CN110108837A - 一种基于热点网格污染数据监测的预警方法 - Google Patents
一种基于热点网格污染数据监测的预警方法 Download PDFInfo
- Publication number
- CN110108837A CN110108837A CN201910272258.XA CN201910272258A CN110108837A CN 110108837 A CN110108837 A CN 110108837A CN 201910272258 A CN201910272258 A CN 201910272258A CN 110108837 A CN110108837 A CN 110108837A
- Authority
- CN
- China
- Prior art keywords
- year
- score
- ranking
- data
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011109 contamination Methods 0.000 title claims abstract description 8
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 20
- 231100000719 pollutant Toxicity 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 239000000443 aerosol Substances 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01N33/0027—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
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Combustion & Propulsion (AREA)
- General Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Ecology (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，并通过获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于热点网格污染数据监测的预警方法。
背景技术
解决好环境问题的重要基础之一就是要准确掌握环境现状，包括存在哪些具体的环境问题等等，而环境监测工作又是解决环境问题、及时了解环境现状的关键，这其中“预警网格”就成为环境监测工作的重点和关键环节。
预警网格是制定环境环保政策和措施的基础，也是环境管理、执法、统计、信息发布和环保目标责任制度考核的依据。因此，预警网格的质量与否对于环境保护工作具有积极的意义。预警网格的目的在于识别大气中的污染物质，掌握其分布与扩散规律，监视大气污染源的排放和控制情况，并快速定位污染区域。
发明内容
本发明是基于热点网格污染数据监测技术，并旨在提供一种更为细化的预警方法，具体技术方案如下：
一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，其特征在于：所述方法还包括提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。
进一步地，所述本周期数据得分计算公式为“得分＝1-(本周期网格浓度-本周期网格浓度最小值)*100/本周期网格浓度最大值-本周期网格浓度最小值)”；通过该得分的升序或降序确定排名。
进一步地，所述同比变化的计算公式为“变化＝1-(本周期网格浓度-上一年度同周期网格浓度)*100/上一年度同周期网格浓度)”。
进一步地，所述同比得分的计算公式为“得分＝1-(同比变化-同比变化最小值)*100/ (同比变化最大值-同比变化最小值)”；通过该得分的升序或降序确定排名。
进一步地，所述环比得分通过本周期排名与上周期排名之间的差确定。
进一步地，所述环比得分的计算公式为“得分＝1-(环比排名变化-环比排名变化最小值) *100/(环比排名变化最大值-环比排名变化最小值)”；通过该得分的升序或降序确定排名。
第二方面，本发明还提供了一种设备，包括存储器和处理器，其特征在于，所述存储器用于存储程序，所述处理器用于执行如权利要求1-6任一所述的方法。
第三方面，本发明还提供了一种包含指令的计算机程序产品，其特征在于，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如权利要求1-6任一权利要求所述的方法。
第四方面，本发明还提供了一种计算机可读存储介质，其特征在于，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权利要求1-6任一权利要求所述的方法。
本发明提出一种新的概念，即“预警网格”，并给出了地图的显示方式、计算方法以及预警网格在环境保护中重要作用。其中预警网格的概念很新颖，计算方法较为复杂，主要涉及到本周期网格的浓度得分、排名、网格浓度同比变化、网格浓度同比得分、排名、环比排名变化以及环比得分、排名。预警网格是制定环境环保政策和措施的基础，也是环境管理、执法、统计、信息发布和环保目标责任制度考核的依据。因此，预警网格的质量与否对于环境保护工作具有积极的意义。预警网格的目的在于识别大气中的污染物质，掌握其分布与扩散规律，监视大气污染源的排放和控制情况，并快速定位污染区域。
附图说明
图1是本发明实施例提供的将监测区域划分成网格单元示意图，地图上的矩形框是网格，其中每一个网格都有一个网格编号，以T开头；
图2是本发明实施例提供的将网格中污染物浓度进行提取的示意图；
图3是本发明实施例提供的将网格中污染物浓度进行排名的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域。
其中，网格单元是指将污染监测区域划分成多个网格,便于进行精确监测。例如，将京津冀及周边重点区域“2+26”城市(2指北京市和天津市，26指河北省石家庄、唐山、保定、廊坊、沧州、衡水、邯郸、邢台，山西省太原、阳泉、长治、晋城，山东省济南、淄博、聊城、德州、滨州、济宁、菏泽，河南省郑州、新乡、鹤壁、安阳、焦作、濮阳、开封26个城市) 按照3km×3km划分网格，共计36793个。为了更进一步细化，将每个3km×3km的网格再次划分成多个100米×100米的网格单元。如图1所示，将划分之后的每个网格单元赋予一个唯一的以T开头的网格编码，根据网格编码能够查询到对应的监测子区域。
其次，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，最后，提取每个子监测区域的本月网格化污染物浓度数据、上月网格化污染物浓度数据、上一年度本月网格化污染物浓度数据，并计算出每个子监测区域的本月的数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本月排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。
预警评估计算公式以及计算标准：
①本月网格的浓度得分、排名：
②网格浓度同比变化:
③网格浓度同比得分、排名:
④环比排名变化
环比排名变化＝-(本月排名-上月排名)
⑤环比得分、排名：
(2)预警网格确定及原因分析
每月将各城市PM2.5月均浓度最高、同比去年PM2.5浓度改善情况最差、环比上月改善情况最差等三类热点网格作为预警网格推送给各个城市，指明这些网格需要重点关注。
(3)约谈机制
对一年内连续3次被预警或累计6次被预警的热点网格，生态环境部将采取公开通报、派驻工作组和公开约谈网格所在县(区、市)政府负责人等措施，督促地方解决问题，改善环境。
本发明实施例二提供了一种设备，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。
本发明实施例三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。
本发明实施例四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。
以上所述的具体实施方式，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，以上所述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 (9)
1.一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，其特征在于：所述方法还包括提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。
2.根据权利要求1所述的方法，其特征在于：所述本周期数据得分计算公式为“得分＝1-(本周期网格浓度-本周期网格浓度最小值)*100/本周期网格浓度最大值-本周期网格浓度最小值)”；通过该得分的升序或降序确定排名。
3.根据权利要求1所述的方法，其特征在于：所述同比变化的计算公式为“变化＝1-(本周期网格浓度-上一年度同周期网格浓度)*100/上一年度同周期网格浓度)”。
4.根据权利要求1所述的方法，其特征在于：所述同比得分的计算公式为“得分＝1-(同比变化-同比变化最小值)*100/(同比变化最大值-同比变化最小值)”；通过该得分的升序或降序确定排名。
5.根据权利要求1所述的方法，其特征在于：所述环比得分通过本周期排名与上周期排名之间的差确定。
6.根据权利要求1所述的方法，其特征在于：所述环比得分的计算公式为“得分＝1-(环比排名变化-环比排名变化最小值)*100/(环比排名变化最大值-环比排名变化最小值)”；通过该得分的升序或降序确定排名。
7.一种设备，包括存储器和处理器，其特征在于，所述存储器用于存储程序，所述处理器用于执行如权利要求1-6任一所述的方法。
8.一种包含指令的计算机程序产品，其特征在于，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如权利要求1-6任一权利要求所述的方法。
9.一种计算机可读存储介质，其特征在于，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权利要求1-6任一权利要求所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910272258.XA CN110108837A (zh) | 2019-04-04 | 2019-04-04 | 一种基于热点网格污染数据监测的预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910272258.XA CN110108837A (zh) | 2019-04-04 | 2019-04-04 | 一种基于热点网格污染数据监测的预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110108837A true CN110108837A (zh) | 2019-08-09 |
Family
ID=67485222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910272258.XA Pending CN110108837A (zh) | 2019-04-04 | 2019-04-04 | 一种基于热点网格污染数据监测的预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110108837A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112016254B (zh) * | 2020-10-15 | 2021-01-19 | 南京智汇环境气象产业研究院有限公司 | 用于拉格朗日柔性颗粒扩散模型的卫星数据前处理方法 |
| CN112509288A (zh) * | 2020-09-28 | 2021-03-16 | 北京英视睿达科技有限公司 | 用于大气污染的监测方法、装置、电子设备及介质 |
| CN113642263A (zh) * | 2021-10-18 | 2021-11-12 | 中科三清科技有限公司 | 基于北斗网格的空气质量预警方法和装置 |
| CN114077941A (zh) * | 2020-08-13 | 2022-02-22 | 上海腾美信息技术有限公司 | 一种企业用环保信息管理系统及其管理方法 |
| CN114493316A (zh) * | 2022-02-11 | 2022-05-13 | 中节能天融科技有限公司 | 一种区域环境空气质量月度生态补偿考核方法及系统 |
| CN114839317A (zh) * | 2021-12-27 | 2022-08-02 | 北京雪迪龙科技股份有限公司 | 大气网格化综合预警方法及其系统 |
| CN115936311A (zh) * | 2022-11-30 | 2023-04-07 | 中科三清科技有限公司 | 减排策略获取方法、装置、介质及电子设备 |
| CN116069892A (zh) * | 2023-03-27 | 2023-05-05 | 乳山市海洋经济发展中心 | 一种基于海洋工程的环境数据处理方法及系统 |
| CN118067960A (zh) * | 2024-02-27 | 2024-05-24 | 镇江苏鹤环境科技有限公司 | 一种基于多源数据的土壤环境污染监测系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105911219A (zh) * | 2016-04-08 | 2016-08-31 | 北京盈盛恒泰科技有限责任公司 | 一种污染气体监测预警系统及方法 |
| CN108508142A (zh) * | 2018-02-28 | 2018-09-07 | 北京理工大学 | 一种城市二氧化碳排放量监测系统及其运作方法 |
| CN109213839A (zh) * | 2018-09-12 | 2019-01-15 | 北京英视睿达科技有限公司 | 基于网格化特征深度学习的热点网格污染物数据获取方法 |
| CN109345004A (zh) * | 2018-09-12 | 2019-02-15 | 北京英视睿达科技有限公司 | 基于热点网格的空气污染物数据获取方法 |
| CN109543935A (zh) * | 2018-10-09 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于热点网格的环境数据处理方法 |
-
2019
- 2019-04-04 CN CN201910272258.XA patent/CN110108837A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105911219A (zh) * | 2016-04-08 | 2016-08-31 | 北京盈盛恒泰科技有限责任公司 | 一种污染气体监测预警系统及方法 |
| CN108508142A (zh) * | 2018-02-28 | 2018-09-07 | 北京理工大学 | 一种城市二氧化碳排放量监测系统及其运作方法 |
| CN109213839A (zh) * | 2018-09-12 | 2019-01-15 | 北京英视睿达科技有限公司 | 基于网格化特征深度学习的热点网格污染物数据获取方法 |
| CN109345004A (zh) * | 2018-09-12 | 2019-02-15 | 北京英视睿达科技有限公司 | 基于热点网格的空气污染物数据获取方法 |
| CN109543935A (zh) * | 2018-10-09 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于热点网格的环境数据处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 冯为为: "精准治霾 "千里眼"来帮忙", 节能与环保, no. 10, pages 172 - 24 * |
| 樊纲 等: "《低碳城市在行动 政策与实践》", 中国经济出版社, pages: 52 - 54 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114077941A (zh) * | 2020-08-13 | 2022-02-22 | 上海腾美信息技术有限公司 | 一种企业用环保信息管理系统及其管理方法 |
| CN112509288A (zh) * | 2020-09-28 | 2021-03-16 | 北京英视睿达科技有限公司 | 用于大气污染的监测方法、装置、电子设备及介质 |
| CN112509288B (zh) * | 2020-09-28 | 2022-01-14 | 北京英视睿达科技有限公司 | 用于大气污染的监测方法、装置、电子设备及介质 |
| CN112016254B (zh) * | 2020-10-15 | 2021-01-19 | 南京智汇环境气象产业研究院有限公司 | 用于拉格朗日柔性颗粒扩散模型的卫星数据前处理方法 |
| CN113642263A (zh) * | 2021-10-18 | 2021-11-12 | 中科三清科技有限公司 | 基于北斗网格的空气质量预警方法和装置 |
| CN114839317A (zh) * | 2021-12-27 | 2022-08-02 | 北京雪迪龙科技股份有限公司 | 大气网格化综合预警方法及其系统 |
| CN114493316A (zh) * | 2022-02-11 | 2022-05-13 | 中节能天融科技有限公司 | 一种区域环境空气质量月度生态补偿考核方法及系统 |
| CN115936311A (zh) * | 2022-11-30 | 2023-04-07 | 中科三清科技有限公司 | 减排策略获取方法、装置、介质及电子设备 |
| CN115936311B (zh) * | 2022-11-30 | 2023-06-30 | 中科三清科技有限公司 | 减排策略获取方法、装置、介质及电子设备 |
| CN116069892A (zh) * | 2023-03-27 | 2023-05-05 | 乳山市海洋经济发展中心 | 一种基于海洋工程的环境数据处理方法及系统 |
| CN118067960A (zh) * | 2024-02-27 | 2024-05-24 | 镇江苏鹤环境科技有限公司 | 一种基于多源数据的土壤环境污染监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110108837A (zh) | 一种基于热点网格污染数据监测的预警方法 | |
| Duller | The Analyst software package for luminescence data: overview and recent improvements | |
| Laffan et al. | Assessing endemism at multiple spatial scales, with an example from the Australian vascular flora | |
| CN109688091B (zh) | 多源的威胁情报的质量评估方法及装置 | |
| MacEachren et al. | Visual semiotics & uncertainty visualization: An empirical study | |
| McIntyre | Polyploidy associated with altered and broader ecological niches in the Claytonia perfoliata (Portulacaceae) species complex | |
| Leydesdorff | Mapping interdisciplinarity at the interfaces between the Science Citation Index and the Social Science Citation Index | |
| CN108460087A (zh) | 探索式高维数据可视化装置及方法 | |
| CN109543935A (zh) | 基于热点网格的环境数据处理方法 | |
| US20030236652A1 (en) | System and method for anomaly detection | |
| CN109359874A (zh) | 一种多维指标监控预警方法及装置 | |
| CN108665513A (zh) | 基于用户行为数据的绘图方法和装置 | |
| Chaudhary et al. | Use of big data in computational epidemiology for public health surveillance | |
| CN110321914A (zh) | 一种油品质量分析管控系统 | |
| Lacassie et al. | Discovering geochemical patterns using self-organizing neural networks: a new perspective for sedimentary provenance analysis | |
| CN107093092A (zh) | 数据分析方法和装置 | |
| CN109001514B (zh) | 一种基于三维波形映射图像的参数测量与标记方法 | |
| CN104408057B (zh) | 一种数据汇总的方法及装置 | |
| CN114331134A (zh) | 一种设备数字化管理能力成熟度评价方法及其评价系统 | |
| Tian et al. | Changes in typhoon regional heavy precipitation events over China from 1960 to 2018 | |
| CN109345004A (zh) | 基于热点网格的空气污染物数据获取方法 | |
| CN111078783A (zh) | 一种基于监管保护的数据治理可视化方法 | |
| CN104714955A (zh) | 新式适用模具制造企业销售商品类型汇总分析系统 | |
| Land | Some exhaustible Poisson process models of divorce by marriage cohort | |
| CN106127331A (zh) | 基于粗糙集理论的民航无线电干扰预测方法 |
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 | ||
| 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: 100000 606, 6 / F, building 1, yard 8, Automobile Museum West Road, Fengtai District, Beijing Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |