CN106404616B - 一种大气细颗粒物(pm2.5)排放源解析定位的方法 - Google Patents
一种大气细颗粒物(pm2.5)排放源解析定位的方法 Download PDFInfo
- Publication number
- CN106404616B CN106404616B CN201610799920.3A CN201610799920A CN106404616B CN 106404616 B CN106404616 B CN 106404616B CN 201610799920 A CN201610799920 A CN 201610799920A CN 106404616 B CN106404616 B CN 106404616B
- Authority
- CN
- China
- Prior art keywords
- factor
- data
- analysis model
- concentration
- chemical
- 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
- 239000013618 particulate matter Substances 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 title claims description 16
- 239000000126 substance Substances 0.000 claims abstract description 66
- 238000000556 factor analysis Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 239000000470 constituent Substances 0.000 claims abstract description 13
- 239000000203 mixture Substances 0.000 claims abstract description 13
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 4
- 239000004615 ingredient Substances 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 7
- 229910052793 cadmium Inorganic materials 0.000 claims description 6
- 229910052748 manganese Inorganic materials 0.000 claims description 5
- 229910052791 calcium Inorganic materials 0.000 claims description 4
- 239000003344 environmental pollutant Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 229910052742 iron Inorganic materials 0.000 claims description 4
- 229910052749 magnesium Inorganic materials 0.000 claims description 4
- 229910052759 nickel Inorganic materials 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 229910052700 potassium Inorganic materials 0.000 claims description 4
- 229910052725 zinc Inorganic materials 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 150000001335 aliphatic alkanes Chemical class 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- 229910052785 arsenic Inorganic materials 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 229910052804 chromium Inorganic materials 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 229910052745 lead Inorganic materials 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 229910052753 mercury Inorganic materials 0.000 claims description 3
- 125000005575 polycyclic aromatic hydrocarbon group Chemical group 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 229910052719 titanium Inorganic materials 0.000 claims description 3
- 229910052720 vanadium Inorganic materials 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052708 sodium Inorganic materials 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract 1
- 230000002265 prevention Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000003570 air Substances 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 1
- 229910052787 antimony Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 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
- 239000002245 particle Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明通过在一定区域内的中心点设置大气细颗粒物(PM2.5)在线自动化学成分分析仪器，同时在区域内以该中心为圆心，360度全方位覆盖布设小型PM2.5在线检测器进行网格化监测。其中PM2.5在线化学成分分析仪得到PM2.5的主要化学成分，网格化布设的PM2.5检测器同时得到区域内各方位纵深分布PM2.5浓度分布数据，这两种数据都输入因子分析模型计算机，先使用因子分析模型计算PM2.5的多种化学成分的主要解释因子，然后将提取的主要因子重建时间序列数据，再将重建的因子时间序列数据与网格化PM2.5浓度数据共同再次进行因子分析，得到的二次主因子，通过提取其中各二次因子贡献较大的各点位的位置信息可以得到PM2.5的主要化学成分来源的解析与定位。
Description
技术领域
本发明涉及一种大气细颗粒物排放来源定位的方法，尤其是一种大气细颗粒物(PM2.5)排放来源定位的方法装置及其方法，用于大气环境治理，空气质量改善，环境保护。
背景技术
大气细颗粒物(PM2.5)污染已成为我国最突出的环境问题之一。2013年和2014年，京津冀地区年均PM2.5浓度分别达到104μg/m3和93μg/m3，远超过我国环境空气质量二级标准的2倍以上。PM2.5年均浓度最高的10座城市，有7个位于河北省。国务院颁布了大气污染防治行动计划，明确提出了京津冀地区雾霾治理的浓度目标和减排措施。2013年试行了，《大气污染防治行动计划》(“国十条”)，《环境空气细颗粒物污染综合防治技术政策》，《大气颗粒物来源解析技术指南(试行)》《北京市大气污染防治行动计划实施方案》《河北省大气污染防治行动计划实施方案》《京津冀及周边地区落实大气污染防治行动计划实施细则》等。
环保部近日发布了《生态环境大数据建设总体方案》提出，开展PM2.5大数据分析与应用；同时，创新监察执法方式，精确打击企业未批先建、偷排漏排、超标排放等违法行为。但目前的污染源解析定位都存在无法解决的技术问题，尤其是针对PM2.5的源解析，只能分析计算出PM2.5的可能的主要来源，比如常见的燃煤，扬尘，工业，餐饮，二次生成等，这种源解析精度无法满足环境执法和管理的需求，解析结果无法进行针对性的管控，因为根本无法将浓度超标和具体污染源建立直接联系，甚至不知道是哪个方向各自贡献了多少，因此本发明应对此需求所做的针对性，实效性的技术发明。实现PM2.5的来源解析和定位，不但能分析PM2.5的主要构成和排放源的性质，还能准确判别污染源来自哪个方位，哪些具体的点位，贡献率是多少，为PM2.5污染防治的执法管理提供有力支持，提升大气防治科学水平。
发明内容
本发明主要解决现有PM2.5源解析技术无法精确定位污染排放源的方位地点信息。本发明是一种大气PM2.5排放来源定位的装置及其方法。
本发明采用如下技术方案：一种PM2.5排放源解析定位的方法，该方法由PM2.5排放来源解析定位的装置实现，其特征是，PM2.5排放来源解析定位的装置由PM2.5在线化学成分分析仪器，PM2.5浓度检测器构成的网格化监测系统以及因子分析模型计算机构成，所述的PM2.5在线化学成分分析仪器实现PM2.5的化学成分数据监测，所述的PM2.5检测器构
成网格化监测系统实现特定区域内网格化的PM2.5浓度数据监测，然后将两部分的数据通过互联网实时上传至因子分析模型计算机，由因子分析模型计算机安装的数据库程序部将数据储存后输入因子分析模型程序部，由因子分析模型程序部首先对PM2.5化学成分计算PM2.5的化学成分的主要因子，然后将化学成分主要因子重建时间序列数据，再将重建的化学成分主因子时间序列数据与PM2.5网格化浓度数据共同再次进行因子分析计算，得到的化学成分与网格点关联的二次因子，其中就可以得到PM2.5的主要化学成分的排放来源，以及排放来源的位置，实现PM2.5的排放源解析定位。
所述的PM2.5在线化学成分分析仪器为：可以实时采集大气环境中的PM2.5颗粒物，然后对实时样品进行成分检测，可检测的成分有Na、Mg、Al、Si、K、Ca、Ti、V、Cr、Mn、Fe、Ni、Cu、Zn、Pb、As、Hg、Cd、OC、EC在内的碳组分，以及NH4 +、Ca2+、K+、Na+、Mg2+、Cl-、NO3 -、SO4 2-在内的水溶性离子、多环芳烃、烷烃，实时在线检测到的成分数据，并通过互联网方式自动上传到因子分析模型计算机进行存储和运算。
所述的PM2.5检测器构成网格化监测系统为：使用能够实时检测PM2.5浓度的设备，在所要定位的区域内，以PM2.5在线化学成分分析仪器所在位置为圆心，均匀的网格化布设PM2.5的浓度检测仪器，布设密度按区域大小和所要解析定位的精度不同进行调节，形成能够覆盖定位区域的监测网络，同时进行PM2.5的浓度监测，这些监测数据每5分钟到1小时监测一组数据，并通过互联网方式自动上传到因子分析模型计算机进行存储和运算。
监测的数据通过互联网实时上传至因子分析模型计算机，因子分析模型计算机安装的数据库程序部将数据储存后输入因子分析模型程序部，该因子分析模型程序采用在许多变量中拟合计算出具有共同代表性的因子，将相同性质的变量归入一个因子的方法，PM2.5多种化学成分提取变化规律性质相同的几类化学成分主要因子，每一类变化相同的化学成分因子所代表的成分可以认为是来自共同的污染排放源，将每一类化学成分因子的浓度随时间变化的数据整合为一个新的变量数组，计算得到的几类化学成分因子形成了新的几个变量数组，具有了新的随时间变化的变量数组时间序列数据，将每一个新的变量时间序列数据与网格化点位PM2.5浓度监测时间序列数据共同进行再次因子分析计算，得到每个新的变量与不同点位相关的二次主成分因子分类，此时找出每个化学成分因子对应贡献最大的几个二次因子，其中包含的点位就代表了该化学成分因子的主要来源位置，对每个化学成分因子进行同样的计算，可得出PM2.5的各个化学成分对应的主要来源的位置。
有益技术效果：本发明对从源头控制区域大气污染物具有直接意义，实现了PM2.5源解析的污染源精确定位技术，可以应用于精确打击违法企业偷排漏排、超标排放等违法行为。通过实际监测的大数据分析，在成本较低的情况下可以实现区域污染源全面监控，科
学精准的识别PM2.5的主要贡献行业，企业，分布位置等关键信息，提升大气污染科学防治水平。
具体实施方式
下面和实施例对本发明进行进一步说明。
实施例1：
一种PM2.5排放来源解析定位的装置和方法，是由PM2.5在线化学成分分析仪器，PM2.5网格化监测系统，因子分析模型计算机构成。
实施例2：
一种利用实施例1的PM2.5排放来源解析定位的装置实现区域PM2.5源解析的方法，所述的PM2.5在线化学成分分析仪器进行实时PM2.5的化学成分数据监测，由所述的PM2.5网格化监测系统实现特定区域内网格化的PM2.5浓度数据监测，然后将两部分的数据通过互联网实时上传至因子分析模型计算机，由因子分析模型计算机安装的数据库程序部将数据储存后输入因子分析模型程序部，由因子分析模型程序部首先对PM2.5化学成分计算PM2.5的化学成分的主要因子，然后将化学成分主要因子重建时间序列数据，再将重建的化学成分主因子时间序列数据与PM2.5网格化浓度数据共同再次进行因子分析计算，得到的化学成分与网格点关联的二次因子，二次因子中包含的网格点位就是PM2.5的主要化学成分的排放来源点位置，由此实现了PM2.5的排放源解析定位。
其中，发明所述的PM2.5在线化学成分分析仪器是可以实时采集大气环境中的PM2.5颗粒物，然后对实时样品进行成分检测的仪器系统，可检测的颗粒物中的成分有Na、Mg、Al、Si、K、Ca、Ti、V、Cr、Mn、Fe、Ni、Cu、Zn、Pb、As、Hg、Cd、碳组分(OC、EC)，水溶性离子(NH4 +、Ca2+、K+、Na+、Mg2+、Cl-、NO3 -、SO4 2-等)多环芳烃、烷烃等。该仪器系统实时在线检测到的大气中PM2.5的化学成分数据，并通过互联网方式自动上传到因子分析模型计算机进行存储和运算。
发明所述的PM2.5网格化监测系统是使用能够实时检测PM2.5浓度的设备，在所要定位分析的区域内，以PM2.5在线化学成分分析仪器所在位置为圆心，均匀的网格化在区域内全覆盖布设PM2.5的浓度检测仪器，布设密度按区域大小和所要解析定位的精度不同进行调节，形成能够全面覆盖定位区域的监测网络，该网络进行PM2.5的浓度实时在线监测，这些监测数据每5分钟到1小时监测一组数据，并通过互联网方式自动上传到因子分析模型计算机进行存储和运算。
发明所述的因子分析模型计算机是指安装了数据接收，存储和因子分子计算模型的计算机系统，运行原理是将以上两部分监测的数据通过互联网实时上传至因子分析模型计算
机，因子分析模型计算机安装的数据库程序部将数据储存后输入因子分析模型程序部，该因子分析模型程序采用在许多变量中找出隐藏的具有代表性的因子，将相同本质的变量归入一个因子的方法。将测得的PM2.5多种化学成分提取变化规律性质相同的几类化学成分主要因子，每一类变化相同的化学成分因子所包含的成分可以认为是来自共同的污染排放源，将每一类化学成分因子的浓度随时间变化的数据整合为一个新的变量，计算得到的几类化学成分因子形成了新的几个变量，具有了新的随时间变化的变量时间序列数据，将每一个新的变量时间序列数据与网格化点位PM2.5浓度监测时间序列数据共同进行再次因子分析计算，得到每个新的变量或因子与不同点位相关的二次主成分因子分类，此时找出每个化学成分因子对应贡献最大的几个二次因子，其中包含的点位就代表了该化学成分因子的主要来源位置。对每个化学成分因子进行同样的计算，可得出PM2.5的各个化学成分对应的主要来源的位置。
实施例3：
首先在一个100平方公里的行政区内进行本发明的实施例，在该行政区的中心位置，安装PM2.5化学成分实时在线检测仪器系统；以该中心点向全区辐射，按照1公里x1公里为一个网格，可以规划出100个网格点位，每个点位安装一套PM2.5浓度实时在线监测器，同时进行大气PM2.5化学成分与网格浓度的在线监测，以上两种数据都通过手机无线网络每5-60分钟一次上传到因子分析模型计算机中，计算机安装的数据库程序将数据储存后输入因子分析程序，该因子分析模型程序采用在许多变量中找出隐藏的具有代表性的因子，将相同本质的变量归入一个因子的方法。首先，将测得的PM2.5多种化学成分提取变化规律性质相同的几类化学成分主要因子。比如：通过模型计算共4个主要因子，其中，因子1中,SO4 2-、Zn、Cd、Se的贡献值或解释度较高,而这些成分是燃煤源的主要排放物，因此因子1为燃煤源因子；因子2中，NO3 -、Mn、Cd、NH4 +是主要成分，它们为机动车尾气的标识物，因此因子2是机动车源因子；因子3中，Fe、Mn、Cd、Sb、Ni解释度较高，而它们是钢铁厂排放物，因此因子3是钢铁厂源因子；因子4中K、Ca、Mg、Mn的解释度较大,是建筑水泥的标识元素,因此因子4是建筑源因子。将这4个因子浓度随时间变化的数据整合为一个新的时间序列数据，将每一个因子的时间序列数据与网格化点位PM2.5浓度监测时间序列数据共同进行二次因子分析计算，得到西南方向的3，5，30公里处的网格点对因子1有共同变化和较大的贡献率，因此可以认为这三个点位具有燃煤污染源，并且产生的PM2.5造成了中心点的污染浓度上升；以此类推，因子2,3,4分别找到对应的网格点位或网格方位，网格范围，从而得出PM2.5的各个化学成分对应的主要来源的位置。通过网格内具有的企业进行分析，也确定了不同方位不同行业，企业对中心点PM2.5浓度 的各自贡献率。
以上所述，仅为本发明较佳实施例而已，故不能依此限定本发明实施的范围，即依本发明专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明涵盖的范围内。
Claims (1)
1.一种大气细颗粒物PM2.5排放源解析定位的方法，该方法由PM2.5排放来源解析定位的装置实现，其特征是，PM2.5排放来源解析定位的装置由PM2.5在线化学成分分析仪器，PM2.5浓度检测器构成的网格化监测系统以及因子分析模型计算机构成，所述的PM2.5在线化学成分分析仪器实现PM2.5的化学成分数据监测，所述的PM2.5浓度检测器构成的网格化监测系统实现特定区域内网格化的PM2.5浓度数据监测，然后将两部分的数据通过互联网实时上传至因子分析模型计算机，由因子分析模型计算机安装的数据库程序部将数据储存后输入因子分析模型程序部，由因子分析模型程序部首先对PM2.5化学成分计算PM2.5的化学成分的主要因子，然后将化学成分主要因子重建时间序列数据，再将重建的化学成分主因子时间序列数据与PM2.5网格化浓度数据共同再次进行因子分析计算，得到的化学成分与网格点关联的二次因子，其中就可以得到PM2.5的主要化学成分的排放来源，以及排放来源的位置，实现PM2.5的排放源解析定位；
所述的PM2.5在线化学成分分析仪器为：可以实时采集大气环境中的PM2.5颗粒物，然后对实时样品进行成分检测，可检测的成分有Na、Mg、Al、Si、K、Ca、Ti、V、Cr、Mn、Fe、Ni、Cu、Zn、Pb、As、Hg、Cd、OC、EC在内的碳组分，以及NH4 +、Ca2+、K+、Na+、Mg2+、Cl-、NO3 -、SO4 2-在内的水溶性离子、多环芳烃、烷烃，实时在线检测到的成分数据，并通过互联网方式自动上传到因子分析模型计算机进行存储和运算；
所述的PM2.5浓度检测器构成的网格化监测系统为：使用能够实时检测PM2.5浓度的设备，在所要定位的区域内，以在线化学成分分析仪器所在位置为圆心，均匀的网格化布设PM2.5的浓度检测仪器，布设密度按区域大小和所要解析定位的精度不同进行调节，形成能够覆盖定位区域的监测网络，同时进行PM2.5的浓度监测，这些监测数据每5分钟到1小时监测一组数据，并通过互联网方式自动上传到因子分析模型计算机进行存储和运算；
监测的数据通过互联网实时上传至因子分析模型计算机，因子分析模型计算机安装的数据库程序部将数据储存后输入因子分析模型程序部，该因子分析模型程序采用在许多变量中计算出具有多个变量共同性质代表性的因子，将相同本质的变量归入一个因子的方法，PM2.5多种化学成分提取变化规律性质相同的几类化学成分主要因子，每一类化学成分主要因子所代表的成分认为是来自共同的污染排放源，将每一类化学成分主因子的浓度随时间变化的数据整合为一个新的数组，计算得到的几类化学成分因子形成了新的几个数组，具有了新的随时间变化的变量时间序列数据，将每一个新的数组时间序列数据与网格化点位PM2.5浓度监测时间序列数据共同进行再次因子分析计算，得到每个新的数组与不同点位浓度相关的二次主成分因子分类，此时找出每个化学成分因子对应贡献最大的几个二次因子，通过提取其中各二次因子贡献较大的各点位的位置信息可以得到PM2.5的主要化学成分来源的解析与定位；对每个化学成分因子进行同样的计算，可得出PM2.5的各个化学成分对应的主要来源的位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610799920.3A CN106404616B (zh) | 2016-08-31 | 2016-08-31 | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610799920.3A CN106404616B (zh) | 2016-08-31 | 2016-08-31 | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106404616A CN106404616A (zh) | 2017-02-15 |
| CN106404616B true CN106404616B (zh) | 2018-12-25 |
Family
ID=57998420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610799920.3A Active CN106404616B (zh) | 2016-08-31 | 2016-08-31 | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106404616B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
| CN108680473A (zh) * | 2018-05-09 | 2018-10-19 | 南开大学 | 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法 |
| CN109919201A (zh) * | 2019-02-14 | 2019-06-21 | 北京市环境保护监测中心 | 一种基于多浓度数据的污染类型分析方法 |
| CN110006799A (zh) * | 2019-02-14 | 2019-07-12 | 北京市环境保护监测中心 | 一种热点网格污染类型的分类方法 |
| CN110147383A (zh) * | 2019-04-25 | 2019-08-20 | 北京英视睿达科技有限公司 | 确定污染源类型的方法及装置 |
| KR20210016716A (ko) | 2019-08-05 | 2021-02-17 | 삼성전자주식회사 | 미세먼지 측정 장치 및 방법 |
| CN110987741B (zh) * | 2019-11-06 | 2022-05-17 | 中国辐射防护研究院 | 一种估算大气中二次气溶胶含量的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010042287A1 (en) * | 1997-10-30 | 2001-11-22 | Yasushi Watanabe | Production method for granulated materials by controlling particle size distribution using diffracted and scattered light from particles under granulation and system to execute the method |
| CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
| CN103698255A (zh) * | 2013-12-26 | 2014-04-02 | 中国环境科学研究院 | 一种大气颗粒物来源实时解析方法 |
| CN104519573A (zh) * | 2014-12-31 | 2015-04-15 | 电子科技大学 | 一种定位方法、装置以及系统 |
| CN105424840A (zh) * | 2015-12-28 | 2016-03-23 | 周俊杰 | 在线连续环境空气质量自动监测系统及异味气源溯源方法 |
| CN105608697A (zh) * | 2015-12-24 | 2016-05-25 | 电子科技大学 | 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法 |
-
2016
- 2016-08-31 CN CN201610799920.3A patent/CN106404616B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010042287A1 (en) * | 1997-10-30 | 2001-11-22 | Yasushi Watanabe | Production method for granulated materials by controlling particle size distribution using diffracted and scattered light from particles under granulation and system to execute the method |
| CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
| CN103698255A (zh) * | 2013-12-26 | 2014-04-02 | 中国环境科学研究院 | 一种大气颗粒物来源实时解析方法 |
| CN104519573A (zh) * | 2014-12-31 | 2015-04-15 | 电子科技大学 | 一种定位方法、装置以及系统 |
| CN105608697A (zh) * | 2015-12-24 | 2016-05-25 | 电子科技大学 | 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法 |
| CN105424840A (zh) * | 2015-12-28 | 2016-03-23 | 周俊杰 | 在线连续环境空气质量自动监测系统及异味气源溯源方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106404616A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106404616B (zh) | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 | |
| Wang et al. | Potential source analysis for PM10 and PM2. 5 in autumn in a northern city in China | |
| Gao et al. | Polybrominated diphenyl ethers in surface soils from e‐waste recycling areas and industrial areas in South China: Concentration levels, congener profile, and inventory | |
| CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
| Sowlat et al. | PM10 source apportionment in Ahvaz, Iran, using positive matrix factorization | |
| Fountoukis et al. | Simulating ultrafine particle formation in Europe using a regional CTM: contribution of primary emissions versus secondary formation to aerosol number concentrations | |
| Prank et al. | A refinement of the emission data for Kola Peninsula based on inverse dispersion modelling | |
| Zhao et al. | Significant climate impacts of aerosol changes driven by growth in energy use and advances in emission control technology | |
| Dios et al. | A mixed top-down and bottom-up methodology in spatial segregation of emissions based on GIS tools | |
| Łyszczarz et al. | Polycyclic aromatic hydrocarbons accumulation in soil horizons of different temperate forest stands | |
| Jung et al. | Impact of energy consumption in northeast Asia to the particulate PAHs levels and composition at Seoul | |
| Stehlík et al. | Statistical testing of availability for mining technological systems with air quality constraints | |
| Angas et al. | The Survey of CO Distribution from the Oil Refinery Stacks Using AERMOD Dispersion Model | |
| Hu et al. | Systematic evaluation of two classical receptor models in source apportionment of soil heavy metal (loid) pollution using synthetic and real-world datasets | |
| Grec et al. | ASSESSMENT OF THE ENVIRONMENTAL IMPACTS GENERATED BY RUBBER PROCESSING ACTIVITY. | |
| Kiely et al. | SoilCFeasibility of Grassland Soil Carbon Survey." | |
| Czader et al. | Development and evaluation of the screening trajectory ozone prediction system (STOPS, version 1.0) | |
| Safe et al. | Multi-year monitoring of atmospheric dust fall as a sink for lead in an agro-industrial and petrochemical city of Argentina. Geo-accumulation and ecological risk assessment | |
| Jeričević et al. | Project description: High resolution environmental modelling and evaluation programme for Croatia (EMEP4HR) | |
| Holnicki et al. | Particulate matter air pollution in an urban area: a case study | |
| Rashidi et al. | Evaluation of the volatile organic compounds (VOCs) concentration in the city of Khorramabad gas stations using AERMOD and ArcGIS | |
| Titseesang et al. | Leaves of orange jasmine (Murraya paniculata) as indicators of airborne heavy metal in Bangkok, Thailand | |
| Oyelami et al. | Ambient Air Emission Profiles of Polycyclic Aromatic Hydrocarbons around a Typical University Power House in Nigeria | |
| Živanović | Environmental changes in the city of Pančevo | |
| Inoue et al. | Monitoring network design for detection of groundwater contamination under parameter uncertainty |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200910 Address after: 100176 No.9, Wanyuan street, Yizhuang Economic and Technological Development Zone, Daxing District, Beijing Patentee after: Beijing First Atmospheric Environment Technology Co.,Ltd. Address before: 100029 Beijing city Chaoyang District Huayan No. 3 (atmospheric Institute) Patentee before: Sun Yang |
|
| TR01 | Transfer of patent right |