CN109765149B - 一种基于总悬浮颗粒物确定降尘量的方法及装置 - Google Patents
一种基于总悬浮颗粒物确定降尘量的方法及装置 Download PDFInfo
- Publication number
- CN109765149B CN109765149B CN201811612023.2A CN201811612023A CN109765149B CN 109765149 B CN109765149 B CN 109765149B CN 201811612023 A CN201811612023 A CN 201811612023A CN 109765149 B CN109765149 B CN 109765149B
- Authority
- CN
- China
- Prior art keywords
- total suspended
- data
- reduction amount
- dust reduction
- suspended particulate
- 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.)
- Active
Links
Images
Landscapes
- Sampling And Sample Adjustment (AREA)
Abstract
本申请公开一种基于总悬浮颗粒物确定降尘量的方法及装置。该方法包括:获取预定时间段内需监测区域的总悬浮颗粒物数据,总悬浮颗粒物数据包括总悬浮颗粒物浓度;获取预定时间段内区域的降尘量;根据预定时间段内总悬浮颗粒物数据和降尘量,确定总悬浮颗粒物数据和降尘量的关联模型;获取区域的实时总悬浮颗粒物数据;根据实时总悬浮颗粒物数据和关联模型,确定区域预测降尘量。
Description
技术领域
本申请属于环境监测技术领域,尤其涉及一种基于总悬浮颗粒物确定降尘量的方法及装置。
背景技术
大气降尘(Dust Fall)是指在空气环境条件下,依靠重力自然降落于地面的空气颗粒物,这些颗粒物源于多种途径,并且具有形态学、化学、物理学和热力学等多方面的特性,粒径多在10μm以上。但在静止的空气中,10μm以下的尘粒也能沉降。此外,当空气湿度较大或者发生降水时,气溶胶通过冲刷作用也可以降落于地表形成降尘。大气降尘是大气颗粒物和地面扬尘的混合物,是浮尘、扬沙、沙尘暴等天气现象的反映。
目前,降尘监测方法主要是人工采样法,包括两种:第一种方法,手工监测方法,对环境进行人工采样,将样品带到实验室分析,用于降尘的考核。第二种方法,采用固定降尘监测站,根据GB/T15265-94《环境空气降尘的测定-重量法》对环境降尘进行人工采样,每月将降尘收集,带到实验室分析。此两种方法均存在监测频率低、监测数据数量少、监测成本高、数据质保质控差、尚未形成网格化等缺点。
发明内容
本申请的实施例提供一种基于总悬浮颗粒物确定降尘量的方法,包括:根据预定时间段内需监测区域的总悬浮颗粒物数据和降尘量,确定所述总悬浮颗粒物数据和所述降尘量的关联模型;所述总悬浮颗粒物数据包括总悬浮颗粒物浓度;根据所述需监测区域的实时总悬浮颗粒物数据和所述关联模型,确定所述区域预测降尘量。
上述基于总悬浮颗粒物确定降尘量的方法中,所述总悬浮颗粒物数据还包括时间数据和气象数据。
上述基于总悬浮颗粒物确定降尘量的方法中,所述根据预定时间段内需监测区域的总悬浮颗粒物数据和降尘量,确定所述总悬浮颗粒物数据和所述降尘量的关联模型,包括:对所述总悬浮颗粒物浓度、时间数据和气象数据进行加权处理;根据所述加权处理后的结果,确定关联模型。
上述基于总悬浮颗粒物确定降尘量的方法中,所述气象数据包括风速、降水量、相对湿度和温度。
上述基于总悬浮颗粒物确定降尘量的方法中,所述预定时间段内的总悬浮颗粒物数据和实时总悬浮颗粒物数据均通过同一监测设备获得。
上述基于总悬浮颗粒物确定降尘量的方法中,所述获取预定时间段内所述区域的降尘量,包括通过降尘监测站获取预定时间段内所述区域的降尘量。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上述基于总悬浮颗粒物确定降尘量的方法。
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总悬浮颗粒物确定降尘量的方法。
本申请的实施例还提供一种基于总悬浮颗粒物确定降尘量的装置,包括:模型确定模块,根据预定时间段内需监测区域的总悬浮颗粒物数据和降尘量,确定所述总悬浮颗粒物数据和所述降尘量的关联模型;所述总悬浮颗粒物数据包括总悬浮颗粒物浓度;降尘量确定模块,根据所述需监测区域的实时总悬浮颗粒物数据和所述关联模型,确定所述区域预测降尘量。
上述基于总悬浮颗粒物确定降尘量的装置中,所述总悬浮颗粒物数据还包括时间数据和气象数据。
上述基于总悬浮颗粒物确定降尘量的装置中,所述模型确定模块对所述总悬浮颗粒物浓度、时间数据和气象数据进行加权处理,根据所述加权处理后的结果,确定所述关联模型。
上述基于总悬浮颗粒物确定降尘量的装置中,所述气象数据包括风速、降水量、相对湿度和温度。
上述基于总悬浮颗粒物确定降尘量的装置中,所述预定时间段内的总悬浮颗粒物数据和实时总悬浮颗粒物数据均通过同一监测设备获得。
上述基于总悬浮颗粒物确定降尘量的装置中,通过降尘监测站获取预定时间段内所述区域的降尘量。
本申请实施例的基于总悬浮颗粒物确定降尘量的方法及装置,通过总悬浮颗粒物数据定量的获得区域的降尘量,避免了人工采样;提高了降尘量监测的效率,可提供实时的降尘量预测数据;满足城市空气质量精细化管理的要求。
附图说明
图1是本申请实施例基于总悬浮颗粒物确定降尘量的方法流程图。
图2是本申请实施例基于总悬浮颗粒物确定降尘量的装置示意图。
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。
在本发明中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
图1是本申请实施例基于总悬浮颗粒物确定降尘量的方法流程图。如图1所示,本实施例的一种基于总悬浮颗粒物确定降尘量的方法,包括:
步骤S101、获取预定时间段内需监测区域的总悬浮颗粒物(TSP)数据,总悬浮颗粒物数据包括总悬浮颗粒物浓度。在预定的时间段内对区域的总悬浮颗粒物数据进行统计,可获得总悬浮颗粒物数据群。预定时间段可以是半年或一年,根据具体情况确定。
步骤S102、获取预定时间段内区域(需监测区域)的降尘量。获取区域的上述预定时间段内的降尘量,可通过降尘监测设备获取。
步骤S103、根据预定时间段内总悬浮颗粒物数据和降尘量,确定总悬浮颗粒物数据和降尘量的关联模型。统计的预定时间段内总悬浮颗粒物数据和降尘量相互对应,为同一时间同一地点的总悬浮颗粒物数据和降尘量。分析总悬浮颗粒物数据和降尘量的相关性,如通过回归分析方法对二者进行拟合,获得总悬浮颗粒物数据和降尘量的关联模型,即总悬浮颗粒物数据和降尘量的关联函数。
初步得到关联模型后,获取一段时间的实时降尘量,与通过关联模型得到的预测降尘量仅对比,验证关联模型的可行性。若通过关联模型得到的预测降尘量与实时降尘量的差异很大,可适当修正关联模型。
步骤S104、获取区域的实时总悬浮颗粒物数据。通过监测设备实时获取区域的总悬浮颗粒物数据。
步骤S105、根据实时总悬浮颗粒物数据和关联模型,确定区域预测降尘量。将步骤S104获得的实时总悬浮颗粒物数据带入关联模型,确定出需监测区域的降尘量。
本实施例中,可在需监测区域内布置小型化空气污染自动监测设备,自动获取总悬浮颗粒物数据。空气污染自动监测设备覆盖整个区域,空气污染自动监测设备在区域的布置密度,根据不同地区条件的不同具体确定。
本实施例的基于总悬浮颗粒物确定降尘量的方法,通过总悬浮颗粒物数据定量的获得区域的预测降尘量。如每5分钟通过总悬浮颗粒物数据计算一次降尘量,满足空气质量精细化管理的要求。
本实施例基于总悬浮颗粒物确定降尘量的方法中,总悬浮颗粒物数据还包括时间数据和气象数据。区域的降尘量与时间有一定的关系,如随着季节的变化,降尘量会出现变化,总悬浮颗粒物数据包括时间数据,使得计算得出的实时降尘量更精确。气象条件对降尘量也有很大的影响,在统计总悬浮颗粒物浓度的同时,记录当时的气象数据。
上述步骤S103中,根据预定时间段内总悬浮颗粒物数据和降尘量,确定总悬浮颗粒物数据和降尘量的关联模型,包括:根据总悬浮颗粒物浓度、时间数据和气象数据对降尘量的影响程度,对总悬浮颗粒物浓度、时间数据和气象数据进行加权处理,确定总悬浮颗粒物数据和降尘量的关联模型。
上述方法中,气象数据包括风速、降水量、相对湿度和温度。根据降尘量随总悬浮颗粒物浓度、时间数据和气象数据的变化规律,可拟合出回归方程:
Q=k+a×X1+b×X2+c×X3+d×X4+e×X5+……
式中,Q为降尘量拟合值,k是常数,X1是降尘量与总悬浮颗粒物浓度的拟合系数,X2是降尘量与时间的拟合系数,X3是降尘量与风速的拟合系数,X4是降尘量与降水量的拟合系数,X5是降尘量与相对湿度的拟合系数,回归方程还可包括降尘量与其他数据的拟合关系。
可选地,预定时间段内的总悬浮颗粒物数据和实时总悬浮颗粒物数据均通过同一监测设备获得。如两者均可通过布置在区域内的空气污染自动监测设备获得。预定时间段内的总悬浮颗粒物数据也可以通过其他方式获得,如由通过人工监测的历史数据中获取预定时间段内的总悬浮颗粒物数据。
可选地,获取预定时间段内区域的降尘量,包括通过降尘监测站获取预定时间段内区域的降尘量。预定时间段内区域的降尘量可通过国家降尘监测站的降尘量数据库获得,也可以通过其他方式获得。
本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,处理器执行程序时实现上述基于总悬浮颗粒物确定降尘量的方法。
本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总悬浮颗粒物确定降尘量的方法。
图2是本申请实施例基于总悬浮颗粒物确定降尘量的装置示意图。如图2所示,本实施例的基于总悬浮颗粒物确定降尘量的装置,包括:模型确定模块203和降尘量确定模块205,还可包括第一数据获取模块201、第二数据获取模块202、第三数据获取模块204。
第一数据获取模块201,用于获取预定时间段内需监测区域的总悬浮颗粒物数据,总悬浮颗粒物包括总悬浮颗粒物浓度。预定时间段内需监测区域的总悬浮颗粒物数据可通过空气污染监测设备获得,可以自动监测设备,也可以是手动监测设备。获取的数据可存储在第一数据获取模块201中,也可存储在其他存储器中。
第二数据获取模块202,用于获取预定时间段内区域的降尘量。预定时间段内的降尘量可通过降尘监测设备获得,目前的降尘监测设备多为手工监测设备。获取的降尘量数据可存储在第二数据获取模块202中,也可存储在其他存储器中。
模型确定模块203,用于根据第一数据获取模块201获取的预定时间段内总悬浮颗粒物数据,及第二数据获取模块202获取的预定时间段内的降尘量,对二者进行拟合,确定总悬浮颗粒物数据和降尘量的关联模型。获得关联模型后,可通过监测的实时降尘量对关联模型进行验证,若通过关联模型得到的预测降尘量与实时降尘量的差异很大,需适当修正关联模型。
第三数据获取模块204,用于获取区域的实时总悬浮颗粒物数据。可选地,第一数据获取模块201获取的预定时间段内的总悬浮颗粒物数据和第三数据获取模块204获取的实时总悬浮颗粒物数据均通过同一监测设备获得。
降尘量确定模块205,用于根据第三数据获取模块204获取的实时总悬浮颗粒物数据和模型确定模块203确定的关联模型,确定区域预测降尘量。
可选地,上述基于总悬浮颗粒物确定降尘量的装置中,总悬浮颗粒物数据还包括时间数据和气象数据。时间因素和气象因素均对降尘量有较大影响,在总悬浮颗粒物数据中增加时间数据和气象数据,可提高关联模型得出的降尘量值的准确度。
模型确定模块203对总悬浮颗粒物浓度、时间数据和气象数据进行加权处理,确定总悬浮颗粒物数据和降尘量的关联模型。关联模型为降尘量与总悬浮颗粒物浓度、时间数据和气象数据的关联函数。
可选地,气象数据包括风速、降水量、相对湿度和温度。
上述基于总悬浮颗粒物确定降尘量的装置中,第二数据获取模块202通过国家降尘监测站获取预定时间段内区域的降尘量。
本实施例基于总悬浮颗粒物确定降尘量的方法及装置,通过总悬浮颗粒物数据获得区域降尘量的预测值,避免了人工采样,为空气质量监管提供参考。
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 (4)
1.一种基于总悬浮颗粒物确定降尘量的方法,其特征在于,包括:
根据预定时间段内需监测区域的总悬浮颗粒物数据和降尘量,确定所述总悬浮颗粒物数据和所述降尘量的关联模型;所述总悬浮颗粒物数据包括总悬浮颗粒物浓度、时间数据和气象数据,所述时间数据为季节的变化,所述气象数据包括风速、降水量、相对湿度和温度;
根据所述需监测区域的实时总悬浮颗粒物数据和所述关联模型,确定所述区域预测降尘量;统计的预定时间段内的总悬浮颗粒物数据和降尘量相互对应,为同一时间同一地点的总悬浮颗粒物数据和降尘量;获取一段时间的实时降尘量,与通过关联模型得到的预测降尘量进行对比,验证关联模型的可行性;若通过关联模型得到的预测降尘量与实时降尘量的差异很大,适当修正关联模型;其中,
所述根据预定时间段内需监测区域的总悬浮颗粒物数据和降尘量,确定所述总悬浮颗粒物数据和所述降尘量的关联模型,包括:
根据总悬浮颗粒物浓度、时间数据和气象数据对降尘量的影响程度,对总悬浮颗粒物浓度、时间数据和气象数据进行加权处理;
根据所述加权处理后的结果,确定所述关联模型;
在需监测区域内布置小型化空气污染自动监测设备,自动获取总悬浮颗粒物数据,并根据不同地区条件确定空气污染自动监测设备的布置密度;
根据降尘量随总悬浮颗粒物浓度、时间数据和气象数据的变化规律,拟合出回归方程:
Q=k+a×X1+b×X2+c×X3+d×X4+e×X5+……
式中,Q为降尘量拟合值,k是常数,X1是降尘量与总悬浮颗粒物浓度的拟合系数,X2是降尘量与时间的拟合系数,X3是降尘量与风速的拟合系数,X4是降尘量与降水量的拟合系数,X5是降尘量与相对湿度的拟合系数,回归方程还可包括降尘量与其他数据的拟合关系。
2.一种电子设备,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权利要求1所述基于总悬浮颗粒物确定降尘量的方法。
3.一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权利要求1所述基于总悬浮颗粒物确定降尘量的方法。
4.一种实现权利要求1所述的基于总悬浮颗粒物确定降尘量的方法的装置,其特征在于,包括:
模型确定模块,根据预定时间段内需监测区域的总悬浮颗粒物数据和降尘量,确定所述总悬浮颗粒物数据和所述降尘量的关联模型;所述总悬浮颗粒物数据包括总悬浮颗粒物浓度、时间数据和气象数据,所述时间数据为季节的变化,所述气象数据包括风速、降水量、相对湿度和温度;
降尘量确定模块,根据所述需监测区域的实时总悬浮颗粒物数据和所述关联模型,确定所述区域预测降尘量;其中,
所述模型确定模块对所述总悬浮颗粒物浓度、时间数据和气象数据进行加权处理,根据所述加权处理后的结果,确定所述关联模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811612023.2A CN109765149B (zh) | 2018-12-27 | 2018-12-27 | 一种基于总悬浮颗粒物确定降尘量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811612023.2A CN109765149B (zh) | 2018-12-27 | 2018-12-27 | 一种基于总悬浮颗粒物确定降尘量的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109765149A CN109765149A (zh) | 2019-05-17 |
CN109765149B true CN109765149B (zh) | 2021-12-03 |
Family
ID=66451643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811612023.2A Active CN109765149B (zh) | 2018-12-27 | 2018-12-27 | 一种基于总悬浮颗粒物确定降尘量的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109765149B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1809158A (zh) * | 2005-01-21 | 2006-07-26 | 北京市大兴区环境保护局 | 环境监控系统 |
CN202871071U (zh) * | 2012-11-02 | 2013-04-10 | 上海鸿维物联网技术工程有限公司 | 一种物联网环境下的大气环境感知节点 |
CN104330114A (zh) * | 2014-11-19 | 2015-02-04 | 武汉怡特环保科技有限公司 | 大气雾霾污染物连续自动监测装置 |
CN105527208A (zh) * | 2016-01-27 | 2016-04-27 | 北京市环境保护监测中心 | 一种大气颗粒物质量浓度数据校正方法 |
CN106501875A (zh) * | 2016-11-02 | 2017-03-15 | 安徽锦坤电子科技有限公司 | 一种用于气象预测的评估系统 |
CN206114633U (zh) * | 2016-11-03 | 2017-04-19 | 重庆扬讯软件技术股份有限公司 | 多参数扬尘在线监测仪 |
CN107433086A (zh) * | 2017-09-11 | 2017-12-05 | 济南东之林智能软件有限公司 | 一种降尘控制方法、系统及自主移动降尘装置 |
CN107894492A (zh) * | 2017-11-24 | 2018-04-10 | 成都立威斯科技有限公司 | 一种城市大气污染实时监测方法 |
CN108957253A (zh) * | 2018-05-29 | 2018-12-07 | 长春工程学院 | 一种非规律性高粉尘导致绝缘子污闪的预警方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969162B (zh) * | 2014-05-09 | 2016-08-31 | 山东科技大学 | 一种基于数据融合的矿井煤尘浓度测量的方法及装置 |
CN203949848U (zh) * | 2014-07-21 | 2014-11-19 | 四川先河环保科技有限公司 | 一种空气颗粒物快速便携式检测仪 |
CN104865175A (zh) * | 2015-05-20 | 2015-08-26 | 常州大学 | 一种空气中pm2.5浓度检测方法 |
CN107024861B (zh) * | 2016-02-01 | 2020-10-23 | 上海梅山钢铁股份有限公司 | 一种转炉干法除尘系统的在线建模方法 |
CN107473229B (zh) * | 2017-08-22 | 2019-12-03 | 宜昌南玻硅材料有限公司 | 一种多晶硅生产中还原炉全自动闭环进料及供电的控制方法 |
CN108446807B (zh) * | 2018-04-02 | 2022-05-06 | 中国地质大学(北京) | 基于重污染天气预警的大气污染物排放总量控制方法 |
CN108798752A (zh) * | 2018-06-05 | 2018-11-13 | 荆门畅享光年机电技术服务有限公司 | 一种矿井下粉尘监测及控制系统 |
CN109085100B (zh) * | 2018-09-17 | 2023-10-31 | 北京英视睿达科技股份有限公司 | 污染物浓度的确定方法及装置 |
-
2018
- 2018-12-27 CN CN201811612023.2A patent/CN109765149B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1809158A (zh) * | 2005-01-21 | 2006-07-26 | 北京市大兴区环境保护局 | 环境监控系统 |
CN202871071U (zh) * | 2012-11-02 | 2013-04-10 | 上海鸿维物联网技术工程有限公司 | 一种物联网环境下的大气环境感知节点 |
CN104330114A (zh) * | 2014-11-19 | 2015-02-04 | 武汉怡特环保科技有限公司 | 大气雾霾污染物连续自动监测装置 |
CN105527208A (zh) * | 2016-01-27 | 2016-04-27 | 北京市环境保护监测中心 | 一种大气颗粒物质量浓度数据校正方法 |
CN106501875A (zh) * | 2016-11-02 | 2017-03-15 | 安徽锦坤电子科技有限公司 | 一种用于气象预测的评估系统 |
CN206114633U (zh) * | 2016-11-03 | 2017-04-19 | 重庆扬讯软件技术股份有限公司 | 多参数扬尘在线监测仪 |
CN107433086A (zh) * | 2017-09-11 | 2017-12-05 | 济南东之林智能软件有限公司 | 一种降尘控制方法、系统及自主移动降尘装置 |
CN107894492A (zh) * | 2017-11-24 | 2018-04-10 | 成都立威斯科技有限公司 | 一种城市大气污染实时监测方法 |
CN108957253A (zh) * | 2018-05-29 | 2018-12-07 | 长春工程学院 | 一种非规律性高粉尘导致绝缘子污闪的预警方法 |
Non-Patent Citations (6)
Title |
---|
上海市月降尘量与气象因子间关系研究;张国宏 等;《气象科学》;20060630;第26卷(第3期);第328-332页 * |
南京不同功能区大气降尘速率及其影响因素分析;李山泉 等;《土壤》;20140430;第46卷(第2期);第366-372页 * |
大气TSP与自然降尘相关性分析及预测;郜学军 等;《西安航空技术高等专科学校学报》;20060531;第24卷(第3期);第39-41页 * |
天水市城区TSP与降尘的相关性分析;孙启彬;《环境研究与监测》;20120630(第2期);第366-372页 * |
平顶山市环境空气降尘量和降水量、可吸入颗粒物浓度相关性分析及防治措施;蒋庆瑞;《河南科学》;20120930;第30卷(第9期);第1315-1318页 * |
郜学军 等.大气TSP与自然降尘相关性分析及预测.《西安航空技术高等专科学校学报》.2006,第24卷(第3期),第39-41页. * |
Also Published As
Publication number | Publication date |
---|---|
CN109765149A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Birmili et al. | Long-term observations of tropospheric particle number size distributions and equivalent black carbon mass concentrations in the German Ultrafine Aerosol Network (GUAN) | |
Sheridan et al. | Four years of continuous surface aerosol measurements from the Department of Energy's Atmospheric Radiation measurement Program Southern Great Plains Cloud and Radiation Testbed site | |
Chambers et al. | Characterising terrestrial influences on Antarctic air masses using Radon-222 measurements at King George Island | |
Zikova et al. | Precipitation scavenging of aerosol particles at a rural site in the Czech Republic | |
Shrestha et al. | Evaluation of numerical weather prediction model precipitation forecasts for short-term streamflow forecasting purpose | |
Droste et al. | Assessing the potential and application of crowdsourced urban wind data | |
US7600441B2 (en) | Comprehensive particulate matter measurement system and method for using the same | |
Ferrero et al. | Satellite AOD conversion into ground PM10, PM2. 5 and PM1 over the Po valley (Milan, Italy) exploiting information on aerosol vertical profiles, chemistry, hygroscopicity and meteorology | |
Colli et al. | Adjustments for wind-induced undercatch in snowfall measurements based on precipitation intensity | |
Mueller et al. | Fugitive particulate emission factors for dry fly ash disposal | |
Park et al. | CO2 transport, variability, and budget over the Southern California Air Basin using the high-resolution WRF-VPRM model during the CalNex 2010 campaign | |
CN109272230B (zh) | 一种地面观测站气压要素的数据质量评估方法和系统 | |
Di Nicolantonio et al. | MODIS aerosol optical properties over North Italy for estimating surface-level PM2. 5 | |
CN112033870A (zh) | 一种区域边界层pm2.5立体分布及总量推算的方法 | |
Hogrefe et al. | Daily simulation of ozone and fine particulates over New York State: findings and challenges | |
Sather et al. | Gaseous oxidized mercury dry deposition measurements in the Four Corners area and Eastern Oklahoma, USA | |
CN113970511A (zh) | 一种基于bp神经网络的空气颗粒物数据监测系统及方法 | |
Tang et al. | Earth System Model Aerosol–Cloud Diagnostics (ESMAC Diags) package, version 1: assessing E3SM aerosol predictions using aircraft, ship, and surface measurements | |
CN109765149B (zh) | 一种基于总悬浮颗粒物确定降尘量的方法及装置 | |
Staniswalis et al. | Temporal analysis of airborne particulate matter reveals a dose-rate effect on mortality in El Paso: indications of differential toxicity for different particle mixtures | |
CN113010850A (zh) | 一种基于gis的大气细颗粒物中三价砷浓度的预测方法 | |
Gebler et al. | Actual evapotranspiration and precipitation measured by lysimeters: a comparison with eddy covariance and tipping bucket. | |
Dai | Measuring and Comparing the Concentration of PM2. 5 in the GTA using Low-cost Sensors | |
CN116226606B (zh) | 无人值守自动气象站雨量数据质控方法及系统 | |
Ratcliffe et al. | Long range transport of coarse mineral dust: an evaluation of the Met Office Unified Model against aircraft observations |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 606, 6 / F, building 1, yard 8, Automobile Museum West Road, Fengtai District, Beijing 100029 Patentee after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: Room 606, 6 / F, building 1, yard 8, Automobile Museum West Road, Fengtai District, Beijing 100029 Patentee before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |