CN109490477A - 基于卫星遥感数据确定大气污染热点网格的方法及装置 - Google Patents
基于卫星遥感数据确定大气污染热点网格的方法及装置 Download PDFInfo
- Publication number
- CN109490477A CN109490477A CN201811374330.1A CN201811374330A CN109490477A CN 109490477 A CN109490477 A CN 109490477A CN 201811374330 A CN201811374330 A CN 201811374330A CN 109490477 A CN109490477 A CN 109490477A
- Authority
- CN
- China
- Prior art keywords
- atmosphere pollution
- grid
- remote sensing
- satellite remote
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000443 aerosol Substances 0.000 claims description 28
- 238000012935 Averaging Methods 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 description 14
- 238000003915 air pollution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 241000208818 Helianthus Species 0.000 description 2
- 235000003222 Helianthus annuus Nutrition 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请公开一种基于卫星遥感数据确定大气污染热点网格的方法及装置。该方法包括：将需要监测的区域划分为多个网格；获取区域的卫星遥感数据；对卫星遥感数据进行处理，获得网格的大气污染强度；根据大气污染强度，将达到预设值的网格确定为热点网格。
Description
技术领域
本申请属于环境监测技术领域，尤其涉及一种基于卫星遥感数据确定大气污染热点网格的方法及装置。
背景技术
大气污染是指大气中一些物质的含量达到有害的程度，以至破坏生态系统，对人或物造成危害的现象。
现有的大气污染管理是基于污染源管理的方法，针对各类污染源(如工业企业、餐饮、工地等)进行事前的环保评价和审批，并针对重点污染源(如热电厂、化工厂等)在排放烟囱上安装在线监测设备。这类方法往往无法对大量的小、散、乱污染源进行有效的管理，并且在线监测设备比较昂贵，且容易遭到人为的干扰破坏。
发明内容
本申请的实施例提供一种基于卫星遥感数据确定大气污染热点网格的方法，包括：将需要监测的区域划分为多个网格；获取所述区域的卫星遥感数据；对所述卫星遥感数据进行处理，获得所述网格的大气污染强度；根据所述大气污染强度，将达到预设值的网格确定为热点网格。
上述基于卫星遥感数据确定大气污染热点网格的方法中，所述对所述卫星遥感数据进行处理，获得所述网格的大气污染强度，包括：通过所述卫星遥感数据获得所述区域的大气污染参数分布；将所述区域的大气污染参数分布与所述区域的网格相匹配，获得所述网格的大气污染参数分布；通过所述网格的大气污染参数分布获得所述网格的大气污染强度。
上述基于卫星遥感数据确定大气污染热点网格的方法中，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：对所述卫星遥感数据进行处理，得到气溶胶数据；对所述气溶胶数据进行处理，得到气溶胶厚度；对所述气溶胶厚度进行处理，得到所述区域的PM2.5分布，将所述PM2.5分布作为所述区域的大气污染参数分布。
上述基于卫星遥感数据确定大气污染热点网格的方法中，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：通过所述卫星遥感数据获得所述区域的SO2、NO2或O3浓度的分布，将所述SO2、NO2或O3浓度的分布作为所述区域的大气污染参数分布。
上述基于卫星遥感数据确定大气污染热点网格的方法中，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：对每个所述网格内的大气污染参数值求和，获得总和值；将所述总和值作为所述网格的大气污染强度。
上述基于卫星遥感数据确定大气污染热点网格的方法中，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：对每个所述网格内的大气污染参数值求平均，获得平均值；将所述平均值作为所述网格的大气污染强度。
本申请的实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现所述基于卫星遥感数据确定大气污染热点网格的方法。
本申请的实施例还提供一种计算机可读存储介质，其上存储有处理器程序,其中，该处理器程序用于执行上述基于卫星遥感数据确定大气污染热点网格的方法。本申请的实施例还提供一种基于卫星遥感数据确定大气污染热点网格的装置，包括：区域划分模块，将需要监测的区域划分为多个网格；卫星遥感数据获取模块，获取所述区域的卫星遥感数据；大气污染强度获得模块，对所述卫星遥感数据进行处理，获得所述网格的大气污染强度；热点网格确定模块，根据所述大气污染强度，将达到预设值的网格确定为热点网格。
上述基于卫星遥感数据确定大气污染热点网格的装置中，所述大气污染强度获得模块通过所述卫星遥感数据获得所述区域的大气污染参数分布；将所述区域的大气污染参数分布与所述区域的网格相匹配，获得所述网格的大气污染参数分布；通过所述网格的大气污染参数分布获得所述网格的大气污染强度。
上述基于卫星遥感数据确定大气污染热点网格的装置中，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：对所述卫星遥感数据进行处理，得到气溶胶数据；对所述气溶胶数据进行处理，得到气溶胶厚度；对所述气溶胶厚度进行处理，得到所述区域的PM2.5分布，将所述PM2.5分布作为所述区域的大气污染参数分布。
上述基于卫星遥感数据确定大气污染热点网格的装置中，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：通过所述卫星遥感数据获得所述区域的SO2、NO2或O3浓度的分布，将所述SO2、NO2或O3浓度的分布作为所述区域的大气污染参数分布。
上述基于卫星遥感数据确定大气污染热点网格的装置中，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：对每个所述网格内的大气污染参数值求和，获得总和值；将所述总和值作为所述网格的大气污染强度。
上述基于卫星遥感数据确定大气污染热点网格的装置中，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：对每个所述网格内的大气污染参数值求平均，获得平均值；将所述平均值作为所述网格的大气污染强度。
本申请的基于卫星遥感数据确定大气污染热点网格的方法及装置，将需要监测的区域划分为多个网格，通过卫星遥感数据确定其中污染较严重的热点网格，可对热点网格进行重点的、有针对性的监管，节约监管的资源；监测的对象不限于少数的企业，对小、散、乱的污染源也能起到监管的效果；还可避免故意破坏监测设备的行为。
附图说明
图1是本申请一个实施例的基于卫星遥感数据确定大气污染热点网格的方法流程图。
图2是本申请一个实施例的基于卫星遥感数据确定大气污染热点网格的装置的示意图。
具体实施方式
以下结合附图和实施例，对本发明的具体实施方式进行更加详细的说明，以便能够更好地理解本发明的方案及其各个方面的优点。然而，以下描述的具体实施方式和实施例仅是说明的目的，而不是对本发明的限制。
本发明中所述的“连接”，除非另有明确的规定或限定，应作广义理解，可以是直接相连，也可以是通过中间媒介相连。在本发明的描述中，需要理解的是，“上”、“下”、“前”、“后”、“左”、“右”、“顶端”、“底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
为了更有效的利用监管资源，节省大气监管的人力、物力，本申请提出一种通过热点网格实现大气污染高效监测的方法，将需监测的区域划分为若干网格，再确定出其中的热点网格，作为重点的监测对象，有效提高监测的效率。
图1是本申请一个实施例的基于卫星遥感数据确定大气污染热点网格的方法流程图。如图1所示，本实施例提供一种基于卫星遥感数据确定大气污染热点网格的方法，包括以下步骤。
步骤S101、将需要监测的区域划分为多个网格。本步骤中，将需要监测大气污染程度的区域进行网格划分，对其中不同的网格，可采取不同是监管措施。本实施例中，将区域按照规则的形状进行网格的划分，每个网格的大小为5公里×5公里，网格的尺寸不限于此，可根据需要适当调整。
步骤S102、获取区域的卫星遥感数据。卫星遥感数据包括但不限于美国Terra、Aqua卫星上获取的MODIS数据和Aura卫星上获取的OMI数据，以及欧洲Sentinel数据和美国Landsat8数据，以及日本葵花八号Himawari-8卫星数据等卫星遥感影像数据。
步骤S103、对卫星遥感数据进行处理，获得网格的大气污染强度。通过卫星遥感数据可以确定区域的大气污染分布情况，与网格匹配后可确定每个网格的大气污染强度。
步骤S104、根据大气污染强度，将达到预设值的网格确定为热点网格。通过网格的大气污染强度，依据预先设定的规则，从划分的网格中选择出热点网格。
通过上述的方法，监管部门可对所监管的区域进行网格划分，通过卫星遥感数据确定出其中的热点网格，对热点网格进行重点监测，使得大气污染监测有针对性，提高监测效率。
上述对卫星遥感数据进行处理，获得网格的大气污染强度，包括：通过卫星遥感数据获得区域的大气污染参数分布；将区域的大气污染参数分布与区域的网格相匹配，获得网格的大气污染参数分布；通过网格的大气污染参数分布获得网格的大气污染强度。
可选地，通过卫星遥感数据获得区域的大气污染参数分布，包括：通过卫星遥感数据获得区域的PM2.5分布，将PM2.5分布作为区域的大气污染参数分布。以MODIS数据为例，具体流程为：
(1)对卫星遥感数据进行处理，得到气溶胶数据。对卫星遥感数据进行处理包括辐射定标、大气校正、影像拼接、裁剪等，获得气溶胶数据。
(2)对气溶胶数据进行处理，得到气溶胶厚度。基于气溶胶数据，利用扩展后的暗像元法得到气溶胶厚度。
(3)对气溶胶厚度进行处理，得到区域的PM2.5分布，将PM2.5分布作为区域的大气污染参数分布。根据气溶胶厚度，用统计方法计算得到区域的PM2.5分布。统计方法主要包括简单线性模型、多元线性回归模型、人工智能模型、广义加法模型等。得到的PM2.5分布可作为区域的大气污染参数分布。
另一种可选的方案中，通过卫星遥感数据获得区域的大气污染参数分布，包括：通过卫星遥感数据获得区域的SO2、NO2或O3浓度的分布，将SO2、NO2或O3浓度的分布作为区域的大气污染参数分布。基于OMI数据可以直接下载得到大气中SO2、NO2或O3浓度的分布。
通过上述的方法获得区域的大气污染参数分布后，将区域的大气污染参数分布与区域的网格相匹配，获得每个网格的大气污染参数分布。
可选地，通过网格的大气污染参数分布获得网格的大气污染强度，包括：对每个网格内的大气污染参数值分别求和，获得每个网格内的大气污染参数的总和值；将总和值作为网格的大气污染强度。
另一种方案中，通过网格的大气污染参数分布获得网格的大气污染强度，包括：对每个网格内的大气污染参数值求平均，获得平均值；将平均值作为网格的大气污染强度。
还可利用其他的统计值获得网格的大气污染强度，如根据网格的大气污染参数分布，通过对每个网格内的大气污染参数值求方差或标准差，将方差或标准差作为网格的大气污染强度。
获得网格的大气污染强度后，设定一预设值，将大气污染强度大于等于预设值的网格确定为热点网格。
另一种可实施的方案为，获得网格的大气污染强度后，根据大气污染强度的大小对各个网格进行排序，按照预设的比例值，将大气污染强度高的网格确定为热点网格。
本实施例基于卫星遥感数据确定大气污染热点网格的方法，将需要监测大气污染的区域划分为多个网格，基于区域的卫星遥感数据，确定其中的热点网格，将热点网格作为重点污染区域，可有侧重的进行监测，提高大气污染监测的效果，避免人力、财力的浪费。
本申请的实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现所述基于卫星遥感数据确定大气污染热点网格的方法。
本申请的实施例还提供一种计算机可读存储介质，其上存储有处理器程序,其中，该处理器程序用于执行上述基于卫星遥感数据确定大气污染热点网格的方法。
图2是本发明一个实施例的基于卫星遥感数据确定大气污染热点网格的装置的示意图。如图2所示，本实施例还提供一种基于卫星遥感数据确定大气污染热点网格的装置，包括：区域划分模块201、卫星遥感数据获取模块202、大气污染强度获得模块203、热点网格确定模块204。
区域划分模块201用于将需要监测的区域划分为多个网格。
卫星遥感数据获取模块202用于获取区域的卫星遥感数据。卫星遥感数据包括但不限于美国Terra、Aqua卫星上获取的MODIS数据和Aura卫星上获取的OMI数据，以及欧洲Sentinel数据和美国Landsat8数据，以及日本葵花八号Himawari-8卫星数据等卫星遥感影像数据。
大气污染强度获得模块203用于根据区域划分模块201划分的网格和卫星遥感数据获取模块202获取的卫星遥感数据，对卫星遥感数据进行处理，获得网格的大气污染强度。
热点网格确定模块204用于根据大气污染强度，将达到预设值的网格确定为热点网格。
可选地，大气污染强度获得模块203通过卫星遥感数据获得区域的大气污染参数分布；将区域的大气污染参数分布与区域的网格相匹配，获得网格的大气污染参数分布；通过网格的大气污染参数分布获得网格的大气污染强度。
大气污染强度获得模块203通过卫星遥感数据获得区域的大气污染参数分布，包括：对卫星遥感数据进行处理，得到气溶胶数据；对气溶胶数据进行处理，得到气溶胶厚度；对气溶胶厚度进行处理，得到区域的PM2.5分布，将PM2.5分布作为区域的大气污染参数分布。
另一种方案中，大气污染强度获得模块203通过卫星遥感数据获得区域的大气污染参数分布，包括：通过卫星遥感数据获得区域的SO2、NO2或O3浓度的分布，将SO2、NO2或O3浓度的分布作为区域的大气污染参数分布。
可选地，大气污染强度获得模块203通过网格的大气污染参数分布获得网格的大气污染强度，包括：对每个网格内的大气污染参数值求和，获得总和值；将总和值作为网格的大气污染强度。
另一种方案中，大气污染强度获得模块203通过网格的大气污染参数分布获得网格的大气污染强度，包括：对每个网格内的大气污染参数值求平均，获得平均值；将平均值作为网格的大气污染强度。
热点网格确定模块204设定一预设值，获得网格的大气污染强度后，将大气污染强度大于等于预设值的网格确定为热点网格。
另一种可实施的方案为，热点网格确定模块204获得网格的大气污染强度后，根据大气污染强度的大小对各个网格进行排序，按照预设的比例值，将大气污染强度高的网格确定为热点网格。
本申请的基于卫星遥感数据确定大气污染热点网格的方法及装置，将需要监测的区域划分为多个网格，通过卫星遥感数据确定其中污染较严重的热点网格，可对热点网格进行重点的、有针对性的监管，节约监管的资源；监测的对象不限于少数的企业，对小、散、乱的污染源也能起到监管的效果，还可避免对监测的人为干扰。
需要说明的是，以上参照附图所描述的各个实施例仅用以说明本发明而非限制本发明的范围，本领域的普通技术人员应当理解，在不脱离本发明的精神和范围的前提下对本发明进行的修改或者等同替换，均应涵盖在本发明的范围之内。此外，除上下文另有所指外，以单数形式出现的词包括复数形式，反之亦然。另外，除非特别说明，那么任何实施例的全部或一部分可结合任何其它实施例的全部或一部分来使用。
Claims (12)
1.一种基于卫星遥感数据确定大气污染热点网格的方法，其特征在于，包括：
将需要监测的区域划分为多个网格；
获取所述区域的卫星遥感数据；
对所述卫星遥感数据进行处理，获得所述网格的大气污染强度；
根据所述大气污染强度，将达到预设值的网格确定为热点网格。
2.根据权利要求1所述基于卫星遥感数据确定大气污染热点网格的方法，其特征在于，所述对所述卫星遥感数据进行处理，获得所述网格的大气污染强度，包括：
通过所述卫星遥感数据获得所述区域的大气污染参数分布；
将所述区域的大气污染参数分布与所述区域的网格相匹配，获得所述网格的大气污染参数分布；
通过所述网格的大气污染参数分布获得所述网格的大气污染强度。
3.根据权利要求2所述基于卫星遥感数据确定大气污染热点网格的方法，其特征在于，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：
对所述卫星遥感数据进行处理，得到气溶胶数据；
对所述气溶胶数据进行处理，得到气溶胶厚度；
对所述气溶胶厚度进行处理，得到所述区域的PM2.5分布，将所述PM2.5分布作为所述区域的大气污染参数分布。
4.根据权利要求2所述基于卫星遥感数据确定大气污染热点网格的方法，其特征在于，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：
通过所述卫星遥感数据获得所述区域的SO2、NO2或O3浓度的分布，将所述SO2、NO2或O3浓度的分布作为所述区域的大气污染参数分布。
5.根据权利要求2所述基于卫星遥感数据确定大气污染热点网格的方法，其特征在于，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：
对每个所述网格内的大气污染参数值求和，获得总和值；
将所述总和值作为所述网格的大气污染强度。
6.根据权利要求2所述基于卫星遥感数据确定大气污染热点网格的方法，其特征在于，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：
对每个所述网格内的大气污染参数值求平均，获得平均值；
将所述平均值作为所述网格的大气污染强度。
7.一种基于卫星遥感数据确定大气污染热点网格的装置，其特征在于，包括：
区域划分模块，将需要监测的区域划分为多个网格；
卫星遥感数据获取模块，获取所述区域的卫星遥感数据；
大气污染强度获得模块，对所述卫星遥感数据进行处理，获得所述网格的大气污染强度；
热点网格确定模块，根据所述大气污染强度，将达到预设值的网格确定为热点网格。
8.根据权利要求7所述基于卫星遥感数据确定大气污染热点网格的装置，其特征在于，所述大气污染强度获得模块通过所述卫星遥感数据获得所述区域的大气污染参数分布；将所述区域的大气污染参数分布与所述区域的网格相匹配，获得所述网格的大气污染参数分布；通过所述网格的大气污染参数分布获得所述网格的大气污染强度。
9.根据权利要求8所述基于卫星遥感数据确定大气污染热点网格的装置，其特征在于，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：
对所述卫星遥感数据进行处理，得到气溶胶数据；
对所述气溶胶数据进行处理，得到气溶胶厚度；
对所述气溶胶厚度进行处理，得到所述区域的PM2.5分布，将所述PM2.5分布作为所述区域的大气污染参数分布。
10.根据权利要求8所述基于卫星遥感数据确定大气污染热点网格的装置，其特征在于，所述通过所述卫星遥感数据获得所述区域的大气污染参数分布，包括：通过所述卫星遥感数据获得所述区域的SO2、NO2或O3浓度的分布，将所述SO2、NO2或O3浓度的分布作为所述区域的大气污染参数分布。
11.根据权利要求8所述基于卫星遥感数据确定大气污染热点网格的装置，其特征在于，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：对每个所述网格内的大气污染参数值求和，获得总和值；将所述总和值作为所述网格的大气污染强度。
12.根据权利要求8所述基于卫星遥感数据确定大气污染热点网格的装置，其特征在于，所述通过所述网格的大气污染参数分布获得所述网格的大气污染强度，包括：对每个所述网格内的大气污染参数值求平均，获得平均值；将所述平均值作为所述网格的大气污染强度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811374330.1A CN109490477A (zh) | 2018-11-19 | 2018-11-19 | 基于卫星遥感数据确定大气污染热点网格的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811374330.1A CN109490477A (zh) | 2018-11-19 | 2018-11-19 | 基于卫星遥感数据确定大气污染热点网格的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109490477A true CN109490477A (zh) | 2019-03-19 |
Family
ID=65696441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811374330.1A Pending CN109490477A (zh) | 2018-11-19 | 2018-11-19 | 基于卫星遥感数据确定大气污染热点网格的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109490477A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110501460A (zh) * | 2019-08-23 | 2019-11-26 | 成都星时代宇航科技有限公司 | 大气监测方法、装置及电子设备 |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN111598492A (zh) * | 2020-07-22 | 2020-08-28 | 北京英视睿达科技有限公司 | 污染物浓度的评估方法、评估装置及电子设备 |
| CN112034094A (zh) * | 2020-07-10 | 2020-12-04 | 海南星瞰信息咨询中心(有限合伙) | 一种污染源防治热点网格监管方法、系统 |
| CN113516327A (zh) * | 2020-04-10 | 2021-10-19 | 中国石油化工股份有限公司 | 石化企业污染监测预警评价方法、装置及系统 |
| CN117591619A (zh) * | 2023-11-23 | 2024-02-23 | 北京英视宇辰科技有限公司 | 污碳双高热点网格识别方法、系统、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102706876A (zh) * | 2012-04-28 | 2012-10-03 | 中国神华能源股份有限公司 | 固体污染源区域的监测方法和装置以及数据处理设备 |
| CN105608697A (zh) * | 2015-12-24 | 2016-05-25 | 电子科技大学 | 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法 |
| CN105678085A (zh) * | 2016-01-12 | 2016-06-15 | 环境保护部卫星环境应用中心 | 一种pm2.5浓度的估算方法及系统 |
| CN106442236A (zh) * | 2015-07-30 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于卫星遥感的地面pm2.5反演方法及系统 |
| CN107340364A (zh) * | 2017-05-31 | 2017-11-10 | 北京市环境保护监测中心 | 基于海量大气污染浓度数据的污染空间分析方法及装置 |
-
2018
- 2018-11-19 CN CN201811374330.1A patent/CN109490477A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102706876A (zh) * | 2012-04-28 | 2012-10-03 | 中国神华能源股份有限公司 | 固体污染源区域的监测方法和装置以及数据处理设备 |
| CN106442236A (zh) * | 2015-07-30 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于卫星遥感的地面pm2.5反演方法及系统 |
| CN105608697A (zh) * | 2015-12-24 | 2016-05-25 | 电子科技大学 | 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法 |
| US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
| CN105678085A (zh) * | 2016-01-12 | 2016-06-15 | 环境保护部卫星环境应用中心 | 一种pm2.5浓度的估算方法及系统 |
| CN107340364A (zh) * | 2017-05-31 | 2017-11-10 | 北京市环境保护监测中心 | 基于海量大气污染浓度数据的污染空间分析方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 刘德培: "中华医学百科全书公共卫生学环境卫生", 中国协和医科大学出版社, pages: 452 * |
| 陈辉 等: "大气环境热点网格遥感筛选方法研究", 中国环境科学, vol. 38, no. 7, pages 2461 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110501460A (zh) * | 2019-08-23 | 2019-11-26 | 成都星时代宇航科技有限公司 | 大气监测方法、装置及电子设备 |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN110954482B (zh) * | 2019-12-02 | 2020-12-15 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| CN113516327A (zh) * | 2020-04-10 | 2021-10-19 | 中国石油化工股份有限公司 | 石化企业污染监测预警评价方法、装置及系统 |
| CN112034094A (zh) * | 2020-07-10 | 2020-12-04 | 海南星瞰信息咨询中心(有限合伙) | 一种污染源防治热点网格监管方法、系统 |
| CN111598492A (zh) * | 2020-07-22 | 2020-08-28 | 北京英视睿达科技有限公司 | 污染物浓度的评估方法、评估装置及电子设备 |
| CN111598492B (zh) * | 2020-07-22 | 2021-01-08 | 北京英视睿达科技有限公司 | 污染物浓度的评估方法、评估装置及电子设备 |
| CN117591619A (zh) * | 2023-11-23 | 2024-02-23 | 北京英视宇辰科技有限公司 | 污碳双高热点网格识别方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109490477A (zh) | 基于卫星遥感数据确定大气污染热点网格的方法及装置 | |
| Agarwal et al. | Air quality forecasting using artificial neural networks with real time dynamic error correction in highly polluted regions | |
| Bevacqua et al. | Precipitation trends determine future occurrences of compound hot–dry events | |
| Kane et al. | Soil organic matter protects US maize yields and lowers crop insurance payouts under drought | |
| Fernando et al. | Forecasting PM10 in metropolitan areas: Efficacy of neural networks | |
| Giner-Santonja et al. | The application of the analytic network process to the assessment of best available techniques | |
| Penman et al. | Reducing wildfire risk to urban developments: Simulation of cost-effective fuel treatment solutions in south eastern Australia | |
| Huang et al. | Green and sustainable remediation (GSR) evaluation: framework, standards, and tool. A case study in Taiwan | |
| Waite | Land reuse in support of renewable energy development | |
| KR101745567B1 (ko) | 건설물의 친환경 가치공학 의사 분석 시스템 및 그 방법 | |
| Ataei et al. | Analysis of farmers’ environmental sustainability behavior: the use of norm activation theory (a sample from Iran) | |
| Taghikhah et al. | Artificial intelligence and sustainability: solutions to social and environmental challenges | |
| Thompson et al. | The science and opportunity of wildfire risk assessment | |
| Alimul Haque et al. | Potential applications of the Internet of Things in sustainable rural development in India | |
| Yuzhen | RETRACTED ARTICLE: Research on smart agricultural waste discharge supervision and prevention based on big data technology | |
| Jeffrey et al. | Innovative AI Solutions for Agriculture: Enhancing CropManagement and Yield | |
| Zhao et al. | Predicting future distributions and dispersal pathways for precautionary management of human-raccoon dog conflicts in metropolitan landscapes | |
| Russoa et al. | Simulating the wildfire in Rhodes in 2008 with a cellular automata model | |
| Khatibi et al. | Developing a predictive tropospheric ozone model for Tabriz | |
| Ngo et al. | Management and monitoring of air and water pollution by using GIS technology | |
| CN109583725A (zh) | 基于灯光确定大气污染热点网格的方法及装置 | |
| Zhao et al. | Ecological risk assessment of China's freshwater ecosystems applying the relative risk model: toward an ecosystem-based water management in China | |
| Šećerov et al. | Achieving high reliability in data acquisition | |
| Tang et al. | Canadian power stations and the National Pollutant Release Inventory (NPRI): a success story for pollution intensity? | |
| Liu | Food safety regulation in perspective of environmental sustainability |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant after: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. Address before: 100029 North Ring Center 1202, 18 Yumin Road, Xicheng District, Beijing Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |