CN109839395A - 土壤污染物分析方法、装置、设备和系统 - Google Patents
土壤污染物分析方法、装置、设备和系统 Download PDFInfo
- Publication number
- CN109839395A CN109839395A CN201810823844.4A CN201810823844A CN109839395A CN 109839395 A CN109839395 A CN 109839395A CN 201810823844 A CN201810823844 A CN 201810823844A CN 109839395 A CN109839395 A CN 109839395A
- Authority
- CN
- China
- Prior art keywords
- concentration
- soil sample
- pxrf
- icp
- soil
- 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.)
- Granted
Links
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Sampling And Sample Adjustment (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明实施例提供一种土壤污染物分析方法、装置、设备和系统,该方法包括:获取目标区域的N个土壤样本各自对应的PXRF浓度;获取目标区域的M个土壤样本各自对应的PXRF浓度和ICP‑MS浓度,PXRF浓度和ICP‑MS浓度均对应于目标污染物,N>M>1;根据M个土壤样本各自对应的PXRF浓度和ICP‑MS浓度建立与目标污染物对应的检测模型;根据检测模型和N个土壤样本各自对应的PXRF浓度确定N个土壤样本各自对应的ICP‑MS浓度;根据N个土壤样本各自对应的ICP‑MS浓度和N个土壤样本各自对应的采样位置,确定目标污染物在目标区域中的浓度分布特征。保证了该浓度分布特征的准确性的同时,提高了处理效率。
Description
技术领域
本发明涉及土壤检测技术领域,尤其涉及一种土壤污染物分析方法、装置、设备和系统。
背景技术
土壤和地下水污染已经成为全球性的环境问题,因此开展污染场地治理和修复,提升土壤环境质量,迫在眉睫。目前,土壤和地下水污染治理面临巨大困难,主要制约因素是由于污染物深处地下,其空间分布的不规则性和异质性导致污染探测和污染范围界定困难极大。污染物在土壤和地下水中的迁移和分布,不仅受污染源特征影响,还受赋存介质(土壤)的空间结构特性影响,因此相比于地表水和大气中的污染物分布,土壤和地下水中的污染物空间分布特征更为复杂。
目前分析污染场地的污染物分布特征的常规方法之一为化探方法,基本原理是通过钻井采集不同空间点位的污染土样,然后通过实验室分析土壤中污染物浓度,最后通过空间插值得到污染物浓度的空间分布特征。由此可见,污染物浓度分布特征的准确性很大程度上取决于采样点位或土壤样品的数量,采样点位越密集,分析的土壤样品越多,就能更精确的获得污染物的范围及其浓度分布特征。
目前,对采集的污染土样进行污染物浓度检测常用的一种方式为电感耦合等离子体质谱(Inductively Coupled Plasma Mass Spectrometry,简称ICP-MS)检测方式,ICP-MS检测方式具有检测结果准确性高的优势,但是却往往需要花费更长的时间和费用成本才能完成污染物浓度的检测。另一种常用的检测方式是使用手持式X射线荧光光谱(PortableX Ray Fluorescence,简称PXRF)分析仪进行检测的方式(检测PXRF检测方式),PXRF检测方式具有检测速度快、费用低的优势,但是检测结果准确性相对较低。因此,如何兼顾污染物检测结果的准确性和时间、费用成本之间的矛盾是亟待解决的难题。
发明内容
有鉴于此,本发明实施例提供一种土壤污染物分析方法、装置、设备和系统,用以保证污染物分析结果准确性的同时,提高分析处理速度、降低成本。
第一方面,本发明实施例提供一种土壤污染物分析方法,包括:
获取目标区域的N个土壤样本各自对应的PXRF浓度,所述PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的;
获取所述目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,所述ICP-MS浓度是针对所述目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1;
根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;
根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;
根据所述N个土壤样本各自对应的ICP-MS浓度和所述N个土壤样本各自对应的采样位置,确定所述目标污染物在所述目标区域中的浓度分布特征。
第二方面,本发明实施例提供一种土壤污染物分析装置,包括:
第一获取模块,用于获取目标区域的N个土壤样本各自对应的PXRF浓度,所述PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的;
第二获取模块,用于获取所述目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,所述ICP-MS浓度是针对所述目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1;
模型建立模块,用于根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;
第一确定模块,用于根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;
第二确定模块,用于根据所述N个土壤样本各自对应的ICP-MS浓度和所述N个土壤样本各自对应的采样位置,确定所述目标污染物在所述目标区域中的浓度分布特征。
第三方面,本发明实施例提供一种分析设备,包括处理器和存储器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的土壤污染物分析方法。该分析设备还可以包括通信接口,用于与其他设备或通信网络通信。
本发明实施例提供了一种计算机存储介质,用于储存存储计算机程序,所述计算机程序使计算机执行时实现上述第一方面中的土壤污染物分析方法。
第四方面,本发明实施例提供一种土壤污染物检测系统,包括:
PXRF检测设备、ICP-MS检测设备和分析设备;
所述PXRF检测设备,用于针对目标污染物检测目标区域的N个土壤样本各自对应的PXRF浓度以及所述目标区域的M个土壤样本各自对应的PXRF浓度,并将检测得到的PXRF浓度发送至所述分析设备,N>M>1;
所述ICP-MS检测设备,用于针对所述目标污染物检测所述M个土壤样本各自对应的ICP-MS浓度,并将所述ICP-MS浓度发送至所述分析设备;
所述分析设备,用于根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;根据所述N个土壤样本各自对应的ICP-MS浓度和预先存储的所述N个土壤样本各自对应的采样位置确定所述目标污染物在所述目标区域中的浓度分布特征。
本发明实施例提供的土壤污染物分析方法,在目标区域即待分析的污染场地设置N个采样点,从而采集N个采样点各自对应的土壤样本,进而对N个土壤样本进行针对某种目标污染物的PXRF检测,得到N个土壤样本各自对应的PXRF浓度。进而,再针对该目标区域,从中选定出较少数量的M个采样点,采集相应的M个土壤样本,比如可以从这N个采样点中选定出M个采样点,对这M个土壤样本分别进行针对上述目标污染物的PXRF检测和ICP-MS检测,得到M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,进而根据该M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与该目标污染物对应的检测模型,该检测模型即反映了在该目标污染物的情况下,该目标区域的ICP-MS浓度与PXRF浓度之间的映射关系。从而,基于该映射关系以及已经检测得到的N个土壤样本的PXRF浓度,可以计算出N个土壤样本即N个采样点在该目标污染物情况下各自对应的ICP-MS浓度。最后,可以基于计算得到的N个ICP-MS浓度以及N个采样点的采样位置进行空间插值,得到目标污染物在该目标区域的浓度分布特征。
本方案中,兼顾ICP-MS和PXRF检测方式的优势,通过PXRF检测方式对全部采样点进行目标污染物的浓度检测,而仅通过ICP-MS检测方式对部分采样位置进行目标污染物的浓度检测。具体地,通过ICP-MS检测方式和PXRF检测方式对该部分采样位置的土壤样本进行检测得到对应的ICP-MS浓度和PXRF浓度,利用两者的相关性构建ICP-MS浓度和PXRF浓度间的回归模型即上述检测模型,并基于该回归模型对全部采样点的PXRF浓度进行校正,即计算全部采样位置(各采样位置对应的PXRF浓度已知,ICP-MS浓度未知)的ICP-MS浓度,从而以更加准确的ICP-MS浓度得到目标区域的污染物浓度分布特征,保证了该浓度分布特征的准确性的同时,提高了处理效率。
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土壤污染物分析系统的组成示意图;
图2为一种采样点的设定方式示意图;
图3为本发明实施例提供的一种土壤污染物分析方法的流程图;
图4为本发明实施例提供的另一种土壤污染物分析方法的流程图;
图5为本发明实施例提供的土壤污染物分析装置的结构示意图;
图6为与图5所示实施例提供的土壤污染物分析装置对应的分析设备的结构示意图。
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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
图1为本发明实施例提供的一种土壤污染物分析系统的组成示意图,如图1所示,该系统包括:
PXRF检测设备、ICP-MS检测设备和分析设备。
其中,PXRF检测设备,用于针对目标污染物检测目标区域的N个土壤样本各自对应的PXRF浓度以及目标区域的M个土壤样本各自对应的PXRF浓度,并将检测得到的PXRF浓度发送至分析设备,N>M>1。
ICP-MS检测设备,用于针对目标污染物检测M个土壤样本各自对应的ICP-MS浓度,并将ICP-MS浓度发送至分析设备。
分析设备,用于根据M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与目标污染物对应的检测模型,该检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;根据检测模型和N个土壤样本各自对应的PXRF浓度确定N个土壤样本各自对应的ICP-MS浓度;根据N个土壤样本各自对应的ICP-MS浓度和预先存储的N个土壤样本各自对应的采样位置确定目标污染物在所述目标区域中的浓度分布特征。
下面先介绍目标区域的采样点的设置方式。
在一可选实施例中,可以在目标区域中分散的选定N个采样位置,并且,N个采样点各自对应的采集深度可以相同或者不同,从而通过采集设备从N个采样点位置自对应的采集深度处采集到土壤样本。
在另一可选实施例中,可以将目标区域进行网格划分,该网格划分可以将目标区域划分为K层网格区域,其中,每层网格区域中包括n1*n2个网格,从而网格划分后得到的各网格顶点作为N个采样位置,此时,N=K*(n1+1)*(n2+1),K>1,n1>1,n2>1。图2示意了对目标区域进行网格划分的情况,但是图2中仅示意了一层网格区域,并未示意出多层网格区域。
可以理解的是,为了便于后续分析设备的处理,对目标区域进行的采样位置设置情形需要在分析设备上进行记录。也就是说,实际应用中,可以根据目标区域的尺寸在分析设备中预先对目标区域进行建模即对目标区域进行图形表示,并且在该图形中标定各采样位置。该图形中标记的各采样位置间的位置关系与在目标区域中实际采样的采样位置间的位置关系匹配。
在确定了N个采样位置后,还可以从中选择出部分采样位置作为上述M个土壤样本对应的M个采样位置。当然,也可以重新从目标区域中设定M个采样位置,该M个采样位置尽量在目标区域中均匀分布。
基于上述对目标区域的网格划分结果,在一可选实施例中,该M个采样位置可以对应于:按照预设倍数的采样位置间距从目标网格区域对应的采样位置中确定出的n3个采样位置,其中,n3<(n1+1)*(n2+1),其中,该目标网格区域是K层网格区域中的每一层或者是从K层网格区域中选择的部分,比如每隔几层选定出一层作为目标网格区域之一。
可以理解的是,可选地,当目标网格区域包括多层网格区域时,不考虑各层网格区域对应的深度不同,每层网格区域中对应的n3个采样位置可以是相同的。如图2中所示,图2中用突出的黑色大圆点示意的即为从某一层的网格区域中包含的(n1+1)*(n2+1)个采样位置中选定的n3个采样位置,图中示意的是每隔4个采样位置取一个采样位置作为M个采样位置之一。
在设定好上述N个采样位置和M个采样位置后,从各采样位置采集土壤样本,从而得到N个土壤样本和M个土壤样本。
对于N个土壤样本,通过PXRF检测设备进行目标污染物检测的浓度测试,得到N个土壤样本各自对应的PXRF浓度。对于M个土壤样本,同样地,通过PXRF检测设备进行目标污染物检测的浓度测试,得到M个土壤样本各自对应的PXRF浓度。值得说明的是,当M个采样位置是从N个采样位置中选定的,或者是M个采样位置中包含N个采样位置中的部分时,无需对相同的采样位置采集出的同一土壤样本重复进行PXRF检测。
另外,对于M个土壤样本,除了进行PXRF检测外,还通过ICP-MS检测设备进行目标污染物检测的浓度测试,得到M个土壤样本各自对应的ICP-MS浓度。
其中,上述目标污染物可以是预设的多种污染物中的任一种,比如可以是某种重金属。
PXRF检测设备以及ICP-MS检测设备检测得到的各PXRF浓度和ICP-MS浓度发送至分析设备,从而分析设备得到N个采样位置各自对应的PXRF浓度以及M个采样位置各自对应的PXRF浓度和ICP-MS浓度即获得N个土壤样本各自对应的PXRF浓度以及M个土壤样本各自对应的PXRF浓度和ICP-MS浓度。
进而,分析设备根据M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与目标污染物对应的检测模型,该检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系,具体是反映了该目标区域在该目标污染物下ICP-MS浓度与PXRF浓度之间的映射关系。
具体地,分析设备可以通过回归分析方法对M个土壤样本各自对应的PXRF浓度和ICP-MS浓度进行回归分析,从而建立以PXRF浓度为因变量的回归模型作为目标污染物对应的检测模型:ICP-MS浓度=f(PXRF浓度),其中,f即为该映射关系。
在得到上述检测模型后,将N个土壤样本各自对应的PXRF浓度输入该检测模型即可计算得到N个土壤样本各自对应的ICP-MS浓度。也就是说,本发明实施例中,仅需要采用PXRF检测方式对N个土壤样本进行PXRF浓度检测即可,而N个土壤样本的ICP-MS浓度可以基于上述检测模型和已经测得的N个土壤样本的PXRF浓度进行计算得到,无需采用ICP-MS检测设备对全部的N个土壤样本进行检测,可以提高处理效率,而且,最终可以基于N个土壤样本各自对应的ICP-MS浓度进行目标污染物在目标区域中的浓度分布特征的分析,而不是采用PXRF浓度,也保证了该浓度分布特征分析结果的准确性。具体地,可以结合N个采样位置对N个ICP-MS浓度进行空间插值,得到该浓度分布特征。
当需要分析的污染物为多种时,针对每种污染物都进行上述分析处理,从而得到每种污染物对应的浓度分布特征。
综上,本发明实施例中,兼顾ICP-MS和PXRF检测方式的优势,通过PXRF检测方式对全部采样点进行目标污染物的浓度检测,而仅通过ICP-MS检测方式对部分采样位置进行目标污染物的浓度检测。具体地,通过ICP-MS检测方式和PXRF检测方式对该部分采样位置的土壤样本进行检测得到对应的ICP-MS浓度和PXRF浓度,利用两者的相关性构建ICP-MS浓度和PXRF浓度间的回归模型即上述检测模型,并基于该回归模型对全部采样位置的PXRF浓度进行校正,即计算全部采样位置(各采样位置对应的PXRF浓度已知,ICP-MS浓度未知)的ICP-MS浓度,从而以更加准确的ICP-MS浓度得到目标区域的污染物浓度分布特征,保证了该浓度分布特征的准确性的同时,提高了处理效率。
下面以分析设备的角度,对本发明实施例提供的土壤污染物分析方法进行详细介绍。
图3为本发明实施例提供的一种土壤污染物分析方法的流程图,本发明实施例提供的该土壤污染物分析方法可以由分析设备来执行。如图3所示,该方法包括如下步骤:
301、获取目标区域的N个土壤样本各自对应的PXRF浓度,该PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的。
302、获取目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,该ICP-MS浓度是针对目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1。
可选地,如前述实施例中所述,该N个土壤样本对应的N个采样位置可以对应于将目标区域进行网格划分后得到的各网格顶点位置,该网格划分将目标区域划分为K层网格区域,每层网格区域中包括n1*n2个网格,N=K*(n1+1)*(n2+1),K>1,n1>1,n2>1。从而,可选地,M个土壤样本对应的M个采样位置对应于:按照预设倍数的采样位置间距从目标网格区域对应的采样位置中确定出的n3个采样位置,其中,n3<(n1+1)*(n2+1),其中,目标网格区域是K层网格区域中的每一层或者是从K层网格区域中选择的部分。
上述采样PXRF检测方式是指通过PXRF检测设备对土壤样本进行针对目标污染物的浓度检测,同样地,采样ICP-MS检测方式是指通过ICP-MS检测设备对土壤样本进行针对目标污染物的浓度检测。从而,PXRF浓度为PXRF检测方式下检测得到的浓度值,ICP-MS浓度为ICP-MS检测方式下检测得到的浓度值。
303、根据M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与目标污染物对应的检测模型,该检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系。
如前述实施例中的说明,可以通过回归分析方式建立上述检测模型。
304、根据检测模型和N个土壤样本各自对应的PXRF浓度确定N个土壤样本各自对应的ICP-MS浓度。
具体地,将N个土壤样本各自对应的PXRF浓度依次作为输入,输入到上述检测模型,即可依次计算得到N个土壤样本各自对应的ICP-MS浓度。
305、根据N个土壤样本各自对应的ICP-MS浓度和N个土壤样本各自对应的采样位置,确定目标污染物在目标区域中的浓度分布特征。
具体地,可以采用如现有技术中的空间插值方式得到目标污染物在该目标区域下的浓度分布特征。
图4为本发明实施例提供的另一种土壤污染物分析方法的流程图,该方法可以由分析设备执行,如图4所示,可以包括如下步骤:
401、获取目标区域的N个土壤样本各自对应的PXRF浓度。
402、获取所述目标区域的M个土壤样本各自对应的PXRF浓度、ICP-MS浓度、以及浓度干扰指标,浓度干扰指标是预设的影响所述PXRF检测方式检测准确性的指标。
如前述实施例中的说明,该PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的。该ICP-MS浓度是针对目标污染物采用ICP-MS检测方式进行浓度检测得到的。
实际应用中,PXRF检测方式容易受到土壤中诸如含水率、有机质含量等因素的干扰从而影响目标污染物的浓度检测结果,为此,本实施例中,针对M个土壤样本,除了针对目标污染物进行PXRF浓度检测和ICP-MS浓度检测外,还对其进行浓度干扰指标检测,即检测容易影响PXRF浓度检测结果准确性的一些干扰指标,比如为含水率和/或有机质含量。
403、根据M个土壤样本各自对应的PXRF浓度、ICP-MS浓度以及浓度干扰指标建立与目标污染物对应的检测模型,该检测模型反映了ICP-MS浓度与PXRF浓度和浓度干扰指标之间的映射关系。
具体地,可以通过多元线性回归分析方法,分析M个土壤样本的ICP-MS浓度与PXRF浓度和浓度干扰指标间的关系,构建以PXRF浓度和浓度干扰指标为因变量的ICP-MS浓度的多元线性回归模型:f(PXRF浓度,浓度干扰指标)作为上述检测模型。
404、根据M个土壤样本各自对应的浓度干扰指标预测出N个土壤样本各自对应的浓度干扰指标。
一般来说,目标区域的表层土壤一般受降雨补给,而降雨是面状补给,因此可认为土壤含水率在同一个水平面上分布较为规律。土壤有机质为土壤本身特性影响,通常在小尺度范围内分布也较为规律。
基于此,假设M个土壤样本和N个土壤样本均由从K个不同深度采集的土壤样本构成,K>1,即假设目标区域被进行了如前述实施例中提及的K层网格划分。此时,对于K个不同深度中的任一深度,可以根据M个土壤样本中与该任一深度对应的各第一土壤样本的浓度干扰指标预测出N个土壤样本中与该任一深度对应的各第二土壤样本的浓度干扰指标。
具体地,可以结合各第一土壤样本的采样位置对各第一土壤样本的浓度干扰指标进行插值处理,进而,根据插值处理的结果和各第二土壤样本的采样位置确定出各第二土壤样本的浓度干扰指标。
如前述实施例中的举例,假设针对某层中的(n1+1)*(n2+1)个土壤样本来说,可以根据该层中的n3个土壤样本的浓度干扰指标预测出这(n1+1)*(n2+1)个土壤样本中剩余的土壤样本的浓度干扰指标。由此,当M个土壤样本由K层深度中每层对应的n3个土壤样本组成时,通过分别对每层中的n3个土壤样本的浓度干扰指标进行上述插值处理可以预测到的相应各层中全部采样位置对应的浓度干扰指标。
当然,实际应用中,如果M个土壤样本并非选自每层,而是选自K层中的部分层,假设从第一层和第三层中分别选择出了位置对应的n3个采样位置,那么基于第一层中对应的n3个土壤样本的浓度干扰指标预测出第一层中的(n1+1)*(n2+1)各自对应的浓度干扰指标,以及基于第三层中对应的n3个土壤样本的浓度干扰指标预测出第三层中的(n1+1)*(n2+1)各自对应的浓度干扰指标之后,第二层中的(n1+1)*(n2+1)各自对应的浓度干扰指标可以根据第一层中的(n1+1)*(n2+1)各自对应的浓度干扰指标和第三层中的(n1+1)*(n2+1)各自对应的浓度干扰指标确定,比如第二层中任一采样位置对应的土壤样本的浓度干扰指标确定为第一层和第三层中的相应位置对应的两个土壤样本的浓度干扰指标的均值。
405、根据检测模型、N个土壤样本各自对应的PXRF浓度和N个土壤样本各自对应的浓度干扰指标确定N个土壤样本各自对应的ICP-MS浓度。
具体地,这对N个土壤样本中的任一土壤样本来说,可以将其PXRF浓度、预测出的含水率和有机质含量代入到检测模型中,计算得到该任一土壤样本对应的ICP-MS浓度。
406、根据N个土壤样本各自对应的ICP-MS浓度和N个土壤样本各自对应的采样位置,确定目标污染物在目标区域中的浓度分布特征。
综上,结合PXRF检测方式可以快速探测污染场地的污染物浓度,但容易受场地土壤有机质含量、土壤含水率等因素影响,测试结果没有ICP-MS检测的数据准确的特点,通过分析部分土壤样本的PXRF浓度、含水率、有机质含量和ICP-MS浓度,建立ICP-MS浓度与PXRF浓度、含水率、有机质含量之间的回归模型,并利用该回归模型校正其他采样位置的土壤样本的PXRF浓度,得到精确度更高的污染物浓度分布特征。
以下将详细描述本发明的一个或多个实施例的土壤污染物分析装置。本领域技术人员可以理解,这些土壤污染物分析装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图5为本发明实施例提供的土壤污染物分析装置的结构示意图,如图5所示,该装置包括:第一获取模块11、第二获取模块12、模型建立模块13、第一确定模块14、第二确定模块15。
第一获取模块11,用于获取目标区域的N个土壤样本各自对应的PXRF浓度,所述PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的。
第二获取模块12,用于获取所述目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,所述ICP-MS浓度是针对所述目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1。
模型建立模块13,用于根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系。
第一确定模块14,用于根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度。
第二确定模块15,用于根据所述N个土壤样本各自对应的ICP-MS浓度和所述N个土壤样本各自对应的采样位置,确定所述目标污染物在所述目标区域中的浓度分布特征。
可选地,所述第二获取模块12还可以用于:获取所述M个土壤样本各自对应的浓度干扰指标,所述浓度干扰指标是预设的影响所述PXRF检测方式检测准确性的指标。
相应地,所述模型建立模块13可以用于:根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度以及所述浓度干扰指标建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度和所述浓度干扰指标之间的映射关系。
可选地,所述浓度干扰指标包括含水率和/或有机质含量。
可选地,所述第一确定模块14还可以用于:
根据所述M个土壤样本各自对应的浓度干扰指标预测出所述N个土壤样本各自对应的浓度干扰指标;根据所述检测模型、所述N个土壤样本各自对应的PXRF浓度和所述N个土壤样本各自对应的浓度干扰指标确定所述N个土壤样本各自对应的ICP-MS浓度。
可选地,所述M个土壤样本和所述N个土壤样本均由从K个不同深度采集的土壤样本构成,K>1;从而,所述第一确定模块14可以用于:
对于所述K个不同深度中的任一深度,根据所述M个土壤样本中与所述任一深度对应的各第一土壤样本的浓度干扰指标预测出所述N个土壤样本中与所述任一深度对应的各第二土壤样本的浓度干扰指标。
可选地,所述第一确定模块14还可以用于:
结合所述各第一土壤样本的采样位置对所述各第一土壤样本的浓度干扰指标进行插值处理;根据所述插值处理的结果和所述各第二土壤样本的采样位置确定出所述各第二土壤样本的浓度干扰指标。
可选地,所述N个土壤样本对应的N个采样位置对应于将所述目标区域进行网格划分后得到的各网格顶点位置,所述网格划分将所述目标区域划分为K层网格区域,每层网格区域中包括n1*n2个网格,N=K*(n1+1)*(n2+1),K>1,n1>1,n2>1;所述M个土壤样本对应的M个采样位置对应于:按照预设倍数的采样位置间距从目标网格区域对应的采样位置中确定出的n3个采样位置,其中,n3<(n1+1)*(n2+1),所述目标网格区域是所述K层网格区域中的每一层或者是从所述K层网格区域中选择的部分。
图5所示装置可以执行图3和图4所示实施例的方法,本实施例未详细描述的部分,可参考对图3和图4所示实施例的相关说明。该技术方案的执行过程和技术效果参见图3和图4所示实施例中的描述,在此不再赘述。
以上描述了土壤污染物分析装置的内部功能和结构,在一个可能的设计中,土壤污染物分析装置的结构可实现为一分析设备,该分析设备可以是PC机等设备,如图6所示,该分析设备可以包括:处理器21和存储器22。其中,所述存储器22用于存储支持分析设备执行上述图3和图4所示实施例中提供的土壤污染物分析方法的程序,所述处理器21被配置为用于执行所述存储器22中存储的程序。
所述程序包括一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器21执行时能够实现如下步骤:
获取目标区域的N个土壤样本各自对应的PXRF浓度,所述PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的;
获取所述目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,所述ICP-MS浓度是针对所述目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1;
根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;
根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;
根据所述N个土壤样本各自对应的ICP-MS浓度和所述N个土壤样本各自对应的采样位置,确定所述目标污染物在所述目标区域中的浓度分布特征。
上述处理器21还可以用于执行前述图3和图4所示实施例中示意的其他各步骤。
其中,所述分析设备的结构中还可以包括通信接口23,用于分析设备与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存分析设备所用的计算机软件指令,其包含用于执行上述图3和图4所示方法实施例的土壤污染物分析方法所涉及的程序。
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和软件结合的方式来实现。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计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
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)
1.一种土壤污染物分析方法,其特征在于,包括:
获取目标区域的N个土壤样本各自对应的PXRF浓度,所述PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的;
获取所述目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,所述ICP-MS浓度是针对所述目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1;
根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;
根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;
根据所述N个土壤样本各自对应的ICP-MS浓度和所述N个土壤样本各自对应的采样位置,确定所述目标污染物在所述目标区域中的浓度分布特征。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述M个土壤样本各自对应的浓度干扰指标,所述浓度干扰指标是预设的影响所述PXRF检测方式检测准确性的指标;
所述根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,包括:
根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度以及所述浓度干扰指标建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度和所述浓度干扰指标之间的映射关系。
3.根据权利要求2所述的方法,其特征在于,所述浓度干扰指标包括含水率和/或有机质含量。
4.根据权利要求2所述的方法,其特征在于,所述根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度,包括:
根据所述M个土壤样本各自对应的浓度干扰指标预测出所述N个土壤样本各自对应的浓度干扰指标;
根据所述检测模型、所述N个土壤样本各自对应的PXRF浓度和所述N个土壤样本各自对应的浓度干扰指标确定所述N个土壤样本各自对应的ICP-MS浓度。
5.根据权利要求4所述的方法,其特征在于,所述M个土壤样本和所述N个土壤样本均由从K个不同深度采集的土壤样本构成,K>1;
所述根据所述M个土壤样本各自对应的浓度干扰指标预测出所述N个土壤样本各自对应的浓度干扰指标,包括:
对于所述K个不同深度中的任一深度,根据所述M个土壤样本中与所述任一深度对应的各第一土壤样本的浓度干扰指标预测出所述N个土壤样本中与所述任一深度对应的各第二土壤样本的浓度干扰指标。
6.根据权利要求5所述的方法,其特征在于,所述根据所述M个土壤样本中与所述任一深度对应的各第一土壤样本的浓度干扰指标预测出所述N个土壤样本中与所述任一深度对应的各第二土壤样本的浓度干扰指标,包括:
结合所述各第一土壤样本的采样位置对所述各第一土壤样本的浓度干扰指标进行插值处理;
根据所述插值处理的结果和所述各第二土壤样本的采样位置确定出所述各第二土壤样本的浓度干扰指标。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述N个土壤样本对应的N个采样位置对应于将所述目标区域进行网格划分后得到的各网格顶点位置,所述网格划分将所述目标区域划分为K层网格区域,每层网格区域中包括n1*n2个网格,N=K*(n1+1)*(n2+1),K>1,n1>1,n2>1;
所述M个土壤样本对应的M个采样位置对应于:按照预设倍数的采样位置间距从目标网格区域对应的采样位置中确定出的n3个采样位置,其中,n3<(n1+1)*(n2+1),所述目标网格区域是所述K层网格区域中的每一层或者是从所述K层网格区域中选择的部分。
8.一种土壤污染物检测装置,其特征在于,包括:
第一获取模块,用于获取目标区域的N个土壤样本各自对应的PXRF浓度,所述PXRF浓度是针对目标污染物采用PXRF检测方式进行浓度检测得到的;
第二获取模块,用于获取所述目标区域的M个土壤样本各自对应的PXRF浓度和ICP-MS浓度,所述ICP-MS浓度是针对所述目标污染物采用ICP-MS检测方式进行浓度检测得到的,N>M>1;
模型建立模块,用于根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;
第一确定模块,用于根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;
第二确定模块,用于根据所述N个土壤样本各自对应的ICP-MS浓度和所述N个土壤样本各自对应的采样位置,确定所述目标污染物在所述目标区域中的浓度分布特征。
9.一种分析设备,其特征在于,包括:存储器、处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如权利要求1至7中任一项所述的土壤污染物分析方法。
10.一种土壤污染物检测系统,其特征在于,包括:
PXRF检测设备、ICP-MS检测设备和分析设备;
所述PXRF检测设备,用于针对目标污染物检测目标区域的N个土壤样本各自对应的PXRF浓度以及所述目标区域的M个土壤样本各自对应的PXRF浓度,并将检测得到的PXRF浓度发送至所述分析设备,N>M>1;
所述ICP-MS检测设备,用于针对所述目标污染物检测所述M个土壤样本各自对应的ICP-MS浓度,并将所述ICP-MS浓度发送至所述分析设备;
所述分析设备,用于根据所述M个土壤样本各自对应的PXRF浓度和ICP-MS浓度建立与所述目标污染物对应的检测模型,所述检测模型反映了ICP-MS浓度与PXRF浓度之间的映射关系;根据所述检测模型和所述N个土壤样本各自对应的PXRF浓度确定所述N个土壤样本各自对应的ICP-MS浓度;根据所述N个土壤样本各自对应的ICP-MS浓度和预先存储的所述N个土壤样本各自对应的采样位置确定所述目标污染物在所述目标区域中的浓度分布特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810823844.4A CN109839395B (zh) | 2018-07-25 | 2018-07-25 | 土壤污染物分析方法、装置、设备和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810823844.4A CN109839395B (zh) | 2018-07-25 | 2018-07-25 | 土壤污染物分析方法、装置、设备和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109839395A true CN109839395A (zh) | 2019-06-04 |
CN109839395B CN109839395B (zh) | 2020-05-22 |
Family
ID=66882991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810823844.4A Active CN109839395B (zh) | 2018-07-25 | 2018-07-25 | 土壤污染物分析方法、装置、设备和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109839395B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117313428A (zh) * | 2023-11-28 | 2023-12-29 | 西安中核核仪器股份有限公司 | 一种火电厂污染物浓度在线监测修正方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520421A (zh) * | 2009-04-08 | 2009-09-02 | 北京农产品质量检测与农田环境监测技术研究中心 | 一种土壤重金属含量检测模型的建模方法及其应用 |
CN101865828A (zh) * | 2010-05-31 | 2010-10-20 | 湖南大学 | 用于维护复杂体系光谱校正模型预测能力的方法 |
CN106706691A (zh) * | 2017-01-06 | 2017-05-24 | 中冶华天工程技术有限公司 | 便携式x射线荧光光谱法重金属检测种类判断方法 |
CN107727676A (zh) * | 2017-09-14 | 2018-02-23 | 三峡大学 | 一种基于向前间隔偏最小二乘算法的土壤重金属含量建模方法 |
AU2018204709A1 (en) * | 2015-07-09 | 2018-07-19 | Atomic Oncology Pty Ltd | Atomic therapeutic indicator |
-
2018
- 2018-07-25 CN CN201810823844.4A patent/CN109839395B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520421A (zh) * | 2009-04-08 | 2009-09-02 | 北京农产品质量检测与农田环境监测技术研究中心 | 一种土壤重金属含量检测模型的建模方法及其应用 |
CN101865828A (zh) * | 2010-05-31 | 2010-10-20 | 湖南大学 | 用于维护复杂体系光谱校正模型预测能力的方法 |
AU2018204709A1 (en) * | 2015-07-09 | 2018-07-19 | Atomic Oncology Pty Ltd | Atomic therapeutic indicator |
CN106706691A (zh) * | 2017-01-06 | 2017-05-24 | 中冶华天工程技术有限公司 | 便携式x射线荧光光谱法重金属检测种类判断方法 |
CN107727676A (zh) * | 2017-09-14 | 2018-02-23 | 三峡大学 | 一种基于向前间隔偏最小二乘算法的土壤重金属含量建模方法 |
Non-Patent Citations (3)
Title |
---|
HU W, HUANG B, WEINDORF D C, ET AL.: "Metals analysis of agricultural soils via portable X-ray fluorescence spectrometry", 《BULLETIN OF ENVIRONMENTAL CONTAMINATION AND TOXICOLOGY》 * |
PYLE S M, NOCERINO J M, DEMING S N, ET AL.: "Comparison of AAS, ICP-AES, PSA, and XRF in determining lead and cadmium in soil", 《ENVIRONMENTAL SCIENCE & TECHNOLOGY》 * |
陈文魁: "X射线荧光光谱法、电感耦合等离子体质谱法与电感耦合等离子体发射光谱法对土壤中重金属元素的测定及比较", 《低碳世界》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117313428A (zh) * | 2023-11-28 | 2023-12-29 | 西安中核核仪器股份有限公司 | 一种火电厂污染物浓度在线监测修正方法 |
CN117313428B (zh) * | 2023-11-28 | 2024-02-23 | 西安中核核仪器股份有限公司 | 一种火电厂污染物浓度在线监测修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109839395B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bajo et al. | “Cryptic” diagenesis and its implications for speleothem geochronologies | |
Castillo et al. | Comparing the accuracy of several field methods for measuring gully erosion | |
Guerriero et al. | Improved statistical multi-scale analysis of fractured reservoir analogues | |
CN104736986B (zh) | 使用同位素比测量在人口稠密地区中进行气体泄漏检测和定位的方法 | |
CN107402176B (zh) | 裂缝孔隙度的确定方法和装置 | |
Vazaios et al. | Integration of lidar-based structural input and discrete fracture network generation for underground applications | |
Spooner et al. | Rapid uranium-series age screening of carbonates by laser ablation mass spectrometry | |
Chabrillat et al. | HYSOMA: An easy-to-use software interface for soil mapping applications of hyperspectral imagery | |
Brereton et al. | Identifying sources of fugitive emissions in industrial facilities using trajectory statistical methods | |
Rademaker et al. | Multi-technique geochemical characterization of the Alca obsidian source, Peruvian Andes | |
Jha et al. | Linked simulation-optimization based dedicated monitoring network design for unknown pollutant source identification using dynamic time warping distance | |
CN109060760A (zh) | 分析模型建立方法、气体分析装置及方法 | |
Stockmann et al. | Landscape-scale exploratory radiometric mapping using proximal soil sensing | |
CN108875184B (zh) | 基于数字露头模型的页岩有机碳含量预测方法及装置 | |
JP6316653B2 (ja) | 放射性廃棄体の放射能測定方法および装置 | |
CN109165553B (zh) | 基于深度学习的石油设施遥感自动识别方法及装置 | |
CN109839395A (zh) | 土壤污染物分析方法、装置、设备和系统 | |
EP2580772B1 (en) | A method computer program and system to analyze mass spectra | |
Borkowski et al. | Geostatistical modelling as an assessment tool of soil pollution based on deposition from atmospheric air | |
Kolyaie et al. | Analysis and simulation of wireless signal propagation applying geostatistical interpolation techniques | |
Pereira et al. | Assessing dataset equivalence and leveling data in geochemical mapping | |
WO2013169137A1 (en) | Method and apparatus for analyzing a drill core sample | |
Park et al. | A method for determining the drift velocity of plasma depletions in the equatorial ionosphere using far‐ultraviolet spacecraft observations | |
Curto et al. | Optimizing depth estimates from magnetic anomalies using spatial analysis tools | |
Schueth et al. | The Probable Datum Method (PDM): a technique for estimating the age of origination or extinction of nannoplankton |
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 |