CN110274916B - 基于卫星遥感的电网污染物浓度监测方法及系统 - Google Patents
基于卫星遥感的电网污染物浓度监测方法及系统 Download PDFInfo
- Publication number
- CN110274916B CN110274916B CN201910719649.1A CN201910719649A CN110274916B CN 110274916 B CN110274916 B CN 110274916B CN 201910719649 A CN201910719649 A CN 201910719649A CN 110274916 B CN110274916 B CN 110274916B
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- concentration
- remote sensing
- power grid
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/3103—Atomic absorption analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
Abstract
本申请公开了一种基于卫星遥感的电网污染物浓度监测方法及系统,环境卫星搭载大气痕量气体差分吸收光谱仪,将电网区域按照大气污染物监测的范围划分为多个目标区域;利用大气痕量气体差分吸收光谱仪对目标区域进行遥感探测,得到大气消光效应;将大气消光效应实时传输至地面;根据大气消光效应,处理得到对各个电力污秽成分的浓度;将地面划分为若干等面积的网格,将电力污秽成分的浓度按照网格输出矢量化数据;将矢量化数据与电网GIS叠加分析,得到空中污染物浓度。本申请能高频次、大范围的遥感探测各个目标区域,通过大气消光效应数据,准确分析出各电力污秽成分,实现了电网各污染物空间分布的准实时监测,数据采集过程客观稳定,效率高。
Description
技术领域
本申请涉及电网污秽监测技术领域,尤其涉及一种基于卫星遥感的电网污染物浓度监测方法及系统。
背景技术
近年来,电网输变电设备常遭受各类自然灾害影响,特别是周边存在大量重污染企业时,导致空气中污染较重,过量的电力污秽会导致绝缘装置加速老化,甚至是失效,从而引起输变电设备外表面放电,导致线路跳闸,影响电网的可靠运行。因此,对电网输变电设备的污秽状况进行有效的监测,是目前研究的重点。
针对电力污秽监测来说,目前通常是采用现场取样测试和污秽在线监测装置测量。其中,现场取样测试为将设备停电后,从绝缘装置上收集污秽物,然后测量污秽物溶液的电导率,折算出污秽度。污秽在线监测装置测量有两种:其一,实时测量通过绝缘子串的泄漏电流,折算出电导率,再折算出污秽度;其二,通过光谱法测量不同状况下的污秽物反射率,建立污秽度与反射率的关系,从而折算出污秽度。
上述电力污秽监测的方法中,从绝缘装置上收集污秽物或者是测量通过绝缘子串的泄漏电流,其数据点比较分散,连续性差,收集到的数据不能真实反应电力污秽成分的情况,导致电力污秽监测结果不精确。另外,数据获取的周期长,致使监测结果较为漫长,监测效率低。
发明内容
本申请提供了一种基于卫星遥感的电网污染物浓度监测方法及系统,以解决现有技术中电力污秽监测的结果不精确及监测效率低的技术问题。
为了解决上述技术问题,本申请实施例公开了如下技术方案:
第一方面,本申请实施例公开了一种基于卫星遥感的电网污染物浓度监测方法,环境卫星搭载有大气痕量气体差分吸收光谱仪,所述方法包括:
将电网区域按照大气污染物监测的范围划分为多个目标区域;
利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应;
将所述大气消光效应实时传输至地面;
根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;
将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;
将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。
可选地,在上述基于卫星遥感的电网污染物浓度监测方法中,所述环境卫星还搭载有大气气溶胶多角度偏振探测仪,在利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应之前,所述方法还包括:
利用所述大气气溶胶多角度偏振探测仪对所述目标区域进行遥感探测,得到大气顶层偏振辐射亮度;
将所述大气顶层偏振辐射亮度实时传输至地面;
根据所述大气顶层偏振辐射亮度,处理得到广域的大气气溶胶光学厚度;
根据所述广域的大气气溶胶光学厚度,从多个所述目标区域中筛选出重点监测区域。
可选地,在上述基于卫星遥感的电网污染物浓度监测方法中,所述环境卫星在预设时间内进行遥感探测。
可选地,在上述基于卫星遥感的电网污染物浓度监测方法中,在所述得到输变电设备的空中污染物浓度之后,所述方法还包括:
存储所述空中污染物浓度,记录所述空中污染物浓度随时间序列的变化。
可选地,在上述基于卫星遥感的电网污染物浓度监测方法中,所述网格的长和宽均为2km。
第二方面,本申请实施例公开了一种基于卫星遥感的电网污染物浓度监测系统,环境卫星搭载有大气痕量气体差分吸收光谱仪,所述系统包括:
区域划分模块,用于将电网区域按照大气污染物监测的范围划分为多个目标区域;
遥感探测模块,用于利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应;
卫星通讯模块,用于将所述大气消光效应实时传输至地面;
第一处理模块,用于根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;
第二处理模块,用于将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;
数据输出模块,用于将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。
可选地,在上述基于卫星遥感的电网污染物浓度监测系统中,
所述环境卫星还搭载有大气气溶胶多角度偏振探测仪;
所述遥感探测模块,还用于利用所述大气气溶胶多角度偏振探测仪对所述目标区域进行遥感探测,得到大气顶层偏振辐射亮度;
所述卫星通讯模块,还用于将所述大气顶层偏振辐射亮度实时传输至地面;
所述系统还包括:
第三处理模块,用于根据所述大气顶层偏振辐射亮度,处理得到广域的大气气溶胶光学厚度;
第四处理模块,用于根据所述广域的大气气溶胶光学厚度,从多个所述目标区域中筛选出重点监测区域。
可选地,在上述基于卫星遥感的电网污染物浓度监测系统中,所述系统还包括:
数据管理模块,用于存储所述空中污染物浓度,记录所述空中污染物浓度随时间序列的变化。
与现有技术相比,本申请的有益效果为:
本申请提供了一种基于卫星遥感的电网污染物浓度监测方法及系统,环境卫星搭载有大气痕量气体差分吸收光谱仪,所述方法包括:将电网区域按照大气污染物监测的范围划分为多个目标区域;利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应;将所述大气消光效应实时传输至地面;根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。本申请中,通过环境卫星搭载的大气痕量气体差分吸收光谱仪能够高频次、大范围的遥感探测各个目标区域,可避免人工取样监测和在线监测装置测量中采集数据点比较分散,连续性差的问题,通过得到的大气消光效应数据,进行分析处理输出污染物浓度矢量化分布数据,将电力设备的坐标位置与矢量化分布数据进行叠加,能够精确分析出输变电设备附近各电力污秽成分的情况。另外,通过环境卫星重复扫描地球表面,实现电网各污染物空间分布的准实时监测,并且,数据采集过程避免了气候、地理等外界因素的影响,采集过程客观稳定,效率高。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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基于卫星遥感的电网污染物浓度监测方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,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他实施例,都应当属于本申请保护的范围。
本申请中电网污染物浓度监测方法基于卫星遥感技术,通过环境卫星上搭载的大气痕量气体差分吸收光谱仪,大气痕量气体差分吸收光谱仪通过遥感探测地球大气或者表面反射、散射的可见光的辐射来解析痕量气体成分。参见图1,为发明实施例提供的一种基于卫星遥感的电网污染物浓度监测方法的流程示意图。结合图1,本申请中电网污染物浓度监测方法包括:
步骤S110:将电网区域按照大气污染物监测的范围划分为多个目标区域;
本申请中一般以省级电网的行政区为单位,划定进行大气污染物监测的电网区域。
步骤S120:利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应;
步骤S130:将所述大气消光效应实时传输至地面;
步骤S140:根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;
进一步,本申请中,环境卫星还搭载有大气气溶胶多角度偏振探测仪,在利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测之前,所述方法还包括:
利用所述大气气溶胶多角度偏振探测仪对所述目标区域进行遥感探测,得到大气顶层偏振辐射亮度,将大气顶层偏振辐射亮度实时传输至地面,通过大气顶层偏振辐射亮度,处理得到广域的大气气溶胶光学厚度,本申请中根据广域的大气气溶胶光学厚度,从多个所述目标区域中筛选出重点监测区域,通常情况下,大气气溶胶光学厚度越厚的区域,则为需要重点监测区域。
在各个目标区域中筛选出重点监测区域之后,通过大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应数据,将大气消光效应数据传输至地面,进行分析处理和反演,得到对电网设备外绝缘有主要影响的PM2.5、PM10、NO2、SO2的污染物的浓度。
另外,本申请中环境卫星搭载的大气痕量气体差分吸收光谱仪和大气气溶胶多角度偏振探测仪可以在预设时间内进行遥感探测,其中预设时间为每天的9点和21点。每天早上湿度大,经常有雾,发生污闪故障的概率高,因此需要在上午9点左右的时候进行遥感探测。当天傍晚过后,空中漂浮物基本上静置下沉,对电力设备威胁也大,因此需要到晚上21点作用进行一次遥感探测。
步骤S150:将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;
步骤S160:将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。
本申请中,按照2km*2km的网格将地面进行划分,考虑到污秽沉积对输变电设备上的影响,选择2km范围内比较合适,若是距离输变电设备2km之外的区域,其污秽沉积对输变电设备几乎不存在影响。划分好2km*2km的网格后,输出输变电设备的空中污染物矢量化数据。最终,将广域的空中污染物浓度矢量化分布数据与电网GIS叠加分析,得出输变电设备附近2km的空中污染物浓度,也就是说,本申请中通过环境卫星遥感探测广域监测的数据,得到空中污染物分布图的矢量数据,然后将电力设备的坐标位置与分布图的矢量数据进行叠加,就可以得出输变电设备处于哪一个图层,进而得出其附近的污染物浓度。
进一步,本申请中在得到输变电设备的空中污染物浓度之后,将所述空中污染物浓度进行存储,记录所述空中污染物浓度随时间序列的变化,后期可以根据历史卫星遥感数据,对电网污染物的分布区域、变化趋势进行分析及预测,为电网的防污秽工作提供技术依据。
本申请中,通过环境卫星搭载的大气痕量气体差分吸收光谱仪能够高频次、大范围的遥感探测各个目标区域,可避免人工取样监测和在线监测装置测量中采集数据点比较分散,连续性差的问题,通过得到的大气消光效应数据,进行分析处理输出污染物浓度矢量化分布数据,将电力设备的坐标位置与矢量化分布数据进行叠加,能够精确分析出输变电设备附近各电力污秽成分的情况。另外,通过环境卫星重复扫描地球表面,实现电网各污染物空间分布的准实时监测,并且,数据采集过程避免了气候、地理等外界因素的影响,采集过程客观稳定,效率高。还能够根据历史卫星遥感数据,对电网污染物的分布区域、变化趋势进行分析及预测。
基于相同的技术构思,本发明实施例还提供了一种基于卫星遥感的电网污染物浓度监测系统。所述系统包括:环境卫星搭载有大气痕量气体差分吸收光谱仪,所述系统包括:
区域划分模块,用于将电网区域按照大气污染物监测的范围划分为多个目标区域;
遥感探测模块,用于利用所述大气痕量气体差分吸收光谱仪对所述目标区域进行遥感探测,得到大气消光效应;
卫星通讯模块,用于将所述大气消光效应实时传输至地面;
第一处理模块,用于根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;
第二处理模块,用于将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;
数据输出模块,用于将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。
进一步,所述环境卫星还搭载有大气气溶胶多角度偏振探测仪;
所述遥感探测模块,还用于利用所述大气气溶胶多角度偏振探测仪对所述目标区域进行遥感探测,得到大气顶层偏振辐射亮度;
所述卫星通讯模块,还用于将所述大气顶层偏振辐射亮度实时传输至地面;
所述电网污染物浓度监测系统还包括:
第三处理模块,用于根据所述大气顶层偏振辐射亮度,处理得到广域的大气气溶胶光学厚度;
第四处理模块,用于根据所述广域的大气气溶胶光学厚度,从多个所述目标区域中筛选出重点监测区域。
进一步,所述系统还包括:
数据管理模块,用于存储所述空中污染物浓度,记录所述空中污染物浓度随时间序列的变化。
由于以上实施方式均是在其他方式之上引用结合进行说明,不同实施例之间均具有相同的部分,本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。
需要说明的是,在本说明书中,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,而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且,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电路结构、物品或者设备不仅包括那些要素,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电路结构、物品或者设备所固有的要素。在没有更多限制的情况下,有语句“包括一个……”限定的要素,并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求的内容指出。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (6)
1.一种基于卫星遥感的电网污染物浓度监测方法,其特征在于,环境卫星搭载有大气痕量气体差分吸收光谱仪和大气气溶胶多角度偏振探测仪,所述方法包括:
将电网区域按照大气污染物监测的范围划分为多个目标区域;
利用所述大气气溶胶多角度偏振探测仪对所述目标区域进行遥感探测,得到大气顶层偏振辐射亮度;
将所述大气顶层偏振辐射亮度实时传输至地面;
根据所述大气顶层偏振辐射亮度,处理得到广域的大气气溶胶光学厚度;
根据所述广域的大气气溶胶光学厚度,从多个所述目标区域中筛选出重点监测区域;
利用所述大气痕量气体差分吸收光谱仪对所述重点监测区域进行遥感探测,得到大气消光效应;
将所述大气消光效应实时传输至地面;
根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;
将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;
将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。
2.根据权利要求1所述的基于卫星遥感的电网污染物浓度监测方法,其特征在于,所述环境卫星在预设时间内进行遥感探测。
3.根据权利要求1所述的基于卫星遥感的电网污染物浓度监测方法,其特征在于,在所述得到输变电设备的空中污染物浓度之后,所述方法还包括:
存储所述空中污染物浓度,记录所述空中污染物浓度随时间序列的变化。
4.根据权利要求1所述的基于卫星遥感的电网污染物浓度监测方法,其特征在于,所述网格的长和宽均为2km。
5.一种基于卫星遥感的电网污染物浓度监测系统,其特征在于,环境卫星搭载有大气痕量气体差分吸收光谱仪和大气气溶胶多角度偏振探测仪,所述系统包括:
区域划分模块,用于将电网区域按照大气污染物监测的范围划分为多个目标区域;
遥感探测模块,用于利用所述大气气溶胶多角度偏振探测仪对所述目标区域进行遥感探测,得到大气顶层偏振辐射亮度;
卫星通讯模块,用于将所述大气顶层偏振辐射亮度实时传输至地面;
所述系统还包括:
第三处理模块,用于根据所述大气顶层偏振辐射亮度,处理得到广域的大气气溶胶光学厚度;
第四处理模块,用于根据所述广域的大气气溶胶光学厚度,从多个所述目标区域中筛选出重点监测区域;所述遥感探测模块,还用于利用所述大气痕量气体差分吸收光谱仪对所述重点监测区域进行遥感探测,得到大气消光效应;
所述卫星通讯模块,还用于将所述大气消光效应实时传输至地面;
第一处理模块,用于根据所述大气消光效应,处理得到对各个电力污秽成分的浓度,所述电力污秽成分包括:PM2.5、PM10、NO2及SO2;
第二处理模块,用于将地面划分为若干等面积的网格,将所述电力污秽成分的浓度按照所述网格输出矢量化数据;
数据输出模块,用于将所述矢量化数据与电网GIS叠加分析,得到输变电设备的空中污染物浓度。
6.根据权利要求5所述的基于卫星遥感的电网污染物浓度监测系统,其特征在于,所述系统还包括:
数据管理模块,用于存储所述空中污染物浓度,记录所述空中污染物浓度随时间序列的变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910719649.1A CN110274916B (zh) | 2019-08-06 | 2019-08-06 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910719649.1A CN110274916B (zh) | 2019-08-06 | 2019-08-06 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110274916A CN110274916A (zh) | 2019-09-24 |
CN110274916B true CN110274916B (zh) | 2022-01-25 |
Family
ID=67965839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910719649.1A Active CN110274916B (zh) | 2019-08-06 | 2019-08-06 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110274916B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659846A (zh) * | 2019-10-12 | 2020-01-07 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于modis的aod数据的电力污秽等级评估方法 |
CN112710623A (zh) * | 2020-12-16 | 2021-04-27 | 重庆商勤科技有限公司 | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 |
CN113077083B (zh) * | 2021-03-26 | 2023-01-20 | 云南电网有限责任公司电力科学研究院 | 一种基于卫星遥感技术的污秽状况监测方法 |
CN114091605A (zh) * | 2021-11-23 | 2022-02-25 | 云南电网有限责任公司电力科学研究院 | 一种基于现行污区图和遥感数据的融合方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976424A (zh) * | 2010-10-18 | 2011-02-16 | 江西省电力科学研究院 | 利用智能规则库引擎生成电力系统污区分布图的方法 |
CN102306387A (zh) * | 2011-08-31 | 2012-01-04 | 广东电网公司佛山供电局 | 一种电网污区分布图的绘制方法及其装置 |
KR20130081842A (ko) * | 2012-01-10 | 2013-07-18 | 주식회사 스펙트로 | 헤이지 상태에서 자외선 다축-차등흡수분광을 사용한 대기 에어로졸 원격 감지 장치 및 방법 |
CN103325068A (zh) * | 2013-05-29 | 2013-09-25 | 广东电网公司电力科学研究院 | 一种实时动态三维电网污区分布图的绘制方法 |
CN104280324A (zh) * | 2014-08-27 | 2015-01-14 | 北京市环境保护监测中心 | 利用卫星遥感监测近地面细颗粒物质量浓度的方法 |
KR20180099356A (ko) * | 2017-02-28 | 2018-09-05 | 부경대학교 산학협력단 | 다중 파장을 이용한 대기 중 미량기체 연직 프로파일 산출 시스템 및 그 방법 |
CN108519340A (zh) * | 2018-03-28 | 2018-09-11 | 刘诚 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
CN109444062A (zh) * | 2018-11-29 | 2019-03-08 | 西安交通大学 | 一种无人机载高排典型污染物差分吸收光谱检测方法 |
CN109632643A (zh) * | 2018-12-25 | 2019-04-16 | 中国资源卫星应用中心 | 一种多角度偏振探测仪在轨定标方法及装置 |
CN109799193A (zh) * | 2019-02-19 | 2019-05-24 | 北京英视睿达科技有限公司 | 污染分布立体监测方法及系统 |
CN109799244A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 一种直流系统绝缘子表面污秽状态检测方法及检测系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5115912B2 (ja) * | 2001-02-23 | 2013-01-09 | 独立行政法人日本原子力研究開発機構 | 高速ゲート掃引型3次元レーザーレーダー装置 |
US20110150035A1 (en) * | 2009-12-17 | 2011-06-23 | Hanson Ronald K | Non-intrusive method for sensing gas temperature and species concentration in gaseous environments |
CN102809568A (zh) * | 2012-08-28 | 2012-12-05 | 广东电网公司佛山供电局 | 绝缘子污秽分布监测方法和系统 |
CN106370940A (zh) * | 2016-08-17 | 2017-02-01 | 云南电网有限责任公司电力科学研究院 | 一种空中大气平均电场探测方法及系统 |
CN108918436A (zh) * | 2018-05-08 | 2018-11-30 | 刘诚 | 基于max-doas对气溶胶及痕量污染气体的垂直廓线反演算法 |
CN109541628A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种天地一体化大气污染立体监测方法及监测系统 |
-
2019
- 2019-08-06 CN CN201910719649.1A patent/CN110274916B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976424A (zh) * | 2010-10-18 | 2011-02-16 | 江西省电力科学研究院 | 利用智能规则库引擎生成电力系统污区分布图的方法 |
CN102306387A (zh) * | 2011-08-31 | 2012-01-04 | 广东电网公司佛山供电局 | 一种电网污区分布图的绘制方法及其装置 |
KR20130081842A (ko) * | 2012-01-10 | 2013-07-18 | 주식회사 스펙트로 | 헤이지 상태에서 자외선 다축-차등흡수분광을 사용한 대기 에어로졸 원격 감지 장치 및 방법 |
CN103325068A (zh) * | 2013-05-29 | 2013-09-25 | 广东电网公司电力科学研究院 | 一种实时动态三维电网污区分布图的绘制方法 |
CN104280324A (zh) * | 2014-08-27 | 2015-01-14 | 北京市环境保护监测中心 | 利用卫星遥感监测近地面细颗粒物质量浓度的方法 |
KR20180099356A (ko) * | 2017-02-28 | 2018-09-05 | 부경대학교 산학협력단 | 다중 파장을 이용한 대기 중 미량기체 연직 프로파일 산출 시스템 및 그 방법 |
CN108519340A (zh) * | 2018-03-28 | 2018-09-11 | 刘诚 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
CN109444062A (zh) * | 2018-11-29 | 2019-03-08 | 西安交通大学 | 一种无人机载高排典型污染物差分吸收光谱检测方法 |
CN109632643A (zh) * | 2018-12-25 | 2019-04-16 | 中国资源卫星应用中心 | 一种多角度偏振探测仪在轨定标方法及装置 |
CN109799193A (zh) * | 2019-02-19 | 2019-05-24 | 北京英视睿达科技有限公司 | 污染分布立体监测方法及系统 |
CN109799244A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 一种直流系统绝缘子表面污秽状态检测方法及检测系统 |
Non-Patent Citations (1)
Title |
---|
星载对地观测偏振传感器及其大气遥感应用;李正强等;《大气与环境光线学报》;20190131;正文第2.1节、第4节和第5.1节 * |
Also Published As
Publication number | Publication date |
---|---|
CN110274916A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110274916B (zh) | 基于卫星遥感的电网污染物浓度监测方法及系统 | |
Jiao et al. | Community Air Sensor Network (CAIRSENSE) project: evaluation of low-cost sensor performance in a suburban environment in the southeastern United States | |
Waliser et al. | MJO simulation diagnostics | |
Ganguli et al. | Does nonstationarity in rainfall require nonstationary intensity–duration–frequency curves? | |
Schneising et al. | Three years of greenhouse gas column-averaged dry air mole fractions retrieved from satellite–Part 1: Carbon dioxide | |
Wang et al. | Global sand and dust storms in 2008: Observation and HYSPLIT model verification | |
Gruhier et al. | Soil moisture active and passive microwave products: intercomparison and evaluation over a Sahelian site | |
Parrish et al. | Long-term changes in lower tropospheric baseline ozone concentrations at northern mid-latitudes | |
Yap et al. | A robust calibration approach for PM 10 prediction from MODIS aerosol optical depth | |
Reuter et al. | A joint effort to deliver satellite retrieved atmospheric CO 2 concentrations for surface flux inversions: the ensemble median algorithm EMMA | |
Agacayak et al. | A case study for Saharan dust transport over Turkey via RegCM4. 1 model | |
Mona et al. | EARLINET dust observations vs. BSC-DREAM8b modeled profiles: 12-year-long systematic comparison at Potenza, Italy | |
Qin et al. | The evaluation and optimization of calibration methods for low-cost particulate matter sensors: Inter-comparison between fixed and mobile methods | |
Claeyman et al. | A thermal infrared instrument onboard a geostationary platform for CO and O 3 measurements in the lowermost troposphere: Observing System Simulation Experiments (OSSE) | |
Tositti et al. | Short-term climatology of PM10 at a high altitude background station in southern Europe | |
Kim et al. | Multi-model event attribution of the summer 2013 heat wave in Korea | |
Smith et al. | Sensitivity of the interannual variability of mineral aerosol simulations to meteorological forcing dataset | |
Tan | Exploring the relationship between vegetation and dust-storm intensity (DSI) in China | |
Bantges et al. | On the detection of robust multidecadal changes in Earth’s outgoing longwave radiation spectrum | |
Li et al. | Assessment of the cloud liquid water from climate models and reanalysis using satellite observations | |
Kelsey et al. | Atmospheric precipitable water vapor and its correlation with clear-sky infrared temperature observations | |
Kim et al. | Effect of data assimilation parameters on the optimized surface CO 2 flux in Asia | |
CN111104639B (zh) | 一种点面融合的时序pm2.5空间分布估算方法 | |
Andria et al. | Model characterization in measurements of environmental pollutants via data correlation of sensor outputs | |
Hosoda | Empirical method of diurnal correction for estimating sea surface temperature at dawn and noon |
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 |