CN108664542A - 一种大气污染物排放清单排放量分配方法及系统 - Google Patents
一种大气污染物排放清单排放量分配方法及系统 Download PDFInfo
- Publication number
- CN108664542A CN108664542A CN201810195928.8A CN201810195928A CN108664542A CN 108664542 A CN108664542 A CN 108664542A CN 201810195928 A CN201810195928 A CN 201810195928A CN 108664542 A CN108664542 A CN 108664542A
- Authority
- CN
- China
- Prior art keywords
- predetermined time
- discharge
- time
- discharge capacity
- grid
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
- Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种大气污染物排放清单排放量分配方法及系统,包括:获取目标区域内所有排放源在每一预设时刻的高时间分辨率数据;根据每一排放源在每一预设时刻的高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;根据每一网格在每一预设时刻的排放量空间分配因子和所述排放量时间分配因子,对目标区域内每一网格在每一预设时刻的排放量进行分配。通过根据高时间分辨率数据获取目标区域每个网格排放量空间分配因子,来对排放清单进行排放量分配,能够反映出不同时刻下排放量在空间分布的变化情况。
Description
技术领域
本发明实施例涉及环保技术领域,尤其涉及一种大气污染物排放清单排放量分配方法及系统。
背景技术
大气污染物排放清单是污染源在一定时间跨度和空间区域内排放到大气中的各种污染物的数量列表,而制作具有高时空分辨率的大气污染物排放清单可以为空气质量管理及数值模拟提供的基础数据。
高时空分辨率排放清单是指在空间分布特征及时间分布特征上拥有较高的精度的排放清单。高空间分辨率(如3km或1km)可以反映出污染物排放的空间分布特征,为准确预测污染物来源及重点区域提供基础的空间信息;高时间分辨率(目前多采用1小时)可以反映出排放源的污染物逐时排放特征,为准确预测污染物排放高峰、低峰,预测污染物的时间变化趋势提供基础的时间信息。因此,准确得到高时空分辨率的排放清单是进行污染预测及管理的重要工作。
高空间分辨率排放清单的编制,主要是根据不同污染源相关的空间地理信息,将排放清单数据按3km×3km或1km×1km等空间尺度进行空间网格化,以获得高空间分辨率的排放清单;高时间分辨率的排放清单编制,主要是根据不同污染源的污染物不同尺度下的时间排放特点,将排放清单数据按逐月排放量、逐日排放量、逐时排放量进行逐时间尺度的时间分配,以获得高时间分辨率的排放清单。通过对排放源的空间地理分布特征和时间排放特征信息,可以获得高时空分辨率的排放清单。
根据空间排放特征,可以将排放源分为点源、线源和面源。其中,点源是指根据经纬度坐标信息即可在空间上定位的点源,电厂、工厂等固定燃烧源均是典型的点源,该类源的空间分配只需要将排放量根据点源位置,分配到相应的的空间网格内即可完成。线源是指排放源的分布呈现出典型的线装分布特征的源,如道路交通源、船舶源等均为典型的线源;面源是指分布呈面状分布的源,该类源排放高度较低且分布比较分布广泛,如居民燃烧源、餐饮源、散煤燃烧源等。线源和面源均为非点源,大多采用“自上而下”方法计算,通过调研本地区的活动水平数据及排放因子计算得到本地区的总排放量,并利用土地利用类型、路网以及人口密度等数据地理空间指标获得非点源污染的空间分布特征,将排放量分配到空间网格中去。
不同排放源在不同月份、工作日与周末、不同时刻都存在着不同的排放强度,因此根据不同排放源不同月份、不同日及不同时刻排的排放强度可以得到每个源的排放特征及廓线,用于排放源的时间分配。与季节相关的源,如供暖、自然源,等存在较为明显的季节尺度的时间分布特征;与人类生活工作相关的源,如交通、服务业等,在工作日和周末存在较为明显的日尺度的时间分布特征;大多数源在逐时刻的时间分布上均存在较为明显的时间分布特征。
但是,现阶段对排放源进行分配时,所有时刻均采用统一的空间分配参数,无法准确反映排放源在不同时刻的空间分布特征。
发明内容
针对现有技术存在的问题,本发明实施例提供一种大气污染物排放清单排放量分配方法及系统。
一方面本发明实施例提供一种大气污染物排放清单排放量分配方法,包括:
从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;
根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;
按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;
根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
另一方面本发明实施例提供一种大气污染物排放清单排放量分配系统,包括:
数据获取模块,用于从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;
权重系数获取模块,用于根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;
分配因子获取模块,用于按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;
分配模块,用于根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
第三方面本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述方法。
本发明实施例提供的一种大气污染物排放清单排放量分配方法及系统,通过根据高时间分辨率数据获取目标区域每个网格的排放量时间分配因子和排放量空间分配因子,来对排放清单中的排放量进行分配,不仅能够反映出排放量在不同时刻的变化情况,还可以反映出出不同时刻下排放量在空间分布的变化情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种大气污染物排放清单排放量分配方法的流程图;
图2为实例中现有技术的方法得到的排放清单示意图;
图3为实例中本发明实施例提供的方法得到的排放清单示意图;
图4为实例中本发明实施例提供的方法得到的排放量随时间变化的曲线图;
图5为实例中本发明实施例提供的方法得到的排放量空间分配因子随时间变化的曲线图;
图6为本发明实施例提供的一种大气污染物排放清单排放量分配系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种大气污染物排放清单排放量分配方法的流程图,如图1所示,包括:
S1,从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;
S2,根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;
S3,按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;
S4,根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
其中,在步骤S1中,目标时间段以及目标区域可根据实际需求进行选取。一般地,目标时间段可以为24小时,将这24小时分为24个预设时刻,每个整点作为一个预设时刻高时间分辨率数据一般通过设置在排放源上的数据采集装置获取,例如设置在机动车辆上的GPS定位装置,或设置在船舶上的AIS系统(Automatic Identification System,AIS)。这些数据采集装置采集到的数据具有较好的准确性、时效性以及丰富性。需要说明的是,目标区域内所有排放源指的是目标区域内同一类排放源,例如,目标区域内的所有机动车,或目标区域内的所有船舶。
在步骤S2中,根据已有实践经验可知,排放源的高分辨率数据与排放源的排放量之间有对应关系,那么,在整个区域内可以通过排放权重系数来描述排放源的排放量。所以可以通过每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数,即可获取某一时刻,目标区域内所有排放源的排放权重系数,可以反映出各个不同排放源在目标时间段内不同预设时刻的分布情况。
在步骤S3中,预设尺寸的选取可以根据实际需求确定,例如3km×3km或1km×1km。大气污染物排放清单是通过不同网格的排放量来体现污染物的空间分布情况的,要获取每个网格在某一特定时刻的排放量,就需要获取该网格在这一特定时刻的排放量时间分配因子和空间分配因子。
在步骤S4中,由于目标区域在目标时间段内的大气污染物排放总量是可以通过排放因子法计算、公开数据等途径直接或间接获知的,则根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配,即可得到多个预设时刻对应的多幅大气污染物排放清单。
具体地,针对道路交通源和河道船舶源等空间分布特征在时间序列上存在明显变化的非点源排放源的排放量分配问题,除了考虑不同时刻每个网格的排放量时间分配因子外,还根据高时间分辨率数据获取每个网格在不同时刻的排放量空间分配因子,根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配,进而得到目标区域在目标时间段内多个预设时刻的多幅大气污染物排放清单。
本发明实施例提供的一种大气污染物排放清单排放量分配方法,通过根据高时间分辨率数据获取目标区域每个网格的排放量时间分配因子和排放量空间分配因子,来对排放清单中的排放量进行分配,不仅能够反映出排放量在不同时刻的变化情况,还可以反映出出不同时刻下排放量在空间分布的变化情况。
基于上述实施例,所述根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数,具体包括:
根据每一排放源在每一预设时刻的第一高时间分辨率数据,在预设表格中查询得到每一排放源在每一预设时刻的排放权重系数;
其中,所述预设表格中存储有所述第一高时间分辨率数据与所述排放权重系数之间的对应关系。
具体地,对于机动车或船舶等空间分布特征在时间序列上存在明显变化的非点源排放源,由于职住分离、交通流向、早晚高峰等原因,在不同时刻的空间分布中呈现了较大的不同,同时,机动车及船舶等交通源排放在不同负载下的污染排放特征也不同。根据实际经验总结了相应的表格来反映高时间分辨率数据与排放权重系数之间的对应关系。表1为汽油机动车速度与不同污染物排放权重系数的对应关系,表2为船舶负载率与不同污染物排放权重系数的对应关系。
表1
表2
其中,浮动车是指,一般是指安装了车载GPS定位装置并行驶在城市主干道上的公交汽车和出租车,在其行驶过程中定期记录的车辆位置,方向和速度信息。同时,随着网约车、电子地图等互联网平台的应用,车辆的实时运行及交通态势信息被广泛的采集并形成数据集,被广泛地应用于交通路网的分析当中。因此,浮动车及其他平台所获得到的车辆实时运行及交通态势信息成为分析交通路网运行信息的基础数据。AIS系统是由岸基(基站)设施和船载设备共同组成的船舶定位技术。AIS数据可以反映船舶运行的实时情况,包括船舶速度、船舶方向等。通过AIS数据可以反映船舶的运行状况,并被广泛应用于水运网络运行的分析中。
基于上述实施例,所述根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子,具体包括:
在每一预设时刻,计算每一网格内所有排放源的排放权重系数之和,与所述目标区域内所有排放源的排放权重系数之和之间的第一比值,所述第一比值即为所述排放量空间分配因子。
具体地,根据以下公式计算某一网格在某一预设时刻的排放量空间分配因子:
其中,x为网格的列号,y为网格的行号,t为某一预设时刻;Wx,y,t为某一网格内所有排放源的排放权重系数之和;Rx,y,t为某一网格在某一预设时刻的排放量空间分配因子。
其中,某一网格内所有排放源的排放权重系数之和的计算公式如下:
其中,Wi为数排放源i的排放权重系数;nx,y,t为某一网格内某一时刻的排放源的总数。
基于上述实施例,所述根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量时间分配因子,具体包括:
计算每一预设时刻所述目标区域内所有排放源的排放权重系数之和,与所有预设时刻所述目标区域内所有排放源的排放权重系数之和之间的第二比值,所述第二比值即为所述排放量时间分配因子。
具体地,根据以下公式计算某一网格在某一预设时刻的排放量时间分配因子:
其中,t取整数。
基于上述实施例,所述获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据,具体包括:
获取所述目标区域内所有排放源在每一预设时刻的第二高时间分辨率数据;
对所述第二高时间分辨率数据中未在运行工况的第二高时间分辨率数据进行清洗,得到第一高时间分辨率数据。
具体地,由于浮动车、AIS等大数据是基于每个船舶、每辆机动车实时发送的,若其不在运行时,也会发送相关信息。因此,应当对未在运行工况的数据进行清洗。同时,对于不同运行工况(包括运行速度、运行负载)等数据进行分类。
基于上述实施例,当所述排放源为道路机动车时,所述第一高时间分辨率数据至少包括:浮动车点数、浮动车速度、交通态势以及当前车流量数据;
对应地,根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数,具体包括:
根据每一机动车在每一预设时刻的浮动车点数、浮动车速度、交通态势以及当前车流量数据,获取每一机动车在每一预设时刻的排放权重系数。
其中,所述第一高时间分辨率数据还可以包括反映交通运行状态的其他参数。
下面通过一个对本发明实施例提供的方法进行进一步说明。
以某经济开发区为例,对比采用平均空间分配因子和采用本专利方法所得到的排放量。通过统计得到的工作日车流量的平均车流分布如图2,及本发明实施例的方法得到工作日逐三小时空间分配指标如图3,从图3中3a-3h可以看出道路机动车排放源的空间分布特征在时间序列上存在明显的变化趋势,图2反映出道路机动车源在空间分布上的平均状态。
假设该区域每日道路交通源某工作日氮氧化物排放量为200kg,以研究区域内第10行、第4列网格为例。图4和图5分别为整个研究区域内排放量的时间变化图及研究网格的空间分配因子在时间序列上的变化。从图3中也可以看出,该网格在6点左右其机动车的活动水平占整个研究区域内达到最高。因此,本发明实施例的方法对于空间分布特征在时间序列上存在显著变化的源具有较好的适用性。
图6为本发明实施例提供的一种大气污染物排放清单排放量分配系统的结构框图,如图6所示,包括:数据获取模块1、权重系数获取模块2、分配因子获取模块3以及分配模块4。其中:
数据获取模块1用于从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据。权重系数获取模块2用于根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数。分配因子获取模块3用于按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子。分配模块4用于根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
具体地,本发明实施例中各模块的作用与操作流程与上述方法类实施例是一一对应的,在此不再赘述。
本发明实施例提供的一种大气污染物排放清单排放量分配系统,通过根据高时间分辨率数据获取目标区域每个网格的排放量时间分配因子和排放量空间分配因子,来对排放清单中的排放量进行分配,不仅能够反映出排放量在不同时刻的变化情况,还可以反映出出不同时刻下排放量在空间分布的变化情况。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种大气污染物排放清单排放量分配方法,其特征在于,包括:
从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;
根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;
按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;
根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
2.根据权利要求1所述方法,其特征在于,所述根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数,具体包括:
根据每一排放源在每一预设时刻的第一高时间分辨率数据,在预设表格中查询得到每一排放源在每一预设时刻的排放权重系数;
其中,所述预设表格中存储有所述第一高时间分辨率数据与所述排放权重系数之间的对应关系。
3.根据权利要求1所述方法,其特征在于,所述根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子,具体包括:
在每一预设时刻,计算每一网格内所有排放源的排放权重系数之和,与所述目标区域内所有排放源的排放权重系数之和之间的第一比值,所述第一比值即为所述排放量空间分配因子。
4.根据权利要求1所述方法,其特征在于,所述根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量时间分配因子,具体包括:
计算每一预设时刻所述目标区域内所有排放源的排放权重系数之和,与所有预设时刻所述目标区域内所有排放源的排放权重系数之和之间的第二比值,所述第二比值即为所述排放量时间分配因子。
5.根据权利要求1所述方法,其特征在于,所述根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配,具体包括:
获取所述目标区域在所述目标时间段内的总排放量,并利用所述总排放量乘以每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,得到每一网格在每一预设时刻的分配排放量;
根据每一网格在每一预设时刻的分配排放量,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
6.根据权利要求1所述方法,其特征在于,所述获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据,具体包括:
获取所述目标区域内所有排放源在每一预设时刻的第二高时间分辨率数据;
对所述第二高时间分辨率数据中未在运行工况的第二高时间分辨率数据进行清洗,得到第一高时间分辨率数据。
7.根据权利要求1所述方法,其特征在于,当所述排放源为道路机动车时,所述第一高时间分辨率数据至少包括:浮动车点数、浮动车速度、交通态势以及当前车流量数据;
对应地,根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数,具体包括:
根据每一机动车在每一预设时刻的浮动车点数、浮动车速度、交通态势以及当前车流量数据,获取每一机动车在每一预设时刻的排放权重系数。
8.一种大气污染物排放清单排放量分配系统,其特征在于,包括:
数据获取模块,用于从目标时间段内选取多个预设时刻,并获取目标区域内所有排放源在每一预设时刻的第一高时间分辨率数据;
权重系数获取模块,用于根据每一排放源在每一预设时刻的第一高时间分辨率数据,获取每一排放源在每一预设时刻的排放权重系数;
分配因子获取模块,用于按预设尺寸将所述目标区域划分为多个网格,并根据每一排放源在每一预设时刻的排放权重系数,获取每一网格在每一预设时刻的排放量空间分配因子和排放量时间分配因子;
分配模块,用于根据每一网格在每一预设时刻的所述排放量空间分配因子和所述排放量时间分配因子,对所述目标区域内每一网格在每一预设时刻的排放量进行分配。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如权利要求1至7任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810195928.8A CN108664542A (zh) | 2018-03-09 | 2018-03-09 | 一种大气污染物排放清单排放量分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810195928.8A CN108664542A (zh) | 2018-03-09 | 2018-03-09 | 一种大气污染物排放清单排放量分配方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108664542A true CN108664542A (zh) | 2018-10-16 |
Family
ID=63784816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810195928.8A Pending CN108664542A (zh) | 2018-03-09 | 2018-03-09 | 一种大气污染物排放清单排放量分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664542A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533323A (zh) * | 2019-08-29 | 2019-12-03 | 北京百度网讯科技有限公司 | 基于交通拥堵的污染分析方法、装置、设备和存储介质 |
CN111325438A (zh) * | 2019-12-06 | 2020-06-23 | 国网冀北电力有限公司电力科学研究院 | 污染物排放清单确定方法、装置、设备及存储介质 |
CN111915465A (zh) * | 2020-07-09 | 2020-11-10 | 暨南大学 | 一种针对大气面源排放清单的分配方法和系统 |
CN116738232A (zh) * | 2023-06-16 | 2023-09-12 | 中国科学院空天信息创新研究院 | 一种基于ftir光谱的城市大气碳排放分布检测方法 |
CN116738232B (zh) * | 2023-06-16 | 2024-05-31 | 中国科学院空天信息创新研究院 | 一种基于ftir光谱的城市大气碳排放分布检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204323A (zh) * | 2016-07-07 | 2016-12-07 | 北京市环境保护监测中心 | 火电厂大气污染物排放清单三维时空分配处理方法和装置 |
CN107316017A (zh) * | 2017-06-22 | 2017-11-03 | 河海大学 | 基于作物信息遥感精确反演的非点源污染源强估算方法 |
-
2018
- 2018-03-09 CN CN201810195928.8A patent/CN108664542A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204323A (zh) * | 2016-07-07 | 2016-12-07 | 北京市环境保护监测中心 | 火电厂大气污染物排放清单三维时空分配处理方法和装置 |
CN107316017A (zh) * | 2017-06-22 | 2017-11-03 | 河海大学 | 基于作物信息遥感精确反演的非点源污染源强估算方法 |
Non-Patent Citations (4)
Title |
---|
毛红梅 等: ""成都市大气污染物排放清单高分辨率的时空分配"", 《环境科学学报》 * |
王堃 等: ""基于POI兴趣点的排放清单空间分配方法"", 《中国环境科学》 * |
王夏晖 等: "《城市群生态环境安全阈值与空间管制分区研究》", 31 March 2017 * |
魏自荣 等: "《汽车维修工》", 31 January 2005 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533323A (zh) * | 2019-08-29 | 2019-12-03 | 北京百度网讯科技有限公司 | 基于交通拥堵的污染分析方法、装置、设备和存储介质 |
CN110533323B (zh) * | 2019-08-29 | 2022-06-28 | 北京百度网讯科技有限公司 | 基于交通拥堵的污染分析方法、装置、设备和存储介质 |
CN111325438A (zh) * | 2019-12-06 | 2020-06-23 | 国网冀北电力有限公司电力科学研究院 | 污染物排放清单确定方法、装置、设备及存储介质 |
CN111325438B (zh) * | 2019-12-06 | 2023-11-07 | 国网冀北电力有限公司电力科学研究院 | 污染物排放清单确定方法、装置、设备及存储介质 |
CN111915465A (zh) * | 2020-07-09 | 2020-11-10 | 暨南大学 | 一种针对大气面源排放清单的分配方法和系统 |
CN116738232A (zh) * | 2023-06-16 | 2023-09-12 | 中国科学院空天信息创新研究院 | 一种基于ftir光谱的城市大气碳排放分布检测方法 |
CN116738232B (zh) * | 2023-06-16 | 2024-05-31 | 中国科学院空天信息创新研究院 | 一种基于ftir光谱的城市大气碳排放分布检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kinobe et al. | Optimization of waste collection and disposal in Kampala city | |
CN108664542A (zh) | 一种大气污染物排放清单排放量分配方法及系统 | |
Von Storch et al. | Four decades of gasoline lead emissions and control policies in Europe: a retrospective assessment | |
Fontes et al. | Are HOV/eco-lanes a sustainable option to reducing emissions in a medium-sized European city? | |
Diaz-Varela et al. | Assessing methods of mitigating wildlife–vehicle collisions by accident characterization and spatial analysis | |
Ferrer et al. | BIN-CT: Urban waste collection based on predicting the container fill level | |
CN109615122A (zh) | 配送范围的生成方法、装置、电子设备和存储介质 | |
Geneletti | Multicriteria analysis to compare the impact of alternative road corridors: a case study in northern Italy | |
Yang et al. | Choices versus choice sets: A commuting spectrum method for representing job—housing possibilities | |
Makkonen et al. | Island accessibility challenges: Rural transport in the Finnish archipelago | |
CN101621825A (zh) | 一种充分利用实测数据的无线信号场强预测及网络覆盖地图绘制的方法 | |
Marasco et al. | Inter-port interactions in the Le Havre-Hamburg range: A scenario analysis using a nonautonomous Lotka Volterra model | |
CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
CN110276557A (zh) | 一种跨网格调度工单创建方法 | |
Grzybowska et al. | Sustainable supply chain-supporting tools | |
CN113672846A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
CN106529765A (zh) | 采集作业的绩效评估方法和装置 | |
CN112560215A (zh) | 一种基于深度强化学习的电力选线方法 | |
CN109447319A (zh) | 一种网格划分方法、计算机可读存储介质及终端设备 | |
CN105954821A (zh) | 一种用于数值大气模式的典型降雨事件选取方法 | |
KR20090032461A (ko) | 염해 오손 예측 방법 | |
Rocha et al. | Modelling coastal and land use evolution patterns through neural network and cellular automata integration | |
Lai et al. | Regional drivers of land take: a comparative analysis in two Italian regions | |
CN103886394B (zh) | 港口物流生产型用地功能调整交通影响测评方法 | |
Wang et al. | Geographical characterization of ship traffic and emissions |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181016 |