurement in urban environments | |
Emad et al. | True eddy accumulation–Part 2: Theory and experiment of the short-time eddy accumulation method | |
Siebicke et al. | True eddy accumulation trace gas flux measurements: proof of concept | |
Chemel et al. | Predictions of UK regulated power station contributions to regional air pollution and deposition: a model comparison exercise | |
Burba | Atmospheric flux measurements | |
Watanabe et al. | Testing of the bandpass eddy covariance method for a long-term measurement of water vapour flux over a forest | |
Zhao et al. | Scalar flux–gradient relationships under unstable conditions over water in coastal regions | |
Frederickson et al. | Urban vertical air pollution gradient and dynamics investigated with low-cost sensors and large-eddy simulations | |
Kit et al. | In situ calibration of hot-film probes using a collocated sonic anemometer: implementation of a neural network | |
Ercan et al. | Estimating watershed-scale precipitation by combining gauge-and radar-derived observations | |
Barbano et al. | Performance evaluation of MeteoTracker mobile sensor for outdoor applications | |
Narayana et al. | Eeatc: A novel calibration approach for low-cost sensors | |
Spyropoulos et al. | The use of low-cost sensing for air pollution measurements in urban outdoor environments | |
Kiehl et al. | On using global climate model simulations to assess the accuracy of MSU retrieval methods for tropospheric warming trends | |
Raabe et al. | Acoustic tomography | |
Esposito et al. | Soiling Detection Investigation in Solar Irradiance Sensors Systems | |
Pryor et al. | Ultrafine particle number fluxes over and in a deciduous forest |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |