CN110659846A - 一种基于modis的aod数据的电力污秽等级评估方法 - Google Patents
一种基于modis的aod数据的电力污秽等级评估方法 Download PDFInfo
- Publication number
- CN110659846A CN110659846A CN201910967829.1A CN201910967829A CN110659846A CN 110659846 A CN110659846 A CN 110659846A CN 201910967829 A CN201910967829 A CN 201910967829A CN 110659846 A CN110659846 A CN 110659846A
- Authority
- CN
- China
- Prior art keywords
- data
- aod
- electric power
- modis
- pollution
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 239000000443 aerosol Substances 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 238000000611 regression analysis Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 13
- 230000003287 optical effect Effects 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 239000005427 atmospheric aerosol Substances 0.000 abstract description 2
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种基于MODIS的AOD数据的电力污秽等级评估方法,MODIS获得的AOD感数据具有时效性强和覆盖面广等优点,既可以解决污区图制订过程中存在的空间代表性差的问题,还能大幅降低监测评估的工作量和成本。针对现行污秽评估方法存在的问题,本项目提出利用大气气溶胶光学厚度(AOD)数据,引入数据挖掘和图像分类技术,构建一种新型的大面积低成本电力污秽评估方法。
Description
技术领域
本发明涉及一种依据MODIS传感器的AOD产品,通过回归分析确定AOD与地面观测的颗粒物浓度之间的定量关系,在依据这个关系进行电力污秽等级评估的方法。
背景技术
附着于输电系统绝缘装置上的污染物被称为电力污秽。过量的电力污秽会导致绝缘装置失效,从而引起事故性放电甚至大面积停电,严重威胁电网的安全,影响电网的可靠运行。进行电力污秽评估是调整绝缘水平避免上述事故的最主要依据。
目前,我国的电力污秽等级评估主要依靠人工定点的地面监测,导致电力污区图绘制成本极高,因此难以进行高时间分辨率的绘制,同时其评估结果也具有较大的主观性。此外,由于采样测量点主要集中在城市和重点电力项目区域的周围,基于此的区域性( 省级)评估结果缺乏足够的空间代表性,无法用于新架设电力线路的污秽风险预评估工作。而且现行标准中等级的衡量方式较为模糊,缺乏明晰的数值—类别转换关系,造成现有污区图中污秽的评定具有一定的主观性。受制于上述因素,现行的电力污区图以1~3 年为周期进行更新,其更新速度已经无法满足发展的需求。气溶胶光学厚度(Aerosol Optical Depth,AOD)是的最基本的气溶胶光学特性指标,其定义为气溶胶消光系数在垂直方向上从地表到大气层顶的积分,是描述气溶胶对光的衰减作用的物理量,无量纲,其值一般介于0~2之间,越高则表示大气气溶胶对光衰减作用越强烈,指示大气能见度越低、空气质量越差。已有研究表明AOD与PM10、PM2.5具有较高相关性,与SO2、能见度、大气浑浊度等也有一定相关性,如果能够建立起卫星遥感的气溶胶光学厚度(AOD)与地面观测的颗粒物浓度之间的定量关系,就可以从AOD来估算,实现卫星遥感探测近地面颗粒物浓度。
MODIS获得的AOD感数据具有时效性强和覆盖面广等优点,既可以解决污区图制订过程中存在的空间代表性差的问题,还能大幅降低监测评估的工作量和成本。针对现行污秽评估方法存在的问题,本项目提出利用大气气溶胶光学厚度( AOD) 数据,引入数据挖掘和图像分类技术,构建一种新型的大面积低成本电力污秽评估方法。
发明内容
本发明的目的就在于针对上述现有技术的不足,提供一种应用MODIS的AOD产品快速、大面积的电力污秽等级评估的方法。目前的电力系统中的污秽测量点主要是沿着现有的电力线分布,存在着大量的污秽数据空白区域,对于此类区域的污秽值主要通过内插的方法,数据的精度、可靠性存在着很大的问题,而AOD数据则实现了区域的全覆盖。同时提高电力污区图的时效性并且降低监测评估的工作量和成本。本发明通过对AOD数据和空气中不溶物密度的回归分析,再根据关系式确定电力污秽等级,然后制成污区图以进行电力污秽等级评估。
本发明的目的是通过以下技术方案实现的:
一种基于MODIS的AOD数据的电力污秽等级评估方法,包括以下步骤:
A、依据点MOD04气溶胶日产品获得年平均AOD;
B、通过地面数据对日平均AOD进行标高订正;
C、对电力污染物数据中的不溶物密度数据进行湿度订正;
D、对日平均AOD和不溶物密度进行回归分析;
E、通过检验数据获得的中误差来判定模型的优劣,选择合适的模型;
F、对四季AOD回归分析,以确定季节影响,并且剔除部分数据
G、对测量点AOD散点图进行插值;
H、根据选取的模型对差值之后的图像进行电力污秽等级划分;
I、通过变量聚类监督分类形成污区图;
本方法可以在例如沿海地区和一些经验中的易出现事故的地区等一些高污染地区,精度不高,需要人工检测作为补充资料。
同时由于MODIS 气溶胶产品本身存在误差,且在订正的过程后也存在误差,这制约了评估时的精度。
有益效果:本发明充分利用遥感数据时效性强和覆盖面广等优点以AOD为数据源对大区域的电力系统进行污秽等级评估。这种手段将大幅度减少人工工作量,缩短污区图的更新周期。为城市空气环境质量监测提供了一个有效的补充手段,可以有效弥补地面监测站点空间布局上的不足,从宏观、区域尺度的方向给出地面环境空气污染的相对程度。
通过实验表明,该方法不同于传统的电力污秽等级评估方法,,总体上提高了污区图更新周期,减少人力物力成本,达到了预期效果,为电力污秽等级评估提供了新的思路。
附图说明:
图1技术路线图
图2辽宁省全年平均MODIS气溶胶光学厚度数据与实测灰密的相关性分析散点图及拟合曲线
图3春季指数曲线图
图4夏季指数曲线图
图5秋季指数曲线图
图6冬季指数曲线图
图7实测污区图
图8预测污区图
具体实施方式:
下面结合附图和实验实例对本发明做进一步的详细说明。
一种基于MODIS的AOD数据的电力污秽等级评估方法,包括以下步骤:
A、依据点MOD04气溶胶日产品获得年平均AOD;
B、通过地面数据对日平均AOD进行标高订正;
C、对电力污染物数据中的不溶物密度数据进行湿度订正;
D、对日平均AOD和不溶物密度进行回归分析;
E、通过检验数据获得的中误差来判定模型的优劣,选择合适的模型;
F、对四季AOD回归分析,以确定季节影响,并且剔除部分数据
G、对测量点AOD散点图进行插值;
H、根据选取的模型对差值之后的图像进行电力污秽等级划分;
I、通过变量聚类监督分类形成污区图;
实施例1
一种基MODIS的AOD数据的电力污秽等级评估方法,包括以下步骤:
A本实例以辽宁省为研究区域采用了NASA每日公布的 MOD04-3K陆地气溶胶光学厚度产品, 使用的波长为0.55um ,通过通过筛选2017年12月到2018年12月Terra卫星数据MOD04-3k产品,选取232组有效数据;
B MODIS的AOD产品为HDF格式,影像并未经过几何精校应首先对影像进行几何校正。对产品进行几何校正后,以辽宁省的矢量边界作为掩膜,裁剪出研究区部分;
D利用平均气溶胶标高和地面相对湿度数据,对AOD进行垂直订正和不溶物密度数据进行湿度订正,该数据由中国气象科学数据共享服务网提供。污染源数据来源于对输电线附近的详细调查,包含了辽宁省现有输电线和输电站的大部分主要污染企业;
E根据将全年的建模数据分别相关性分析,以灰密为因变量,为AOD自变量,选取线性函数、对数函数、幕函数、指数函数和一元二次方程种类型函数进行模型拟合,根据检验数据计算中误差判定全年最佳模型;
F将建模数据和检验数据按季节划分,获得春季数据65组,夏季52组,秋季数据69组,冬季46组。各季节分别进行建模再根据各个季节的建模数据分别进行相关性分析;
G对相关性分析结果差的冬季数据进行剔除;
H以测量散点点的AOD数据为基础对辽宁省全部地区进行插值;
I根据选取的模型对差值之后的图像进行电力污秽等级划分;
J通过分类制成污区图,完成污秽等级评估。
Claims (1)
1.一种基于MODIS的AOD数据的电力污秽等级评估方法,其特征在于,包括以下步骤:
A、依据点MOD04气溶胶日产品获得年平均AOD;
B、通过地面数据对日平均AOD进行标高订正;
C、对电力污染物数据中的不溶物密度数据进行湿度订正;
D、对日平均AOD和不溶物密度进行回归分析;
E、通过检验数据获得的中误差来判定模型的优劣,选择合适的模型;
F、对四季AOD回归分析,以确定季节影响,并且剔除部分数据
G、对测量点AOD散点图进行插值;
H、根据选取的模型对差值之后的图像进行电力污秽等级划分;
I、通过变量聚类监督分类形成污区图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910967829.1A CN110659846A (zh) | 2019-10-12 | 2019-10-12 | 一种基于modis的aod数据的电力污秽等级评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910967829.1A CN110659846A (zh) | 2019-10-12 | 2019-10-12 | 一种基于modis的aod数据的电力污秽等级评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110659846A true CN110659846A (zh) | 2020-01-07 |
Family
ID=69040617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910967829.1A Pending CN110659846A (zh) | 2019-10-12 | 2019-10-12 | 一种基于modis的aod数据的电力污秽等级评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659846A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106446307A (zh) * | 2015-08-05 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
CN109521166A (zh) * | 2019-01-30 | 2019-03-26 | 云南电网有限责任公司电力科学研究院 | 一种检测污闪气体的装置 |
CN110274916A (zh) * | 2019-08-06 | 2019-09-24 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
-
2019
- 2019-10-12 CN CN201910967829.1A patent/CN110659846A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106446307A (zh) * | 2015-08-05 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
US20170184393A1 (en) * | 2015-12-24 | 2017-06-29 | University Of Electronic Science And Technology Of China | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm |
CN109521166A (zh) * | 2019-01-30 | 2019-03-26 | 云南电网有限责任公司电力科学研究院 | 一种检测污闪气体的装置 |
CN110274916A (zh) * | 2019-08-06 | 2019-09-24 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
熊宇 等: "卫星 AOD 数据驱动的区域电力污秽等级评估方法", 测绘通报 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
Wang et al. | Spatial-temporal characteristics and determinants of PM2. 5 in the Bohai Rim Urban Agglomeration | |
CN108763756B (zh) | 一种气溶胶光学厚度与pm2.5反演订正方法及其系统 | |
Lelovics et al. | Design of an urban monitoring network based on Local Climate Zone mapping and temperature pattern modelling | |
Fernández et al. | Biomonitoring of metal deposition in northern Spain by moss analysis | |
CN109932988B (zh) | 一种城市扬尘污染扩散预测系统及方法 | |
CN111323352B (zh) | 融合细颗粒物浓度数据的区域pm2.5遥感反演模型 | |
CN104899437A (zh) | 强降雨型滑坡灾害预警方法 | |
CN108802856B (zh) | 一种基于ai的源数据动态修正预报系统及其工作方法 | |
CN108874734B (zh) | 一种全球陆地降水反演方法 | |
CN111353634B (zh) | 一种基于模式初始场同化的二氧化硫排放源优化方法 | |
CN115855761B (zh) | 五基协同天空地一体化大气环境立体遥感监测系统及方法 | |
CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
CN111103405A (zh) | 空气质量预报预警系统 | |
CN112033870B (zh) | 一种区域边界层pm2.5立体分布及总量推算的方法 | |
Skiles et al. | Source apportionment of PM2. 5 organic carbon in the San Joaquin Valley using monthly and daily observations and meteorological clustering | |
Kumar et al. | Multi-year analysis of aerosol optical properties and implications to radiative forcing over urban Pretoria, South Africa | |
Sun et al. | Classification of circulation patterns during the formation and dissipation of continuous pollution weather over the Sichuan Basin, China | |
Yu et al. | A climatological study of air pollution potential in China | |
Zhao et al. | Measurements of submicron particles vertical profiles by means of topographic relief in a typical valley city, China | |
Soleimani et al. | Satellite aerosol optical depth prediction using data mining of climate parameters | |
CN110659846A (zh) | 一种基于modis的aod数据的电力污秽等级评估方法 | |
CN113127530A (zh) | 一种基于铁路网的大气三维结构动态探测信息群同化系统 | |
CN114528773B (zh) | 基于大数据分析的轨道交通杂散电流波形预测系统及方法 | |
CN110907318A (zh) | 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200107 |