CN109507367A - 确定大气污染物精细化分布的方法及装置 - Google Patents
确定大气污染物精细化分布的方法及装置 Download PDFInfo
- Publication number
- CN109507367A CN109507367A CN201811300230.4A CN201811300230A CN109507367A CN 109507367 A CN109507367 A CN 109507367A CN 201811300230 A CN201811300230 A CN 201811300230A CN 109507367 A CN109507367 A CN 109507367A
- Authority
- CN
- China
- Prior art keywords
- point
- interpolation
- current
- pollutant concentration
- concentration data
- 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 41
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 191
- 231100000719 pollutant Toxicity 0.000 claims abstract description 191
- 238000012806 monitoring device Methods 0.000 claims description 36
- 238000011109 contamination Methods 0.000 claims description 35
- 235000013399 edible fruits Nutrition 0.000 claims description 7
- 239000004744 fabric Substances 0.000 claims description 2
- 239000000470 constituent Substances 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- -1 CO) Chemical compound 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
-
- 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
-
- 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
- G01N33/0068—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 using a computer specifically programmed
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Dispersion Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种确定大气污染物精细化分布的方法,包括:获取第一区域中的各网格中的第一点位和第二点位的当前以及当前之前的污染物浓度数据;确定各网格中的大气污染物运动方向;通过多种插值模型得到各网格的污染物浓度的原始空间分布;对各网格的污染物浓度的原始空间分布进行验证,从多种插值模型中确定目标插值模型;根据当前的插值结果、当前之前的插值结果、第一点位和第二点位的当前以及当前之前的污染物浓度数据和大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布;根据各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。由此,提高了污染物浓度数据的精度。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种确定大气污染物精细化分布的方法及装置。
背景技术
大气污染对气候的影响很大,大气污染排放的污染物对局部地区和全球气候都会产生一定影响,犹其对全球气候的影响,从长远的观点看,这种影响将是很严重的。因而对人体健康和大气环境质量的影响更大。大气污染物,指由于人类活动或自然过程排入大气的并对人和环境产生有害影响的那些物质。在干洁的大气中,恒量气体的组成是微不足道的。但是在一定范围的大气中,出现了原来没有的微量物质,其数量和持续时间,都有可能对人、动物、植物及物品、材料产生不利影响和危害。当大气中污染物质的浓度达到有害程度,会破坏生态系统和人类正常生存和发展的条件,大气污染物的治理是不可忽视的,我们需要准确掌握在区域大气环境中的空间分布情况,有针对性的制定策略,为环境的有效治理提供支持。
目前一种方式是利用卫星遥感反演的气溶胶光学厚度(Aerosol Optical Depth,AOD)估算地面大气污染物浓度,但是此种方法,由于是通过高空反演无法高分辨率的估算大气污染物浓度,空间精度比较差。第二种方法是固定监测站点插值的方法,插值是在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点,且插值模型较为单一,不同原理的插值模型并没有严格优劣之分,但是与离散测值的时空分布特征有关,单一的插值模型使得插值结果与地面监测站误差比较大。
发明内容
本发明实施例的目的是针对现有技术中存在的缺陷,提供一种确定大气污染物精细化分布的方法及装置,以解决现有技术中存在的问题。
第一方面,本发明提供了一种确定大气污染物精细化分布的方法,所述确定大气污染物精细化分布的方法包括:
获取第一区域中的各网格中的第一点位和第二点位的当前污染物浓度数据以及当前之前的污染物浓度数据;
根据所述第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向;
根据所述第一点位和第二点位的污染物浓度数据,通过多种插值模型得到各网格的污染物浓度的原始空间分布;
根据所述原始空间分布,从多种插值模型中确定目标插值模型;
根据所述目标插值模型,确定除第一点位和第二点位所在的网格外,其它网格在当前的插值结果以及当前之前的插值结果;
根据所述当前的插值结果、所述当前之前的插值结果、所述第一点位的当前污染物浓度数据、所述第一点位的当前之前的污染物浓度数据、所述第二点位的当前污染物浓度数据、所述第二点位的当前之前的污染物浓度数据和所述大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布;
根据所述各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。
在一种可能的实现方式中,所述方法之前还包括:
对第一区域进行划分,生成多个网格;
在所述多个网格中的各网格中设置两个监测设备;
确定所述监测设备采集的污染物浓度数据大的为第一点位;
确定所述监测设备采集的污染物浓度数据小的为第二点位。
在一种可能的实现方式中,所述根据所述第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向,具体包括:
在所述第一点位和所述第二点位间连线;
所述连线的箭头方向为从两个点位中污染物浓度数据大的点位至污染物浓度数据小的点位;所述箭头方向为大气污染物运动方向。
在一种可能的实现方式中,所述对所述各网格的污染物浓度的原始空间分布进行验证,从多种插值模型中确定目标插值模型,具体包括:
根据所述多种插值模型的原始空间分布,确定在第一插值模型下,各网格中多个点位的污染物浓度数据;
根据第一模型下,各网格中多个点位的污染物浓度数据,确定所述多个点位的污染物浓度数据的第一平均误差;
对所述第一平均误差至第n平均误差进行比较;所述第n平均误差和第n插值模型对应;
确定所述第一平均误差至第n平均误差中的数值最小的平均误差对应的插值模型为目标插值模型。
在一种可能的实现方式中,所述根据所述当前的插值结果、所述第一点位的当前污染物浓度数据、所述第一点位的当前之前的污染物浓度数据、所述第二点位的当前污染物浓度数据、所述第二点位的当前之前的污染物浓度数据、所述当前之前的插值结果和所述大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布,具体包括:
确定各网格的插值点;
根据所述插值点与所述第一点位和所述第二点位的距离,对所述插值点进行分类,生成分类结果;
根据所述分类结果,确定第一类型插值点、第二类型插值点和其它插值点;所述第一类型插值点为与所述第一点位的距离不大于预设的第一距离阈值的插值点,所述第二类型插值点为与所述第二点位的距离不大于预设的第二距离阈值的插值点;
根据所述目标插值模型,所述第一点位和第二点位分别在当前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点当前的插值结果;
根据所述目标插值模型,所述第一点位和第二点位分别在当前之前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点在当前之前的插值结果;
当所述第一类型插值点在当前之前的插值结果小于在当前的插值结果时,对所述第一类型插值点在当前的插值结果设置第一权重,对所述第一类型插值点在当前之前的插值结果设置第二权重;
根据所述第一类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第一类型插值点的目标插值结果;
当所述第二类型插值点在当前之前的插值结果大于当前的插值结果时,对所述第二类型插值点在当前的插值结果设置第二权重,对所述第二类型插值点在当前之前的插值结果设置第一权重;
根据所述第二类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第二类型插值点的目标插值结果;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,插值得到其它插值点的当前污染物浓度数据;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,所述其它插值点的当前污染物浓度数据以及所述大气污染物运动方向,确定各网格的污染物浓度的目标空间分布。
第二方面,本发明提供了一种确定大气污染物精细化分布的装置,所述确定大气污染物精细化分布的装置包括:
获取单元,所述获取单元用于获取第一区域中的各网格中的第一点位和第二点位的当前污染物浓度数据以及当前之前的污染物浓度数据;
确定单元,所述确定单元用于根据所述第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向;
所述获取单元还用于,根据所述第一点位和第二点位的污染物浓度数据,通过多种插值模型得到各网格的污染物浓度的原始空间分布;
所述确定单元还用于,根据所述原始空间分布,从多种插值模型中确定目标插值模型;
所述确定单元还用于,根据所述目标插值模型,确定除第一点位和第二点位所在的网格外,其它网格在当前的插值结果以及当前之前的插值结果;
所述确定单元还用于,根据所述当前的插值结果、所述第一点位的当前污染物浓度数据、所述第一点位的当前之前的污染物浓度数据、所述第二点位的当前污染物浓度数据、所述第二点位的当前之前的污染物浓度数据、所述当前之前的插值结果和所述大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布;
所述确定单元还用于,根据所述各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。
在一种可能的实现方式中,所述装置还包括:
划分单元,所述划分单元用于对第一区域进行划分,生成多个网格;
设置单元,所述设置单元用于在所述多个网格中的各网格中设置两个监测设备;
所述确定单元还用于,确定所述监测设备采集的污染物浓度数据大的为第一点位;
所述确定单元还用于,确定所述监测设备采集的污染物浓度数据小的为第二点位。
在一种可能的实现方式中,所述确定单元具体用于:
在所述第一点位和所述第二点位间连线;
所述连线的箭头方向为从两个点位中污染物浓度数据大的点位至污染物浓度数据小的点位;所述箭头方向为大气污染物运动方向。
在一种可能的实现方式中,所述确定单元具体用于:
根据所述多种插值模型的原始空间分布,确定在第一插值模型下,各网格中多个点位的污染物浓度数据;
根据第一模型下,各网格中多个点位的污染物浓度数据,确定所述多个点位的污染物浓度数据的第一平均误差;
对所述第一平均误差至第n平均误差进行比较;所述第n平均误差和第n插值模型对应;
确定所述第一平均误差至第n平均误差中的数值最小的平均误差对应的插值模型为目标插值模型。
在一种可能的实现方式中,所述确定单元具体用于:
确定各网格的插值点;
根据所述插值点与所述第一点位和所述第二点位的距离,对所述插值点进行分类,生成分类结果;
根据所述分类结果,确定第一类型插值点、第二类型插值点和其它插值点;所述第一类型插值点为与所述第一点位的距离不大于预设的第一距离阈值的插值点,所述第二类型插值点为与所述第二点位的距离不大于预设的第二距离阈值的插值点;
根据所述目标插值模型,所述第一点位和第二点位分别在当前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点当前的插值结果;
根据所述目标插值模型,所述第一点位和第二点位分别在当前之前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点在当前之前的插值结果;
当所述第一类型插值点在当前之前的插值结果小于在当前的插值结果时,对所述第一类型插值点在当前的插值结果设置第一权重,对所述第一类型插值点在当前之前的插值结果设置第二权重;
根据所述第一类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第一类型插值点的目标插值结果;
当所述第二类型插值点在当前之前的插值结果大于当前的插值结果时,对所述第二类型插值点在当前的插值结果设置第二权重,对所述第二类型插值点在当前之前的插值结果设置第一权重;
根据所述第二类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第二类型插值点的目标插值结果;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,插值得到其它插值点的当前污染物浓度数据;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,所述其它插值点的当前污染物浓度数据以及所述大气污染物运动方向,确定各网格的污染物浓度的目标空间分布。
第三方面,本发明提供了一种设备,包括存储器和处理器,所述存储器用于存储程序,所述处理器用于执行第一方面任一所述的方法。
第四方面,本发明提供了一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面任一所述的方法。
第五方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一所述的方法。
通过应用本发明实施例提供的确定大气污染物空间精细化分布的方法,大大降低了污染物浓度数据的误差,提高了污染物浓度数据的精度。
附图说明
图1为本发明实施例一提供的确定大气污染物空间精细化分布的方法流程示意图;
图2为本发明实施例二提供的确定大气污染物空间精细化分布的装置结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了便于更好的对本申请所涉及的方法进行说明,下面首先对“点位”进行说明。
点位即网格化监测设备在地图上的位置。
网格化监测设备即指采用光散射的检测方法,体积小、重量轻,用于连续自动监测环境空气中污染物状况的设备。
为达到区域大气污染防治精细化管理的目的,根据不同监控需求及环境特征将目标区域分为不同的网格进行点位布设,对各网格中相关污染物浓度进行实时监测,称为网格化监测。城市网格化监管工作所划分的重点污染区域称为“热点网格”。高密度的网格化监测网络应在区域内合理布设各类功能性监测点位,能够反映重点污染区域的空气质量变化,满足区域环境空气监视的需求,客观评价重点污染区域的空气质量。
可以根据当地污染物扩散、迁移及转化规律,评估污染物分布状况,结合资源和经济的可行性,确定合理监测点位,使所获得的数据有代表性。
图1为本发明实施例一提供的确定大气污染物空间精细化分布的方法流程示意图。该方法的执行主体可以是具体计算功能的设备,比如,计算机、手机或者确定大气污染物空间精细化分布的装置等,该计算机、手机或者确定大气污染物空间精细化分布的装置可以与网格化监测设备相连接,该连接可以通过无线或有线通信的方式进行,本申请对此并不限定。
本申请中涉及到的监测设备,为网格化监测设备,该网格化监测设备可以获取到多种污染物中的每一种污染物的浓度数据。
示例而非限定,污染物可以是细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化氮(Nitrogen dioxide,NO2)、二氧化硫(Sulfur dioxide,SO2)、一氧化碳(Carbon monoxide,CO)、臭氧(Ozone,O3)和总挥发性有机化合物(Total Volatile Organic Compounds,TVOC)中的任意一种或其任意组合。可以理解的是,在后续的研究中,污染物可以是上述污染物的任意组合,可以通过归一法对不同污染物的单位进行处理,由此,得到归一化的污染物浓度数据。
如图1所示,该方法包括以下步骤:
步骤110,获取第一区域中的各网格中的第一点位和第二点位的当前污染物浓度数据以及当前之前的污染物浓度数据。
其中,步骤110之前还包括:
对第一区域进行划分,生成多个网格;
在多个网格中的各网格中设置两个监测设备;
确定监测设备采集的污染物浓度数据大的为第一点位;
确定监测设备采集的污染物浓度数据小的为第二点位。
具体的,对第一区域进行划分,比如,第一区域的面积为10km*10km,可以将第一区域划分为1km*1km的网格,由此,得到了100个网格。在各个网格中,设置两个监测设备,两个监测设备在每一时刻,都可以得到两个当前时刻的污染物浓度数据,可以将污染物浓度数据大的监测设备所在的位置称为第一点位,将污染物浓度数据小的监测设备所在的位置称为第二点位。
可以理解的是,对于每一时刻获得的污染物浓度数据,可以进行异常数据剔除,只保留有效数据,以减少数据量,并便于后续进行大气污染物运动方向的确定。
在一个示例中,为了避免无效数据,还可以在各网格中设置第三点位。由此,在第一区域构建了高密度的监测设备。
步骤120,根据第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向。
具体的,步骤120包括以下步骤:
在第一点位和第二点位间连线;
连线的箭头方向为从两个点位中污染物浓度数据大的点位至污染物浓度数据小的点位;箭头方向为大气污染物运动方向。
在一个示例中,在某一时刻,第一点位的污染物浓度数据大于第二点位的污染物浓度数据,则大气污染物运动方向为从第一点位指向第二点位的方向。
步骤130,根据第一点位和第二点位的污染物浓度数据,通过多种插值模型得到各网格的污染物浓度的原始空间分布。
其中,多种插值模型可以包括最反距离加权法、样条插值法、克里金法、离散平滑插值法、趋势面光滑插值法等。
通过每种插值模型,可以得到该模型下的污染物浓度的原始空间分布。
其中,空间分布即为面数据,该面数据结合了位置信息和气象数据,通过空间分布,可以反应出各网格中每一个点位的污染物浓度数据。
步骤140,根据原始空间分布,从多种插值模型中确定目标插值模型。
具体的,步骤140包括以下步骤:
首先,根据多种插值模型的原始空间分布,确定在第一插值模型下,各网格中多个点位的污染物浓度数据;
然后,根据第一模型下,各网格中多个点位的污染物浓度数据,确定多个点位的污染物浓度数据的第一平均误差;
接着,对第一平均误差至第n平均误差进行比较;第n平均误差和第n插值模型对应;
最后,确定第一平均误差至第n平均误差中的数值最小的平均误差对应的插值模型为目标插值模型。
在一个示例中,有四种插值模型,分别为第一至第四插值模型,通过每种插值模型的空间分布,可以得到每个点位的污染物浓度数据,对该些污染物浓度数据求取平均误差后,可以得到第一至第四平均误差,对该些平均误差进行比较,取平均误差最小的插值模型为目标插值模型,比如平均误差按照从大到小,依次为第一、第二、第三、第四,则第四平均误差对应的第四插值模型为目标插值模型。
步骤150,根据目标插值模型,确定除第一点位和第二点位所在的网格外,其它网格在当前的插值结果以及当前之前的插值结果。
具体的,可以通过插值模型,对当前各网格中第一点位的污染物浓度数据和第二点位的污染物浓度数据进行插值,得到各网格的当前污染物插值浓度,同理,可以得到各网格的当前之前的污染物插值浓度。其中,当前可以是当前时刻,比如,当前时刻可以是12:00-13:00,当前之前可以是11:00-12:00。
可以理解的是,比如,在12:00-13:00内,第一点位的监测设备可以是1小时读取60个数据,过滤掉其中的无效数据后,取剩余数据的均值,可以作为第一点位的污染物浓度数据,同理,可以得到第二点位的污染物浓度数据。
步骤160,根据当前的插值结果、第一点位的当前污染物浓度数据、第一点位的当前之前的污染物浓度数据、第二点位的当前污染物浓度数据、第二点位的当前之前的污染物浓度数据、当前之前的插值结果和大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布。
具体的,步骤160包括以下步骤:
首先,确定各网格的插值点。
在一个示例中,可以对网格进行划分,比如,将1km*1km的网格,划分为200m*200m的子网格,得到25个子网格,这些25个子网格中,除过第一点位和第二点位所在的子网格,其余子网格中,每个子网格可以包括一个插值点。
然后,根据插值点与第一点位和第二点位的距离,对插值点进行分类,生成分类结果。
接着,根据分类结果,确定第一类型插值点、第二类型插值点和其它插值点;第一类型插值点为与第一点位的距离不大于预设的第一距离阈值的插值点,第二类型插值点为与第二点位的距离不大于预设的第二距离阈值的插值点。
其中,可以根据插值点分别与第一点位、第二点位的距离,对插值点进行分类,比如,第一点位和第二点位的距离为600m,根据第一点位和第二点位的距离,设置第一距离阈值和第二距离阈值,比如预设的第一距离阈值和第二距离阈值都为300m,则和第一点位的距离小于300m的插值点,为第一类型插值点,和第二点位的距离小于300m的插值点,为第二类型插值点。
接着,根据目标插值模型,第一点位和第二点位分别在当前的污染物浓度数据,获取第一类型插值点、第二类型插值点当前的插值结果。
接着,根据目标插值模型,第一点位和第二点位分别在当前之前的污染物浓度数据,获取第一类型插值点、第二类型插值点在当前之前的插值结果。
其中,可以通过第一点位的当前污染物浓度数据、第二点位的当前污染物浓度数据,通过目标插值模型进行插值,得到第一类型插值点和第二类型插值点的当前插值结果。同理,可以得到第一类型插值点和第二类型插值点在当前之前的插值结果。
接着,当第一类型插值点在当前之前的插值结果小于当前的插值结果时,对第一类型插值点在当前的插值结果设置第一权重,对第一类型插值点在当前之前的插值结果设置第二权重。
接着,根据第一类型插值点分别在当前和当前之前的插值结果、第一权重和第二权重,确定第一类型插值点的目标插值结果;
在一个示例中,第一权重可以是0.1,第二权重可以是0.9,则将第一类型插值点当前的插值结果乘以第一权重,当前之前的插值结果乘以第二权重,相加后可以得到第一类型插值点的目标插值结果。
接着,根据目标插值模型,第一点位和第二点位分别在当前和当前之前的污染物浓度数据,获取第二类型插值点分别在当前和当前之前的插值结果;
接着,当第二类型插值点在当前之前的插值结果大于当前的插值结果时,对第二类型插值点在当前的插值结果设置第二权重,对第二类型插值点在当前之前的插值结果设置第一权重。
接着,根据第二类型插值点分别在当前的插值结果和当前之前的插值结果、第一权重和第二权重,确定第二类型插值点的目标插值结果。
和上述例子相似,可以确定第二类型插值点的目标插值结果。
接着,根据第一类型插值点的目标插值结果、第二类型插值点的目标插值结果、第一点位、第二点位在当前的污染物浓度数据,插值得到其它插值点的当前污染物浓度数据。
具体的,可以利用第一类型插值点的目标插值结果、第二类型插值点的目标插值结果、第一点位、第二点位在当前的污染物浓度数据,通过目标插值模型,得到其它插值点的当前污染物浓度数据。
最后,根据第一类型插值点的目标插值结果、第二类型插值点的目标插值结果、第一点位、第二点位在当前的污染物浓度数据,其它插值点的当前污染物浓度数据以及大气污染物运动方向,确定各网格的污染物浓度的目标空间分布。
步骤170,根据各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。
具体的,在上述步骤中,在一个示例中,监测设备在布设时,其布设的位置信息已经和设备ID、相关联,并上传到服务器中。该监测设备布设的位置信息可以是经纬度数据。对第一区域进行网格划分后,可以得到每个网格的位置信息,网格的位置信息可以是经纬度数据,包括左上经纬度数据、左下经纬度数据、右上经纬度数据、右下经纬度数据和中间经纬度数据。
在另一个示例中,可以在监测设备上,集成全球定位系统(Global PositioningSystem,GPS)等定位设备,从而可以获取到监测设备的位置信息,该设备ID、GPS的标识已经预先关联好,通过将GPS获取的第一监测设备的位置信息上传到服务器,进行查找后,可以获得该行政单元的位置信息。
在生成空间分布时,将网格的位置信息、监测设备的位置信息映射到地图上,然后将上述位置信息和第一区域的气象数据,都可以结合在第一区域的污染物浓度的空间分布中,通过第一区域的污染物浓度的空间分布,可以判断出各点位的污染水平,从而反映出污染较重的点位。
由此,通过应用本发明实施例提供的确定大气污染物空间精细化分布的方法,大大降低了污染物浓度数据的误差,提高了污染物浓度数据的精度。
图2为本发明实施例二提供的确定大气污染物空间精细化分布的装置结构示意图。该确定大气污染物空间精细化分布的装置200可以应用在确定大气污染物空间精细化分布的方法中,如图2所示,该确定大气污染物空间精细化分布的装置200包括:获取单元210、确定单元220。
获取单元210用于获取第一区域中的各网格中的第一点位和第二点位的当前污染物浓度数据以及当前之前的污染物浓度数据;
确定单元220用于根据第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向;
获取单元210还用于,根据第一点位和第二点位的污染物浓度数据,通过多种插值模型得到各网格的污染物浓度的原始空间分布;
确定单元220还用于,根据原始空间分布,从多种插值模型中确定目标插值模型;
确定单元220还用于,根据目标插值模型,确定除第一点位和第二点位所在的网格外,其网格在当前的插值结果以及当前之前的插值结果;
确定单元220还用于,根据当前的插值结果、第一点位的当前污染物浓度数据、第一点位的当前之前的污染物浓度数据、第二点位的当前污染物浓度数据、第二点位的当前之前的污染物浓度数据、当前之前的插值结果和大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布;
确定单元220还用于,根据各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。
进一步的,装置还包括:划分单元230和设置单元240。
划分单元230用于对第一区域进行划分,生成多个网格;
设置单元240用于在多个网格中的各网格中设置两个监测设备;
确定单元220还用于,确定监测设备采集的污染物浓度数据大的为第一点位;
确定单元220还用于,确定监测设备采集的污染物浓度数据小的为第二点位。
进一步的,确定单元220具体用于:
在第一点位和第二点位间连线;
连线的箭头方向为从两个点位中污染物浓度数据大的点位至污染物浓度数据小的点位;箭头方向为大气污染物运动方向。
进一步的,确定单元220具体用于:
根据多种插值模型的原始空间分布,确定在第一插值模型下,各网格中多个点位的污染物浓度数据;
根据第一模型下,各网格中多个点位的污染物浓度数据,确定多个点位的污染物浓度数据的第一平均误差;
对第一平均误差至第n平均误差进行比较;第n平均误差和第n插值模型对应;
确定第一平均误差至第n平均误差中的数值最小的平均误差对应的插值模型为目标插值模型。进一步的,确定单元220具体用于:
确定各网格的插值点;
根据插值点与第一点位和第二点位的距离,对插值点进行分类,生成分类结果;
根据分类结果,确定第一类型插值点、第二类型插值点和其它插值点;第一类型插值点为与第一点位的距离不大于预设的第一距离阈值的插值点,第二类型插值点为与第二点位的距离不大于预设的第二距离阈值的插值点;
根据目标插值模型,第一点位和第二点位分别在当前的污染物浓度数据,获取第一类型插值点、第二类型插值点当前的插值结果;
根据目标插值模型,第一点位和第二点位分别在当前之前的污染物浓度数据,获取第一类型插值点、第二类型插值点在当前之前的插值结果;
当第一类型插值点在当前之前的插值结果小于在当前的插值结果时,对第一类型插值点在当前的插值结果设置第一权重,对第一类型插值点在当前之前的插值结果设置第二权重;
根据第一类型插值点分别在当前和当前之前的插值结果、第一权重和第二权重,确定第一类型插值点的目标插值结果;
当第二类型插值点在当前之前的插值结果大于当前的插值结果时,对第二类型插值点在当前的插值结果设置第二权重,对第二类型插值点在当前之前的插值结果设置第一权重;
根据第二类型插值点分别在当前和当前之前的插值结果、第一权重和第二权重,确定第二类型插值点的目标插值结果;
根据第一类型插值点的目标插值结果、第二类型插值点的目标插值结果、第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,插值得到其它插值点的当前污染物浓度数据;
根据第一类型插值点的目标插值结果、第二类型插值点的目标插值结果、第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,其它插值点的当前污染物浓度数据以及大气污染物运动方向,确定各网格的污染物浓度的目标空间分布。
由此,通过应用本发明实施例提供的确定大气污染物空间精细化分布的装置,大大降低了污染物浓度数据的误差,提高了污染物浓度数据的精度。
本发明实施例三提供了一种设备,包括存储器和处理器,存储器用于存储程序,存储器可通过总线与处理器连接。存储器可以是非易失存储器,例如硬盘驱动器和闪存,存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能;设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序,该软件程序被执行时,能够实现本发明实施例提供的方法。
本发明实施例四提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行本发明实施例一提供的方法。
本发明实施例五提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现本发明实施例一提供的方法。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种确定大气污染物精细化分布的方法,其特征在于,所述确定大气污染物精细化分布的方法包括:
获取第一区域中的各网格中的第一点位和第二点位的当前污染物浓度数据以及当前之前的污染物浓度数据;
根据所述第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向;
根据所述第一点位和第二点位的污染物浓度数据,通过多种插值模型得到各网格的污染物浓度的原始空间分布;
根据所述原始空间分布,从多种插值模型中确定目标插值模型;
根据所述目标插值模型,确定除第一点位和第二点位所在的网格外,其它网格在当前的插值结果以及当前之前的插值结果;
根据所述当前的插值结果、所述当前之前的插值结果、所述第一点位的当前污染物浓度数据、所述第一点位的当前之前的污染物浓度数据、所述第二点位的当前污染物浓度数据、所述第二点位的当前之前的污染物浓度数据和所述大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布;
根据所述各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。
2.根据权利要求1所述的确定大气污染物空间精细化分布的方法,其特征在于,所述方法之前还包括:
对第一区域进行划分,生成多个网格;
在所述多个网格中的各网格中设置两个监测设备;
确定所述监测设备采集的污染物浓度数据大的为第一点位;
确定所述监测设备采集的污染物浓度数据小的为第二点位。
3.根据权利要求1所述的确定大气污染物精细化分布的方法,其特征在于,所述根据所述第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向,具体包括:
在所述第一点位和所述第二点位间连线;
所述连线的箭头方向为从两个点位中污染物浓度数据大的点位至污染物浓度数据小的点位;所述箭头方向为大气污染物运动方向。
4.根据权利要求1所述的确定大气污染物精细化分布的方法,其特征在于,所述对所述各网格的污染物浓度的原始空间分布进行验证,从多种插值模型中确定目标插值模型,具体包括:
根据所述多种插值模型的原始空间分布,确定在第一插值模型下,各网格中多个点位的污染物浓度数据;
根据第一模型下,各网格中多个点位的污染物浓度数据,确定所述多个点位的污染物浓度数据的第一平均误差;
对所述第一平均误差至第n平均误差进行比较;所述第n平均误差和第n插值模型对应;
确定所述第一平均误差至第n平均误差中的数值最小的平均误差对应的插值模型为目标插值模型。
5.根据权利要求1所述的确定大气污染物精细化分布的方法,其特征在于,所述根据所述当前的插值结果、所述第一点位的当前污染物浓度数据、所述第一点位的当前之前的污染物浓度数据、所述第二点位的当前污染物浓度数据、所述第二点位的当前之前的污染物浓度数据、所述当前之前的插值结果和所述大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布,具体包括:
确定各网格的插值点;
根据所述插值点与所述第一点位和所述第二点位的距离,对所述插值点进行分类,生成分类结果;
根据所述分类结果,确定第一类型插值点、第二类型插值点和其它插值点;所述第一类型插值点为与所述第一点位的距离不大于预设的第一距离阈值的插值点,所述第二类型插值点为与所述第二点位的距离不大于预设的第二距离阈值的插值点;
根据所述目标插值模型,所述第一点位和第二点位分别在当前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点当前的插值结果;
根据所述目标插值模型,所述第一点位和第二点位分别在当前之前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点在当前之前的插值结果;
当所述第一类型插值点在当前之前的插值结果小于在当前的插值结果时,对所述第一类型插值点在当前的插值结果设置第一权重,对所述第一类型插值点在当前之前的插值结果设置第二权重;
根据所述第一类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第一类型插值点的目标插值结果;
当所述第二类型插值点在当前之前的插值结果大于当前的插值结果时,对所述第二类型插值点在当前的插值结果设置第二权重,对所述第二类型插值点在当前之前的插值结果设置第一权重;
根据所述第二类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第二类型插值点的目标插值结果;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,插值得到其它插值点的当前污染物浓度数据;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,所述其它插值点的当前污染物浓度数据以及所述大气污染物运动方向,确定各网格的污染物浓度的目标空间分布。
6.一种确定大气污染物精细化分布的装置,其特征在于,所述确定大气污染物精细化分布的装置包括:
获取单元,所述获取单元用于获取第一区域中的各网格中的第一点位和第二点位的当前污染物浓度数据以及当前之前的污染物浓度数据;
确定单元,所述确定单元用于根据所述第一点位和第二点位的污染物浓度数据,确定各网格中的大气污染物运动方向;
所述获取单元还用于,根据所述第一点位和第二点位的污染物浓度数据,通过多种插值模型得到各网格的污染物浓度的原始空间分布;
所述确定单元还用于,根据所述原始空间分布,从多种插值模型中确定目标插值模型;
所述确定单元还用于,根据所述目标插值模型,确定除第一点位和第二点位所在的网格外,其它网格在当前的插值结果以及当前之前的插值结果;
所述确定单元还用于,根据所述当前的插值结果、所述第一点位的当前污染物浓度数据、所述第一点位的当前之前的污染物浓度数据、所述第二点位的当前污染物浓度数据、所述第二点位的当前之前的污染物浓度数据、所述当前之前的插值结果和所述大气污染物运动方向,通过目标插值模型,确定各网格的污染物浓度的目标空间分布;
所述确定单元还用于,根据所述各网格的污染物浓度的目标空间分布,确定第一区域的污染物浓度的空间分布。
7.根据权利要求6所述的确定大气污染物空间精细化分布的装置,其特征在于,所述装置还包括:
划分单元,所述划分单元用于对第一区域进行划分,生成多个网格;
设置单元,所述设置单元用于在所述多个网格中的各网格中设置两个监测设备;
所述确定单元还用于,确定所述监测设备采集的污染物浓度数据大的为第一点位;
所述确定单元还用于,确定所述监测设备采集的污染物浓度数据小的为第二点位。
8.根据权利要求6所述的确定大气污染物精细化分布的装置,其特征在于,所述确定单元具体用于:
在所述第一点位和所述第二点位间连线;
所述连线的箭头方向为从两个点位中污染物浓度数据大的点位至污染物浓度数据小的点位;所述箭头方向为大气污染物运动方向。
9.根据权利要求6所述的确定大气污染物精细化分布的装置,其特征在于,所述确定单元具体用于:
根据所述多种插值模型的原始空间分布,确定在第一插值模型下,各网格中多个点位的污染物浓度数据;
根据第一模型下,各网格中多个点位的污染物浓度数据,确定所述多个点位的污染物浓度数据的第一平均误差;
对所述第一平均误差至第n平均误差进行比较;所述第n平均误差和第n插值模型对应;
确定所述第一平均误差至第n平均误差中的数值最小的平均误差对应的插值模型为目标插值模型。
10.根据权利要求6所述的确定大气污染物精细化分布的装置,其特征在于,所述确定单元具体用于:
确定各网格的插值点;
根据所述插值点与所述第一点位和所述第二点位的距离,对所述插值点进行分类,生成分类结果;
根据所述分类结果,确定第一类型插值点、第二类型插值点和其它插值点;所述第一类型插值点为与所述第一点位的距离不大于预设的第一距离阈值的插值点,所述第二类型插值点为与所述第二点位的距离不大于预设的第二距离阈值的插值点;
根据所述目标插值模型,所述第一点位和第二点位分别在当前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点当前的插值结果;
根据所述目标插值模型,所述第一点位和第二点位分别在当前之前的污染物浓度数据,获取所述第一类型插值点、所述第二类型插值点在当前之前的插值结果;
当所述第一类型插值点在当前之前的插值结果小于在当前的插值结果时,对所述第一类型插值点在当前的插值结果设置第一权重,对所述第一类型插值点在当前之前的插值结果设置第二权重;
根据所述第一类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第一类型插值点的目标插值结果;
当所述第二类型插值点在当前之前的插值结果大于当前的插值结果时,对所述第二类型插值点在当前的插值结果设置第二权重,对所述第二类型插值点在当前之前的插值结果设置第一权重;
根据所述第二类型插值点分别在当前和当前之前的插值结果、所述第一权重和所述第二权重,确定所述第二类型插值点的目标插值结果;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,插值得到其它插值点的当前污染物浓度数据;
根据所述第一类型插值点的目标插值结果、所述第二类型插值点的目标插值结果、所述第一点位当前的污染物浓度数据、第二点位当前的污染物浓度数据,所述其它插值点的当前污染物浓度数据以及所述大气污染物运动方向,确定各网格的污染物浓度的目标空间分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811300230.4A CN109507367A (zh) | 2018-11-02 | 2018-11-02 | 确定大气污染物精细化分布的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811300230.4A CN109507367A (zh) | 2018-11-02 | 2018-11-02 | 确定大气污染物精细化分布的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109507367A true CN109507367A (zh) | 2019-03-22 |
Family
ID=65747458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811300230.4A Pending CN109507367A (zh) | 2018-11-02 | 2018-11-02 | 确定大气污染物精细化分布的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109507367A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
CN113608561A (zh) * | 2021-07-23 | 2021-11-05 | 天津同阳科技发展有限公司 | 气体污染物浓度控制方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353923A (zh) * | 2013-06-26 | 2013-10-16 | 中山大学 | 基于空间特征分析的自适应空间插值方法及其系统 |
CN106404620A (zh) * | 2015-07-30 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
-
2018
- 2018-11-02 CN CN201811300230.4A patent/CN109507367A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353923A (zh) * | 2013-06-26 | 2013-10-16 | 中山大学 | 基于空间特征分析的自适应空间插值方法及其系统 |
CN106404620A (zh) * | 2015-07-30 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
Non-Patent Citations (5)
Title |
---|
张健: "南京市大气环境污染点源数据的空间插值方法", 南京信息工程大学硕士学位论文, 21 August 2009 (2009-08-21) * |
张金兰等: "农田表层土壤镉的典型空间插值方法对比研究", 生态科学, vol. 36, no. 6, pages 131 - 132 * |
李佳霖: "顾及风向和风速的空气污染物浓度插值方法", 地球信息科学学报, vol. 19, no. 3, 19 April 2017 (2017-04-19) * |
王勇: "权重对空间插值方法的影响分析", 湖南科技大学学报(自然科学版), vol. 23, no. 4, 25 December 2008 (2008-12-25) * |
邓晓斌: "基于ArcGIS两种空间插值方法的比较", 地理空间信息, vol. 6, no. 6, 28 December 2008 (2008-12-28) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
CN113608561A (zh) * | 2021-07-23 | 2021-11-05 | 天津同阳科技发展有限公司 | 气体污染物浓度控制方法和装置 |
CN113608561B (zh) * | 2021-07-23 | 2022-05-10 | 天津同阳科技发展有限公司 | 气体污染物浓度控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Land use regression models coupled with meteorology to model spatial and temporal variability of NO2 and PM10 in Changsha, China | |
Banks et al. | Performance evaluation of the boundary-layer height from lidar and the Weather Research and Forecasting model at an urban coastal site in the north-east Iberian Peninsula | |
Elbir | A GIS based decision support system for estimation, visualization and analysis of air pollution for large Turkish cities | |
Paas et al. | A comparison of model performance between ENVI-met and Austal2000 for particulate matter | |
Theobald et al. | An intercomparison of models used to simulate the short-range atmospheric dispersion of agricultural ammonia emissions | |
CN109613182A (zh) | 基于大气污染物的监测布点选址方法及装置 | |
CN106404620A (zh) | 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统 | |
Finardi et al. | A deterministic air quality forecasting system for Torino urban area, Italy | |
CN109472002A (zh) | 污染物浓度分布图的生成方法及装置 | |
Emetere | Investigations on aerosols transport over micro-and macro-scale settings of West Africa | |
Nejadkoorki et al. | The design of long-term air quality monitoring networks in urban areas using a spatiotemporal approach | |
CN109524130A (zh) | 车辆对污染物浓度贡献率的确定方法及装置 | |
CN109507367A (zh) | 确定大气污染物精细化分布的方法及装置 | |
Büns et al. | Comparison of four years of air pollution data with a mesoscale model | |
Vitali et al. | A Lagrangian modelling approach to assess the representativeness area of an industrial air quality monitoring station | |
Mejia et al. | A very-high resolution (20m) measurement-based dust emissions and dispersion modeling approach for the Oceano Dunes, California | |
CN108414692A (zh) | 一种污染源的监测点设置方法及其相关设备 | |
Tran et al. | Emissions of organic compounds from produced water ponds II: Evaluation of flux chamber measurements with inverse-modeling techniques | |
CN109085100B (zh) | 污染物浓度的确定方法及装置 | |
Guo et al. | A new approach combining a simplified FLEXPART model and a Bayesian-RAT method for forecasting PM 10 and PM 2.5 | |
Oliveira et al. | Nitrogen and sulfur deposition over a region in SW Europe based on a regional atmospheric chemical transport model | |
CN114943441A (zh) | 一种基于poi数据的区域土壤污染健康风险评估方法 | |
Schlink et al. | The temperature recorded by simulated mobile receptors is an indicator for the thermal exposure of the urban inhabitants | |
Noorpoor et al. | Application of AERMOD to local scale diffusion and dispersion modeling of air pollutants from cement factory stacks (Case study: Abyek Cement Factory) | |
CN109613179B (zh) | 累积高值区的确定方法 |
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 |
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: 1202, No. 18, Yumin Middle Road, Xicheng District, Beijing 100029 Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |