CN108473305A - 用以定位来自流出物流的威胁及点源的便携式化学检测装置的动态反向气体堆置模型 - Google Patents
用以定位来自流出物流的威胁及点源的便携式化学检测装置的动态反向气体堆置模型 Download PDFInfo
- Publication number
- CN108473305A CN108473305A CN201680071271.3A CN201680071271A CN108473305A CN 108473305 A CN108473305 A CN 108473305A CN 201680071271 A CN201680071271 A CN 201680071271A CN 108473305 A CN108473305 A CN 108473305A
- Authority
- CN
- China
- Prior art keywords
- data
- gas
- molecular
- sample
- source
- 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.)
- Granted
Links
- 239000000126 substance Substances 0.000 title claims description 172
- 238000001514 detection method Methods 0.000 title claims description 74
- 238000000034 method Methods 0.000 claims abstract description 126
- 239000006185 dispersion Substances 0.000 claims abstract description 52
- 230000007613 environmental effect Effects 0.000 claims description 115
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 claims description 100
- 238000005070 sampling Methods 0.000 claims description 99
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 claims description 45
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 claims description 40
- 230000009471 action Effects 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 29
- 238000004519 manufacturing process Methods 0.000 claims description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 claims description 21
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 claims description 21
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 20
- RWGFKTVRMDUZSP-UHFFFAOYSA-N cumene Chemical compound CC(C)C1=CC=CC=C1 RWGFKTVRMDUZSP-UHFFFAOYSA-N 0.000 claims description 18
- JHIVVAPYMSGYDF-UHFFFAOYSA-N cyclohexanone Chemical compound O=C1CCCCC1 JHIVVAPYMSGYDF-UHFFFAOYSA-N 0.000 claims description 18
- 125000005575 polycyclic aromatic hydrocarbon group Chemical group 0.000 claims description 15
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims description 14
- MVPPADPHJFYWMZ-UHFFFAOYSA-N chlorobenzene Chemical compound ClC1=CC=CC=C1 MVPPADPHJFYWMZ-UHFFFAOYSA-N 0.000 claims description 14
- 238000001069 Raman spectroscopy Methods 0.000 claims description 13
- 239000010865 sewage Substances 0.000 claims description 13
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 claims description 12
- 150000002430 hydrocarbons Chemical class 0.000 claims description 12
- VZGDMQKNWNREIO-UHFFFAOYSA-N tetrachloromethane Chemical compound ClC(Cl)(Cl)Cl VZGDMQKNWNREIO-UHFFFAOYSA-N 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 11
- 229930195733 hydrocarbon Natural products 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 10
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 9
- 150000004996 alkyl benzenes Chemical class 0.000 claims description 9
- 229930007927 cymene Natural products 0.000 claims description 9
- HFPZCAJZSCWRBC-UHFFFAOYSA-N p-cymene Chemical compound CC(C)C1=CC=C(C)C=C1 HFPZCAJZSCWRBC-UHFFFAOYSA-N 0.000 claims description 9
- SCYULBFZEHDVBN-UHFFFAOYSA-N 1,1-Dichloroethane Chemical class CC(Cl)Cl SCYULBFZEHDVBN-UHFFFAOYSA-N 0.000 claims description 7
- XSTXAVWGXDQKEL-UHFFFAOYSA-N Trichloroethylene Chemical group ClC=C(Cl)Cl XSTXAVWGXDQKEL-UHFFFAOYSA-N 0.000 claims description 7
- 239000001273 butane Substances 0.000 claims description 7
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 claims description 7
- 229960002415 trichloroethylene Drugs 0.000 claims description 7
- UBOXGVDOUJQMTN-UHFFFAOYSA-N trichloroethylene Natural products ClCC(Cl)Cl UBOXGVDOUJQMTN-UHFFFAOYSA-N 0.000 claims description 7
- QVLAWKAXOMEXPM-UHFFFAOYSA-N 1,1,1,2-tetrachloroethane Chemical class ClCC(Cl)(Cl)Cl QVLAWKAXOMEXPM-UHFFFAOYSA-N 0.000 claims description 6
- UOCLXMDMGBRAIB-UHFFFAOYSA-N 1,1,1-trichloroethane Chemical class CC(Cl)(Cl)Cl UOCLXMDMGBRAIB-UHFFFAOYSA-N 0.000 claims description 6
- QPFMBZIOSGYJDE-UHFFFAOYSA-N 1,1,2,2-tetrachloroethane Chemical class ClC(Cl)C(Cl)Cl QPFMBZIOSGYJDE-UHFFFAOYSA-N 0.000 claims description 6
- RELMFMZEBKVZJC-UHFFFAOYSA-N 1,2,3-trichlorobenzene Chemical class ClC1=CC=CC(Cl)=C1Cl RELMFMZEBKVZJC-UHFFFAOYSA-N 0.000 claims description 6
- WSLDOOZREJYCGB-UHFFFAOYSA-N 1,2-Dichloroethane Chemical class ClCCCl WSLDOOZREJYCGB-UHFFFAOYSA-N 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 239000001294 propane Substances 0.000 claims description 6
- 150000001335 aliphatic alkanes Chemical class 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000004907 flux Effects 0.000 claims description 3
- KFUSEUYYWQURPO-UHFFFAOYSA-N 1,2-dichloroethene Chemical class ClC=CCl KFUSEUYYWQURPO-UHFFFAOYSA-N 0.000 claims 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims 1
- 229910052799 carbon Inorganic materials 0.000 claims 1
- 239000007789 gas Substances 0.000 description 174
- 239000000523 sample Substances 0.000 description 111
- 238000004458 analytical method Methods 0.000 description 46
- 238000010586 diagram Methods 0.000 description 45
- 238000005516 engineering process Methods 0.000 description 25
- WFDIJRYMOXRFFG-UHFFFAOYSA-N Acetic anhydride Chemical compound CC(=O)OC(C)=O WFDIJRYMOXRFFG-UHFFFAOYSA-N 0.000 description 21
- 239000012491 analyte Substances 0.000 description 21
- 150000001875 compounds Chemical class 0.000 description 21
- 238000009826 distribution Methods 0.000 description 19
- 238000006243 chemical reaction Methods 0.000 description 17
- 238000009792 diffusion process Methods 0.000 description 17
- 239000012855 volatile organic compound Substances 0.000 description 17
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical compound C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 16
- 238000013459 approach Methods 0.000 description 16
- 230000015572 biosynthetic process Effects 0.000 description 16
- FAHBNUUHRFUEAI-UHFFFAOYSA-M hydroxidooxidoaluminium Chemical compound O[Al]=O FAHBNUUHRFUEAI-UHFFFAOYSA-M 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 239000000047 product Substances 0.000 description 16
- 238000003786 synthesis reaction Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 15
- 238000000865 membrane-inlet mass spectrometry Methods 0.000 description 15
- 239000006227 byproduct Substances 0.000 description 14
- 239000012535 impurity Substances 0.000 description 14
- 150000002500 ions Chemical class 0.000 description 14
- 238000001819 mass spectrum Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 12
- 229960001252 methamphetamine Drugs 0.000 description 12
- MYWUZJCMWCOHBA-VIFPVBQESA-N methamphetamine Chemical compound CN[C@@H](C)CC1=CC=CC=C1 MYWUZJCMWCOHBA-VIFPVBQESA-N 0.000 description 12
- 239000000203 mixture Substances 0.000 description 12
- 239000002585 base Substances 0.000 description 11
- 239000003921 oil Substances 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 11
- -1 Phenylacetyl alcohol Chemical compound 0.000 description 10
- 239000003344 environmental pollutant Substances 0.000 description 10
- 231100000719 pollutant Toxicity 0.000 description 10
- 238000002470 solid-phase micro-extraction Methods 0.000 description 10
- 239000012298 atmosphere Substances 0.000 description 9
- 238000002485 combustion reaction Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- UMJSCPRVCHMLSP-UHFFFAOYSA-N pyridine Natural products COC1=CC=CN=C1 UMJSCPRVCHMLSP-UHFFFAOYSA-N 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 230000001413 cellular effect Effects 0.000 description 7
- 230000006378 damage Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 7
- 239000003814 drug Substances 0.000 description 7
- 239000002117 illicit drug Substances 0.000 description 7
- 230000001965 increasing effect Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- WLJVXDMOQOGPHL-UHFFFAOYSA-N phenylacetic acid Chemical class OC(=O)CC1=CC=CC=C1 WLJVXDMOQOGPHL-UHFFFAOYSA-N 0.000 description 7
- KWGRBVOPPLSCSI-WPRPVWTQSA-N (-)-ephedrine Chemical compound CN[C@@H](C)[C@H](O)C1=CC=CC=C1 KWGRBVOPPLSCSI-WPRPVWTQSA-N 0.000 description 6
- 230000003542 behavioural effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- QUKGYYKBILRGFE-UHFFFAOYSA-N benzyl acetate Chemical compound CC(=O)OCC1=CC=CC=C1 QUKGYYKBILRGFE-UHFFFAOYSA-N 0.000 description 6
- 238000009835 boiling Methods 0.000 description 6
- 125000003118 aryl group Chemical group 0.000 description 5
- 239000004205 dimethyl polysiloxane Substances 0.000 description 5
- 235000013870 dimethyl polysiloxane Nutrition 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- 230000007717 exclusion Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 239000012528 membrane Substances 0.000 description 5
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 5
- 239000002243 precursor Substances 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 231100001261 hazardous Toxicity 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 239000012071 phase Substances 0.000 description 4
- 238000012732 spatial analysis Methods 0.000 description 4
- YFKBXYGUSOXJGS-UHFFFAOYSA-N 1,3-Diphenyl-2-propanone Chemical compound C=1C=CC=CC=1CC(=O)CC1=CC=CC=C1 YFKBXYGUSOXJGS-UHFFFAOYSA-N 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000006021 Dakin-West synthesis reaction Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 229940007550 benzyl acetate Drugs 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- KWGRBVOPPLSCSI-UHFFFAOYSA-N d-ephedrine Natural products CNC(C)C(O)C1=CC=CC=C1 KWGRBVOPPLSCSI-UHFFFAOYSA-N 0.000 description 3
- 238000000151 deposition Methods 0.000 description 3
- 150000002085 enols Chemical class 0.000 description 3
- 229960002179 ephedrine Drugs 0.000 description 3
- 239000002360 explosive Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000004128 high performance liquid chromatography Methods 0.000 description 3
- 230000008595 infiltration Effects 0.000 description 3
- 238000001764 infiltration Methods 0.000 description 3
- 230000002045 lasting effect Effects 0.000 description 3
- 238000001334 liquid-phase micro-extraction Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 239000002105 nanoparticle Substances 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- CXQXSVUQTKDNFP-UHFFFAOYSA-N octamethyltrisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)O[Si](C)(C)C CXQXSVUQTKDNFP-UHFFFAOYSA-N 0.000 description 3
- 229960003424 phenylacetic acid Drugs 0.000 description 3
- 239000003279 phenylacetic acid Substances 0.000 description 3
- QCCDLTOVEPVEJK-UHFFFAOYSA-N phenylacetone Chemical compound CC(=O)CC1=CC=CC=C1 QCCDLTOVEPVEJK-UHFFFAOYSA-N 0.000 description 3
- 238000004987 plasma desorption mass spectroscopy Methods 0.000 description 3
- 235000018102 proteins Nutrition 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000002516 single-drop micro-extraction Methods 0.000 description 3
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 3
- KWTSXDURSIMDCE-QMMMGPOBSA-N (S)-amphetamine Chemical compound C[C@H](N)CC1=CC=CC=C1 KWTSXDURSIMDCE-QMMMGPOBSA-N 0.000 description 2
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Natural products CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 2
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 2
- 150000008065 acid anhydrides Chemical class 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 229940025084 amphetamine Drugs 0.000 description 2
- 150000001491 aromatic compounds Chemical class 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- YCIMNLLNPGFGHC-UHFFFAOYSA-N catechol Chemical compound OC1=CC=CC=C1O YCIMNLLNPGFGHC-UHFFFAOYSA-N 0.000 description 2
- 239000013626 chemical specie Substances 0.000 description 2
- 239000002575 chemical warfare agent Substances 0.000 description 2
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000688 desorption electrospray ionisation Methods 0.000 description 2
- 125000000118 dimethyl group Chemical group [H]C([H])([H])* 0.000 description 2
- 238000000375 direct analysis in real time Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000003891 environmental analysis Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 150000002576 ketones Chemical class 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 229950002454 lysergide Drugs 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000001840 matrix-assisted laser desorption--ionisation time-of-flight mass spectrometry Methods 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 231100000754 permissible exposure limit Toxicity 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- ODLMAHJVESYWTB-UHFFFAOYSA-N propylbenzene Chemical compound CCCC1=CC=CC=C1 ODLMAHJVESYWTB-UHFFFAOYSA-N 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 229920005573 silicon-containing polymer Polymers 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 125000001424 substituent group Chemical group 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000010189 synthetic method Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 2
- JAUFWTSSYRTLLB-UHFFFAOYSA-N (2-phenylacetyl) 2-phenylacetate Chemical class C=1C=CC=CC=1CC(=O)OC(=O)CC1=CC=CC=C1 JAUFWTSSYRTLLB-UHFFFAOYSA-N 0.000 description 1
- 208000032484 Accidental exposure to product Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- QUSNBJAOOMFDIB-UHFFFAOYSA-N Ethylamine Chemical compound CCN QUSNBJAOOMFDIB-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000001237 Raman spectrum Methods 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 231100000818 accidental exposure Toxicity 0.000 description 1
- CSCPPACGZOOCGX-UHFFFAOYSA-N acetone Substances CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 125000002252 acyl group Chemical group 0.000 description 1
- 230000010933 acylation Effects 0.000 description 1
- 238000005917 acylation reaction Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 150000001371 alpha-amino acids Chemical class 0.000 description 1
- 235000008206 alpha-amino acids Nutrition 0.000 description 1
- 238000005576 amination reaction Methods 0.000 description 1
- 235000001014 amino acid Nutrition 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 150000008064 anhydrides Chemical class 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000000926 atmospheric chemistry Substances 0.000 description 1
- 238000005815 base catalysis Methods 0.000 description 1
- RWCCWEUUXYIKHB-UHFFFAOYSA-N benzophenone Chemical compound C=1C=CC=CC=1C(=O)C1=CC=CC=C1 RWCCWEUUXYIKHB-UHFFFAOYSA-N 0.000 description 1
- 125000001797 benzyl group Chemical group [H]C1=C([H])C([H])=C(C([H])=C1[H])C([H])([H])* 0.000 description 1
- 150000004718 beta keto acids Chemical class 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000000711 cancerogenic effect Effects 0.000 description 1
- 231100000315 carcinogenic Toxicity 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- PBAYDYUZOSNJGU-UHFFFAOYSA-N chelidonic acid Natural products OC(=O)C1=CC(=O)C=C(C(O)=O)O1 PBAYDYUZOSNJGU-UHFFFAOYSA-N 0.000 description 1
- 229910052729 chemical element Inorganic materials 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000011280 coal tar Substances 0.000 description 1
- 229960003920 cocaine Drugs 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000006114 decarboxylation reaction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000012063 dual-affinity re-targeting Methods 0.000 description 1
- 238000000132 electrospray ionisation Methods 0.000 description 1
- 150000002168 ethanoic acid esters Chemical class 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- RMBPEFMHABBEKP-UHFFFAOYSA-N fluorene Chemical compound C1=CC=C2C3=C[CH]C=CC3=CC2=C1 RMBPEFMHABBEKP-UHFFFAOYSA-N 0.000 description 1
- 238000004374 forensic analysis Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 239000013056 hazardous product Substances 0.000 description 1
- 231100000086 high toxicity Toxicity 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000001871 ion mobility spectroscopy Methods 0.000 description 1
- 238000000752 ionisation method Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000037230 mobility Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 150000002790 naphthalenes Chemical class 0.000 description 1
- 230000001473 noxious effect Effects 0.000 description 1
- NIHNNTQXNPWCJQ-UHFFFAOYSA-N o-biphenylenemethane Natural products C1=CC=C2CC3=CC=CC=C3C2=C1 NIHNNTQXNPWCJQ-UHFFFAOYSA-N 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 150000008300 phosphoramidites Chemical class 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- KRIOVPPHQSLHCZ-UHFFFAOYSA-N propiophenone Chemical compound CCC(=O)C1=CC=CC=C1 KRIOVPPHQSLHCZ-UHFFFAOYSA-N 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 229920000260 silastic Polymers 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- DPJRMOMPQZCRJU-UHFFFAOYSA-M thiamine hydrochloride Chemical compound Cl.[Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N DPJRMOMPQZCRJU-UHFFFAOYSA-M 0.000 description 1
- 238000001269 time-of-flight mass spectrometry Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000004102 tricarboxylic acid cycle Effects 0.000 description 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000003039 volatile agent Substances 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/26—Devices for withdrawing samples in the gaseous state with provision for intake from several spaces
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0057—Warfare agents or explosives
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2273—Atmospheric sampling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N2001/021—Correlating sampling sites with geographical information, e.g. GPS
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
- G01N30/7206—Mass spectrometers interfaced to gas chromatograph
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Medicinal Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Sampling And Sample Adjustment (AREA)
- Electron Tubes For Measurement (AREA)
Abstract
本发明包括用以检测一个或更多个靶分子之一或更多个来源的位置的设备及方法，该设备包括：分子检测器；及处理器，该处理器连接至该分子检测器并连接至全球定位系统，其中该处理器计算该一个或更多个靶分子的存在，运行用于测定该一个或更多个靶分子的动态反向气体堆置模型的计算机代码，及基于该动态反向气体堆置模型来三角测量该一个或更多个靶分子的来源或流出物的可能位置。已测定的反向气体堆置模型可具有在一个或更多个取样位置上的高斯(Gaussian)分散。
Description
相关申请的交叉引用
本申请案主张于2015年10月19日提交的美国临时专利申请案第62/243,530号的权益，并主张于2016年4月26日提交的美国临时专利申请案第62/327,690号的权益，这些美国临时专利申请案全文内容以引用方式并入本文。
技术领域
本发明大体是关于化学检测领域，并且更特定地说，是关于一种用以定位来自流出物流的威胁及点源的便携式化学检测装置的动态反相气体堆置模型。
联邦政府资助的研究的声明
无
背景技术
不限制本发明的范畴，结合化学试剂的检测来对本发明的背景进行描述。
于2009年由Cooks等人提交的美国专利申请案第20090011953号揭示了使用质谱法来经由质量选择离子的分子软着陆制备具有催化活性的表面的方法及设备。质谱法是用于产生特定几何排列的原子组合，并且离子软着陆选择此分子实体或实体的组合并温和地将该实体或组合完整沉积至表面上。
于2006年授予Mclean等人的美国专利第7,081,617号揭示了用于借由离子迁移气相分离离子生物分子并且以空间可寻址的方式将它们完整地沉积在表面上的方法及装置，该离子生物分子包括肽、及蛋白质或无机簇离子或纳米粒子。出于构建生物相关物质的微量测定或促进高度有序蛋白质晶体的生长的目的，可以对蛋白质沉积至其上的表面进行修饰。
于2007年授予Schmucker等人的美国专利第7,202,472号是关于用于质谱分析、特别是用于使用纳米粒子的基质辅助激光解吸/电离飞行时间质谱分析(matrix-assistedlaser desorption/ionization time-of-flight mass spectrometry；MALDI-TOF MS)的改良方法。在Schmucker专利中，将分析物添加至纳米粒子悬浮液中以及适用于此方法的奈米粒子，随后将含有经结合的分析物的悬浮液直接沉积在MALDI样本载体上并借由质谱法研究。
发明内容
在一个实施例中，本发明包括一种设备，该设备包括：便携式分子检测器；以及处理器，该处理器连接至该便携式分子检测器并连接至全球定位系统。该处理器计算一个或更多个靶分子的存在，运行用于测定一个或更多个靶分子的动态反向气体堆置模型的计算机代码以基于该动态反向气体堆置模型测定一个或更多个靶分子的来源或流出物的可能位置。在一个方面，该动态反向气体堆置模型可具有一个或更多个靶分子在一个或更多个取样位置上的高斯分散。在一个方面，该便携式分子检测器可经配置以检测由秘密实验室、环境威胁、危险泄漏、化学武器部署、或其他基于化学品的威胁或危害产生的化学品。在另一方面，该便携式分子检测器可为便携式重分子检测器。在另一方面，该便携式分子检测器可选自拉曼(Raman)、红外线(infrared；IR)、化学传感器、或质谱仪的至少一者。在另一方面，该处理器进一步获得环境数据(例如，风速、方向、温度、气压、其他环境数据、或其组合)并基于该环境数据测定及/或修正来源位置。在另一方面，该便携式分子检测器可被安装在车辆上、或与车辆整合在一起。在一特定方面，该车辆可为混合动力车或纯电动车。在另一方面，该处理器进一步获得基础架构数据，该基础架构数据基于缺乏或存在基础架构(包括水、电、建筑、污水、风、或其组合)来排除或增强作为来源可能位置的区域。在另一方面，测试样本的体积可借由使用取样泵增加，该取样泵增加进入该便携式分子检测器的气液通量。在另一方面，该便携式分子检测器包括用于一种或更多种类型分子的特定检测器。
在另一实施例中，本发明包括一种检测分子的方法，该方法包括：将便携式分子检测器通信耦合至处理器及全球定位系统，其中该处理器：接收指示存在一个或更多个靶分子的信息，运行用于测定一个或更多个靶分子的动态反向气体堆置模型的计算机代码，及基于该动态反向气体堆置模型来三角测量该一个或更多个靶分子的来源的可能位置；以及使该便携式分子检测器与疑似具有待检测分子的样本接触，其中该处理器基于该分子的检测含量及该便携式分子检测器关于全球位置的相对位置来测定该分子来源的大致位置。在一个方面，该动态反向气体堆置模型可具有一个或更多个靶分子在一个或更多个取样位置上的高斯分散。在另一方面，该方法进一步包括以下步骤：选择该便携式分子检测器以检测由秘密实验室、环境威胁、危险泄漏、化学武器部署、或其他基于化学品的威胁或危害产生的化学品。在另一方面，该便携式分子检测器可为便携式重分子检测器。在另一方面，该方法进一步包括以下步骤：从拉曼(Raman)、红外线(IR)、化学传感器、或质谱仪的至少一者选择便携式分子检测器。在另一方面，该方法进一步包括以下步骤：获得环境数据(例如，风速、方向、温度、气压、其他环境数据，或其组合)并基于该环境数据测定及/或修改来源位置。在另一方面，该方法进一步包括以下步骤：将该便携式分子检测器安装在车辆中或车辆上。在一个方面，该车辆可为混合动力车或纯电动车。在另一方面，该方法进一步包括以下步骤：获得基础架构数据，该基础架构数据基于缺乏或存在基础架构(包括水、电、建筑、污水、风、或其组合)来排除或增强作为来源可能位置的区域。在另一方面，测试样本的体积可借由使用取样泵增加，该取样泵增加进入该便携式分子检测器的气液通量。在另一方面，该方法进一步包括以下步骤：选择连接至该便携式分子检测器的一个或更多个特定检测器，其中该一个或更多个检测器中的每一个经选择以检测一种或更多类型的分子。
本发明的又一实施例包括一种检测秘密实验室、环境威胁、危险泄漏、化学武器部署、或其他基于化学品的威胁或危害的方法，该方法包括：使用设备测量一种或更多种可检测试剂的样本两次或两次以上，该可检测试剂疑似用于秘密实验室、环境威胁、危险泄漏、化学武器部署、或其他基于化学品的威胁或危害，该设备包括：便携式分子检测器；及处理器，该处理器连接至该便携式分子检测器并连接至全球定位系统。该处理器可经配置以：接收指示存在一个或更多个靶分子的信息、运行用于测定一个或更多个靶分子的动态反向气体堆置模型的计算机代码，及基于该动态反向气体堆置模型三角测量该一个或更多个靶分子的来源的可能位置。在一个方面，该动态反向气体堆置模型可具有一个或更多个靶分子在一个或更多个取样位置上的高斯分散。该处理器可基于一个或更多个靶分子的动态反向气体堆置模型进一步测定该秘密实验室、环境威胁、危险泄漏、或化学武器部署的可能位置，与其他环境样本相比该动态反向气体堆置模型是统计学显著的，其中靶分子的显著统计学改变指示秘密实验室、环境威胁、危险泄漏、或化学武器部署的存在及可能位置。在另一方面，该方法进一步包括以下步骤：从拉曼(Raman)、红外线(IR)、化学传感器、或质谱仪的至少一者中选择便携式分子检测器。在另一方面，该方法进一步包括以下步骤：获得环境数据(例如，风速、方向、温度、气压、其他环境数据，或其组合)并基于该环境数据测定及/或修改来源位置。在另一方面，该方法进一步包括以下步骤：将该便携式分子检测器安装在车辆(混合动力车或纯电动车)中或车辆上。在另一方面，该方法进一步包括以下步骤：获得基础架构数据，该基础架构数据基于缺乏或存在基础架构(包括水、电、建筑、污水、风、或其组合)来排除或增强作为来源可能位置的区域。
附图说明
为更完全地理解本发明的特征及优点，现在参考本发明的详细描述以及附图，并且其中：
图1为图示在本发明的各实施例与常规气体堆置模型化技术之间的差异的方块图；
图2为图示根据本公开的实施例的用以定位一个或更多个靶分子的来源的设备的实施例的方块图；
图3图示苯、二甲苯及对异丙甲苯的高斯扩散模型；
图4图示经过图3图示的苯、二甲苯及对异丙甲苯的高斯分散模型的检测路径；
图5为图示来自图3图示的仿真数据集的正态分布的多次检测的图；
图6图示根据实施例的经由用于测定各来源位置的两种不同途径检测来自两个来源的多种化合物；
图7图示根据实施例的来自鹰潭页岩地区(Eagle Ford Shale region)的检测数据集；
图8图示如图3图示的吡啶、环己酮及异丙苯的排放及后续顺风检测；
图9为图示根据本发明的实施例的用以定位一个或更多个靶分子的来源的装置的模块系统的方块图；
图10为图示根据本公开的实施例的用以定位一个或更多个靶分子的定位源的基于云端的系统的方块图；
图11为图示根据本公开的实施例的用以定位一个或更多个靶分子的来源的另一系统的方块图；
图12为根据本发明的实施例的用以定位来自流出物流的威胁及点源的方法的流程图；
图13为图示本发明的特定实施例的详细方法流程的流程图；
图14为比较用于本发明的两种分散模型的图；
图15为本发明的特定实施例的方法流程的实例；
图16图示用以在三维中检测化学品来源并模型化该检测的化学品排放；
图17图示取样路径及化学烟羽的各区域的预期检测；
图18图示用于本发明的膜进样质谱法(membrane inlet mass spectrometry,MEMS)的实例；
图19为用于产生苯丙酮(phenylpropanone,P2P)的反应机制；
图20图示行动系统的一个实例，该行动系统使用安装在前排乘客座椅存在处的质谱仪设备-插图：设计并安装以在操作时使用的进气入口，并且该单元放置在机架可安装壳体中；
图21A图示用于产生二苄基甲酮(dibenzylketone；DBK)的反应机制；
图21B图示BDK的基线质谱数据；
图21C图示获得在仿真制造期间获自BDK位移的数据的数据；
图22为图示在车辆操作期间获得的代表性扫描图；
图23A图示产物P2P的质谱；
图23B图示前驱物苯乙酸的质谱；
图24A图示用于产生P2P的E构型及Z构型的烯醇乙酸酯的反应机制；
图24B图示P2P乙酸酯的检测曲线；
图25A图示苯乙酰甲醇合成的反应机制；
图25B图示化学特征(chemical signature)的检测；
图26图示针对乙酸苄酯副产物所获得的资料；
图27图示不同位置处的分析物的烟羽数据及图表；
图28图示重迭在实时地图上的烟羽地图，其图示车辆行进方向及分析物检测的实例；
图29图示获自FlexStream浓度测定的代表性示例数据，其中扫描多次流出物浓度并获得平均检测强度；
图30A图示苯(78m/z)甲苯(91,92m/z)、及乙基苯(106m/z)与二甲苯(106m/z)大气污染物的质谱；
图30B图示PAH成分萘(128m/z)、乙烯合萘(152m/z)、乙烷合萘(154m/z)、及茀(166m/z)之质谱；
图31图示反映整个Denton城区的甲苯浓度的GPS标记谱；
图32图示在Dallas城市环境中来自MS分析的苯测绘数据(mapping data)；
图33图示与ALOHA分散模型重迭的苯测绘数据；以及
图34图示经由车辆质谱仪进行的靶分子收集的图式。
具体实施方式
本公开的实施例提供设备、非暂时性计算机可读介质，以及用于检测一个或更多个靶分子的来源位置的方法。根据本公开的实施例测定的气体堆置模型可被视为反向气体堆置模型，不同于从一个或更多个分子来源开始并随后预测那些一个或更多个分子将分散至周围环境的位置的传统气体堆置模型，根据本公开的实施例测定的气体堆置模型源于检测在取样环境中一个或更多个分子的存在，并随后被用于预测该一个或更多个检测到的分子的来源的位置。由此，根据本公开操作的实施例测定的气体堆置模型可被视为反向气体堆置模型，由于该模型由在环境中检测一个或更多个分子产生，并被用于识别一个或更多个分子的来源，而非基于来源的特性产生并随后被用于测定分子将分散至周围环境中的位置。此外，根据实施例测定的反向气体堆置模型可为动态的。例如，当进行环境取样时，可收集数据点(例如，分子浓度、定位信息、环境数据、基础架构数据，或其组合)，该数据点可用于预测该一个或更多个分子的来源所位于的位置。当收集/测定另外数据点时，该来源位置可被精细化或增强以促进对更精确位置的预测。基于收集到的数据点识别该一个或更多个分子的来源的能力提供了使用传统气体堆置模型化技术(例如，基于来源特性构建的气体堆置模型)无法获得的在气体堆置模型化领域中的动态新能力。由此，根据实施例测定的反向气体堆置模型可被视为动态反向气体堆置模型。
如下文更详细描述的，根据实施例配置的化学检测装置可操作以创建动态反向气体堆置模型，该模型可用以定位来自流出物流的威胁及点源。常规气体堆置分散模型化技术基于已知来源性质(诸如来源高度、从该来源释放出物流的速率等)来预估顺风环境浓度及物流(例如，空气污染物或毒物的物流)分散。尽管此等常规分散模型可根据其实施方式变化，但是每个常规分散模型需要以来源性质作为输入，诸如排放速率、来源位置、来源高度等。下文的实施例的动态反向气体堆置模型化技术操作以使用在分布环境中动态检测到的分子分布推导出在常规气体堆置分散模型中曾经需要的输入。也就是说，与常规气体堆置分散模型化技术获取与进入空气中的物流分散有关的来源输入数据并随后测定物流将行进的范围相反，本公开的实施例采用新模型化技术，该模型化技术利用对所关注分子的检测以预测及/或预估所关注分子的来源的位置。应注意，未知排放源性质的影响妨碍了使用常规气体堆置技术进行来源检测。
例如，参照图1，图示了说明在本公开的各实施例与常规气体堆置模型化技术之间的区别的方块图。在图1中，图示了多层建筑100。若多层建筑100的居住者正在进行秘密活动，诸如在多层建筑100中制造非法药品或炸药装置，则分子物流可分散至空气中，该空气可逸出该建筑，其后该分子将分散至周围环境中。取决于该居住者所位于的位置，分子物流可分散至不同距离。例如，若该居住者位于该多层建筑100的第一楼层，则可形成分子物流110，且若居住者位于该多层建筑100的第一楼层，则可形成分子物流120。由于分子物流120与分子物流110相比以更高高度从多层建筑100释放，所以分子物流120与分子物流110相比可分布至周围环境中达更远距离。然而，分子物流110及120二者可在其相对分布至周围环境中的特定点呈现相似浓度。
例如，在分子物流110及120中每一者的点“X”处，特定分子的浓度可大致相等。使用常规气体堆置模型化技术，可基于分子物流110及120中每一者的起始点测定分子物流110及120的模型。然而，所关注的一个或更多个分子(例如，在图1中的“X”)的浓度不可在常规气体堆置模型化技术中用于识别来自多层建筑100的第一楼层的分子物流来源(例如，所关注分子对应于分子物流110)或来自多层建筑100中的更高楼层的分子物流来源(例如，所关注分子对应于分子物流120)。相反，本公开的实施例利用新气体堆置模型化技术以在环境中取样各浓度分子并测定分子的潜在起始点或点源(例如，基于在环境中检测到的所关注分子的浓度，诸如在图1中“X”处的一个或更多个分子的浓度)，本公开的实施例能够测定所关注分子是否对应于来自多层建筑100的第一楼层的分子物流110或来自多层建筑100的更高楼层的分子物流120，如下文更详细描述。换言之，本发明的实施例提供新的及稳健的气体堆置模型化技术，该技术允许根据有关在环境中分布的分子物流的信息识别起始点，这是现有的气体堆置模型化技术不能进行的能力。下文更详细描述本公开的实施例的另外方面，参看图2至图34。
尽管下文详细论述关于制备及使用本发明的各个实施例的方面，但是应了解本发明提供可体现于广泛的特定情境中的众多可应用发明性概念。本文所论述的特定实施例仅说明制备及使用本发明的特定方式而不限制本发明的范围。
为便于理解本发明，下文定义一些术语。本文所定义的术语具有如在与本发明有关领域中普通技术人员通常理解的含义。术语诸如“一”、“一个”和“该”并非意欲仅指单数实体，而是包括可使用特定实例说明的一般类别。本文的术语用于描述本发明的特定实施例，但其使用并不限制本发明，在权利要求范围中规定者除外。
在该领域中，化学流出物流在大量实例中形成。这些实例中的一些为秘密实验室、环境威胁、危险泄漏、及化学武器部署。此等实例为流出物流于检测时具有未知来源的特定实例。这些类型活动将未被检测到，或最佳地，借由气味或化学活性的报告来检测。然而，便携式质谱仪目前能够检测在上文清单中识别的活动期间产生的化学物流中的多种化学物流，并可经训练以寻找化学流出物流的类型。这与当前的全球定位系统(globalpositioning system；GPS)能力及可实时存取的系统建议模型(system advisor model；SAM)天气资料相结合，可允许根据本公开的实施例配置的化学检测器(此处为质谱仪)精确标点及在地图上标出流出物，由此使得能够识别流出物的来源。
根据本公开的实施例的化学检测器可体现于航空、地面、水、甚至外层空间应用，并可使得能够检测秘密实验室(例如，药品、武器、伪造品、炸药，等等)、危险流出物(例如，油和气体、化学品泄漏、工业火灾，等等)、有毒物流(例如，化学武器、高度毒性)，以及天然化学物流(例如，火山、渗流，等等)。
根据本公开的实施例的化学检测器可测定处于移动中的化学品。一旦检测到化学品，动态反向气体堆置模型可用于测定可用以定位流出物流的潜在点源的分散模型。在一实施例中，此模型可借由整合环境数据(例如，风速、方向、温度、气压，等等)、或基础架构数据(例如，水、电、污水、气体、建筑，等等)、或两者来修改，以缩小或精细化流出物流的潜在点源。在一另外或替代实施例中，整合环境数据(例如，风速、方向、温度、气压，等等)或基础架构数据(例如，水、电、污水、气体、建筑，等等)、或两者以缩小或精细化流出物流的潜在点源可在初始测定动态反向气体堆置模型期间进行。当化学检测器感测到该化学品时，于化学检测器处执行的软件可向操作人员指示来源方向。随后可检测新化学品(较重成分或较高浓度的一种或更多种分子)，并且此举可用于进一步缩小点源范围，并识别对小区、本地环境的潜在威胁，或识别非法化学活动。
根据实施例配置的化学检测器可利用各种化学传感器，诸如拉曼谱仪、红外线(IR)谱仪、化学传感器、质谱仪、可操作以检测所关注分子的另一种类型的传感器，或其组合。根据本发明配置的化学传感器也可覆盖广谱化学信息及威胁评价，并可用于与航空、地面、水、及潜水装置结合以进行本文所描述的用于定位流出物流的点源的操作。
根据本发明的实施例配置的化学传感器的使用可应用于便携式化学检测器操作人员、自动化(例如，软件可经配置以驱动车辆)、及远程使用。此可用于航空、地面、水、甚至外层空间部署中。根据实施例的化学传感器可检测非常大动态范畴的浓度，诸如百分比浓度或兆分率浓度。
参看图2，图示根据本公开的实施例的用于定位一个或更多个靶分子的来源的示例性设备的方块图，该设备作为动态反向气体堆置模型化装置200。如图2所示，反向气体堆置模型化装置200可包括一个或更多个处理器210、一个或更多个传感器220、定位系统230，以及内存240。内存240可包括一个或更多个数据库242。另外，内存240可储存指令244，指令244当由一个或更多个处理器210执行时，导致一个或更多个处理器210根据本公开的实施例进行定位一个或更多个靶分子的来源的操作，如下文详细描述。在一实施例中，该反向气体堆置模型化装置200可为便携设备。例如，反向气体堆置模型化装置200可整合在行动分子检测平台中、安装在行动分子检测平台上、或以其他方式用作行动分子检测平台的部分。在一实施例中，该行动分子检测平台可包括车辆，诸如混合动力车、氢动力车、或纯电动车。在一另外或替代实施例中，该行动分子检测平台可包括飞机、无人机(drone)、无人航空载具(unmanned aerial vehicle)、直升机，或另一种形式的飞行器。在又一另外或替代实施例中，该行动分子检测平台可包括船、潜水艇、气垫船、或另一种形式的船只。在又一另外或替代实施例中，该行动分子检测平台可被部署在其他构造中，诸如背负式大小的系统、机器人、及类似者。应注意在图2中图示的反向气体堆置模型化装置200的特定部件是出于说明的目的而非限制，并且该反向气体堆置模型化装置200可包括未在图2中图示的其他部件。例如，该反向气体堆置模型化装置200可包括电源、显示器装置、一个或更多个输入/输出(I/O)装置及/或接口(例如，键盘、鼠标或其他指向装置，及类似者)、一个或更多个通信接口(例如，无线通信接口、有线通信接口，及类似者)、或其他部件。
一个或更多个分子检测器220可适用于基于一个或更多个环境样本产生表示存在一个或更多个靶分子的信息。例如，反向气体堆置模型化装置200可跨越环境(例如，地理区域，诸如建筑周边区域、邻区、道路、城区，及类似者)并且，由于反向气体堆置模型化装置200跨越该区域，该一个或更多个分子检测器220可周期性或持续地对环境的各方面(例如，环境中的表面、环境中的空气、环境中的水、及类似者)取样。在一实施例中，当一个或更多个分子检测器220对该环境取样时，基于一个或更多个环境样本表示存在一个或更多个靶分子的信息可产生并储存于一个或更多个数据库242中。在一另外或替代实施例中，基于一个或更多个环境样本表示存在一个或更多个靶分子的信息可由一个或更多个分子检测器220产生并作为数据流被提供至一个或更多个处理器210。在又一另外或替代实施例中，基于一个或更多个环境样本表示存在一个或更多个靶分子的信息可由一个或更多个分子检测器220产生并在将该信息储存在一个或更多个数据库242中的同时作为数据流提供至一个或更多个处理器210。在一实施例中，该一个或更多个靶分子可与一种或更多种化学品有关，该化学品由在秘密实验室、环境威胁、危险泄漏、环境污染物、流出化学品、化学武器部署、或其组合处进行的生产制程产生或作为该生产制程的副产物。在一实施例中，该一个或更多个分子检测器220可包括至少一个重分子检测器。在一另外或替代实施例中，该一个或更多个分子检测器220可包括一个或更多个拉曼谱仪、红外线(IR)谱仪、化学传感器、质谱仪，或其组合。在一实施例中，该一个或更多个分子检测器220可包括用于与化合物有关的一种或更多种类型分子的特定检测器，该化合物包括多环芳烃排放物(polycyclicaromatic hydrocarbon；PAH)、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气勘探或开采产生的烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷，或1,2-二氯乙烷。应注意，在一些实施例中，也可根据该反向气体堆置模型化装置200经配置以检测的特定分子来提供用于一种或更多种其他类型分子的检测器，并且上文列出的分子出于说明的目的提供而非限制。例如，该反向气体堆置模型化装置200可经配置以检测芳香族及非芳香族分子两者、烃类、及类似者。在一实施例中，该反向气体堆置模型化装置200可包括一个或更多个泵(未在图2中图示)，该泵经配置以增加由一个或更多个分子检测器200测试的样本的体积。
当对该环境取样时，定位系统230可周期性地产生位置信息，该位置信息表示一个或更多个位置，其中该一个或更多个位置中的每一者对应于获得一个或更多个环境样本中的一个样本的位置。在一实施例中，当该定位系统230产生位置信息时，该位置信息可被储存在一个或更多个数据库242中。在一另外或替代实施例中，该位置信息可由定位系统230产生并作为位置数据流被提供至一个或更多个处理器210。在又一另外或替代实施例中，该位置信息可由定位系统230产生并将该信息储存在一个或更多个数据库242中同时地作为位置数据流提供至一个或更多个处理器210。在一个实施例中，定位系统230可包括全球定位系统(GPS)。在一另外或替代实施例中，定位系统230可包括基于电信的定位系统，诸如使用蜂巢式通信系统(例如，蜂巢式基站、存取点或其他无线通信技术)来测定各自样本位置的定位系统。在又一另外或替代实施例中，定位系统230可包括本地定位系统。例如，当扫描或取样环境不能采用GPS或基于电信的定位技术时(例如，由于该取样在建筑内部或地下进行，在该建筑内部或地下不能可靠地获得使用GPS及基于电信的技术获得定位信息所必需的信号)，可使用本地坐标系统，并且该本地坐标系统可随后映像至“真实世界”坐标。此可借由以下步骤达成：配置该本地坐标系统以使得在本地坐标系统中至少一个点对应于在“真实世界”坐标中已知的位置，并基于具有在该本地坐标系统与“真实世界”坐标中均已知的位置的至少一个点将在本地坐标系统中获得的坐标映射至“真实世界”坐标。当使用本地坐标系统时，该反向气体堆置模型化装置可包括一个或更多个加速度计和/或回转仪，其可被反向气体堆置模型化装置200利用以测量取样期间反向气体堆置模型化装置200的线性及旋转加速度和/或速度。在一实施例中，定位系统230可包括这些不同系统和/或为了简化本公开而在本文中未描述的其他定位系统的组合。
在一实施例中，该位置信息及基于一个或更多个环境样本表示存在一个或更多个靶分子的信息可被时间标记。例如，当获得环境样本并产生基于该环境样本表示存在一个或更多个靶分子的信息时，存在信息可被时间标记并且对应于出现该环境样本的位置的位置信息也可产生并被时间标记。在此实施例中，处理样本以识别该一个或更多个靶分子的来源可稍后进行(例如，使用储存在数据库中的信息)。这可使得能够以低成本建构反向气体堆置模型化装置200(例如，由于在操作期间该装置需要较少功率及可计算资源)。
在一实施例中，该一个或更多个处理器210可启动并控制取样。例如，指令244可提供应用程序，该应用程序可由一个或更多个处理器210执行以控制反向气体堆置模型化装置210的操作，诸如用以启动由一个或更多个分子检测器220进行的取样以及用以从定位系统230获得位置信息。一个或更多个处理器210可经配置以接收基于一个或更多个环境样本表示存在一个或更多个靶分子的信息及位置信息，并用以基于该表示存在一个或更多个分子的信息及位置信息测定一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型。在一实施例中，该动态反向气体堆置模型可具有该一个或更多个取样位置上的一个或更多个靶分子的高斯分散。在一实施例中，可从一个或更多个分子检测器220及定位系统230直接接收该信息。在一另外或替代实施例中，可借由从一个或更多个数据库242检索该信息来接收此信息。在关于下文详细描述的方程式1至17测定具有在该一个或更多个取样位置上的一个或更多个靶分子的高斯分散的动态反向气体堆置模型之后，图2的一个或更多个处理器210可基于该动态反向气体堆置模型预测该一个或更多个靶分子的来源的位置。
在一实施例中，具有在该一个或更多个取样位置上的一个或更多个靶分子的高斯分散的动态反向气体堆置模型可借由基于所感测化学品的存在及/或浓度解出高斯分散方程式产生。在一实施例中，该高斯分散方程式可为用于持续点源烟羽的广义高斯分散方程式，并可由以下给出：
其中：C＝排放浓度，g/m3，在定位于下列的任何位置：
顺风处x米处
距中线y米处
地面上zr米处
Q＝来源排放速率，g/s
u＝水平风速，m/s
He＝在地面上烟羽中线的高度，m
σz＝排放分布的垂直标准偏差，m
σy＝排放的水平标准偏差，m
在其中部署基于地面的化学检测系统的实施例中，分析可集中在顺风处地面浓度检测，zr＝0，并且该地面中线及侧风浓度可从方程式1减少至：
主要分析可始于最高浓度并且与检测点的偏差将推测高斯形状。由此，最大地面浓度可于zr＝0及y＝0处检测到。由此，方程式1可减少至地面中线浓度：
另外，由于实施例可主要标记地面或邻近地面的排放，zr＝0，y＝0，及He＝0，所以来自地面排放点的地面中线浓度可为：
方程式1及条件简化形式可用于根据检测到的烟羽反算给定位置。尽管可以预期一定程度的不确定性，但是这些推导的方程式应用的精细化可用于将点源测定的区域限制在点源的阈值距离内。
该高斯函数可表示为：
由此该曲线的中心在x＝μ处，其中A为峰高度且σ为在峰曲线的两侧的宽度的标准偏差。采用在方程式5中的高斯函数的自然对数产生：
方程式6扩展为：
方程式7采用方程式8所示的二次项形式：
lny＝a+bx+cx2 方程式8
当：
高斯参数A、μ、及σ可从a、b、c计算。来自行动质谱仪的抛物线样数据集的曲线拟合可以最小平方方式来获得。解出该系列二次项系数，来自方程式8的高斯错误函数可由下列给出：
δ＝lny-(a+bx+cx2) 方程式9
当关于a、b及c微分总数δ2并将该线性方程组设为0时，线性方程组结果产生：
其中N为收集到的数据点的数量(例如，取样位置的数量)并且Σ表示解出此线性方程组将产生a、b、及c，其可随后被用于经由以下方程式推导高斯参数A、μ及σ：
统一方程式4可借由将如从方程式13的数据集获得的所得高斯峰的高度A关联至方程式14的浓度C来达成。获得的取样路径提供高斯形状，由此点μ为其中垂直于该取样路径的线提供在点源与检测之间空气分散的线性路径的点。最终应用至方程式3或4，σ值为用于计算垂直于高斯拟合的最终距离。方程式14，
使用水平或垂直的浓度标准偏差解出逆风距离，在方程式3中解出He值(米)、顺风距离的自然对数的情况下，因此解出方程式14的目标值(公里)，并且I、J、及K为给定大气稳定性的经验常数。最后，偏差度σ可与点源距离及其位置相关。解出方程式14得到距来源位置的逆风距离x，以产生：
因此，I、J、及K来自大气条件，且σy由在方程式12中的近似值解出。
连续点源排放依赖于各种假设并需要理想设置以供有效近似。这样的限制条件包括：(1)排放是连续的，(2)无排放物的化学反应或吸收，(3)风向及风速是恒定的，及/或(4)分散具高斯特性。这些限制条件在常压被屡次观察到且模型的应用可按常规达成。针对地面检测及排放而言，距来自检测的此等排放的逆风距离x可经由对所述公式的统一来近似，使得方程式4及方程式15被整合在：
方程式15也可应用至方程式2及方程式3，由此进一步近似大气化学品释放，包括增加释放高度及侧风变化性。方程式16反向解出大气分散的高斯散，使得来自便携式仪器的已知浓度或强度可用于近似逆风距离。这样的解决方案显示用以根据化学检测的高斯分散近似逆风距离的能力。
排放物释放位置的近似测定可应用于众多不同情况。追踪反常烟羽并测定位置可用于环境管理机构。法律执行应用包括追踪活动秘密制造非法物质的排放物。灾害响应能直接测量受影响的区域并确认有毒物质泄漏位置或危险化学品释放位置，并提供进一步分散预测。根据实施例配置的行动质谱仪可充当完整感测单元，该感测单元具有可根据常规测绘快速部署的多种用途和供应急响应的空气质量测量。上文描述的图2、及下文更详细描述的图9至图11提供了用于根据本公开的行动质谱仪的各实施例的各种不同配置，并包括独立单元(例如，图2)、模块系统(例如，图9)及基于云端的系统(例如，图10)。另外，实施例可进一步包括经配置以检测流出物流的点源的固定系统，如下文关于图11更详细描述的。
检查横向风、分子量、及所关注化学品的沸点的影响提供了该模型如何在真实世界情况中操作的指示。例如，图3图示在危险环境区域位置(Areal Locations ofHazardous Atmospheres；ALOHA)软件中模型化的假设释放苯、二甲苯、及对甲异丙苯的常规气体堆置模型，该模型起始于已知排放物源。ALOHA采用大气分布方程式来模型化危险气体如何顺风行进。图3图示点源模型化的实例，该实例图示增加苯及烷基苯类化学质量的所关注化学品的分散，忽视过大建筑及异常地形。所模型化的条件为在70゜F、北风5mph、50％湿度、稳定大气条件。绘出的各个区域被模型化为于1g/min速度在已知初始点的来自排放源的100ppb浓度。这些化学品的分散具有可辨别的区域顺风分散，此是由于固有化学性质。
使用本发明的便携式化学检测器，诸如根据本公开的实施例配置的质谱仪，以验证在图3中图示的ALOHA模型的排放物源，如图4所示，可穿过该路径以检测所关注分子的存在。可以注意到，获得的数据将具有正态分布。在图4中，图示在大气中所关注化学品浓度的上升及下降。曲线峰可为其中线垂直于该逆风穿过的检测路径且其中定位该所关注化学品的点。较高标准偏差可指示分布得更高的化学化合物。多个这样的正态分布将针对混合的所关注化学品存在。各个扫描可使用位置数据(例如，GPS数据或另一形式的位置数据)标记使得获得、储存相关空间信息和/或关联至所检测化学品的位置。
由于大多数数据集将含有多种化学化合物，所检测化学化合物的分布可含有不同特点，包括不同峰高及标准偏差。图5图示了多种化学品的绘制及其在理想化设定中的检测。当行动系统穿过给定区域，检测可始于大多数分布的化学化合物并且随后检测可为较少分布的化合物。基于扫描数量(例如，其中获得样本的位置数量)及定位信息(例如，GPS信息及类似者)的多次峰对准可提供逆风释放的进一步指示。
考虑到行动质谱系统，由于离子化，固有片段产生相似结果。当引入具有给定前驱物质量的化学品时，尽管不同强度对应于前驱物离子的破碎度，经由离子化产生的产品片段与产品离子质量对准。前驱物离子及其相关产物离子用作在质谱仪中识别的方法。尽管破碎操作不可在给定扫描中进行，具有对准的峰高度及标准偏差的正态分布具有彼此相关性，其中最高质量为该前驱物离子。当检测众多碎片及前驱物离子时这是可用的，借由在相似正态分布中的相关性来去卷积并分离频谱。
由于操作人员不能一直垂直于顺风释放线穿过，该行进方向及风行进方向在定位来源时变得高度重要。这样的数据集可为正态分布，但是倾斜为标准偏差，+σ和-σ，峰的任一侧面可为不相等。无论如何，朝向该来源的方向线可借由观察正态分布的峰并追踪朝向起风的基本方向的逆风路径来测定。
增加分子质量及另外官能团影响沸点以及其他因素，并允许在分散及释放化学品方面的明显区别。例如，对于烃链，质量增加对应于沸点增加。可以考虑在化合物检测与这些经检测的化学品性质之间的相关性。尽管挥发性化学品可经由风运送并受大气条件影响，但是由于这些化合物的化学性质，速率可以变化。早期检测的化合物可具有包括较低沸点及较高蒸汽压力的化学性质。
当在根据实施例的行动检测期间使用膜进样质谱法(MIMS)时，该系统可以考虑到不同化合物的渗透速率。渗透速率可针对用于给定系统的已知化合物进行测定，但是针对在该领域中的未知物及检测，可以推测化学性质以缩小可能的化学成分。安装的膜类型可针对特定化学品来选择，由此限制检测到的化学品结构性质。如在图3中，关于质量的检测时序可借由推测较低质量化合物首先蒸发并更广泛地分散来达成。进一步地，成果已经针对各种所关注化学品定量了聚二甲基硅氧烷(polydimethylsiloxane；PDMS)MIMS的响应时间。膜响应时间可借由膜厚度及扩散系数测定。薄膜可提供针对VOCS的以秒计的时间尺度速率检测。表1显示针对25μm厚PDMS的相关膜响应时间的一个实例，并且与质量及沸点相关。
此分析的分析问题之一是对具有多个排放源的环境进行取样。图6图示了穿过具有两个连续点源的区域的两种潜在途径。该两个图示途径，途径1及途径2，各自穿过两个烟羽。同心环表示正在排放的不同化合物，且全部为检测目标。途径1，从西面横穿至东面，首先检测来自来源B的最大分散的化合物。在到达从来源A分散的所关注化学品时，初始检测在外环为最大分散，并随后在中环为第二大分散。随着操作人员靠近来源依次检测多个化合物确认了一种提供用于反向模型化的两个高斯曲线的方法。途径2表示相似情况，从北面横穿至南面。途径2首先检测到来自来源A的最大分散的化学品，随后该化学品消散。随后检测到来源B排放的化学品，其中首先检测到最多分散并随后检测到最少分散(例如，围绕来源B的中心内环)。途径1检测三种所关注化学品，提供用于测定的三个高斯曲线。
在另一测试情况中，根据实施例的行动质谱仪系统被部署至德州中部的鹰潭页岩。测绘超过1,000英里的道路。图7图示在乡村道路上获得的数据点。绘出的各个环表示检测到的甲苯浓度(91m/z)，且此高亮显示区域覆盖约四分之三英里。连续扫描获得的浓度的曲线图已经拟合成二次函数，方程式17。
y＝-8.7684x2+116.94x+1384.4 方程式17
使用方程式11至方程式13解出该高斯参数，使得μ＝-0.042235，σ＝0.019，以及A＝1.32553。根据Beychok及Turner，取样日落入Stability Class D中。近似来源距离可由方程式16计算。在图7中，星形700标记计算出的点源在道路检测处的西面约4,224.016英尺。高斯峰分布的顺风检测仍然为大气分散检测的最重要部分。专注于高斯分散识别并计算那些获得的曲线的峰的便携式及移动单元(诸如图2的反向气体堆置模型化装置200)可提供对逆风位置的了解。
例如，图8图示根据实施例的在环境(其中排放三种化学品)中取样并随后顺风检测的结果。排放并随后检测约100mL的化学示踪剂。吡啶(79m/z)被最大程度散布在取样区域中。而中线或接近中线质谱表示存在异丙苯(120m/z)及相关乙基苯片段(105m/z)，进一步确认中线检测包括环己酮(98m/z)。由于该短距离(107英尺)，沿着该方向路径的分散程度小。由于最强峰确认在最高浓度的最大分散及最大挥发所关注化学品，因此使用相对强度谱来说明获得的数据集。偏离中心的较高强度可表示所关注化学品的挥发性及其分散在大气中的能力。随着操作人员靠近中心来增加峰有助于确认正态分布位置的顺风分散及中心。
针对多达10km距离测定了列出的大气的稳定常数I、J、及K(参看上文的方程式15及方程式16)。可以推测，在此距离可检测的所关注化学品的顺风及受限的排气具有对此模型实用性的最小影响。于大于10km距离的所关注化学品的分散将导致当前浓度低于检测阈值，但样本浓度或更敏感检测器使得更大距离成为可能。
膜响应及化学品扩散至质谱仪的真空中可影响检测时间。由于当出现扩散时该车辆仍在移动，检测到的高斯分散可在行进方向中偏移。注意行进速度及产生针对给定膜组合物为可渗透的一类化学品的平均扩散，检测位置可根据实施例回算。以较慢速度操作降低了在检测之前行进的距离的量。由于在环境取样期间一系列位置或取样点可获得并被时间标记，观察到的谱可归因于较佳对应于行进速度及膜响应时间的空间位置。
使用方程式14可解出经验值。当近似高斯标准分布时，这些值已被评估为含有4％最大误差。值一般被平均为在水平标准偏差上的约1％误差，及在垂直偏差上的约2％误差。尽管来自此量值的给定值的分数(parting)应当被视为显著的，本文已发现4％较宽高斯具有对数学计算的最小影响。可以从人员提取大气值不同地预期更大差异。
在一实施例中，图2的反向气体堆置模型化装置200可包括一个或更多个环境传感器(未在图2中显示)。该一个或更多个环境传感器可适用于产生环境数据，该环境数据包括风速数据、风向数据、周围温度数据、气压数据、其他类型环境数据或其组合。在一另外或替代实施例中，反向气体堆置模型化装置200可包括通信接口，该通信接口经配置以将反向气体堆置模型化装置200通讯耦合至网络，且环境数据可经由通讯链路(例如，有线通信链路或无线通信链路)从第三方来源(诸如第三方气象服务)接收。该环境数据可由一个或更多个处理器使用以预测一个或更多个靶分子源的位置。例如，风速及风向数据可用于测定具有用于在该一个或更多个取样位置上的一个或更多个靶分子的高斯分散的反向气体堆置模型，如上文关于方程式1至方程式17所描述的。
在一实施例中，一个或更多个数据库242可储存与一个或更多个取样位置相关的基础架构数据。该基础架构数据可包括识别位于一个或更多个取样位置附近的水基础架构、电基础架构、建筑、污水基础架构、其他类型基础架构(例如，天然气及/或油管线、等等)、或其组合的信息。该基础架构数据可由一个或更多个处理器210用于借由排除或增强用于来源的区域而基于该基础架构资料来预测一个或更多个靶分子源的位置，如上文描述。
如上文所解释，反向气体堆置模型化装置200提供用于分析分子分散的新技术，诸如实现分子或流出物点源的识别。应注意实施例可适用于在二维空间(例如，测定经预测含有该来源的有界区域)或三维空间(例如，测定经预测含有该来源的有界区域以及预测来源高度)中预测该来源。这可提供对城市环境的显著益处，诸如其中若干多层建筑可为紧密靠近的城市环境。
参看图9，图示说明根据本公开的实施例的用以定位一个或更多个靶分子源的装置的例示性模块系统的方块图，该例示性模块系统如模块系统900。如图9所示，例示性模块系统900可包括反向气体堆置模型化装置910及通信耦合至其上的各种模块。反向气体堆置模型化装置910可包括一个或更多个处理器920、一个或更多个通信接口930、I/O接口940、及内存950。内存950可储存一个或更多个数据库952及指令954。指令954可由一个或更多个处理器920执行以定位根据本公开的实施例的一个或更多个靶分子源。另外，如图9所示，模块系统900包括一个或更多个分子检测器960及通信耦合至反向气体堆置模型化装置910的定位系统970。在一实施例中，一个或更多个分子检测器960及定位系统970可经由一个或更多个通信接口930(例如，经由有线通信网路或无线通信网路)和/或一个或更多个I/O接口940(例如，通用串行总线(Universal Serial Bus；USB))接口、串行接口、记忆卡接口、及类似者)通信耦合至反向气体堆置模型化装置910。
应注意尽管显示为分离装置，在一些实施例中，一个或更多个分子检测器960及定位系统970可被整合至单个数据收集装置中，该数据收集装置经配置以于一个或更多个位置对环境取样并随后提供收集到的资料(例如，表示在环境中于一个或更多个样本位置存在检测到的一个或更多个分子的信息及对应于一个或更多个样本位置中每一者的位置数据)。例如，一个或更多个分子检测器960及定位系统970可被整合在车辆或其他行动平台(例如，上文关于图2描述的行动平台)中并可穿过环境以获得在该环境中于一个或更多个位置的样本。由于已收集到样本，表示在环境中于一个或更多个样本位置检测到的一个或更多个分子的信息可借由一个或更多个分子检测器960产生，且对应于该一个或更多个取样位置中每一者的位置数据可借由定位系统970产生。随后，收集装置可被通信耦合至反向气体堆置模型化装置910以将收集到的信息上传至反向气体堆置模型化装置910。在一实施例中，该收集到的信息可被储存在一个或更多个数据库952中。在一实施例中，该收集到的信息可被时间标记，如上文关于图2所描述，其可使得一个或更多个处理器920将包括该信息(该信息表示存在于一个或更多个样本位置的检测到的一个或更多个分子)的样本中每一者关联至针对该一个或更多个取样位置中每一者的对应位置数据。
在一实施例中，一个或更多个分子检测器960可实质上相似于图2的一个或更多个分子检测器220。例如，可由一个或更多个分子检测器960检测的一个或更多个靶分子可与一种或更多种化学品有关，该化学品借由生产制程产生或作为生产制程的副产物产生，该生产制程进行于秘密实验室、环境威胁、危险泄漏、环境污染物、流出化学品、化学武器部署、或其组合。在一实施例中，一个或更多个分子检测器960可包括至少一个重分子检测器。在一另外或替代实施例中，一个或更多个分子检测器960可包括一个或更多个拉曼谱仪、红外线(IR)谱仪、化学传感器、质谱仪、或其组合。在一实施例中，一个或更多个分子检测器960可包括用于与化合物有关的一种或更多种类型分子的特定检测器，这些化合物包括多环芳烃排放物(polycyclic aromatic hydrocarbon；PAH)、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气勘探或开采产生的烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷、或1,2-二氯乙烷。应注意，在一些实施例中，亦可根据系统900经配置以检测的特定分子来提供用于一种或更多种其他类型分子的检测器，并且上文列出的分子出于说明的目的提供而非限制。例如，系统900可经配置以检测芳香族及非芳香族分子，及其他所关注烃分子。在一实施例中，系统900可包括一个或更多个泵(未在图9中显示)，该泵经配置以增加由一个或更多个分子检测器960测试的样本的体积。
在一实施例中，定位系统970可包括全球定位系统(GPS)。在一另外或替代实施例中，定位系统970可包括基于电信的定位系统，诸如使用蜂巢式通信系统(例如，蜂巢式基站、存取点或其他无线通信技术)以测定个别样本位置的定位系统。在又一另外或替代实施例中，定位系统970可包括本地定位系统。例如，当扫描或取样环境不能采用GPS或基于电信的定位技术时(例如，由于该取样进行在建筑内部或地下，在该建筑内部或地下不能可靠地获得使用GPS及基于电信的技术获得定位信息所必需的信号)，可使用本地坐标系统，并且该本地坐标系统可随后映像至“真实世界”坐标。此可借由以下步骤达成：配置该本地坐标系统使得在本地坐标系统中至少一个点对应于在“真实世界”坐标中已知位置，并基于具有在该本地坐标系统与“真实世界”坐标中均已知的位置的至少一个点将在本地坐标系统中获得的坐标映射至“真实世界”坐标。当使用本地坐标系统时，定位系统970可包括一个或更多个加速度计和/或回转仪，其可用于测量在取样期间定位系统970(或收集装置)的线性及旋转加速及/或速度。在一实施例中，定位系统970可包括这些不同系统和/或为了简化本公开而在本文并未描述的其他定位系统的组合。
在一实施例中，一个或更多个处理器920可启动并控制该取样。例如，指令954可提供应用程序，该应用程序可由一个或更多个处理器920执行以启动并控制借由一个或更多个分子检测器960的取样并用以从定位系统970获得位置信息。例如，当将要进行取样时，一个或更多个分子检测器960及定位系统970可耦合至反向气体堆置模型化装置910以形成系统900，系统900可为可操作以对环境取样、获得与其中获得样本的位置相关的位置信息、及进行操作以使用本文描述的技术来测定一个或更多个靶分子源。在一另外或替代实施例中，可独立于反向气体堆置模型化装置910对一个或更多个分子检测器960及定位系统970进行控制(例如，在取样期间一个或更多个分子检测器960及定位系统970可独立于反向气体堆置模型化装置910操作)。一个或更多个处理器920可经配置以接收基于一个或更多个环境样本表示存在一个或更多个靶分子的信息及位置信息，并用以基于表示存在一个或更多个分子的信息及位置信息测定一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型。在一实施例中，该动态反向气体堆置模型可具有该一个或更多个取样位置上的一个或更多个靶分子的高斯分散。在一实施例中，可从一个或更多个分子检测器960及定位系统970直接接收此信息。例如，一个或更多个分子检测器960可传输或另外提供表示基于存在一个或更多个环境样本的一个或更多个靶分子的信息且定位系统970可将该位置信息提供至反向气体堆置模型化装置900的一个或更多个处理器920或通信耦合至反向气体堆置模型化装置910的一个或更多个数据库952，其中该通信耦合可发生在借由一个或更多个分子检测器960取样及借由定位系统970测定位置之后。当该信息被提供至一个或更多个数据库952时，其可由一个或更多个处理器920检索以响应于请求生成用于一个或更多个靶分子的动态反向气体堆置模型的输入。在一实施例中，用于一个或更多个靶分子的动态反向气体堆置模型可借由如上文关于方程式1至方程式17描述的一个或更多个处理器920产生，并可被输出至、或存在于I/O装置940之一，诸如显示器装置。在计算具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散的动态反向气体堆置模型之后，一个或更多个处理器920可基于该动态反向气体堆置模型预测一个或更多个靶分子源的位置，其可被显示给反向气体堆置模型化装置910的用户。
在一实施例中，模块系统900可包括一个或更多个环境传感器(未在图9中显示)。该一个或更多个环境传感器可适用于产生环境数据，该环境数据包括风速数据、风向数据、周围温度数据、气压数据、其他类型环境数据或其组合。在一另外或替代实施例中，反向气体堆置模型化装置910可经由通信链路(例如，有线通信链路或无线通信链路)从第三方来源(诸如第三方气象服务)接收(或检索)。该环境数据可基于位置数据被至少部分检索，该位置数据可指示特定位置及需要环境数据的时间。该环境数据可由一个或更多个处理器920使用以预测该一个或更多个靶分子源的位置。例如，该风速及风向数据可用于计算具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散的反向气体堆置模型，如上文关于方程式1至方程式17所描述的。
在一实施例中，一个或更多个数据库952可储存与一个或更多个取样位置相关的基础架构数据。该基础架构数据可包括识别位于一个或更多个取样位置附近的水基础架构、电基础架构、建筑、污水基础架构、其他类型基础架构(例如，天然气和/或油管线、等等)、或其组合的信息。该基础架构数据可由一个或更多个处理器920用于借由排除或增强来源区域而基于该基础架构数据来预测一个或更多个靶分子源的位置，如上文所描述。应注意，在一些实施例中，一个或更多个数据库952可储存在反向气体堆置模型化装置910外部。例如，网络附加储存器(network attached storage；NAS)装置、数据库服务器、或其他形式网络可寻址存储可用于模块系统900中以提供一个或更多个数据库952。
如上文所解释，模块系统900提供用于分析分子分散的新技术，诸如使得分子或流出物点源得以识别。应注意实施例可适用于在二维空间(例如，测定经预测以含有该来源的有界区域)或三维空间(例如，测定经预测以含有该来源的有界区域以及预测来源高度)中预测该来源。这可提供对城市环境的显著益处，诸如其中若干多层建筑可为紧密靠近的城市环境。此外，借由提供系统900作为模块系统，模块系统900可提供对于部署而言增加的灵活性。例如，收集装置(例如，无人机、机器人、及类似者)可配有一个或更多个分子检测器及定位系统并随后出于取样目的被部署至区域或环境。一旦已对该环境取样，或在取样期间，可将与该取样有关的资料(例如，观察到的一个或更多个靶分子的浓度及位置信息)提供至反向气体堆置模型化装置910且一个或更多个分子源可被识别。此外，在模块系统部署中，收集装置(例如，用于进行该取样的装置)可更小且更为廉价(例如，由于处理资源及用于计算该反向气体堆置模型的硬件被提供在分离装置上)。这在其中在取样期间可发生对一个或更多个收集装置的破坏的部署中可为有利的，并可防止数据丢失(例如，由于收集到的信息可在取样期间经由网络被流送至该反向气体堆置模型化装置)。此外，在模块系统的实施例中，诸如图9的模块系统900，该一个或更多个分子检测器是可互换的，允许出于不同目的快速部署分子检测器。例如，由于一个或更多个分子检测器960中每一者可经配置以检测特定组的一个或更多个靶分子。该不同分子检测器(各自经配置以检测不同分子或分子组)可经部署以用于取样环境而不需要再次配置全部取样系统设置(例如，改变进样膜，等等)。在其他实施例中，一种模块系统可经再次配置以借由改变一个或更多个检测器960的一个或更多个态样(诸如改变进样膜、及类似者)来检测新靶分子，然而，与分别采用不同检测器模块的实施例相比，这样的制程可引入在对环境取样时的延迟，这样的实施例可被部署为更加“即插即用”(plug-and-play)类型部署。
参看图10，图示根据本公开的实施例的用以定位一个或更多个靶分子源的例示性基于云端的系统的方块图，该例示性基于云端的系统如基于云端的系统1000。如图10所示，基于云端的系统1000可包括反向气体堆置模型化装置1010及经由一个或更多个网络1080通信耦合至其上的各种模块。在一个实施例中，反向气体堆置模型化装置1010可包括一个或更多个处理器1020、一个或更多个通信接口1030、I/O接口1040、及内存1050。内存1050可进一步包括一个或更多个数据库1052及指令1054。指令1054可由一个或更多个处理器1020执行以定位根据本公开的实施例的一个或更多个靶分子源，如上文关于图2及图9及方程式1至方程式17所描述。基于云端的系统1000也可包括一个或更多个分子检测器1060及定位系统1070。如图10所示，在基于云端的系统1000中，一个或更多个分子检测器1060以及定位系统1070可经由一个或更多个网络1080通信耦合至反向气体堆置模型化装置1010。
应注意尽管显示为分离装置，在一些实施例中，一个或更多个分子检测器1060及定位系统1070可被整合至单个数据收集装置，该数据收集装置经配置以于一个或更多个位置对环境取样并随后提供收集到的资料(例如，表示在环境中于一个或更多个样本位置存在检测到的一个或更多个分子的信息及对应于一个或更多个样本位置中每一者的位置数据)。例如，一个或更多个分子检测器1060及定位系统1070可被整合在车辆或其他行动平台(例如，上文关于图2描述的行动平台)中并可穿过环境以获得在该环境中于一个或更多个位置的样本。由于已收集到样本，表示在环境中于一个或更多个样本位置检测到的一个或更多个分子的信息可借由一个或更多个分子检测器1060产生，且对应于该一个或更多个取样位置中每一者的位置数据可借由定位系统1070产生。随后，收集装置可被通信耦合至反向气体堆置模型化装置1010以将收集到的信息上传至反向气体堆置模型化装置1010。在一实施例中，该收集到的信息可被储存在一个或更多个数据库1052中。在一实施例中，该收集到的信息可被时间标记，如上文关于图2所描述，这可使得一个或更多个处理器1020将包括该信息(该信息表示存在于一个或更多个样本位置的检测到的一个或更多个分子)的样本中每一者关联至针对该一个或更多个取样位置中每一者的对应位置数据。
在一实施例中，一个或更多个分子检测器1060可实质上相似于图2的一个或更多个分子检测器220。例如，可由一个或更多个分子检测器1060检测的一个或更多个靶分子可与一种或更多种化学品有关，该化学品借由生产制程产生或作为生产制程的副产物产生，该生产制程进行于秘密实验室、环境威胁、危险泄漏、环境污染物、流出化学品、化学武器部署、或其组合。在一实施例中，一个或更多个分子检测器1060可包括至少一个重分子检测器。在一另外或替代实施例中，一个或更多个分子检测器1060可包括一个或更多个拉曼谱仪、红外线(IR)谱仪、化学传感器、质谱仪、或其组合。在一实施例中，一个或更多个分子检测器1060可包括用于与化合物有关的一种或更多种类型分子的特定检测器，这些化合物包括多环芳烃排放物(polycyclic aromatic hydrocarbon；PAH)、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气勘探或开采产生的烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷、或1,2-二氯乙烷。应注意，在一些实施例中，也可根据系统1000经配置以检测的特定分子来提供用于一种或更多种其他类型分子的检测器，并且上文列出的分子出于说明的目的提供而非限制。例如，系统1000可经配置以检测芳香族和非芳香族分子，及其他类型的烃分子。在一实施例中，系统1000可包括一个或更多个泵(未在第10图中显示)，该泵经配置以增加由一个或更多个分子检测器测试的样本的体积。
在一实施例中，定位系统1070可包括全球定位系统(GPS)。在一另外或替代实施例中，定位系统1070可包括基于电信的定位系统，诸如使用蜂巢式通信系统(例如，蜂巢式基站、存取点或其他无线通信技术)以测定个别样本位置的定位系统。在又一另外或替代实施例中，定位系统1070可包括本地定位系统。例如，当扫描或取样环境不能采用GPS或基于电信的定位技术时(例如，由于该取样进行在建筑内部或地下，在该建筑内部或地下不能可靠地获得使用GPS及基于电信的技术获得定位信息所必需的信号)，可使用本地坐标系统，并且该本地坐标系统可随后映像至“真实世界”坐标。这可借由以下步骤达成：配置该本地坐标系统使得在本地坐标系统中至少一点对应于在“真实世界”坐标的已知位置，并基于具有在该本地坐标系统与“真实世界”坐标中均已知的位置的至少一点将在本地坐标系统中获得的坐标映射至“真实世界”坐标。当使用本地坐标系统时，定位系统1070可包括一个或更多个加速度计及/或回转仪，其可用于测量在取样期间定位系统1070(或收集装置)的线性及旋转加速及/或速度。在一实施例中，定位系统1070可包括这些不同系统及/或为了简化本公开而在本文并未描述的其他定位系统的组合。
在一实施例中，一个或更多个处理器1020可启动并控制该取样。例如，指令1054可提供应用程序，该应用程序可由一个或更多个处理器1020执行以启动并控制借由一个或更多个分子检测器1060的取样并用以从定位系统1070获得位置信息。例如，当将要进行取样时，一个或更多个处理器1020可接收指导一个或更多个处理器启动环境取样的输入，且该反向气体堆置模型化装置可经由一个或更多个网络1080将信号输送至一个或更多个分子检测器1060及定位系统1070，该信号指导这些装置于一个或更多个位置对该环境取样并获得与其中获得样本的位置相关的位置信息。在一另外或替代实施例中，可独立于反向气体堆置模型化装置1010对一个或更多个分子检测器1060及定位系统1070进行控制(例如，在取样期间一个或更多个分子检测器1060及定位系统1070可独立于反向气体堆置模型化装置1010操作)，并可随后将表示基于存在一个或更多个样本的一个或更多个靶分子的信息及位置信息输送至一个或更多个处理器1020和/或一个或更多个数据库1052。一个或更多个处理器1020可经配置以接收表示基于存在一个或更多个环境样本的一个或更多个靶分子的信息及位置信息，并用以基于表示一个或更多个分子的存在的信息及位置信息测定用于在一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型。在一实施例中，该动态反向气体堆置模型可具有该一个或更多个取样位置上的一个或更多个靶分子的高斯分散。当将该信息提供至一个或更多个数据库1052时，其可由一个或更多个处理器1020检索以响应于请求生成一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型的输入。在一实施例中，一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型可借由如上文关于方程式1至方程式17描述的一个或更多个处理器1020产生，并可被输出至、或存在于I/O装置1040之一，诸如显示器装置。在计算具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散的动态反向气体堆置模型之后，一个或更多个处理器1020可基于该动态反向气体堆置模型预测一个或更多个靶分子源的位置，其可被显示给反向气体堆置模型化装置1010的用户。
在一实施例中，基于云端的系统1000可包括一个或更多个环境传感器(未在图10中显示)。该一个或更多个环境传感器可适用于产生环境数据，该环境数据包括风速数据、风向数据、周围温度数据、气压数据、其他类型环境数据或其组合。在一另外或替代实施例中，反向气体堆置模型化装置1010可经由通信链路(例如，有线通信链路或无线通信链路)从第三方来源(诸如第三方气象服务)接收(或检索)。该环境数据可基于位置数据被至少部分检索，该位置数据可指示特定位置及需要环境数据的时间。该环境数据可由一个或更多个处理器1020使用以预测该一个或更多个靶分子源的位置。例如，该风速及风向数据可用于计算具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散的反向气体堆置模型，如上文关于方程式1至方程式17所描述。
在一实施例中，一个或更多个数据库1052可储存与一个或更多个取样位置相关的基础架构数据。该基础架构数据可包括识别位于一个或更多个取样位置附近的水基础架构、电基础架构、建筑、污水基础架构、其他类型基础架构(例如，天然气和/或油管线、等等)、或其组合的信息。该基础架构数据可由一个或更多个处理器1020用于借由排除或增强来源区域而基于该基础架构数据来预测一个或更多个靶分子源的位置，如上文所描述。应注意，在一些实施例中，一个或更多个数据库1052可储存在反向气体堆置模型化装置1010外部。例如，NAS装置、数据库服务器、或其他形式网络可寻址存储可用于基于云端的系统1000中以提供一个或更多个数据库1052。
如上文所解释，基于云端的系统1000提供用于分析分子分散的新技术，诸如使得分子或流出物点源得以识别。应注意实施例可适用于在二维空间(例如，测定经预测以含有该来源的有界区域)或三维空间(例如，测定经预测以含有该来源的有界区域以及预测来源高度)中预测该来源。这可提供对城市环境的显著益处，诸如其中若干多层建筑可为紧密靠近的城市环境。此外，借由提供系统1000作为基于云端的系统，基于云端的系统1000可提供对于部署而言增加的灵活性。例如，收集装置(例如，无人机、机器人、及类似者)可配有一个或更多个分子检测器及定位系统并随后出于取样目的被部署至区域或环境。一旦已对该环境取样，或在取样期间，可将与该取样有关的资料提供至反向气体堆置模型化装置1010及一个或更多个分子源可被识别。此外，在基于云端的系统部署中，收集装置(例如，用于进行该取样的装置)可更小且更为廉价(例如，由于处理资源及用于计算该反向气体堆置模型的硬件被提供在分离装置上)。这在其中在取样期间可发生对一个或更多个收集装置的破坏的部署中可为有利的，并可防止数据丢失(例如，由于收集到的信息可在取样期间经由网络流送至该反向气体堆置模型化装置)。基于云端的系统1000可以实质上相似于上文关于图2与图9以及方程式1至方程式17描述的操作流程的方式操作以测定或预测一个或更多个靶分子源的位置，且此处不重复那些制程及流程。由于其部署配置，基于云端的系统1000可提供优于那些实施例的若干优点。例如，在基于云端的系统中，计算及数据存储资源位于基于网络的部署配置中。由此，基于云端的系统1000可更易于进行比例调整以提供需要用于特定部署的适当等级计算及数据存储资源。此外，基于云端的系统可提供增加的对该系统的访问并可提供增加的数据冗余及/或回弹性。此外，应注意，在基于云端的系统1000的一些部署中，可排除一个或更多个组件。例如，如下文关于图11更详细解释，在采用基于云端的反向气体堆置模型化装置的一些系统部署配置中，可移除定位系统1070(例如，当在取样环境期间一个或更多个分子检测器1060被置于已知位置时)。
参看图11，图示根据本公开的实施例的用以定位一个或更多个靶分子源的另一例示性基于云端的系统的方块图，该例示性基于云端的系统如基于云端的系统1100。如图11所示，基于云端的系统1100可包括反向气体堆置模型化装置1110及一个或更多个分子检测器1130。基于云端的系统1100可以与上文关于图10描述的基于云端的系统1000实质上相同的方式操作，然而，在图11的基于云端的系统1100中，一个或更多个分子检测器1130已被部署于已知位置，允许省略定位系统。例如，在图11中，该一个或更多个分子检测器已经被置于在城市1102部分中的各种位置，诸如建筑1120的一种或更多种角落。应注意在图11中图示的基于云端的系统出于说明的目的而非以限制的方式图示位于每个建筑1120的每个角落的分子检测器1130，且本公开的实施例不应受限于位于特定建筑中的分子检测器的特定数量或排列。例如，在一些实施例中。分子检测器1130可被置于适用于提供分子检测器栅格的每个其他建筑或一些其他排列，这些分子检测器能够针对根据本公开的实施例的一个或更多个靶分子的存在对环境(例如，城市1102的部分)取样。
如上文简单描述，分子检测器1130中每一者可被置于在该环境中的已知位置。在一实施例中，分子检测器1130可被永久地安装在该环境中(例如，其中分子检测器1130将用于连续监测该环境)。在一另外或替代实施例中，该分子检测器可被暂时置于已知位置以便于对该环境取样，且一旦取样完成可被移动或移除。应注意可在其中周期性及快速测试环境可为有利的实施例中发现永久安装的分子检测器的特定用途，诸如于炼油厂、化学品及油生产工厂、城区、及类似者。此外，暂时部署的分子检测器可更适用于其他类型环境，诸如音乐会现场、节日现场、或其中不需要连续取样的其他环境。
由于分子检测器中每一者可被部署于已知位置(例如，在安装各分子检测器时可使用定位系统初始测定的位置)，在操作基于云端的系统1100以对环境取样期间不需要定位系统。相反地，分子检测器的已知位置可被储存在数据库(例如，反向气体堆置模型化装置1110可访问的数据库)中，且反向气体堆置模型化装置1110可操作以在计算一个或更多个靶分子源期间将表示在环境1102中的一个或更多个靶分子的信息关联至特定已知位置的分子检测器1130。分子检测器1130中每一者可通信耦合至反向气体堆置模型化装置1110(例如，经由通信接口、一个或更多个I/O接口、一个或更多个网络)、及类似者。在一实施例中，分子检测器1130的至少两者可被部署于不同高度。这可实现以提供存在于取样环境中的一个或更多个靶分子的更详细视图的方式对该环境取样，并可便于更精确计算该一个或更多个靶分子源。应注意尽管说明分子检测器1130被置于建筑角落，本公开的实施例并不受限于这样的部署。相反地，已知位置可为在待取样的环境中的任何位置，包括但不限于路灯基路标、下水道及地铁系统、或存在于待取样的环境中的其他基础架构。在获得表示一个或更多个靶分子存在于该取样环境中的信息时，反向气体堆置模型化装置1110可计算一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型。在一实施例中，该动态反向气体堆置模型可具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散。在一实施例中，一个或更多个取样位置上的一个或更多个靶分子的动态反向气体堆置模型可借由反向气体堆置模型化装置1110的一个或更多个处理器产生，如上文关于方程式1至方程式17所描述，并可被输出至或存在于通信耦合至反向气体堆置模型化装置1110的I/O装置中，诸如显示器装置。在计算具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散的动态反向气体堆置模型之后，反向气体堆置模型化装置1110可基于该动态反向气体堆置模型预测一个或更多个靶分子源的位置，其可被显示给反向气体堆置模型化装置1110的用户。
此外，应注意，在基于云端的系统1100的一些实施例中，可在取样期间采用部署在已知位置的分子检测器及经由行动平台提供的分子检测器的组合。例如，分子检测器1130可被稀疏部署在环境中，且在检测到存在环境的特定部分中特定靶分子时，行动平台(例如，图2的反向气体堆置模型化装置200或图9的模块系统900)可用于进行对其中检测到一个或更多个靶分子的该环境的特定部分的充分取样。该实施例可提供对存在一个或更多个靶分子的快速通知，并可使得其中存在待更快取样的一个或更多个靶分子的位置，这可改良安全性(例如，借由快速发现潜在威胁或危害)。
此外，应注意除部署分子检测器1130之外，在一些实施例中，基于云端的系统1100可包括一个或更多个环境传感器(未在图11中显示)，该环境传感器用于提供环境数据，该环境数据可由反向气体堆置模型化装置1110用于预测或修正该一个或更多个靶分子源的位置，如上文描述。在一另外或替代实施例中，基于云端的系统1100可整合环境数据(例如，风速、风向、温度、气压、等等)、或基础架构数据(例如，水、电、污水、气体、建筑、等等)，或两者以在初始测定该动态反向气体堆置模型期间缩小或精细化流出物流的潜在点源。在一另外或替代实施例中，反向气体模型化装置1110可基于已知位置及获得样本的时间检索来自外部来源或服务的环境数据。在一实施例中，基于云端的系统1100可进一步采用基础架构信息以预测、测定、或修正一个或更多个靶分子源的位置，如上文描述。
参看图12，图示根据本公开的实施例的用以定位来自流出物流的威胁及点源的方法的流程图，如方法1200。在一实施例中，方法1200可对应于上文关于图2与图9至图11及方程式1至方程式17描述的操作流程，且方法1200的步骤可储存为指令，该指令可由一个或更多个处理器执行以进行根据本公开的实施例的用以定位来自流出物流的威胁及点源的操作。于1210，方法1200包括接收与于一个或更多个取样位置中每一者存在检测到的一个或更多个靶分子相关的信息及表示一个或更多个取样位置的位置信息。在一实施例中，与于一个或更多个取样位置中每一者存在检测到的一个或更多个靶分子相关的信息可由来自分子检测器(例如，图2的一个或更多个分子检测器220、图9的一个或更多个分子检测器960、图10的一个或更多个分子检测器1060、或图11的一个或更多个分子检测器1130)的至少一个处理器接收，且该位置信息可从定位系统(例如，图2的定位系统230、图9的定位系统970、图10的定位系统1070、或图11所描述的已知位置信息)接收。在一实施例中，该一个或更多个分子检测器及定位系统可位于独立装置中，诸如图2的动态反向气体堆置模型化装置200。在一另外或替代实施例中，该一个或更多个分子检测器及定位系统可提供为系统的部分，该系统诸如图9的模块系统900、图10的基于云端的系统1000、或图11的系统1100。如图12所示，方法1200也可包括，于1212接收与位置信息相关的环境信息，和/或，于1214接收与位置信息相关的基础架构信息。该环境信息可包括风速数据、风向数据、温度数据、气压数据、其他类型环境数据、或其组合，并可对应于其中获得一个或更多个样本的环境。该基础架构信息可识别接近于其中获得一个或更多个样本的环境的阈值距离或在该环境的阈值距离中的基础架构，诸如水、电、建筑、污水、风、油及气体管线、其他类型基础架构、或其组合。于1220，方法1200包括基于接收到的信息测定动态反向气体堆置模型。在一实施例中，该动态反向气体堆置模型可具有一个或更多个取样位置上的一个或更多个靶分子的高斯分散。在一实施例中，该动态反向气体堆置模型可借由至少一个处理器(例如，图2的一个或更多个处理器210、图9的一个或更多个处理器920、图10的一个或更多个处理器1020、或图11的一个或更多个反向气体堆置模型化装置110)测定。在一实施例中，测定该动态反向气体堆置模型可根据方程式1至17方程式产生，如上文描述。如图12所示，测定该动态反向气体堆置模型也可包括，于1222，基于在1212接收的环境信息测定该动态反向气体堆置模型，和/或，于1224，基于在1214接收的基础架构信息测定该动态反向气体堆置模型。于1230，方法1200包括预测在取样该环境期间检测到的一个或更多个所关注分子源的位置。在一实施例中，预测的来源位置可覆盖在地形图上，诸如其中获得一个或更多个样本的环境地图。在一另外或替代实施例中，预测的来源位置可进一步用于模型化覆盖在地形图上的常规气体堆置模型，诸如用以预测一个或更多个靶分子分布至周围区域中的范畴，其可包括预测该一个或更多个靶分子分布至在取样环境外部的区域(例如，可穿过其中分布一个或更多个靶分子的小部分总区域来对该环境取样)。此可用于识别其中获得样本的另外区域，诸如用以预测并随后确认一个或更多个靶分子的分布。
图13是图示本发明的流程10的流程图。流程10是图12所示的流程图的放大视图。所关注化学品12被引入该系统中。起初，藉以采用分离方法发生化学品预处理14。在一实施例中，该分离方法可从基质中(诸如含水取代物或大气取代物)分离该分析物。这些方法是，但不限于，气相色谱分析法(gaschromatography；GC)、固相微萃取(solid phase micro-extraction；SPME)、或膜渗透作用。一旦出现基质分离，分析进行至分离及感测16。识别机制包括但不限于：电化学传感器、光电传感器、化敏电阻器、红外线质谱法(infraredspectroscopy；IR)、紫外线可见光谱法(ultraviolet-visible spectroscopy；UV-Vis)、及质谱法(mass spectrometry；MS)。由于识别出现，位置数据18借由定位系统的方式获得。在一实施例中，该定位系统可包括全球定位系统(GPS)、基于电信的本地定位系统(例如，使用蜂巢式通信系统的三角测量)、或另一类型定位系统(例如，采用坐标系统的定位系统，该坐标系统局限至其中出现感测的位置及其可被映像至对应于真实世界位置的坐标)。环境数据20可从机载传感器及/或从表面大气监测站获得，包括风速及风向、湿度、压力、其他环境数据、或其组合。后处理22可耦合该化学品识别信息、位置信息、及环境数据，由此将此信息归属于给定点或位置。此制程可周期性(例如，每“X”秒、分钟、英尺、码、或一些其他测量单位)或持续地在给定取样区域上重复。气体堆置模型可从测定检测烟羽的位置导出。在一实施例中，该数据集可被格式化，以输入用于可视化的一个或更多个地理信息程序24。
图14是比较用于本发明的两个分散模型的图。稀疏分散模型化使用非稳态来源及拉格朗日(Lagrangian)场以定义该烟羽。此等“稀疏”是经由该模型追踪的块状物。块状物经受影响该轨迹的分散参数，诸如风、地形、或其他环境影响。当给定块状物的感知浓度在周围条件中整合时终止模型化。
高斯模型假设所关注化学品散布为正态概率分布、或高斯分散。这些分布发生在二维空间中，即顺风分布和加宽分散。顺风分散产生给定所关注化学品将远离来源行进的距离，其中当由于重力发生大部分表面沉积时可定位最高浓度。由于盛行风向及一般扩散的非线性特点，加宽发生。本发明的实施例可更适用于其中所关注化学品散布为高斯分散的情况。
图15是在一实施例中采用本发明的流程30的另一更详细实例，包括车辆平台。所关注化学品可经由两个入口32a、32b之一被引入该车辆平台中。在一实施例中，高层入口可位于高出地面阈值距离处(例如，距路表面约四英尺)，且底层入口32b可位于高出地面第二阈值距离处(例如，距路表面约八英尺)。在一实施例中，可提供阀门机构34以指示哪一流程为活动的。在一实施例中，可提供在主取样管中的膜片泵36a、36b以有助于恒定取样进入速率，而不考虑车辆平台的速度。在另外或替代实施例中，可采用可变取样进入，其中流速依赖于车辆平台的速度。该化学品传感器膜片泵36a可取样小部分进入空气以用于化学品分析38。过量进入空气40可被引向车辆平台的排气出口42。在分析期间，收集到的频谱44(例如，存在于进入空气样本中的检测或识别到的分子的频谱)与位置数据46及大气数据48耦合以将检测到的频谱定位至在坐标系统中的特定位置。用于该耦合的位置数据可借由定位系统(例如，GPS系统、电信系统、等等)提供。大气数据可从机载气象传感器获得或由表面大气测量装置产生。这对数据随后被格式化以用于在一个或更多个地理信息程序中的映像50。点是归因于来自化学传感器、通孔颜色、尺寸、或形状的给定值。点的相关组允许可视化给定的本地化数据点集，以用于气体堆置模型化。针对映像程序创建的档案可被传播至本地装置，诸如显示器装置(未在图3中显示)或远程系统及装置(例如，经由网络传播至远程计算装置)。
图16图示用以在三维空间中检测化学品源的系统的实施例。化学品排放源持续排放各种污染物。当发生该情况时，烟羽可从来源位置形成。根据该地点的性质，排放的化学品可基于重量被分类为级分(fraction)。较轻级分一般被认为比周围空气更轻。中间级分及较重级分一般被认为比空气更重。在中间级分与较重级分之间的区分可借由模型化该分散达成，由此受重力大幅度影响(因此具有受限顺风行进)的级分被认为是重的。进一步地，与随后较轻级分相比，较重级分将在较低高度分散。机动车辆使用两个入口以取样流出物。地面高度用于重目标而较高高度入口用于较轻级分。在一实施例中，可采用具有化学品传感器的无人航空载具(unmanned aerial vehicle；UAV)或载人航空载具使得可取样和/或观察甚至更轻级分。该UAV将以与上文关于图15所示的车辆部署描述的流程相似的方式取样这些级分。
图17图示取样路径及化学品烟羽的各种区域的期望检测。取样沿着给定路径发生，其中穿过各种区域的烟羽浓度。由于样本被引入并随后经由化学品传感器识别，进行具有扩散延迟的检测。考虑到膜扩散时间及车辆定位速度，实时反算与分析物接触的准确点。此制程可周期性或持续地重复直至已导航经过取样区域。此数据可随后被认为是高斯分散，观察到首先进入低浓度区域，进行至较高峰浓度并最后低浓度。与位置及环境数据整合的由化学品传感器产生的高斯分散浓度可用于数学反算该来源位置，如上文关于方程式1至方程式17所描述。
图18图示用于本发明的膜进样质谱法(MIMS)60的实例。膜进样质谱法(MIMS)60经由半透膜将分析物引入质谱仪。膜透气、疏水性、且一般基于聚合物。此方法的优点是可实时引入各种分析物62a，具有最小样本制备或不具有样本制备。分析物62b经由扩散从大气取样区域64穿过膜66。扩散控制的渗透将分析物62c引入真空分析空间68。存在膜66引入的不同配置，包括但不限于管道式溢流、管道式通流、及平板。后续质量分析可在真空区域中进行。
实例1.用于经由秘密甲基安非他命(Methamphetamine)实验室的空间分析隐蔽检测的车载式便携式质谱系统。
在过去的十年里安非他命型兴奋剂(amphetamine-type stimulant；ATS)的全球制造已经上升，且在过去的五年里甲基安非他命的全球扣押量已上升158％，在2013年多达88吨。在2014年在美国单独由DEA扣押的甲基安非他命近3吨。使法律执行工作变得更加复杂的是，甲基安非他命生产可以是在包括郊区、拖车公园、公寓、酒店、及行动实验室的各种位置中。搜寻区域由此不能基于特定基础架构最小化。目前，法律执行需要广谱性方法以定位这样的隐蔽活动，包括经过训练的动物、秘密特勤、及大规模后勤支援。
本文提出基于车辆的行动质谱仪的实施例，该行动质谱仪经配置以借由采用根据实施例的大气空间分析技术来检测甲基安非他命生产的前驱物及合成副产物特性，其可有助于借由提供一种高效行动系统来填补当前法律执行技术及作用。检测由秘密甲基安非他命制造产生的大气流出物的能力可提供用于法律执行的有用工具。膜进样质谱仪可被安装至当行动时对大气取样的车辆上。在一实施例中，该车辆可为全电气式驱动的混合动力车。采用全电气式驱动的混合动力车可防止由于存在于包括气体燃烧引擎的车辆中的排气及其他副产物的进入样本的污染。确认收集到的各频谱的纬度及经度，可随后绘制来自秘密制造的独特化学指纹。该基于位置的质谱数据提供本地化至目的区域。可进行甲基安非他命前驱物的合成并观察到来自这样的反应的杂质。设置模型化制造并经由加热将杂质引入大气。使用此行动平台检测产物及杂质已显示定位并本地化甲基安非他命的制造的有效性，如下文更详细描述。
非法药品扣押通常经法医分析以确认或否认存在非法ATS。除了确认列出化学品的存在外，绘制存在于这些样本中的杂质的工作产生合成途径的化学识别标志。多种途径(Leuckart，还原胺化作用、等等)已被用于合成ATS，且各方法具有可有助于识别制造途径的独特前驱物及杂质。普遍基于麻黄素的方法也已经使用三种不同研究途径分析。其他分析方法已经应用至在ATS合成中合成前驱物化学品，包括1-苯基-2-丙酮(或P2P)，由此法医已经能够从捕获的样本测定合成途径。生物系统，最普遍地烘焙用酵母，已经被用于生产1-苯乙酰甲醇，一种甲基安非他命的前驱物。使用来自可用性受限的麻黄素及假麻黄素的酵母的发生指示对在该文献中推进的秘密化学品的意识提高。已经开发出化学计量过程，该过程考虑到杂质浓度比例和同位素分布。制造及前驱物合成的方法已经被充分研究并最终导致能够追踪此等独立途径及试剂的终点产物。
从环境因素而言，这些制造方法通常排放在表面上及在大气中可检测但通常未被整治的微量化学品。各种情况已经被建构以仿真其中仪器可用于现场测试的环境。经由迈阿密港在货物集装箱中输入可卡因已提供用于高体积蒸汽取样的测试情形，其中分析方法诸如离子迁移率质谱法(ion mobility spectrometry；IMS)及气相层析质谱法(gaschromatography mass spectrometry；GC/MS)提供药品识别。使用变化温度及浓度参数的非法药品的IMS也已经在海关进行。这导致测定用于于毫微克浓度的安非他命及麦角酸二乙胺(lysergic acid diethylamide；LSD)的适宜分析条件。其他研究已经由IMS分析违禁品的表面化学。
另外技术的开发包括可以现场使用的传感器及仪器。美国禁毒署(DrugEnforcement Agency；DEA)已经整理用于检测法医关注的药品的成果。甚至溶剂(诸如来自Leuckart合成方法的吡啶)已经作为可检测物质被关注且已经开发出使用IMS及用于其检测的光离子化的后续速测法。可现场部署的系统已经被用于秘密实验地点，并已经被现场法医处理采用。已经开发出生物传感器及免疫传感器以检测非法药品甚至易爆化学品的存在。进一步概述特定地指向IMS29-32及其他检测技术已经被详细记录。
最终，秘密制造提供两种方式的直接证据，即在合成区域中存在持续环境信号及在生产的各种阶段期间存在连续流出物。定量环境影响的成果已经产生健康及安全政策以用于秘密实验室土地改良。这些策略特定应用至受污染的基础架构土地改良。土样分析显示秘密实验室外部本身存在的制造影响，通常是不适当处理化学品的结果。开发了正在进行的方法以用于实时取样并监测涉及非法药品制造制程的化学反应，包括在捕获药品蒸汽时采用固相微萃取(solid phase microextraction；SPME)。SPME纤维被证明在观察分解及反应产物方面是有效的。使用周围离子化方法经由便携式质谱仪实时监测由两种秘密方法的甲基安非他命的合成。这些结果发现隐蔽合成可借由反应由产生的流出物识别。
由于ATS的秘密制造通常借由不可避免的副产物达成，反应通常流出众多化学信号。以下工作分类用以使用安装有质谱仪的全电气式混合动力车检测秘密实验室的方法的发展。该系统使用持续取样的常规大气进入并使样本经过膜入口。膜进样质谱法(membraneinlet mass spectrometry；MIMS)使用半透膜以允许用于分析的分析物经过同时维持系统真空，如上文关于图18所描述。获得的质谱随后被GPS标记至位置。进行模拟隐蔽甲基安非他命合成，产生随后针对存在前驱物及副产物检测的流出物。该车辆可随后映像该区域并绘制数据使得可进行空间分析。最终，该系统检测到构成正在进行的甲基安非他命制造的大气成分。
为分析通常发现于合成ATS的前驱物及杂质，借由使用乙酸酐(AR，Mallinckrodt，Paris，Kentucky)及吡啶(99+％，ACROS Organics，New Jersey，USA)经由Dakin-West反应将苯乙酸(>99％，Sigma-Aldrich，St.Louis，MO)转化为1-苯基丙-2-酮(phenylpropan-2-one；P2P)。该Dakin-West反应最初被开发用于将α-胺基酸转化为其相应α-乙酰胺基-烷基甲基酮，但适用于某些非胺基酸。图19所示的该反应机制涉及在存在乙酸酐时苯乙酸与其酸酐的相互转化。在存在吡啶时此苯乙酸酐失去质子。其随后被另一乙酸酐酰化并接着脱酰基以产生β-酮酸，并最终脱羧以产生最终酮产物。
在完成该反应之后，该反应混合物随后经在该反应容器中的分析而不进一步改变或添加。为防止秘密合成信息变得公共可用，本文仅给出分析制程的一般详情。随后使用GC/MS(Focus GC/Polaris Q)分类全部终点产物以确认存在目标前驱物及期望副产物。
苯乙酸与吡啶及乙酸酐合并并在无水条件下回流一段时间。吡啶、P2P、及乙酸酐全部是可燃液体并且由此在反应制程期间必须保持远离任何火源并储存在适当可燃液体箱中。乙酸酐也可与水剧烈反应，因此储存及操作必须避免其暴露至水源。
为模拟其中发生或进行甲基安非他命合成的环境，选择行动家庭拖车公园(称为城市犯罪现场)作为用于法医科学研究的地点。在此地点，多个未被占用的行动家庭与另一者紧密靠近，模拟其中发生“下厨”的普遍环境。该位置易于获得，且可在直接靠近该地点的全部方向使用行动仪器读取该读数。在行动家庭中，该反应混合物被置于浴室中具有搅拌辊的加热板上并加热至与甲基安非他命反应一致的温度。打开浴室中的窗户及通气孔以允许流出物逃离。在行动家庭中的所有时间装备个人护具(personal protectiveequipment；PPE)并直接靠近地点以防止吸入任何流出物蒸汽或经由皮肤接触的意外暴露。
简单地参看图20，图示根据本发明的实施例的例示性化学品检测单元2010。质谱仪2012为Transpector MPH(Inficon，Syracuse,NY)剩余气体分析仪(Residual GasAnalyzer；RGA)。单元2010含于可安装加固架的箱2014中。膜入口2016前端被设计在2.75"康弗拉特(Conflat)盲凸缘上，具有提供用于管道式膜(Helixmark，Carpinteria，CA)的安装的穿通。单元2010被安装前排座椅存在于Ford Fusion EnergiTM中之处。该Fusion提供混合动力驱动，该混合动力驱动提供超过传统汽油机功能的能力，当映像区域时该混合动力驱动移除任何燃烧干扰。大气借由内部制作的四分之一玻璃替代2018被引入该系统，该四分之一玻璃替代2018提供其中膜片泵持续抽吸大气的入口。从该大气取样管，较小膜片取样泵2020取样少量空气以经过该管道式膜。还图示的是连接至线性四芯线组2024的电源2026及控制器2022，该线性四芯线组2024连接至真空系统。
该系统使用具有GPS能力的Python脚本与基于Arduino的微控制器的组合重复地扫描质量及标记，各扫描具有相关纬度及经度。使用Google Earth绘制针对给定质量的获得强度，来进行数据的后处理。在一实施例中，着色圆圈可被用于标志特定样本的位置及强度，以提交呈用户友好格式的样本数据。这些质量可与合成的给定副产物有关并与在实验开始前获得的基线数据进一步比较。强度的显著增长归因于前驱物及合成副产物从该实验移置至大气中。最终，国家海洋和大气局(National Oceanic and Atmospheric Agency；NOAA)及环境保护局(Environmental Protection Agency；EPA)的危险大气区域位置(Areal Locations of Hazardous Atmosphere；ALOHA)软件与本地气象数据整合使用以提供流出物烟羽扩散的理论方式和用以验证由该动态反向气体堆置模型产生的排放源预测。
在生产ATS前驱物期间，副反应不可避免且通常图示使用的制造合成途径的指示。众多这些反应机制在文献中已知，尽管准确途径仍有争议。就Dakin-West反应而言，该最普遍观察到的杂质，1,3-二苯基丙-2-酮或二苯基酮(dibenzylketone；DBK)由缺乏存在于该反应中的过量乙酸酐产生。这导致混合的酸酐由不同于乙酸酐的另一混合的酸酐分子酰化并产生深色酮杂质，如图21A所示。使用118m/z级分追踪DBK杂质。图21B图示基线数据，该基线数据说明在仿真进行前的数小时大气内不能检测到DBK；这也适用于获得的全部物质。不存在可被误认为误报与前驱物或副产物相关的给定物质的可检测大气成分。图21C表示与基线相比的高水平。
已研发了采用膜进样技术的众多便携式系统。这些系统使用允许选择性渗透分析物的相同原理，该分析物穿过膜以用于质量分析。众多不同材料已经被研发为用于膜用途的潜在材料；聚二甲基硅氧烷(polydimethylsiloxane；PDMS)已经显示针对芳香族化合物的优秀结果。图20说明的在车辆系统中的质谱仪及膜入口已经被用于其他地方，以用于分析苯、甲苯、乙基苯、及二甲苯(通常称为BTEX)及多环芳烃(polycyclic aromatichydrocarbon；PAH)。在模型化期间，重复地收集扫描及图22是表示检测到的谱的条形图。峰是在制造制程中的溶剂或亲本质量成分的片段的结果，并且那些杂质已经被描述。由于选择膜对含有芳香族化合物的化学物质有选择性，链烷的存在是片段后引入的结果。图23A及图23B图示获得的P2P及未反应的过量前驱物苯乙酸的质谱。除了下文说明的其他杂质外，这些所得产物也用于该试验。
另一常见杂质由P2P形成的碱催化烯醇互变异构物获得。该烯醇互变异构物经由添加碱变得更为动力学有利并与乙酸酐冷凝以形成P2P的E-烯醇乙酸酯及Z-烯醇乙酸酯，参看图24A及图24B。图24B是显示变化较大浓度的曲线图。该周期性高强度与低强度可认为是由于风。此外，车辆的操作人员周期性覆盖各区域且由于化学品扩散，低浓度的读数可归因于其中存在一个曾经较高浓度的区域，反之亦然。
苯乙酰甲醇由本文提出的相似反应产生，但是该烯醇互变异构物替代地经历穿过该双键以反马式(anti-Markovnikov)方式的水合，如图25A及图25B所示。此加成可借由苄基阴离子中间产物得到的增强共振来解释并存在作为弱碱的吡啶。
在测试时，整合该ALOHA软件组与谷歌地图(Google Earth)曲线图覆盖了目标化学品的扩散物流的理论计算。图26是乙酸苄酯的108m/z级分的曲线图。乙酸苄酯已显示为ATS合成的成分杂质。图27图示烟羽数据及不同位置分析物的图。图28图示覆盖在实时地图上的烟羽地图，其显示车辆行进方向及分析物检测的实例。ALOHA使用化学性质诸如物质的沸点及分子重量以近似在气象条件下的行进距离。另外输入考虑到化学品的毒性。允许区域使用暴露极限定义。该烟羽从来源位置计算并说明风阻如何导致顺风漂移。来源位置南面的大型结构允许化学元素沿着结构壁向东推动。实验数据与理论上烟羽预测的整合提供了用于进一步验证试验的众多机会。给出活动ATS合成的位置，该软件可用于预测可检测成分的位置。由ALOHA扩散模型预测的质量数据实验后被应用，并与经由取样收集的实验质量资料很好地匹配。此验证了收集到的化学数据可提供可靠输入，该可靠输入用于计算如上文关于方程式1至方程式17描述的动态反向气体堆置模型。
来自ATS合成的化学标记的检测允许检测以相同方式制造的其他非法药品。本发明也可应用至检测那些合成途径。资料的统计分析提供进一步定位。高度行动平台使得可以快速部署。该实时监测可主动告知操作人员给定位置，该给定位置在目标制造中归零。该系统足够独立以公共使用，举例而言，可实现法律执行以获得非侵权样本，该非侵权样本可有助于获得搜查证。
实例2-在用于空间定量及映射污染物的混合动力车中安装的便携式系统。
使用用于空间映射及定量的基于车辆的质谱仪或化学感测装置可共同用于识别本地大气化学品。映射潜在排放有害污染物的已知工业活动附近区域的车辆将提供实时数据。作为调控工具，此配置可依照环境协议评定活动地点。此外，该配置可有效映像城市环境。使用安装有质谱仪的全电气式驱动车将从内燃机中移除任何分析污染。这可允许在限定区域中映像而不考虑排气。该膜进样质谱(MIMS)法使用半渗透材料，该半渗透材料允许将分析物选择性输送至该装置中。取样、GPS定位、及其他大气数据可借由各种技术获得，包括使用开源微控制器。在研究期间获得的重点及初步资料如下描述并显示此类型可部署MIMS系统的能力。
质谱法是一种分析技术，该分析技术检测质量以衡量目的气相离子比例。尽管这些系统已经常规地受限于基于研究实验室的分析，小型且便携式质谱仪系统已取得明显进展。该膜进样质谱法(MIMS)技术本身适用于携带。因此，MIMS成为样本引入的常规方法，该方法已取得明显进展。MIMS允许最小样本制备、连续取样、及排除复杂分析物引入技术。取样可使用半透膜完成，该半透膜允许进入质谱仪真空中的选择性分析物通道。MIMS及其他便携式系统成为环境分析的重要选择，增加未来研发专用系统的机会。可以预期这些系统将成为主流工具，用以提供关于在地点大气中的污染物的实时结果。
便携式仪器源自小型化及加固实验室类仪器。用于现场分析的早期技术包括使用小型磁象限质量分析仪及气相层析质谱仪。创新工作采用大气压离子化方法，诸如实时直接分析(Direct Analysis in Real Time；DART)及解吸电喷射离子化(DesorptionElectrospray Ionization；DESI)技术。已经研发了采用可部署系统的测量以监测来自工业制程的流出物质、获自车辆排气的化学品浓度，及化学战试剂。近期尝试增加可移植性及小型化已经产生背负式及手持式系统。
在研发便携式质谱仪系统中的重点现在整合在其中该数据不仅可定量而且另外具有空间关联性的非常规情况中测试这些系统的能力。空间映射先前已穿过北西班牙完成，允许使用可部署系统来可视化挥发性有机复合物(volatile organic complex；VOC)浓度的暂时变化。在海洋环境中映像水质量及检测化学品烟羽已借由专用系统完成。质谱仪现在被用于无人驾驶飞行器平台，其中沿着给定飞行路线测定谱资料以用于火山分析。这些创新方法提供用于其相应地点的优秀空间解析数据。
车辆设施毫无疑问是用于空间分析的最常见的平台。最早可移动质谱仪的一者是用于快速环境分析的载重汽车。提供专用可驱动实验室的另外工作已经产生用于煤焦油清理的监测单元。其他可运输的实验室提供示踪气体的本地分析，该示踪气体提供排放源特点。提及的全部进展在基于加固及高度便携式质谱仪的系统处告终，该系统不再用于固定车辆平台。这些系统的应用集中于分析挥发性有机化合物(volatile organic compound；VOC)，重点是苯、甲苯、乙基苯、及二甲苯(通常称为BTEX)、多环芳烃(polycyclic aromatichydrocarbon；PAH)、及烷基苯。已知这些化学品是有毒的及是致癌物。近期工作已经提供街道级数据，该数据在行动系统中映像各种VOC及其他所关注化学品数据。然而，这些系统被安装车辆中，其中运动方法是内燃且研究表明众多VOC的来源是来自石油点火。
与具有错误(例如，由于使用常规燃烧引擎)的这些系统相反，本公开的实施例可采用安装在全电气驱动车中的基于车辆的系统，该系统整合用以检测PAH及BTEX的MIMS技术，由此排除或实质上降低由副产物导致的错误/干扰，该副产物由燃烧引擎系统产生。由此，可排除来自行动单元的排气干扰的任何潜在性。该Ford Fusion EnergiTM是商业混合动力车，该混合动力车能够电气驱动及内燃机发电。此允许行进仅使用电池的车辆通常不可到达的距离。在到达测试地点时，可立即置换内燃引擎以防止可产生干扰的排气。此平台也允许紧密靠近的空间映像，其中该系统根据栅格映像，诸如工业园或钻井地点，由此提供存在于全部区域中的特定VOC的浓度。用于追踪及石油活动的现场试验在深井注入地点附近对大气取样，该深井注入地点在得克萨斯(Texas)中部的Barnett页岩区域及Eagle Ford页岩上。城市环境测试映射达拉斯(Dallas)、得克萨斯，并产生有关活动建筑及大量交通区域的结果。该质谱仪本身可由机载110V电源供电，并在操作取样期间提供仅电池驱动的25英里的近似距离及分析时间。
例如，该便携式系统本身可搭建在机架可安装情形下且可含有Transpector MPH剩余气体分析仪(Residual Gas Analyzer；RGA)，如图20所示。质量分析方法可使用线性四芯线组及法拉第杯(Faraday cup)/电子倍增管检测器完成。该膜入口可建构在2.75英寸CF真空盲凸缘上。各组馈通经设计以容纳.012英寸至1英寸内径膜。用于本文所述的环境分析的膜是.020英寸Dow Corning硅橡胶(Silastic)(60-011-02，Helixmark，Carpinteria，CA)。真空可借由Pfeiffer(Asslar,Germany)MVP020-3DC膜片泵维持，该膜片泵具有Pfeiffer SplitFlow 80涡轮分子泵。
用于大气取样的入口可借由前排乘客车门的固定的“四分之一玻璃”来提供。移除原始玻璃且室内定制的进气口被安装至现存配件上，如在图20中于插图2018所示。膜片泵(IJN84.3ANDC,KNF,Trenton,NJ)可用于提供取样大气的稳定流动。此外，小型膜片泵(W311-11,Parker Hannifin,Mayfield Heights,OH)可用于提供从主样本管至质谱仪入口的抽吸。
该Ford Fusion EnergiTM是一种市售车辆，其经改良以用于借由移除前排乘客座椅来安装该仪器及设备。使用该座椅的现存安装件，该系统可被安装在室内构造80-20硬件上。进一步改良集中在隔离振动。在一实施例中，该仪器的操作人员可坐在车辆的后排乘客副座椅上并可使用用于分析的安装工作空间。在一实施例中，该系统整体可由用于汽车中电动机的电池供能。
数据采集可经由笔记本电脑或运行程序的其他计算装置来管理，该程序经配置以控制该系统进行取样操作。该程序可以适宜程序语言(诸如Python)写入，且脚本也可用于在取样期间控制该系统的操作。例如，脚本可管理来自谱仪的质量扫描以进行重复扫描并时间标记该数据。可提供仪器以捕获其他相关数据，诸如位置数据及环境数据，且该仪器可通信耦合至该计算装置。例如，主微控制器(例如，Arduino Mega 2560(Strambino,Italy)可被附接至装置(例如，SparkFun Weather Shield(SparkFun Electronics,Niwot,CO))，该装置经配置以检测有关温度、湿度、及压力的初始数据，且位置数据可由GPS接收器(例如，Sparkfun Electronics GP-11571)提供。该质谱及上述数据可经由时间标记整合以将GPS位置连接至目的质量。
模拟分析物的变化浓度可使用KIN-TEK(Austin,TX)FlexStream气体标准发生器来完成。此仪器用于控制微量浓度混合物的排放。由于浓度含量与温度相关，设定FlexStream至导致受控且已知浓度的特定温度，图29。已测定的强度随后可以被转化为浓度含量(例如，十亿分率)。此外，观察可关于分析物经过该膜的渗透性来进行，注意分析物如何快速地到达质量分析仪及检测器。标准曲线可借由将各种浓度暴露至膜入口来产生。此产生检测器强度与浓度的线性相关性并允许可定量的结果。
操作后数据采集处理以整合该样本数据与位置数据、以及环境数据以使观察到的样本作为气体堆置模型呈现，该气体堆置模型事实上表示一个或更多个所关注分子在取样区域上的扩散。在一实施例中，第三方软件可被用于将该动态反向气体堆置模型覆盖在地理区域的地图上，在该地理区域中获得样本。例如，第三方程序诸如谷歌地图及国家海洋和大气局(National Oceanic and Atmospheric Agency；NOAA)与环境保护局(Environmental Protection Agency；EPA)的危险大气的区域位置(Areal Locations ofHazardous Atmosphere；ALOHA)软件可被用于以用户友好格式呈现该模型。获得的纬度与经度可用于定位其中绘制分析物的浓度数据的位置。各扫描可经由颜色标记圆(或其他符号)在谷歌地图中表示，并可提供图例，该图例将特定颜色标记的符号关联至浓度值或范围，由此允许使用者查看穿过取样区域的分布浓度。应注意，在一些实施例中，可不使用颜色标记，且其他技术可被用于表示不同观察到的浓度。在一实施例中，获得的值可经进一步处理及热映像至预测点源位置。在一实施例中，ALOHA软件或相似工具可用于模型化来自有毒化学品的烟羽，包括来自预测点源位置的那些。预测毒性的颜色标记区域可被计算并在其中获得样本的地理区域地图中说明。这允许理论与实验获得的数据重迭。
检测挥发性有机化合物(VOC)是此系统的主要意图。在运行各数据以确认目的分析物的渗透性前，使用各种实验室制备的大气。图30A至图30B图示两次这样的取样获得的频谱，该频谱表示预期检测的化合物。这样的测试运行使用十亿分率数量来进行。一旦确认期望结果，该单元可被部署至目的区域。
该研究沿着丹顿(Denton)、得克萨斯路及州际公路的约五英里进行。各质量扫描进行约2秒以完成。图31表示获自行动分析的甲苯浓度，其被绘制至谷歌地图中。该北方驾驶经过正在进行构建的区域并邻近北得克萨斯州大学校区的艺术建筑。由于喷雾固色剂通常紧密靠近该建筑使用，该艺术建筑受到广泛关注。这可考虑检测到的较高含量甲苯。在较低开放区域(例如，附近区域及严重落叶的区域)进行的分析具有较高检测浓度。州际公路分析提供了较低检测含量，最可能是由于稳定的大气环流。
城市检测观察了在城市环境中BTEX、PAH、及其他VOC的组合。图32图示苯浓度。值得注意的是由线3210表示的区域，其指示低浓度。这些区域位于具有少量私人运输的区域中，其是公共运输的中心枢纽区域。例如，由于来自内燃的较低排放，可存在较低量化学品。较高浓度位于关注的南部区域，其中存在活跃的建设，以及大量车辆交通。
该系统的一个预期应用是用以提供关于深井及水力压裂的信息。存在两种显著本地活动，且为全国性环境问题的主题。尽管调整问题持续发展及地点测试是必需的且昂贵的制程，如本文所述的实施例的系统已经证明是可操作的以映像紧密靠近这些操作的区域。直接进行紧密靠近测试被这些钻井操作限制，但在约100英尺内的相邻区域是可以的；通常这些区域在住宅及其他高人口密集的区域内。该地点显示低于职业安全卫生署(Occupational Safety and Health Administration；OSHA)允许暴露极限(permissibleexposure limit；PEL)1ppm的含量。大气因素影响流出物将如何行进。该风从西至东行进，其在图中的绘制数据中是最显著的。整合实验获得的数据与ALOHA软件已允许理论烟羽与点源位置重迭。该软件不需要测量进入大气中的流出物的质量。此曲线图使用1克每分钟的任意值，此允许表示此行动平台与ALOHA软件整合的能力。令人遗憾的是，访问未被许可以获得直接测量且来自这些地点的操作人员的资料通常是不可用的。用于分析时的精确气象数据诸如湿度、温度、及风阻数据被用于计算。图33表示在巴耐特页岩石(Barnett Shale)上紧密靠近深井注入地点的邻区的苯的空间数据。
此平台特别用作调整辅助并测定与协议的一致性，目前，活动钻井必须被中断以在场地进行测试。此招致约$100,000的停工成本。此外，在恢复石油抽取时，该井地点一般不能到达先前输出。这是测试的令人遗憾的副作用，并存在关于维持输出与给定地点获利能力的冲突。使用本公开的实施例的驶过测试将允许评定给定地点而不需要中断。空气质量将被确认并获得有害化学品的定量。此移除公司决定-进行主动降低井地点的获利能力的制程以确认符合调整标准。
该安装的系统具有数个适用用途。对其中存在产生流出物的大量工业活动的公路及区域进行映像产生优秀数据集，其中可得出结论诸如烟羽追踪及烟羽量。重复地进行这些观察将产生暂时相关性，诸如测定于一天的特定时间或当进行工业制程的特定工业制程组合时该来源是否更具活性。此外，整合由该系统获得的数据与第三方映像软件(诸如，谷歌地图)的能力，允许未经训练的操作人员在大多数使用者熟悉的软件环境中观察该数据。进一步目的包括与石油公司合作以使用行动系统作为提升进一步钻井操作的安全性的辅助及与监管机构合作。此系统被认为提供快速空间分析及定量同时操作仍在进行，排除对场地范围中断的需求。最后，在取样期间具有仅电气驱动能力的混合动力车移除了干扰，该干扰可在安装有传统燃烧引擎的系统出现。
按常规完成对释放至环境中的化学品的检测。定量结果及空间相关数据集产生优秀映像数据(图34)。此技术的延伸可从本地植物群及动物群感测代谢物。在细菌与真菌之间借由通用路径来代谢摄入的BTEX、PAH、及其他VOC；这产生用于Krebs循环的前驱物。脱落组织具有相似路径。目前，检测这些已知化学成分(特别地儿茶酚)可确认在该环境中存在污染物及其活性代谢。对获自蜂巢制程的目标化学品进行定量将测定在给定区域中的污染程度。
实例3-用于反向大气分散计算以定位污染物及其他所关注化学品的排放源的方法。
用以监测空气质量的创新方法是处于公共卫生及不断改变大气污染物的环境问题(包括增加的癌症病例)的最前沿。用于空气污染监测的当前方法包括长期观察大气质量变化的分析装置。通常分析结果被用于评定具有较高或较低空气污染盛行率的给定区域。分析模型通常被用于估计并追踪来自点源的污染物的烟羽并估算其顺风浓度。用于分散模型化及分析检测的所关注化学品包括但不限于来自非常规石油钻井的多环芳烃排放物(polycyclic aromatic hydrocarbon；PAH)或来自秘密药品制造的流出物。大气分散模型化与本发明的现场便携式质谱仪数据集的一致性可允许用户测定污染源位置。
便携式仪器已经见证在大气监测领域中的提升。增加的自动化、小占据面积、及较低功率需求高度涉及这些系统的远程配置。这些系统产生实时及快速分析的能力最佳地满足连续大气监测的需求。经设计以检测来自大气环境的有机化合物的分析系统包括气相层析-质谱法(gas chromatography-mass spectrometry；GC-MS)、高压液相层析-质谱法(high pressure liquid chromatography-mass spectrometry；HPLC)、红外线质谱法(infrared spectroscopy；IR)、及紫外光-可见光光谱法(ultraviolet-visiblespectroscopy；JV-Vis)。来自这些方法的结果通常标记挥发性有机化合物(volatileorganic compound；VOC)及包括苯、甲苯、乙基苯、及二甲苯(BTEX)的特定烷基苯子集。
已经研发出涉及小型样本萃取及制备的技术的特定方法，该技术用于取样大气及含水污染物。固相微萃取(solid phase micro extraction；SPME)方法从大气介质中萃取所关注化学品并随后分析目标VOC，诸如借由GC-MS。含水取样借由单滴微萃取(singledrop micro-extraction；SDME)、液相微萃取(liquid phase micro-extraction；LPME)、或直接水注射(direct aqueous injection；DAI)完成。扩散气相萃取(dispersive vaporextraction；DVE)用于从混合的气体样本中萃取挥发性化合物。尽管这些方法产生良好分析结果，其空间受限于针对给定区域获得的样本数量并由此产生小块区域的点源结果。
质谱法已经见证了在环境监测领域中的进化发展。已经阐明了研发发展便携式质谱仪系统的设计需要。加固并改良现场使用的仪器的成果具有强劲的公共发展。已经研发了用于原位目标化学战试剂及其他国土安全相关应用的现场便携式GC-MS系统。已经研发了用于目标应用(包括溶解的VOC)的水下及含水取样系统。便携式系统已经见证针对环境污染分析的目标发展。这些系统产生用于其给出应用及取样区域的高质量质谱数据。
暂时及空间相关测量变得更为主流。由于分析仪器出于便携目的继续被精细化以及远程操作这些数据集提供在给定区域中污染物的快照。例如，在喜马拉雅(Himalayan)区域中微量气体浓度改变，经过数月观察到的浓度变化归因于季风及正在进行的森林火灾。专用单元已经被用于火山分析，包括UAV定位。车辆单元已提供空间及暂时相关的数据集，各者具有特定目标用途。由于在线连续取样能力允许活动区域映像，膜进样质谱法(MIMS)特别地用于这些测量。
来自行动系统的暂时及空间相关的数据集提供实验数据，该实验数据包括被动及扩散取样技术及后续实验室分析。应用地理信息系统(geographic information system；GIS)以获得数据集允许热映射或其他绘制方法。这包括随着烟羽行进对空气分散及浓度变化进行观察。实时测量可被立即输入空气分散模型化，由此仪器获得的数据集可被应用至模型化理论。
空气分散模型化估计所关注化学品的扩散，同时考虑到各种气象学条件。这些模型估计从点源位置的扩散。空气分散模型化技术及模型是可变的，但相当令人关注的一个是基于高斯分散的那些。这些模型估计穿过给定景观及高度的分散，其结果是用于计算终点的“分率”浓度。通常，这些数据集被显示为等值线图，该等值线图总结在给定区域上针对分散的多个计算。
大气分散模型已经见证了各种应用。这包括日本标定汞含量的煤炭发电厂排气分散模型。这些模型评估汞的估计区域大气分布，包括背景浓度，及由发电厂引起的那些。已估计火山灰分散，举例而言空气分散模型不仅应用至化学成分也应用至颗粒物质。这些模型也测量空气污染物的长距离运输。此外，模型考虑到变化的区域质量，包括城市景观、及各种大气条件。
模型已经是众多广泛实验的主题以验证其对检测到的化学品浓度的近似。测定大气分散参数的工作使用实验数据来评估高斯模型的标准偏差，具有良好一致性。风洞已经被用于评估烟囱烟羽及改良理论模型。来自农业用火的烟羽已经被评估并使用基于地面的LiDAR追踪。此外，环境保护局已经研发出用于追踪饲养厂排放物及工业应用的工具。
本公开的实施例可使用行动质谱技术以产生分析数据，该分析数据表示顺风高斯分散，其可用于测定流出物来源的近似区域。具有本文给出的高斯分散的动态反向气体堆置模型是使用反向大气扩散计算来定位污染物及其他所关注化学品排放源的方法。
在其中根据本公开的实施例的化学品检测系统被安装在混合动力电气车中的实施例中，该系统可经由两个位置之一吸入空气，该位置是其中汽车的四分之一玻璃所位于的入口，或者雾灯位置最初所穿过的改进吸入口。该系统可具有稳定气流，该气流提供经过膜入口的用于重复分析的样本。各质量扫描使用位置数据(例如，获自GPS系统的经度与纬度)标记，该位置数据可用于数据可视化，如上文描述。在一实施例中，一种模型可使用与检测到的化学品有关的信息及相应位置数据研发出数据。在另外或替代实施例中，与用于行动单元的模型相似的可背负式单元可被用于小规模测试(例如，如图8所示的小规模测试)。在实施例中，该系统可经配置以整合经由第三方软件(诸如ALOHA及谷歌地图软件封装)提交给用户的数据，或可提供定制/机载软件作为该系统的部分且该系统可用于产生提交给用户的影像数据。
该扩散模型使用环境保护局的ALOHA软件组，出于验证目的并用以可视化假想的扩散烟羽。大气分散模型化使用高斯分散以近似来自释放源的释放及顺风浓度。
由此，本文教导的装置、分析工具、方法、及模型独立或共同地统一大气分散与其他气象现象，其他气象现象使用研发的行动质谱系统标定所关注化学品。由于研发出行动质谱仪及其他化学品传感器，将反向大气模型应用至数据集将提供用以测定污染源及活动如何产生流出行为的另外途径。此外，由于用于给出分析的实时数据点已获得并可被关联至大气条件，可以对本文显示的实例及模型进行精细化。不同于使用用于大气模型化的空气取样罐及示踪气体，实际污染源可被模型化。由于用于给定区域的更多数据点符合该高斯分散，在环境中的分析适用于快速取样。使用本发明，在各种地形中化学物质的扩散、气象条件、及排放特点允许测定点源位置。
可以预期在此说明书中所论述的任何实施例可关于本发明的任何方法、套组、试剂、或组合物来实施，及反之亦然。此外，本发明的组合物可用于完成实现本发明的方法。
将理解本文所描述的特定实施例是借由说明方式图示而并非是对本发明的限制。本发明的之主要特征可在各种实施例中体现，而不脱离本发明的范围。本领域普通技术人员只需使用常规实验，将认识到或能够确定若干等同于本文所述的特定步骤。这些等同方案被认为包含于本发明的范围内，并由权利要求范围所涵盖。
在该说明书中所提到的全部出版物及专利申请均表示关于本发明所述领域的普通技术人员的技术水平。全部出版物及专利申请在此处均以相同程度完整地并入本文中，如同各个单独出版物或专利申请都明确且独立地以参考的方式并入本文中。
在权利要求书和/或说明书中当与术语“包含”一起使用时，使用词语“一(a)”或“一(an)”可意谓“一个”，但其也与“一或更多个/种”、“至少一者”、及“一个或大于一个”的含义一致。在权利要求书中使用术语“或”用于意谓“和/或”，除非明确指出仅为替代项或替代项是相互排斥的，尽管本公开支持所指仅替代项及“和/或”的定义。在整个本申请中，所使用的术语“约”是指数值包括误差所允许的差异(该等误差是测定数值所用的设备、方法中所固有的)，或研究主体之间存在的变化。
如在该说明书及一个或更多个请求项中所使用，词语“包含(comprising)”(及任何形式的包含，诸如“包含(comprise)”及“包含(comprises)”)、“具有(having)”(及任何形式的具有，诸如“具有(have)”及“具有(has)”)、“包括(including)”(及任何形式的包括，诸如“包括(includes)”及“包括(include)”)或“含有(containing)”(及任何形式的含有，诸如“含有(contains)”及“含有(contain)”)是包括的或开放式的，且并不排除额外的、未述及的要素或方法步骤。在本文提供的组合物及方法的任一项的实施例中，“包含」可由“实质上由…组成”或“由…组成”替代。如本文所使用，短语“实质上由…组成”需要指定一个或更多个整体或步骤以及不本质上影响所主张发明的特性或功能的那些。如本文所使用，术语“组成”用于表示仅存在所述整体(例如，特征、要素、特点、性质、方法/制程步骤或限制)或整体的组(例如，一个或更多个特征、一个或更多个要素、一个或更多个特点、一个或更多个性质、一个或更多个方法/制程步骤或限制)。
如本文所使用的术语“或其组合”指在该术语之前所列举项目的全部排列及组合。例如，“A、B、C、或其组合”意欲包括A、B、C、AB、AC、BC、或ABC的至少一者，且若在特定上下文中顺序是重要的，则亦包括BA、CA、CB、CBA、BCA、ACB、BAC、或CAB。继续此实例，明显包括的是含有一个或更多个项目或术语重复的组合，诸如BB、AAA、AB、BBC、AAABCCCC、CBBAAA、CABABB等等。普通技术人员将理解的是，通常对任何组合中的项目或术语的数量没有限制，除非从上下文中是明显的。
如本文所使用，近似词语诸如而不限于“约”，“实质上”或“实质地”是指这样的条件：当如此修饰可被理解为并非必须是绝对的或最佳的，而是对于普通技术人员而言如此修饰可被认为足够靠近以保证指示存在的条件。该描述可变化的程度将取决于可构成多大的变化且仍具有本领域的普通技术人员认识到的修饰特征，如同仍具有未经修饰的特征的所需特点及能力。一般而言，但根据前述论述，由近似词语诸如“约”修饰的本文数值可从所述值变化至少±1％、2％、3％、4％、5％、6％、7％、10％、12％或15％。
根据本公开，无需进行额外实验即可制成并实行本文所公开并主张的全部组合物及/或方法。尽管已根据较佳的实施例描述了本发明的组合物及方法，对本领域普通技术人员显而易见的是，对于本文所述的组合物和/或方法以及方法的步骤或在步骤循序做出改变而不脱离本发明的概念、精神及范畴。所有这些对于本领域普通技术人员而言显而易见的类似替代及修改被认为落入了由随附权利要求所定义的本发明的精神、范畴及概念之内。
Claims (55)
1.一种系统，包括：
分子检测器，所述分子检测器适用于产生信息，所述信息基于环境的一个或更多个样本表示一个或更多个靶分子的存在；
定位系统，所述定位系统经配置以产生表示一个或更多个位置的位置信息，所述一个或更多个位置中的每一者对应于这样的位置：在所述位置处获得所述环境的所述一个或更多个样本中的一样本；以及
处理器，所述处理器通信耦合至所述分子检测器和耦合至所述定位系统，其中所述处理器：
接收表示一个或更多个靶分子的所述存在的所述信息及所述位置信息；
基于表示一个或更多个分子的所述存在的所述信息及所述位置信息测定反向气体堆置模型，所述反向气体堆置模型用于所述一个或更多个靶分子；以及
基于所述反向气体堆置模型预测所述一个或更多个靶分子的来源或流出物的位置。
2.根据权利要求1所述的系统，其中，所述反向气体堆置模型具有高斯分散，所述高斯分散用于在所述一个或更多个取样位置上的所述一个或更多个靶分子。
3.根据权利要求1所述的系统，其中，所述分子检测器为重分子检测器。
4.根据权利要求1所述的系统，其中，所述分子检测器包括拉曼谱仪、红外线谱仪、化学传感器、或质谱仪中的至少一者。
5.根据权利要求1所述的系统，其中，所述处理器进一步获得环境数据，所述环境数据包括风速数据、风向数据、温度数据、气压数据、或其组合，并且其中，基于所述环境数据测定所述来源或流出物的所述预测位置。
6.根据权利要求1所述的系统，其中，所述分子检测器与车辆整合，并且其中，所述车辆为混合动力车、氢动力车、或纯电动车。
7.根据权利要求1所述的系统，其中，所述处理器进一步获得基础架构数据，并基于所述基础架构数据，基于缺乏或存在包括水、电、建筑、污水、风、或其组合的基础架构来排除或增强所述来源或流出物的所述预测位置。
8.根据权利要求1所述的系统，进一步包括一个或更多个取样泵，所述取样泵经配置以增加取样体积，其中，所述一个或更多个取样泵借由增加所述分子检测器的通量来增加所述取样体积。
9.根据权利要求1所述的系统，其中，所述分子检测器包括特定检测器，所述特定检测器用于与化学品相关的一种或更多种类型的分子，所述化学品包括多环芳烃排放物、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气勘探或开采产生的烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷、和1,2-二氯乙烷。
10.一种用以检测一个或更多个分子的来源的方法，包括：
由处理器从分子检测器接收基于环境的一个或更多个样本表示一个或更多个靶分子的存在的信息及表示一个或更多个位置的位置信息，所述一个或更多个位置各自对应于这样的位置：在所述位置处获得所述环境的所述一个或更多个样本中的一样本；
由所述处理器基于表示一个或更多个分子的所述存在的所述信息和所述位置信息测定所述一个或更多个位置的至少一部分上的所述一个或更多个靶分子的动态反向气体堆置模型；以及
基于所述动态反向气体堆置模型预测所述一个或更多个靶分子的来源的位置。
11.根据权利要求10所述的方法，其中，所述反向气体堆置模型具有高斯分散，所述高斯分散用于在所述一个或更多个取样位置上的所述一个或更多个靶分子。
12.根据权利要求10所述的方法，其中，所述一个或更多个靶分子对应于与化学品有关的分子，所述化学品由秘密实验室、环境威胁、危险泄漏、化学武器部署、或其组合产生。
13.根据权利要求10所述的方法，其中，所述分子检测器为重分子检测器。
14.根据权利要求10所述的方法，其中，所述分子检测器包括拉曼谱仪、红外线谱仪、化学传感器、或质谱仪中的至少一者。
15.根据权利要求10所述的方法，进一步包括：接收环境数据，所述环境数据包括风速数据、风向数据、温度数据、气压数据、或其组合，其中由所述处理器基于所述环境数据测定所述来源的所述位置。
16.根据权利要求10所述的方法，其中，所述分子检测器与车辆整合，并且其中，所述车辆为混合动力车、氢动力车、或纯电动车。
17.根据权利要求10所述的方法，进一步包括：接收基础架构数据并基于缺乏或存在包括水、电、建筑、污水、风或其组合的基础架构来排除或增强所述来源的所述预测位置。
18.根据权利要求10所述的方法，进一步包括：使用一个或更多个增加进入所述分子检测器的通量的取样泵来增加样本体积。
19.根据权利要求10所述的方法，其中，所述分子检测器包括特定检测器，所述特定检测器用于检测一种或更多种类型分子的存在，所述一种或更多种类型分子对应于多环芳烃排放物、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气体勘探或开采产生之烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷、1,2-二氯乙烷、或其组合。
20.一种储存指令的非暂时性计算机可读介质，当由一个或更多个处理器执行时，所述指令使得所述一个或更多个处理器进行操作，所述操作用于预测秘密实验室、环境威胁、危险泄漏、化学武器部署、或其组合的位置，所述操作包括：
由分子检测器产生信息，所述信息基于环境的一个或更多个样本表示一个或更多个靶分子的存在；
由一个或更多个处理器接收所述信息，所述信息基于环境的一个或更多个样本表示一个或更多个靶分子的存在；
接收表示一个或更多个位置的位置信息，所述一个或更多个位置中的每一者对应于这样的位置：在所述位置处获得所述环境的所述一个或更多个样本中的一样本；
基于表示所述一个或更多个靶分子存在于所述环境中的所述信息及所述位置信息测定反向气体堆置模型，所述反向气体堆置模型用于所述一个或更多个靶分子；以及
基于所述反向气体堆置模型预测所述一个或更多个靶分子的来源或流出物的位置。
21.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，所述分子检测器包括拉曼谱仪、红外线谱仪、化学传感器、或质谱仪中的至少一者。
22.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，所述反向气体堆置模型具有高斯分散，所述高斯分散用于在所述一个或更多个取样位置上的所述一个或更多个靶分子。
23.根据权利要求22所述的储存指令的非暂时性计算机可读介质，其中，借由识别相对于其他周围样本，关于所述一个或更多个靶分子的所述高斯分散的统计上显著的变化，来基于所述反向气体堆置模型预测所述来源或流出物的所述位置。
24.根据权利要求20所述的储存指令的非暂时性计算机可读介质，进一步包括获得环境数据，所述环境数据包括风速数据、风向数据、温度数据、气压数据、或其组合，其中，基于所述环境数据测定所述来源的所述位置。
25.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，所述分子检测器安装在车辆上或与车辆整合，并且其中，所述车辆包括混合动力车、氢动力车、或纯电动车。
26.根据权利要求20所述的储存指令的非暂时性计算机可读介质，所述操作进一步包括获得基础架构数据并基于所述基础架构数据，基于缺乏或存在包括水、电、建筑、污水、风或其组合的基础架构来排除或增强所述来源的所述预测位置。
27.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，所述分子检测器包括特定检测器，所述特定检测器用于检测一种或更多种类型分子的所述存在，所述一种或更多种类型分子对应于多环芳烃排放物、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气勘探或开采产生的烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷、1,2-二氯乙烷、或其组合。
28.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，与于所述一个或更多个位置中的每一者处检测到的一个或更多个靶分子的所述存在有关的所述信息经由输入/输出(I/O)接口从所述分子检测器接收，所述输入/输出(I/O)接口通信耦合至所述一个或更多个处理器。
29.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，与在所述一个或更多个位置中的每一者处检测到的一个或更多个靶分子的所述存在有关的所述信息经由网络从所述分子检测器接收。
30.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，所述位置信息从定位系统接收。
31.根据权利要求20所述的储存指令的非暂时性计算机可读介质，其中，所述位置信息及表示所述一个或更多个靶分子存在于所述环境中的所述信息包括时间标记，其中，所述时间标记将所述环境中的一特定位置关联至表示于所述特定位置处所述一个或更多个靶分子存在于所述环境中的信息。
32.根据权利要求21所述的储存指令的非暂时性计算机可读介质，其中，所述位置信息从定位系统接收。
33.根据权利要求32所述的储存指令的非暂时性计算机可读介质，其中，所述定位系统包括全球定位系统、基于电信的定位系统、本地定位系统、或其组合。
34.一种用以定位一个或更多个靶分子的来源或流出物的系统，所述系统包括：
一个或更多个分子检测器，所述分子检测器适用于产生信息，所述信息基于环境的一个或更多个样本表示一个或更多个靶分子的存在；
定位系统，所述定位系统经配置以产生位置信息，所述位置信息表示一个或更多个位置，所述一个或更多个位置中的每一者对应于这样的位置：在所述位置处获得所述环境的所述一个或更多个样本中的一样本；
电子装置，所述电子装置包括至少一个处理器、及耦合至所述至少一个处理器的内存，所述电子装置经配置以：
接收表示一个或更多个靶分子的所述存在的所述信息及所述位置信息；
基于表示一个或更多个分子的所述存在的所述信息及所述位置信息测定反向气体堆置模型，所述反向气体堆置模型用于所述一个或更多个靶分子气体堆置；以及
基于所述反向气体堆置模型预测所述一个或更多个靶分子的来源或流出物的位置。
35.根据权利要求34所述的系统，其中，所述反向气体堆置模型具有高斯分散，所述高斯分散用于在所述一个或更多个取样位置上的所述一个或更多个靶分子。
36.根据权利要求34所述的系统，其中，所述一个或更多个分子检测器经由网络通信耦合至所述电子装置。
37.根据权利要求34所述的系统，所述电子装置进一步包括输入/输出(I/O)接口，其中，所述一个或更多个分子检测器经由所述I/O接口通信耦合至所述电子装置。
38.根据权利要求34所述的系统，所述一个或更多个靶分子为与一种或更多种化学品相关，所述化学品借由秘密实验室、环境威胁、危险泄漏、环境污染物、流出化学品、化学武器部署、或其组合产生。
39.根据权利要求34所述的系统，其中，所述一个或更多个分子检测器包括至少一个重分子检测器。
40.根据权利要求34所述的系统，其中，所述一个或更多个分子检测器包括拉曼谱仪、红外线谱仪、化学传感器、质谱仪、或其组合。
41.根据权利要求34所述的系统，其中，所述一个或更多个分子检测器的至少一者被安装在行动平台上。
42.根据权利要求41所述的系统，其中，所述行动平台包括车辆。
43.根据权利要求42所述的系统，其中，所述车辆为混合动力车、氢动力车、或纯电动车。
44.根据权利要求34所述的系统，其中，所述一个或更多个分子检测器的至少一者被部署于已知位置。
45.根据权利要求44所述的系统，其中，所述已知位置包括在城市中的位置、事件地点、或其组合。
46.根据权利要求34所述的系统，进一步包括部署于不同已知位置的多个分子检测器。
47.根据权利要求46所述的系统，其中，所述不同已知位置包括在城市中的位置或事件地点。
48.根据权利要求46所述的系统，其中，所述多个分子检测器中的至少两个被部署于不同高度。
49.根据权利要求35所述的系统，其中，所述分子检测器包括特定检测器，所述特定检测器用于检测一种或更多种类型分子的所述存在，所述一种或更多种类型分子对应于多环芳烃排放物、苯、烷基苯、氯苯、或三氯苯、异丙苯、乙基苯、环己酮、二甲苯、对异丙甲苯、因油气体勘探或开采产生之烃类、甲烷、乙烷、丙烷、丁烷、戊烷、己烷、甲苯、三氯乙烯、氯仿、四氯乙烷、1,1,1-三氯乙烷、1,1,2,2-四氯乙烷、二甲苯、四氯化碳、1,1-二氯乙烷、1,2-二氯乙烷、或其组合。
50.根据权利要求34所述的系统，其中，所述定位系统包括全球定位系统、基于电信的定位系统、本地定位系统、或其组合。
51.根据权利要求34所述的系统，进一步包括：
至少一个环境传感器，所述环境传感器通信耦合至所述电子装置，其中，至少一个环境传感器经配置以产生环境数据，所述环境数据与所述一个或更多个取样位置相关，其中所述电子装置经进一步配置以：
从所述至少一个环境传感器接收所述环境数据；以及
基于所述环境数据预测所述一个或更多个靶分子的所述来源的所述位置。
52.根据权利要求51所述的系统，其中，所述环境数据包括风速、风向、周围温度、及气压。
53.根据权利要求34所述的系统，其中，所述电子装置经进一步配置以：
接收基础架构数据，所述基础架构数据与所述一个或更多个取样位置相关；以及
借由排除或增强所述来源的一区域基于所述基础架构资料预测所述一个或更多个靶分子的所述来源的所述位置。
54.根据权利要求53所述的系统，其中，所述基础架构数据包括信息，所述信息识别在所述一个或更多个取样位置附近的水基础架构、电基础架构、建筑、污水基础架构、或其组合。
55.根据权利要求34所述的系统，进一步包括一个或更多个泵，所述泵经配置以增加由所述一个或更多个分子检测器测试的样本体积。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562243530P | 2015-10-19 | 2015-10-19 | |
| US62/243,530 | 2015-10-19 | ||
| US201662327690P | 2016-04-26 | 2016-04-26 | |
| US62/327,690 | 2016-04-26 | ||
| PCT/US2016/056601 WO2017069979A1 (en) | 2015-10-19 | 2016-10-12 | Dynamic reverse gas stack model for portable chemical detection devices to locate threat and point-of-source from effluent streams |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108473305A true CN108473305A (zh) | 2018-08-31 |
| CN108473305B CN108473305B (zh) | 2020-01-03 |
Family
ID=58557564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680071271.3A Expired - Fee Related CN108473305B (zh) | 2015-10-19 | 2016-10-12 | 用以检测分子的来源的系统和方法、以及计算机可读介质 |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US11287407B2 (zh) |
| EP (1) | EP3365272A4 (zh) |
| JP (1) | JP6797928B2 (zh) |
| CN (1) | CN108473305B (zh) |
| TW (1) | TW201721183A (zh) |
| WO (1) | WO2017069979A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110865353A (zh) * | 2018-08-10 | 2020-03-06 | 极光飞行科学公司 | 降低对lidar返回的dve影响的系统与方法 |
| CN113837292A (zh) * | 2021-09-27 | 2021-12-24 | 山东亿云信息技术有限公司 | 一种基于边缘计算的环境污染溯源系统及方法 |
| CN113853558A (zh) * | 2019-05-13 | 2021-12-28 | 菲力尔探测公司 | 使用移动平台进行远程分析物感测的系统和方法 |
| CN114641064A (zh) * | 2022-03-24 | 2022-06-17 | 电子科技大学 | 一种分子通信中基于信标的纳米机定位方法 |
| CN117929351A (zh) * | 2024-03-05 | 2024-04-26 | 华中科技大学 | 基于lpme和sers结合的苯丙胺类毒品检测方法 |
Families Citing this family (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3365272A4 (en) * | 2015-10-19 | 2019-06-26 | University of North Texas | REVERSE DYNAMIC GAS CELL MODEL FOR PORTABLE CHEMICAL DETECTION DEVICES FOR LOCATING THE THREAT AND ORIGIN POINT OF EFFLUENT FLOWS |
| US10690562B2 (en) * | 2016-10-18 | 2020-06-23 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for location and sizing of trace gas sources |
| WO2018119414A1 (en) * | 2016-12-22 | 2018-06-28 | Envirolytics, Llc | Systems and methods for mobile environmental testing and analysis |
| WO2018139412A1 (ja) * | 2017-01-26 | 2018-08-02 | 日本電気株式会社 | 検知システム及び検知方法 |
| US20180292374A1 (en) * | 2017-04-05 | 2018-10-11 | International Business Machines Corporation | Detecting gas leaks using unmanned aerial vehicles |
| WO2019125887A1 (en) * | 2017-12-19 | 2019-06-27 | Exxonmobil Research And Engineering Company | Determining hydrocarbon content in steam condensate |
| WO2019246280A1 (en) | 2018-06-19 | 2019-12-26 | Seekops Inc. | Emissions estimate model algorithms and methods |
| EP3811172A4 (en) * | 2018-06-19 | 2022-03-30 | SeekOps Inc. | LOCATION ANALYSIS ALGORITHMS AND METHODS |
| US20200019168A1 (en) | 2018-07-16 | 2020-01-16 | University Of Kentucky Research Foundation | Apparatus and method for trace gas detection utilizing unmanned aerial vehicles |
| JP7359149B2 (ja) * | 2018-07-25 | 2023-10-11 | コニカミノルタ株式会社 | ガス検出装置、ガス検出方法、およびプログラム |
| US10942041B2 (en) * | 2018-07-27 | 2021-03-09 | Aurora Flight Sciences Corporation | Chemosensing autonomy system for a vehicle |
| EP3830533A4 (en) | 2018-07-30 | 2022-04-20 | SeekOps Inc. | ULTRA-LIGHT HANDHELD GAS LEAK DETECTION DEVICE |
| CN109165461B (zh) * | 2018-09-07 | 2022-11-11 | 清华大学 | 重型汽车尾气污染物排放因子实时获取方法 |
| US11062614B2 (en) * | 2018-09-12 | 2021-07-13 | Alliance Solutions Group, Inc. | Systems and methods for collecting and analyzing hazardous materials information using an unmanned aerial vehicle |
| WO2020086499A1 (en) | 2018-10-22 | 2020-04-30 | Seekops Inc. | A uav-borne, high-bandwidth, lightweight point sensor for quantifying greenhouse gases in atmospheric strata |
| SG11201811462PA (en) * | 2018-11-09 | 2020-06-29 | Beijing Didi Infinity Technology & Development Co Ltd | Vehicle positioning system using lidar |
| US11719390B2 (en) * | 2019-02-21 | 2023-08-08 | Miqrotech, Inc. | Apparatus, system, and method for determining a location |
| CN109946284B (zh) * | 2019-03-01 | 2021-09-03 | 合肥工业大学 | 一种食用油中多环芳烃的检测方法 |
| US11994464B2 (en) | 2019-04-05 | 2024-05-28 | Seekops Inc. | Analog signal processing for a lightweight and compact laser-based trace gas sensor |
| FI129029B (fi) * | 2019-05-24 | 2021-05-31 | Karsa Oy | Jäljitysmenetelmä, järjestelmä ja järjestelmäelementti |
| CN110346323B (zh) * | 2019-07-30 | 2022-03-15 | 江西中医药大学 | 一种基于近红外光谱技术在线检测华盖散浓缩液的方法 |
| DE102019124092A1 (de) | 2019-09-09 | 2021-03-11 | Grandperspective GmbH | System und Verfahren zur Überwachung eines Luftraumes für ein ausgedehntes Gelände |
| US11614430B2 (en) | 2019-12-19 | 2023-03-28 | Seekops Inc. | Concurrent in-situ measurement of wind speed and trace gases on mobile platforms for localization and qualification of emissions |
| US11988598B2 (en) | 2019-12-31 | 2024-05-21 | Seekops Inc. | Optical cell cleaner |
| US12055485B2 (en) | 2020-02-05 | 2024-08-06 | Seekops Inc. | Multispecies measurement platform using absorption spectroscopy for measurement of co-emitted trace gases |
| JP7361311B2 (ja) * | 2020-02-27 | 2023-10-16 | パナソニックＩｐマネジメント株式会社 | ガス検知方法、プログラム、及びガス検知システム |
| WO2021195394A1 (en) | 2020-03-25 | 2021-09-30 | Seekops Inc. | Logarithmic demodulator for laser wavelength-modulaton spectroscopy |
| US20210325867A1 (en) * | 2020-04-17 | 2021-10-21 | E-N-G Mobile Systems, Llc | Mobile command and control system for unmanned aerial vehicles |
| CN111781306B (zh) * | 2020-07-10 | 2023-02-24 | 衢州学院 | 基于地理信息系统的污染物监测方法及系统 |
| US11748866B2 (en) | 2020-07-17 | 2023-09-05 | Seekops Inc. | Systems and methods of automated detection of gas plumes using optical imaging |
| EP4237741A1 (en) * | 2020-10-27 | 2023-09-06 | SeekOps Inc. | Methods and apparatus for measuring methane emissions within a mesh sensor network |
| US20230126546A1 (en) * | 2021-10-22 | 2023-04-27 | Baker Hughes Holdings Llc | Gas leak estimation |
| US11867422B1 (en) | 2023-04-21 | 2024-01-09 | Praan, Inc | Method for efficient deployment of a cluster of air purification devices in large indoor and outdoor spaces |
| CN116665807B (zh) * | 2023-06-02 | 2023-11-03 | 中国海洋大学 | 基于扩散模型的分子智能生成方法、装置、设备和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4736316A (en) * | 1986-08-06 | 1988-04-05 | Chevron Research Company | Minimum time, optimizing and stabilizing multivariable control method and system using a constraint associated control code |
| US6287765B1 (en) * | 1998-05-20 | 2001-09-11 | Molecular Machines, Inc. | Methods for detecting and identifying single molecules |
| JP2006511062A (ja) * | 2002-11-12 | 2006-03-30 | カリフォルニア インスティテュート オブ テクノロジー | 化学薬剤のセンサシステム |
| CN201166661Y (zh) * | 2008-01-11 | 2008-12-17 | 中国安全生产科学研究院 | 化学品泄漏事故应急无线毒性气体检测仪 |
| CN101833591A (zh) * | 2009-12-28 | 2010-09-15 | 中国人民解放军防化指挥工程学院 | 一种多个化学风险源优化布局方法 |
| CN102338764A (zh) * | 2011-11-03 | 2012-02-01 | 中国地质大学（武汉） | 一种基于片上系统的环境信息采集车 |
| US8213007B2 (en) * | 2003-05-27 | 2012-07-03 | Optotrace Technologies, Inc. | Spectrally sensing chemical and biological substances |
| CN104280789A (zh) * | 2014-10-29 | 2015-01-14 | 清华大学 | 化学品泄漏源定位方法、定位装置、处理装置及系统 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09236561A (ja) * | 1996-03-01 | 1997-09-09 | Osaka Gas Co Ltd | ガス漏れ探知方法及びガス漏れ探知装置 |
| JPH09245277A (ja) * | 1996-03-13 | 1997-09-19 | Osaka Gas Co Ltd | 気体漏洩監視システム |
| US6577906B1 (en) * | 1999-08-05 | 2003-06-10 | Sandia Corporation | Distributed optimization system and method |
| DE10144250A1 (de) | 2001-08-31 | 2003-04-03 | Fraunhofer Ges Forschung | Verbesserte massenspektrometrische Analyse unter Verwendung von Nanopartikeln |
| US7834754B2 (en) * | 2002-07-19 | 2010-11-16 | Ut-Battelle, Llc | Method and system for monitoring environmental conditions |
| CA2476902C (en) * | 2003-08-20 | 2014-04-22 | Dennis S. Prince | Innovative gas monitoring with spacial and temporal analysis |
| EP1920243B1 (en) * | 2005-04-29 | 2015-09-09 | DH Technologies Development Pte. Ltd. | Compact gas chromatography and ion mobility based sample analysis systems, methods, and devices |
| JP4862621B2 (ja) * | 2006-11-15 | 2012-01-25 | トヨタ自動車株式会社 | ハイブリッド車両およびその制御方法 |
| US8190376B2 (en) * | 2008-08-18 | 2012-05-29 | Safer Systems, Llc | System and method for source identification for a chemical release |
| US20100153168A1 (en) * | 2008-12-15 | 2010-06-17 | Jeffrey York | System and method for carrying out an inspection or maintenance operation with compliance tracking using a handheld device |
| GB0916000D0 (en) * | 2009-09-11 | 2009-10-28 | Selex Sensors & Airborne Sys | Sensing network and method |
| FR2951824B1 (fr) * | 2009-10-23 | 2011-12-16 | Commissariat Energie Atomique | Dispositif de detection d'un gaz |
| JP5473888B2 (ja) * | 2010-12-22 | 2014-04-16 | 三菱重工業株式会社 | 漏洩検出システム |
| US9500556B2 (en) * | 2011-10-20 | 2016-11-22 | Picarro, Inc. | Methods for gas leak detection and localization in populated areas using multi-point analysis |
| JP2015121946A (ja) * | 2013-12-24 | 2015-07-02 | グンゼ株式会社 | ガス検知システム |
| AU2013408845B2 (en) * | 2013-12-26 | 2017-08-03 | Landmark Graphics Corporation | Real-time monitoring of health hazards during hydraulic fracturing |
| JP6395403B2 (ja) * | 2014-03-14 | 2018-09-26 | 大阪瓦斯株式会社 | 無線式ガス検知システム |
| US9595183B2 (en) * | 2014-04-25 | 2017-03-14 | Safer Systems, Llc | System and method for distribution of sensors for emergency response |
| US9823231B1 (en) * | 2014-06-30 | 2017-11-21 | Picarro, Inc. | Systems and methods for assembling a collection of peaks characterizing a gas leak source and selecting representative peaks for display |
| WO2016081928A1 (en) * | 2014-11-21 | 2016-05-26 | Picarro, Inc. | Gas detection systems and methods using measurement position uncertainty representations |
| US9719972B2 (en) * | 2015-03-31 | 2017-08-01 | International Business Machines Corporation | System and method for air-pollutant source-localization using parked motor vehicles |
| EP3365272A4 (en) * | 2015-10-19 | 2019-06-26 | University of North Texas | REVERSE DYNAMIC GAS CELL MODEL FOR PORTABLE CHEMICAL DETECTION DEVICES FOR LOCATING THE THREAT AND ORIGIN POINT OF EFFLUENT FLOWS |
-
2016
- 2016-10-12 EP EP16858005.8A patent/EP3365272A4/en not_active Withdrawn
- 2016-10-12 US US15/769,265 patent/US11287407B2/en active Active
- 2016-10-12 CN CN201680071271.3A patent/CN108473305B/zh not_active Expired - Fee Related
- 2016-10-12 JP JP2018539227A patent/JP6797928B2/ja not_active Expired - Fee Related
- 2016-10-12 WO PCT/US2016/056601 patent/WO2017069979A1/en active Application Filing
- 2016-10-19 TW TW105133629A patent/TW201721183A/zh unknown
-
2022
- 2022-02-28 US US17/683,323 patent/US11703490B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4736316A (en) * | 1986-08-06 | 1988-04-05 | Chevron Research Company | Minimum time, optimizing and stabilizing multivariable control method and system using a constraint associated control code |
| US6287765B1 (en) * | 1998-05-20 | 2001-09-11 | Molecular Machines, Inc. | Methods for detecting and identifying single molecules |
| JP2006511062A (ja) * | 2002-11-12 | 2006-03-30 | カリフォルニア インスティテュート オブ テクノロジー | 化学薬剤のセンサシステム |
| US8213007B2 (en) * | 2003-05-27 | 2012-07-03 | Optotrace Technologies, Inc. | Spectrally sensing chemical and biological substances |
| CN201166661Y (zh) * | 2008-01-11 | 2008-12-17 | 中国安全生产科学研究院 | 化学品泄漏事故应急无线毒性气体检测仪 |
| CN101833591A (zh) * | 2009-12-28 | 2010-09-15 | 中国人民解放军防化指挥工程学院 | 一种多个化学风险源优化布局方法 |
| CN102338764A (zh) * | 2011-11-03 | 2012-02-01 | 中国地质大学（武汉） | 一种基于片上系统的环境信息采集车 |
| CN104280789A (zh) * | 2014-10-29 | 2015-01-14 | 清华大学 | 化学品泄漏源定位方法、定位装置、处理装置及系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110865353A (zh) * | 2018-08-10 | 2020-03-06 | 极光飞行科学公司 | 降低对lidar返回的dve影响的系统与方法 |
| CN110865353B (zh) * | 2018-08-10 | 2024-02-09 | 极光飞行科学公司 | 降低对lidar返回的dve影响的系统与方法 |
| CN113853558A (zh) * | 2019-05-13 | 2021-12-28 | 菲力尔探测公司 | 使用移动平台进行远程分析物感测的系统和方法 |
| CN113837292A (zh) * | 2021-09-27 | 2021-12-24 | 山东亿云信息技术有限公司 | 一种基于边缘计算的环境污染溯源系统及方法 |
| CN114641064A (zh) * | 2022-03-24 | 2022-06-17 | 电子科技大学 | 一种分子通信中基于信标的纳米机定位方法 |
| CN114641064B (zh) * | 2022-03-24 | 2023-08-22 | 电子科技大学 | 一种分子通信中基于信标的纳米机定位方法 |
| CN117929351A (zh) * | 2024-03-05 | 2024-04-26 | 华中科技大学 | 基于lpme和sers结合的苯丙胺类毒品检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019504993A (ja) | 2019-02-21 |
| CN108473305B (zh) | 2020-01-03 |
| JP6797928B2 (ja) | 2020-12-09 |
| US20220187264A1 (en) | 2022-06-16 |
| TW201721183A (zh) | 2017-06-16 |
| US11703490B2 (en) | 2023-07-18 |
| US11287407B2 (en) | 2022-03-29 |
| US20180284088A1 (en) | 2018-10-04 |
| EP3365272A4 (en) | 2019-06-26 |
| EP3365272A1 (en) | 2018-08-29 |
| WO2017069979A1 (en) | 2017-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108473305A (zh) | 用以定位来自流出物流的威胁及点源的便携式化学检测装置的动态反向气体堆置模型 | |
| Allen et al. | The development and trial of an unmanned aerial system for the measurement of methane flux from landfill and greenhouse gas emission hotspots | |
| Villa et al. | An overview of small unmanned aerial vehicles for air quality measurements: Present applications and future prospectives | |
| Costabile et al. | First results of the “Carbonaceous aerosol in Rome and Environs (CARE)” experiment: Beyond current standards for PM10 | |
| Prasad et al. | Changes in aerosol parameters during major dust storm events (2001–2005) over the Indo‐Gangetic Plains using AERONET and MODIS data | |
| Stohl et al. | A backward modeling study of intercontinental pollution transport using aircraft measurements | |
| Jacobson et al. | Ring of impact from the mega‐urbanization of Beijing between 2000 and 2009 | |
| Bell et al. | A field-portable membrane introduction mass spectrometer for real-time quantitation and spatial mapping of atmospheric and aqueous contaminants | |
| Pandolfi et al. | Effects of sources and meteorology on particulate matter in the Western Mediterranean Basin: An overview of the DAURE campaign | |
| Illingworth et al. | Measurement of boundary layer ozone concentrations on‐board a Skywalker unmanned aerial vehicle | |
| Takegawa et al. | Variability of submicron aerosol observed at a rural site in Beijing in the summer of 2006 | |
| Foulds et al. | Quantification and assessment of methane emissions from offshore oil and gas facilities on the Norwegian continental shelf | |
| Toscano et al. | Locating industrial VOC sources with aircraft observations | |
| Liggio et al. | Primary and secondary organic aerosols in urban air masses intercepted at a rural site | |
| Leong et al. | Overview of surface measurements and spatial characterization of submicrometer particulate matter during the DISCOVER-AQ 2013 campaign in Houston, TX | |
| Allen et al. | H2O2 and CH3OOH (MHP) in the remote atmosphere: 1. Global distribution and regional influences | |
| Slemr et al. | Mercury plumes in the global upper troposphere observed during flights with the CARIBIC observatory from May 2005 until June 2013 | |
| Zabukovec et al. | Characterization of aerosol sources and optical properties in Siberia using airborne and spaceborne observations | |
| Massarelli et al. | Detection of asbestos-containing materials in agro-ecosystem by the use of airborne hyperspectral CASI-1500 sensor including the limited use of two UAVs equipped with RGB cameras | |
| Asher et al. | Unpiloted aircraft system instrument for the rapid collection of whole air samples and measurements for environmental monitoring and air quality studies | |
| Khader et al. | Use of low-cost ambient particulate sensors in Nablus, Palestine with application to the assessment of regional dust storms | |
| Anzano et al. | A review of atmospheric aerosols in Antarctica: from characterization to data processing | |
| Siudek | Atmospheric deposition of polycyclic aromatic hydrocarbons (PAHs) in the coastal urban environment of Poland: sources and transport patterns | |
| Borisova et al. | Optical hyperspectral measurements of rocks and soils in Central Srednogorie, Bulgaria | |
| Petropavlovskikh et al. | Low‐ozone bubbles observed in the tropical tropopause layer during the TC4 campaign in 2007 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1259921 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200103 |