CN109357716A - 一种重污染地区污染数据实时采集方法 - Google Patents
一种重污染地区污染数据实时采集方法 Download PDFInfo
- Publication number
- CN109357716A CN109357716A CN201811415013.XA CN201811415013A CN109357716A CN 109357716 A CN109357716 A CN 109357716A CN 201811415013 A CN201811415013 A CN 201811415013A CN 109357716 A CN109357716 A CN 109357716A
- Authority
- CN
- China
- Prior art keywords
- information
- pollution
- monitoring
- time
- regional
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 75
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 238000013439 planning Methods 0.000 claims abstract description 6
- 238000003915 air pollution Methods 0.000 claims abstract 2
- 238000011161 development Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims 1
- 238000013480 data collection Methods 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 abstract description 2
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- CSJDCSCTVDEHRN-UHFFFAOYSA-N methane;molecular oxygen Chemical compound C.O=O CSJDCSCTVDEHRN-UHFFFAOYSA-N 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种重污染地区污染数据实时采集方法,包括以下几个步骤:步骤S1:收集所监测地区的环境信息,建立污染指数数据库;步骤S2:设置监测站采集现场数据;其中,监测站的分布包括梯度和广度;步骤S3:规定现场数据采集时间和频率;步骤S4:结合步骤S1中的污染指数数据库和步骤S2中的现场数据建立大气污染模型,进行大气污染实时监测和污染结果分析。通过所监测地区的气候信息、建筑物高度信息、区域污染源信息来合理地制定监测站点、规划监测项目、安排采样时间和频率,再结合现有环境信息和监测站点实时采集数据建立地区大气污染监测模型,从而实现实时、高效、准确地对地区大气污染进行监测。
Description
技术领域
本发明涉及大气污染监测领域,具体的说,是一种重污染地区污染数据实时采集方法。
背景技术
现有的大气污染监测方法太过单一,往往只是对地区中大气里的各种污染物进行专用的传感器监测记录当前数据,没有办法做到环境预测和分析,而且监测项目的不完整、监测站点的设置不合理、污染源的不清楚,导致依靠数据建立的大气污染物监测模型受到限制,从而严重影响监测的准确性。再是由于采集的数据较多,所需的传感器也非常繁多,因此需要对采集数据进行定期校正,使用起来过于麻烦,实用性不强。
发明内容
本发明的目的在于提供一种重污染地区污染数据实时采集方法,能够根据所监测地区的各种环境情况来合理地制定监测站点、规划监测项目、安排采样时间和频率,从而实现高效、准确地地区大气污染监测。
本发明通过下述技术方案实现:一种重污染地区污染数据实时采集方法,包括以下几个步骤:
步骤S1:收集所监测地区的环境信息,建立污染指数数据库;
步骤S2:设置监测站采集现场数据;其中,监测站的分布包括梯度和广度;
步骤S3:规定现场数据采集时间和频率;
步骤S4:结合步骤S1中的污染指数数据库和步骤S2中的现场数据建立大气污染模型,进行大气污染实时监测和污染结果分析。
为了更好的实现本发明,进一步地,所述步骤S1中收集的地区环境信息包括气候信息、社会环境状况信息、建筑物高度信息、区域污染源信息;所述社会环境状况信息包括区域发展规划、环境功能区划、交通车辆信息、人口分布及人群健康、环境敏感点区分布。通收集地区环境信息,更具有针对性地设置监测站点、选择监测项目、划分监测区域以及分析、预测大气污染情况。
为了更好的实现本发明,进一步地,所述气候信息包括区域地形地貌信息、土地利用情况信息、气象气候情况信息。因为大气受气象、季节、地形、地物等因素的强烈影响,而随时间和空间的变化。因而,全方位地收集气候信息来辅助监测大气污染,能够提高监测准确性。
为了更好的实现本发明,进一步地,所述气象气候情况信息包括风速、风向、气温、气压、降水量、日照时间、相对湿度、垂直梯度以及逆温层底部高度。通过风速、风向、气温、气压、降水量、日照时间、相对湿度、垂直梯度以及逆温层底部高度的收集,全面地确定影响因素,进一步提高监测准确性。
为了更好的实现本发明,进一步地,所述区域污染源信息包括污染源的类型、污染源的分布及污染物排放源。通过对区域污染源信息进行全面收集,以便合理设置监测站点以及监测站点所监测的项目。
为了更好的实现本发明,进一步地,所述步骤S2中的监测站采集的现场数据包括二氧化硫浓度、氮氧化合物浓度、悬浮物颗粒浓度、灰尘自然沉降量、碳氢化合物浓度、碳氧化合物浓度。通过对各种主要污染物进行全面监测,提高监测效率。
为了更好的实现本发明,进一步地,所述步骤S2中的广度包括以下几个步骤:
步骤S21:按照地区工业区、商业区、居民稠密区、交通频繁区、清洁区分别设置若干个监测点;
步骤S22:在距离工业区、商业区、居民稠密区、交通频繁区、清洁区的最近的上风向点和下风向点分别设置对照点和采样点。通过分区设置监测点,让监测点的位置具有较好的代表性,监测点的测量值能较好地反应该区域的大气环境质量或污染水平和规律。而通过设置上风向点的对照点和下风向点的采样点,能够清楚了解到大气环境质量的变化,能便于确定污染源区域。
为了更好的实现本发明,进一步地,所述步骤S3中规定现场数据采集时间和频率的方法为:隔日采样,每天连续24小时,每月14-16天,每年12个月。在结合实时监测数据和地区污染指数数据库建立的监测模型基础上,制定合理的数据采集时间和频率,不仅强化了监测模型的稳定性、连续性,保证了监测的准确性,而且避免了频繁时间的监测,提高了监测效率。
为了更好的实现本发明,进一步地,所述步骤S4中建立大气模型之前需对现场数据进行融合。通过融合对数据进行过滤处理,简化了数据处理。
为了更好的实现本发明,进一步地,所述现场数据通过异步数据融合算法进行融合。能够有效改善对现场数据采集的传感器对目标的跟踪和识别。
本发明与现有技术相比,具有以下优点及有益效果:本发明通过所监测地区的气候信息、建筑物高度信息、区域污染源信息来合理地制定监测站点、规划监测项目、安排采样时间和频率,再结合现有环境信息和监测站点实时采集数据建立地区大气污染监测模型,从而实现实时、高效、准确地对地区大气污染进行监测。
具体实施方式
一种重污染地区污染数据实时采集方法,包括以下几个步骤:
步骤S1:收集所监测地区的环境信息,建立污染指数数据库;
步骤S2:设置监测站采集现场数据;其中,监测站的分布包括梯度和广度;
步骤S3:规定现场数据采集时间和频率;
步骤S4:结合步骤S1中的污染指数数据库和步骤S2中的现场数据建立大气污染模型,进行大气污染实时监测和污染结果分析。
为了更好的实现本发明,进一步地,所述步骤S1中收集的地区环境信息包括气候信息、社会环境状况信息、建筑物高度信息、区域污染源信息;所述社会环境状况信息包括区域发展规划、环境功能区划、交通车辆信息、人口分布及人群健康、环境敏感点区分布。通收集地区环境信息,更具有针对性地设置监测站点、选择监测项目、划分监测区域以及分析、预测大气污染情况。
为了更好的实现本发明,进一步地,所述气候信息包括区域地形地貌信息、土地利用情况信息、气象气候情况信息。因为大气受气象、季节、地形、地物等因素的强烈影响,而随时间和空间的变化。因而,全方位地收集气候信息来辅助监测大气污染,能够提高监测准确性。
为了更好的实现本发明,进一步地,所述气象气候情况信息包括风速、风向、气温、气压、降水量、日照时间、相对湿度、垂直梯度以及逆温层底部高度。通过风速、风向、气温、气压、降水量、日照时间、相对湿度、垂直梯度以及逆温层底部高度的收集,全面地确定影响因素,进一步提高监测准确性。
为了更好的实现本发明,进一步地,所述区域污染源信息包括污染源的类型、污染源的分布及污染物排放源。通过对区域污染源信息进行全面收集,以便合理设置监测站点以及监测站点所监测的项目。
为了更好的实现本发明,进一步地,所述步骤S2中的监测站采集的现场数据包括二氧化硫浓度、氮氧化合物浓度、悬浮物颗粒浓度、灰尘自然沉降量、碳氢化合物浓度、碳氧化合物浓度。通过对各种主要污染物进行全面监测,提高监测效率。
为了更好的实现本发明,进一步地,所述步骤S2中的广度包括以下几个步骤:
步骤S21:按照地区工业区、商业区、居民稠密区、交通频繁区、清洁区分别设置若干个监测点;
步骤S22:在距离工业区、商业区、居民稠密区、交通频繁区、清洁区的最近的上风向点和下风向点分别设置对照点和采样点。通过分区设置监测点,让监测点的位置具有较好的代表性,监测点的测量值能较好地反应该区域的大气环境质量或污染水平和规律。而通过设置上风向点的对照点和下风向点的采样点,能够清楚了解到大气环境质量的变化,能便于确定污染源区域。
为了更好的实现本发明,进一步地,所述步骤S3中规定现场数据采集时间和频率的方法为:隔日采样,每天连续24小时,每月14-16天,每年12个月。在结合实时监测数据和地区污染指数数据库建立的监测模型基础上,制定合理的数据采集时间和频率,不仅强化了监测模型的稳定性、连续性,保证了监测的准确性,而且避免了频繁时间的监测,提高了监测效率。
为了更好的实现本发明,进一步地,所述步骤S4中建立大气模型之前需对现场数据进行融合。通过融合对数据进行过滤处理,简化了数据处理。
为了更好的实现本发明,进一步地,所述现场数据通过异步数据融合算法进行融合。能够有效改善对现场数据采集的传感器对目标的跟踪和识别。以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (3)
1.一种重污染地区污染数据实时采集方法,其特征在于:包括以下几个步骤:步骤S1:收集所监测地区的环境信息,建立污染指数数据库;步骤S2:设置监测站采集现场数据;其中,监测站的分布包括梯度和广度;步骤S3:规定现场数据采集时间和频率;步骤S4:结合步骤S1中的污染指数数据库和步骤S2中的现场数据建立大气污染模型,进行大气污染实时监测和污染结果分析。
2.根据权利要求1所述的一种重污染地区污染数据实时采集方法,其特征在于:所述步骤S1中收集的地区环境信息包括气候信息、社会环境状况信息、建筑物高度信息、区域污染源信息;所述社会环境状况信息包括区域发展规划、环境功能区划、交通车辆信息、人口分布及人群健康、环境敏感点区分布。
3.根据权利要求2所述的一种重污染地区污染数据实时采集方法,其特征在于:所述气候信息包括区域地形地貌信息、土地利用情况信息、气象气候情况信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811415013.XA CN109357716A (zh) | 2018-11-26 | 2018-11-26 | 一种重污染地区污染数据实时采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811415013.XA CN109357716A (zh) | 2018-11-26 | 2018-11-26 | 一种重污染地区污染数据实时采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109357716A true CN109357716A (zh) | 2019-02-19 |
Family
ID=65338718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811415013.XA Withdrawn CN109357716A (zh) | 2018-11-26 | 2018-11-26 | 一种重污染地区污染数据实时采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109357716A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110567510A (zh) * | 2019-07-23 | 2019-12-13 | 北京英视睿达科技有限公司 | 大气污染监测方法、系统、计算机设备和存储介质 |
CN112861904A (zh) * | 2020-12-04 | 2021-05-28 | 生态环境部卫星环境应用中心 | 基于imbi指数的大气污染源监测识别方法和系统 |
CN114280226A (zh) * | 2020-09-18 | 2022-04-05 | 英业达科技有限公司 | 配合气象环境的空气污染分析与防治决策系统及其方法 |
-
2018
- 2018-11-26 CN CN201811415013.XA patent/CN109357716A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110567510A (zh) * | 2019-07-23 | 2019-12-13 | 北京英视睿达科技有限公司 | 大气污染监测方法、系统、计算机设备和存储介质 |
CN114280226A (zh) * | 2020-09-18 | 2022-04-05 | 英业达科技有限公司 | 配合气象环境的空气污染分析与防治决策系统及其方法 |
CN112861904A (zh) * | 2020-12-04 | 2021-05-28 | 生态环境部卫星环境应用中心 | 基于imbi指数的大气污染源监测识别方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107894492A (zh) | 一种城市大气污染实时监测方法 | |
CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
Soegaard et al. | Towards a spatial CO2 budget of a metropolitan region based on textural image classification and flux measurements | |
Alexander et al. | Using LCZ data to run an urban energy balance model | |
CN113177744B (zh) | 一种城市绿地系统碳汇量估算方法及系统 | |
Wu et al. | Urban road greenbelt configuration: The perspective of PM2. 5 removal and air quality regulation | |
WO2018214060A1 (zh) | 一种城市小尺度空气质量指数预测方法与系统 | |
CN108280789B (zh) | 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法 | |
He et al. | Development of a vehicle emission inventory with high temporal–spatial resolution based on NRT traffic data and its impact on air pollution in Beijing–Part 2: Impact of vehicle emission on urban air quality | |
CN109357716A (zh) | 一种重污染地区污染数据实时采集方法 | |
Lu et al. | Characteristics of ventilation coefficient and its impact on urban air pollution | |
CN109932988B (zh) | 一种城市扬尘污染扩散预测系统及方法 | |
CN108984960B (zh) | 一种挥发性有机污染快速精确定位及采样布点方法 | |
Leconte et al. | Analysis of nocturnal air temperature in districts using mobile measurements and a cooling indicator | |
CN105403245A (zh) | 日光温室无线传感器多数据融合方法 | |
CN110930048A (zh) | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 | |
CN101819245A (zh) | 输电线路监测方法和系统 | |
CN115759488A (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
CN102680421A (zh) | 基于激光吸收光谱技术的农田氨挥发实时监测方法 | |
CN117934212A (zh) | 基于iot技术数字可视化平台的施工过程监控方法 | |
Yao et al. | Application of UAV in monitoring chemical pollutant gases | |
CN117312784A (zh) | 一种基于受体模型和大数据联用的污染源溯源方法 | |
Percy et al. | Applying the forest health approach to monitoring boreal ecosystems in the Athabasca Oil Sands Region | |
Pal et al. | Effectiveness of machine learning algorithms in forecasting AQI | |
CN207764089U (zh) | 雾霾污秽沉降物监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190219 |