CN111091082B - 一种基于高分辨率遥感数据的流域污染溯源方法 - Google Patents

一种基于高分辨率遥感数据的流域污染溯源方法 Download PDF

Info

Publication number
CN111091082B
CN111091082B CN201911252755.XA CN201911252755A CN111091082B CN 111091082 B CN111091082 B CN 111091082B CN 201911252755 A CN201911252755 A CN 201911252755A CN 111091082 B CN111091082 B CN 111091082B
Authority
CN
China
Prior art keywords
pollution
remote sensing
sub
water area
picture
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
Application number
CN201911252755.XA
Other languages
English (en)
Other versions
CN111091082A (zh
Inventor
江澄
马中祺
何红艳
鲍云飞
罗阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Space Research Mechanical and Electricity
Original Assignee
Beijing Institute of Space Research Mechanical and Electricity
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Space Research Mechanical and Electricity filed Critical Beijing Institute of Space Research Mechanical and Electricity
Priority to CN201911252755.XA priority Critical patent/CN111091082B/zh
Publication of CN111091082A publication Critical patent/CN111091082A/zh
Application granted granted Critical
Publication of CN111091082B publication Critical patent/CN111091082B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Astronomy & Astrophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于高分辨率遥感数据的流域污染溯源方法，属于工程科学技术中的环境遥感领域；步骤一、对遥感污染水域图片进行解析处理，获得反射率数据和图片中各像元点对应的污染物浓度；步骤二、提取图片中的污染水域的轮廓；步骤三、将污染水域轮廓分为N个子块，求出各子块对应的离散污染物浓度VT(ci)；步骤四、设定M个污染源中各污染源的浓度Vj，位置sj；j模拟计算各子块的污染物浓度模拟值VH(ci)；步骤五、建立目标函数F；对目标函数F进行最优化迭代；根据目标函数F最优化迭代结果，判断流域污染溯源是否准确。本发明解决了快速定位流域污染源的问题，实现了流域的污染溯源，能够为环境监管机构的决策提供重要依据。

Description

一种基于高分辨率遥感数据的流域污染溯源方法
技术领域
本发明属于工程科学技术中的环境遥感领域，涉及一种基于高分辨率遥感数据的流域污染溯源方法。
背景技术
近年来，在自然和人为因素共同作用下，流域生态与环境遭受严重破坏，各种水污染源日益增加，水污染事故频发。流域环境问题已成为制约社会、经济可持续发展的瓶颈，越来越受到政府与民众的关注。
在实际的流域污染源环境监管中，由于各种客观原因，无法做到对每个污染源进行准确实时的监控。这就需要在污染发生时，通过少数监测断面的监测数据，推算上游哪个污染源发生污染，即污染溯源。
环境监管机构往往不能快速定位发生流域水污染事故的污染源，以至于难以第一时间对事故进行处理。目前，在水环境污染源解析的研究中，定性法直接利用污染物的化学性质或某些化学参数来辨析污染源，定量法则利用数学分析手段进行源解析，如化学质量平衡法，多元统计法、混合方法等，由于污染物自身性质和各地区环境条件差异的影响，使这些定量方法在实际应用中表现出不同程度的局限性。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提出一种基于高分辨率遥感数据的流域污染溯源方法，解决了快速定位流域污染源的问题，实现了流域的污染溯源，能够为环境监管机构的决策提供重要依据
本发明解决技术的方案是：
一种基于高分辨率遥感数据的流域污染溯源方法，包括如下步骤：
步骤一、卫星测量获得污染水域的高分辨率遥感图片，对遥感图片进行解析处理，获得反射率数据和图片中各像元点对应的污染物浓度；
步骤二、根据反射率数据，对图片进行水陆分离，并提取图片中的污染水域的轮廓；
步骤三、将污染水域轮廓分为N个子块，根据图片中各像元点对应的污染物浓度求出各子块对应的离散污染物浓度VT(ci)；N为正整数，且N≥2；
步骤四、根据高分辨率遥感图片，确定有M个污染源，设定各污染源的浓度为Vj，设定各污染源的位置为sj；j为污染源序号；j＝1，2，……，M；模拟计算各子块的污染物浓度模拟值VH(ci)；
步骤五、建立目标函数F；对目标函数F进行最优化迭代；根据目标函数F最优化迭代结果，判断流域污染溯源是否准确。
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述步骤一中，对遥感图片进行解析处理为对遥感数据依次进行辐射定标、大气校正、几何校正和污染物浓度反演处理。
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述步骤三中，将污染水域轮廓分为N个子块的具体方法为：
S1、根据污染水域轮廓，获取污染水域轮廓的中心线；中心线沿水流方向，且贯穿整个污染水域轮廓；
S2、将中心线等分为N个子段；
S3、在相邻2个子段的连接点处，沿子段法线方向，向污染水域两侧边界处延伸；分为N个子块；各子块记为ci，i为子块序号，i＝1,2,…，N。
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述步骤三中，各子块对应离散污染物浓度VT(ci)的计算方法为：已知图片中各像元点对应的污染物浓度，将污染水域轮廓分为N个子块后，根据各模块中包括的像元点，求得各子块对应的离散污染物浓度VT(ci)。
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述步骤四中，各子块污染物浓度模拟值VH(ci)的计算方法为：
式中，VT(ci)为第ci子块受M个污染源污染的污染物浓度模拟值；
E为扩散系数；
K为降解系数；
u为水域平均流速；
Vj为各污染源的浓度；
sj为各污染源的位置。
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述步骤五中，目标函数F的建立方法为：
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述步骤五中，根据目标函数F最优化迭代结果，判断流域污染溯源是否准确的具体方法为：
当迭代过程中F小于阈值时，停止迭代，对M个污染源的浓度Vj和位置sj设定准确，完成流域污染溯源；
当迭代次数大于预设最大迭代次数时，停止迭代，对M个污染源的浓度Vj和位置sj设定准确，完成流域污染溯源；
否则，对M个污染源的浓度Vj和位置sj设定不准确，更新各污染源的浓度和位置，重复步骤四。
在上述的一种基于高分辨率遥感数据的流域污染溯源方法，所述阈值为预设最大迭代次数为100。
本发明与现有技术相比的有益效果是：
(1)本发明基于海量高分辨率遥感数据，可实现流域上下游、干支流污染的精确定位，拓展了流域污染研究的空间领域；
(2)本发明基于环境水动力学机理，可准确揭示污染物在河道中的迁移转化规律；
(3)本发明基于极小值问题的最优化求解，可实现流域若干个污染源的快速准确定位。
附图说明
图1为本发明流域污染溯源流程图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
本发明提供一种基于高分辨率遥感数据的流域污染溯源方法，针对当前环境监管机构无法快速定位流域污染源的问题，实现了流域的污染溯源，能够为环境监管机构的决策提供重要依据，为流域污染事故的快速有效处理提供科学支撑。如图1所示，流域污染溯源方法，主要包括如下步骤：
步骤一、卫星测量获得污染水域的高分辨率遥感图片，对遥感数据依次进行辐射定标、大气校正、几何校正和污染物浓度反演处理，获得反射率数据和图片中各像元点对应的污染物浓度；
步骤二、根据反射率数据，对图片进行水陆分离，并提取图片中的污染水域的轮廓；
步骤三、将污染水域轮廓分为N个子块，根据图片中各像元点对应的污染物浓度求出各子块对应的离散污染物浓度VT(ci)；N为正整数，且N≥2；将污染水域轮廓分为N个子块的具体方法为：
S1、根据污染水域轮廓，获取污染水域轮廓的中心线；中心线沿水流方向，且贯穿整个污染水域轮廓；
S2、将中心线等分为N个子段；
S3、在相邻2个子段的连接点处，沿子段法线方向，向污染水域两侧边界处延伸；分为N个子块；各子块记为ci，i为子块序号，i＝1,2,…，N。
各子块对应离散污染物浓度VT(ci)的计算方法为：已知图片中各像元点对应的污染物浓度，将污染水域轮廓分为N个子块后，根据各模块中包括的像元点，求得各子块对应的离散污染物浓度VT(ci)。
步骤四、根据高分辨率遥感图片，确定有M个污染源，设定各污染源的浓度为Vj，设定各污染源的位置为sj；j为污染源序号；j＝1，2，……，M；模拟计算各子块的污染物浓度模拟值VH(ci)；各子块污染物浓度模拟值VH(ci)的计算方法为：
式中，VT(ci)为第ci子块受M个污染源污染的污染物浓度模拟值；
E为扩散系数；
K为降解系数；
u为水域平均流速；
Vj为各污染源的浓度；
sj为各污染源的位置。
步骤五、建立目标函数F；对目标函数F进行最优化迭代；根据目标函数F最优化迭代结果，判断流域污染溯源是否准确。
目标函数F的建立方法为：
根据目标函数F最优化迭代结果，判断流域污染溯源是否准确的具体方法为：
当迭代过程中F小于阈值时，阈值为停止迭代，对M个污染源的浓度Vj和位置sj设定准确，完成流域污染溯源；
当迭代次数大于预设最大迭代次数时，预设最大迭代次数为100。停止迭代，对M个污染源的浓度Vj和位置sj设定准确，完成流域污染溯源；
否则，对M个污染源的浓度Vj和位置sj设定不准确，更新各污染源的浓度和位置，重复步骤四。
遥感技术具有快速、大范围和周期性的特点，拓展了流域污染研究的空间领域。利用高分辨率遥感数据可以弥补常规污染物溯源的不足，不仅能够实现流域上下游、干支流污染的精确定位，还能够节省大量人力、物力和财力。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (7)

1.一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：包括如下步骤：
步骤一、卫星测量获得污染水域的高分辨率遥感图片，对遥感图片进行解析处理，获得反射率数据和图片中各像元点对应的污染物浓度；
步骤二、根据反射率数据，对图片进行水陆分离，并提取图片中的污染水域的轮廓；
步骤三、将污染水域轮廓分为N个子块，根据图片中各像元点对应的污染物浓度求出各子块对应的离散污染物浓度VT(ci)；N为正整数，且N≥2；
步骤四、根据高分辨率遥感图片，确定有M个污染源，设定各污染源的浓度为Vj，设定各污染源的位置为sj；j为污染源序号；j＝1，2，……，M；模拟计算各子块的污染物浓度模拟值VH(ci)；
各子块污染物浓度模拟值VH(ci)的计算方法为：
式中，VT(ci)为第ci子块受M个污染源污染的污染物浓度模拟值；
E为扩散系数；
K为降解系数；
u为水域平均流速；
Vj为各污染源的浓度；
sj为各污染源的位置；
步骤五、建立目标函数F；对目标函数F进行最优化迭代；根据目标函数F最优化迭代结果，判断流域污染溯源是否准确。
2.根据权利要求1所述的一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：所述步骤一中，对遥感图片进行解析处理为对遥感数据依次进行辐射定标、大气校正、几何校正和污染物浓度反演处理。
3.根据权利要求2所述的一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：所述步骤三中，将污染水域轮廓分为N个子块的具体方法为：
S1、根据污染水域轮廓，获取污染水域轮廓的中心线；中心线沿水流方向，且贯穿整个污染水域轮廓；
S2、将中心线等分为N个子段；
S3、在相邻2个子段的连接点处，沿子段法线方向，向污染水域两侧边界处延伸；分为N个子块；各子块记为ci，i为子块序号，i＝1,2,…，N。
4.根据权利要求3所述的一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：所述步骤三中，各子块对应离散污染物浓度VT(ci)的计算方法为：已知图片中各像元点对应的污染物浓度，将污染水域轮廓分为N个子块后，根据各模块中包括的像元点，求得各子块对应的离散污染物浓度VT(ci)。
5.根据权利要求4所述的一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：所述步骤五中，目标函数F的建立方法为：
6.根据权利要求5所述的一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：所述步骤五中，根据目标函数F最优化迭代结果，判断流域污染溯源是否准确的具体方法为：
当迭代过程中F小于阈值时，停止迭代，对M个污染源的浓度Vj和位置sj设定准确，完成流域污染溯源；
当迭代次数大于预设最大迭代次数时，停止迭代，对M个污染源的浓度Vj和位置sj设定准确，完成流域污染溯源；
否则，对M个污染源的浓度Vj和位置sj设定不准确，更新各污染源的浓度和位置，重复步骤四。
7.根据权利要求6所述的一种基于高分辨率遥感数据的流域污染溯源方法，其特征在于：所述阈值为预设最大迭代次数为100。
CN201911252755.XA 2019-12-09 2019-12-09 一种基于高分辨率遥感数据的流域污染溯源方法 Active CN111091082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911252755.XA CN111091082B (zh) 2019-12-09 2019-12-09 一种基于高分辨率遥感数据的流域污染溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911252755.XA CN111091082B (zh) 2019-12-09 2019-12-09 一种基于高分辨率遥感数据的流域污染溯源方法

Publications (2)

Publication Number Publication Date
CN111091082A CN111091082A (zh) 2020-05-01
CN111091082B true CN111091082B (zh) 2023-08-01

Family

ID=70394845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911252755.XA Active CN111091082B (zh) 2019-12-09 2019-12-09 一种基于高分辨率遥感数据的流域污染溯源方法

Country Status (1)

Country Link
CN (1) CN111091082B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365274B (zh) * 2020-12-01 2022-08-23 苏州深蓝空间遥感技术有限公司 一种基于多源数据的高精度水污染溯源方法
CN114199962B (zh) * 2021-12-16 2023-06-20 山西农业大学 一种用于畜禽舍内有害气体分析监测系统
CN114187531B (zh) * 2022-02-14 2022-05-24 广东河海工程咨询有限公司 一种遥感的水环境保护及用水管理信息化系统
CN114943194B (zh) * 2022-05-16 2023-04-28 水利部交通运输部国家能源局南京水利科学研究院 一种基于地质统计学的河流污染溯源方法
CN115439757B (zh) * 2022-08-26 2024-09-27 南方海洋科学与工程广东省实验室(广州) 一种基于遥感影像的水质污染源溯源方法、装置以及设备
CN115424143B (zh) * 2022-08-29 2024-05-28 南方海洋科学与工程广东省实验室(广州) 水源污染溯源方法、装置、存储介质和计算机设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008210362A (ja) * 2007-02-27 2008-09-11 Inha-Industry Partnership Inst Ｇｉｓを利用した水質汚染負荷算定用の意思決定支援システム及びその運営方法
CN102628852A (zh) * 2012-03-13 2012-08-08 北京工业大学 基于污染物来源识别技术的大气污染源分级方法
RU2503042C1 (ru) * 2012-08-21 2013-12-27 Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") Способ пространственной количественной оценки уровня загрязнения атмосферного воздуха
CN106228007A (zh) * 2016-07-19 2016-12-14 武汉大学 突发事件污染源追溯方法
CN107563139A (zh) * 2017-09-06 2018-01-09 郑州大学 一种点源突发性水污染源事故溯源贡献程度计算方法
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
CN109670146A (zh) * 2018-12-17 2019-04-23 中国地质大学（武汉） 基于拟牛顿法的二维水污染扩散源溯源定位方法及系统
CN110147610A (zh) * 2019-05-20 2019-08-20 杭州电子科技大学 一种用于河流突发水污染事件的溯源方法
CN110376343A (zh) * 2019-06-04 2019-10-25 中国环境科学研究院 污染源精准诊断方法、装置以及电子装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008210362A (ja) * 2007-02-27 2008-09-11 Inha-Industry Partnership Inst Ｇｉｓを利用した水質汚染負荷算定用の意思決定支援システム及びその運営方法
CN102628852A (zh) * 2012-03-13 2012-08-08 北京工业大学 基于污染物来源识别技术的大气污染源分级方法
RU2503042C1 (ru) * 2012-08-21 2013-12-27 Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") Способ пространственной количественной оценки уровня загрязнения атмосферного воздуха
CN106228007A (zh) * 2016-07-19 2016-12-14 武汉大学 突发事件污染源追溯方法
CN107563139A (zh) * 2017-09-06 2018-01-09 郑州大学 一种点源突发性水污染源事故溯源贡献程度计算方法
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
CN109670146A (zh) * 2018-12-17 2019-04-23 中国地质大学（武汉） 基于拟牛顿法的二维水污染扩散源溯源定位方法及系统
CN110147610A (zh) * 2019-05-20 2019-08-20 杭州电子科技大学 一种用于河流突发水污染事件的溯源方法
CN110376343A (zh) * 2019-06-04 2019-10-25 中国环境科学研究院 污染源精准诊断方法、装置以及电子装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨景朝 ; 马振峰 ; 伯鑫 ; 王刚 ; 李时蓓 ; .地面气象观测资料在空气法规模型的标准化研究.中国环境科学.2015,(第10期),全文. *
江澄 ; .高分数据应用于流域水环境遥感监测的探索与实践.卫星应用.2018,(第01期),全文. *

Also Published As

Publication number Publication date
CN111091082A (zh) 2020-05-01

Similar Documents

Publication Publication Date Title
CN111091082B (zh) 一种基于高分辨率遥感数据的流域污染溯源方法
CN110824110B (zh) 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统
CN110909483B (zh) 一种基于网格化数据的点源大气污染物排放清单校验方法
CN113632101B (zh) 一种通过向量化分析预测大气污染的方法
Jiang et al. Spatial distribution mapping of Hg contamination in subclass agricultural soils using GIS enhanced multiple linear regression
CN109992740B (zh) 一种基于数据库计算污染源实际排放水平的方法
Yang et al. Estimation of algal biological parameters using water quality modeling and SPOT satellite data
CN113155939A (zh) 一种挥发性有机物在线来源解析方法、系统、设备及介质
CN112101693A (zh) 基于正交分析的现状城区河道水质达标分析方法
CN114544913A (zh) 一种土壤调查加密采样布点优化方法
CN113267607A (zh) 一种场地有机污染物迁移过程的特征参数识别系统
CN115881239A (zh) 基于扩展wrf和cmaq模型的大气污染弱扩散区域的划分方法
CN110738589A (zh) 一种地下水氯代烃污染源解析方法
CN114034334B (zh) 岩溶管道污染源和流量的识别方法
Ji et al. Internal positive feedback promotes water quality improvement for a recovering hyper-eutrophic lake: A three-dimensional nutrient flux tracking model
CN116312824B (zh) 针对地下水污染物非菲克弥散的含水层异质性识别方法
CN117668531A (zh) 一种基于主成分分析的emmd-bp神经网络大气污染物预报方法
Denzler et al. Urban source term estimation for mercury using a boundary-layer budget method
CN114757103B (zh) 基于时空光梯度增强机的地表o3浓度估算方法
CN116434871A (zh) 基于统计模型和机理模型相结合的水污染溯源方法
CN112365274B (zh) 一种基于多源数据的高精度水污染溯源方法
CN115705510A (zh) 厂区气体污染分布预测方法、系统、电子设备及存储介质
CN113836710A (zh) 一种排水管网外水入侵的快速追踪方法
Stoyanov et al. Forecasting of air pollution with time series and multiple regression models in Sofia, Bulgaria
CN114088908B (zh) 一种基于多数据同化集合平滑刻画地下水简单面源信息的方法

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
GR01 Patent grant
GR01 Patent grant