CN111221004B - 利用激光雷达3d扫描探测voc分布的方法 - Google Patents
利用激光雷达3d扫描探测voc分布的方法 Download PDFInfo
- Publication number
- CN111221004B CN111221004B CN202010055921.3A CN202010055921A CN111221004B CN 111221004 B CN111221004 B CN 111221004B CN 202010055921 A CN202010055921 A CN 202010055921A CN 111221004 B CN111221004 B CN 111221004B
- Authority
- CN
- China
- Prior art keywords
- voc
- data
- laser radar
- scanning
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种利用激光雷达3D扫描探测VOC分布的方法,属于大气污染监测方法技术领域。通过对激光雷达原始回波信号的反演计算,综合多个扫描周期的数据进行迭代计算,分析激光雷达扫描范围内的VOC污染浓度分布,同时利用VOC污染分布数据绘制污染色谱分布图,更为直观地反映VOC污染在区域内的分布情况。本发明既可获得3D激光雷达扫描区域内的实时VOC浓度分布;也可使用固定时间间隔的监测数据,通过色谱分布图的形式能够直观地监测掌握区域内VOC的污染分布;还可通过对历史大量数据的处理,能够观察区域内VOC的变化特征及变迁过程,更有利于VOC污染的治理。
Description
技术领域
本发明属于大气污染监测方法技术领域,涉及一种利用激光雷达3D扫描探测VOC分布的方法。
背景技术
随着科技的进步和社会的飞速发展,越来越多的机械化产品普遍应用,在提高经济水平的同时也给环境带来了污染,逐渐地导致了环境的恶化,需要积极的监测治理。
VOC污染监测在环保领域中占有重要的比重,当下主要使用的监测手段是点位监测,即通过安装点位监测设备,监测VOC的浓度。这种方式没有面的概念,无法得知VOC在区域内分布情况和变化特性,所以在区域范围内VOC污染治理难度很大。
发明内容
本发明的目的是提供一种利用激光雷达3D扫描探测VOC分布的方法,通过对激光雷达原始回波信号的反演计算,综合多个扫描周期的数据进行迭代计算,分析激光雷达扫描范围内的VOC污染浓度分布,同时利用VOC污染分布数据绘制污染色谱分布图,更为直观地反映VOC污染在区域内的分布情况,以解决上述背景技术中提到的问题。
技术原理:在大气环境中分布的气溶胶(OA)中,二次生成的有机气溶胶(SOA)对气溶胶的贡献率最大可达到80%。VOC在大气中能够被OH自由基、NO3自由基或O3氧化,生成R自由基,然后迅速与O2反应生成RO2自由基,继而与大气中的NOx或其它自由基反应,生成各种不同挥发性的产物。低挥发性的产物能够部分的进入颗粒相,转化为气溶胶(SOA)。而气溶胶(SOA)是大气中颗粒物的重要组成部分,最高可达到90%的质量浓度占比,所以通过监测气溶胶浓度可在一定程度上反应大气中VOC的浓度分布状况。
在实际处理过程中,通过对激光雷达扫描区域不同监测点位的历史VOC浓度和历史气溶胶浓度变化、分布状况,进行深入演算,得出二者之间的变化分布图。结合相关试验,测出VOC在不同气溶胶浓度N条件下的产率,根据产率公式拟合试验数据得到过程计算参数,从而进行估算VOC对二次气溶胶转换的比例因子,进而估算雷达扫描区域内的VOC和气溶胶的转化比例关系。
3D激光雷达的特点就是在扫描过程中,雷达所发射的激光在触碰到空气中的气溶胶颗粒物时产生回波信号,通过Fernald方法获取大气气溶胶的消光系数分布状态,从而计算气溶胶浓度分布状况,然后再使用试验所得的比例因子并结合分布在3D激光雷达扫描范围内的校准点进行数据校准,绘制区域VOC污染浓度分布图谱。3D激光雷达在进行水平切面模式或者垂直切面扫描时,将产生以3D激光雷达所在位置为圆心的面向分布数据,水平切面为水平分布数据,垂直切面为垂直分布数据。本发明的具体技术方案如下。
利用激光雷达3D扫描探测VOC污染浓度分布的方法,其特征在于,包括以下步骤:
(1)利用3D激光雷达探测大气气溶胶浓度分布,获取3D激光雷达原始回波信号;
(2)使用Fernald算法对原始回波信号进行反演处理,获取气溶胶浓度分布数据集合;
(3)建立数据矩阵PointInfo[n,n]pInfo,其中元素PointInfo包含X、Y、Z三个参数,X表示横向索引,Y表示纵向索引,Z表示气溶胶浓度数值;用步骤(2)获取的气溶胶浓度分布数据赋值数据矩阵pInfo;n为自然数,n≥1000;
(4)将数据矩阵pInfos的横向和纵向分别划分为m等份,得到m×m共计m2个区域,每个区域n2/m2个元素,计算Z值的总量权值,分离出权值最高的k个区域,并对其他区域权值总量进行平滑处理,以凸显最高的权值区域;m、k均为自然数,5≤m≤100,5≤k≤100;
(5)循环矩阵中的所有元素,统计所有未被3D激光雷达径向扫描线覆盖的元素集合p;统计所有被3D激光雷达径向扫描线覆盖的元素,记为集合q;
(6)对集合p按照反向距离权重插值;
(7)对集合q按照反向距离权重插值,将插值后的集合p和集合q合并得到插值后的数据矩阵;
(8)确定3D雷达扫描区域中气溶胶与VOC的转换比例因子α,用转换比例因子α依次与插值后的数据矩阵各个元素相乘,获得VOC浓度分布数据矩阵;
(9)绘制3D雷达扫描区域地图,绘制方位角度标尺和污染浓度颜色标尺,将VOC浓度分布数据矩阵中的数据映射到图片中,从污染浓度颜色标尺中获取色值渲染图片,得到3D雷达扫描区域的实时VOC浓度分布图。
进一步地,还包括步骤(10):
(10)在固定时间间隔(例如一天)内,3D激光雷达每次完成扫描后重复上述步骤,获得3D雷达扫描区域的VOC污染分布图。
进一步地,步骤(3)赋值时,将没有扫描数据的矩阵元素Z值赋值为0;将扫描数据Z值为0的矩阵元素Z值赋值为ε,0<ε<<1。
进一步地,步骤(8)所述转换比例因子α在3D雷达扫描区域采用实验方法确定。
进一步地,在3D雷达扫描区域中设置VOC校准监测点,监测VOC浓度值;步骤(8)获得VOC浓度分布数据矩阵后,用VOC校准监测点所监测的VOC浓度值校准VOC浓度分布数据矩阵。
以下以3D激光雷达进行水平切面扫描模式为例,详细介绍如何利用3D激光雷达以上的扫描监测数据进行探测分析VOC水平浓度分布。
第一步,首先读取3D激光雷达一个扫描周期共计120组原始回波信号数据,使用Fernald算法对原始回波信号进行反演处理,获取120条不同方位角度上的回波信号数据集合进而获取气溶胶浓度分布数据集合。
第二步,设计数据矩阵循并将矩阵中将没有被矩阵内切圆覆盖的元素置空,即表示无效点。
第三步,采用1:3的比例并结合GIS地理运算方法将所截取的3D激光雷达扫描范围内的数据一一映射到步骤二中的矩阵。并对矩阵中接收到映射点的元素赋激光雷达扫描数据。在赋值过程中,如果3D激光雷达扫描的产品数据中存在零值,则使用0.0001代替零值,以方便后面的统计计算。
第四步,将矩阵的横向和纵向分别划分为10等份,得到10×10共计100个区域,计算总量权值,分离出权值最高的若干(在此取20)个区域,并对其他区域权值总量进行平滑处理,以凸显最高的权值区域。
第五步,循环矩阵中的所有元素,统计所有未被3D激光雷达径向扫描线覆盖的元素集合p;统计所有被3D激光雷达径向扫描线覆盖的元素,记为集合q。
第六步,对集合p反向距离权重插值,对没有被3D雷达径向扫描线覆盖的单元进行插值。因数据矩阵较大,在反向距离权重插值样本查询中,如果从矩阵中循环找寻附近存在扫描数据的因子点,则效率很低,故采用浮动矩形圈取的方法,依据特定步长动态框选插值因子,将得到的元素作为反向距离插值因子。然后使用该因子对不具备扫描数值的元素使用反向距加权法插算值。
第七步,使用第六步中的方法,对集合q中所有的元素进行同样的处理,以平滑处理原本监测的数据。
第八步,循环矩阵中所有元素,使用3D雷达扫描所在区域中气溶胶与VOC的试验转换比例因子依次与各个元素相乘,获得VOC浓度分布数据。然后将分布在3D激光雷达扫描范围内安装的若干个VOC校准监测试数据引入进行面向拟合,得到校准数据,将校准数据按照地理位置映射到矩阵中,对VOCs污染分布数据进行校准,以提高数据精度,得到计算结果。
第九步,设置长宽均为2000像素的背景透明的PNG格式图片img,将矩阵中数据映射到图片中,从污染浓度颜色标尺中获取色值,渲染图片,并结合GIS地图绘制图片,绘制方位角度标尺和污染浓度颜色标尺,从而得到VOC在地理上的水平浓度分布图。
第十步,在3D激光雷达每完成一次扫描后,使用以上步骤再次进行计算,将计算结果和上一次计算结果进行叠加,经过反复处理,最终每一天可获取一幅VOCs污染分布图。
本发明既可获得3D激光雷达扫描区域内的实时VOC浓度分布;也可使用固定时间间隔的监测数据,通过色谱分布图的形式能够直观地监测掌握区域内VOC的污染分布;还可通过对历史大量数据的处理,能够观察区域内VOC的变化特征及变迁过程,更有利于VOC污染的治理。
附图说明
图1是本发明提供的利用激光雷达3D扫描探测VOC污染浓度分布的方法的处理步骤分解图。
图2是某地区根据3D激光雷达扫描一天的监测数据绘制的VOC污染分布图。
图3是某地区根据3D激光雷达水平切面模式监测数据绘制的实时VOC浓度水平分布图。
图4是某地区根据3D激光雷达垂直切面模式监测数据绘制的实时VOC浓度垂直分布图。
具体实施方式
以下结合附图对本发明做进一步说明。
假设激光雷达扫描角度步长为3°,扫描间隔为60秒,则在3D激光雷进行水平切面扫描模式时,每两个小时可完成一次360°的扫描周期,可获得120条在不同角度(方位角)上的径向监测数据。在3D激光雷进行垂直切面扫描模式时,每一个小时可完成一次180°扫描,可获得60条在不同角度(仰角)上的径向监测数据。
假定激光雷达在径向上的探测间隔为15米,即每15米一个监测数据,在此取每一条径向监测数据的前400个监测数据点(即在地理上为6000米的探测距离)作为数据样本。
以下步骤以3D激光雷达进行水平切面扫描模式为例,详细介绍如何利用3D激光雷达以上的扫描监测数据进行探测分析VOC水平污染浓度分布,流程步骤如图1所示。
第一步,首先读取3D激光雷达一个扫描周期共计120组原始回波信号数据,使用Fernald算法对原始回波信号进行反演处理,获取120条不同方位角度上的消光系数产品数据集合进而获取气溶胶浓度分布数据集合,在此为了方便描述,记为字典dictionary<float,float[]>data,字典中的key表示方位角度,value表示径向数据(一般来说其长度为1000,本次取径向上的400个观测点的数据,即地理上6000米的探测距离)。
第二步,设计数据矩阵PointInfo[2000,2000]pInfos(其中元素PointInfo包含X,Y,Z三个参数,X表示横向索引,Y表示纵向索引,Z表示数值,pInfos中共有4000000个元素)。循环pInfos矩阵中所有元素,将没有被矩阵内切圆覆盖的元素置空,即表示无效点,将被内嵌圆覆盖的元素进行初始化初始化为PointInfo对象,并对X赋值为横线索引,Y赋值为纵向索引,Z赋值为初始值零。
第三步,3D激光雷达在进行水平切面扫描时,探测的范围是以雷达所在位置为圆心,探测距离(此处取径向上前400个监测点,共计6000米的探测距离)为半径的圆面,所以可使用矩阵pInfos的内切圆表示。采用1:3的比例并结合GIS地理运算方法将所截取的3D激光雷达扫描范围内的数据一一映射到矩阵pInfos中。并对矩阵中接收到映射点的元素的Z赋值为监测数值。在赋值过程中,如果3D激光雷达扫描的产品数据中存在零值,则使用0.0001代替零值,以方便后面的统计计算。注意:因为3D激光雷达按照方位角度监测,所以实际映射到矩阵中的数据为并非面向数据,而是内切圆的若干个半径方向上的径向数据,在后面的步骤中会根据所有的径向数据进行面向数据拟合。
第四步,将pInfos的横向和纵向分别划分为10等份,得到10×10共计100个区域,每个区域40000个元素,计算Z值的总量(气溶胶)权值,分离出权值最高的若干(在此取20)个区域,并对其他区域权值总量进行平滑处理,以凸显最高的权值区域。
第五步,循环pInfos矩阵中的所有元素,统计所有未被3D激光雷达径向扫描线覆盖的元素,即Z值为零的元素,记为PointInfo集合eptData;统计所有被3D激光雷达径向扫描线覆盖的元素,即Z值不为零的元素,记为PointInfo集合neptDatas。
第六步,反向距离权重插值,对没有被3D雷达径向扫描线覆盖的单元进行插值。因数据矩阵较大,在反向距离权重插值样本查询中,如果从矩阵pInfos中循环找寻附近存在扫描数据的因子点,则效率很低,故采用浮动矩形圈取的方法,具体办法如下。循环eptValues中的每一个数据(pntInfo),以该元素为原点,索引距离2为增长步长,构成一个可放大的子矩形,依据该矩形所包围的范围在矩阵pInfos首先过滤非空元素,再查找Z值大于零的元素,直到查找到一组Z值非空元素(pntInfo)后停止,具体操作如下:
int iCount=1;
bool find=false;
List<PointInfo>infos;
while(!find)
{
int xMin=pntInfo.X-2*iCount;
int xMax=pntInfo.X+2*iCount;
int yMin=pntInfo.Y-2*iCount;
int yMax=pntInfo.Y-2*iCount;
for(xIndex=xMin;xIndex<2000&&xIndex<xMax;xIndex++){
for(yIndex=yMin;xIndex<2000&&yIndex<yMax;yIndex++){
if(pInfos[xIndex,yIndex]!=null&&pInfos[xIndex,
yIndex].Z>0.0F){
infos.Add(pInfos[xIndex,yIndex]);
}}}
find=infos.Count>0;
}
将得到的元素记录InverseSeed,作为反向距离插值因子,然后使用InverseSeed中的元素对pntInfo进行使用反向距加权法插算值,计算权值,并对pntInfo的Z赋值。
第七步,使用第六步中的方法,对neptDatas中所有的元素进行同样的处理,以平滑处理原本监测的数据。
第八步,循环矩阵pInfos中所有元素,使用3D雷达扫描所在区域中气溶胶与VOC的转换比例因子依次与各个元素的Z值相乘,获得VOC浓度分布数据。然后将分布在3D激光雷达扫描范围内安装的若干个VOC校准监测试数据引入进行面向拟合,得到校准数据vData,将校准数据按照地理位置映射到矩阵pInfos中,对VOCs污染分布数据进行校准,以提高数据精度,得到计算结果。
第九步,设置长宽均为2000像素的背景透明的PNG格式图片img,将pInfos中Z>0的数据按照X,Y值映射到img中,从污染浓度颜色标尺中获取色值,渲染图片,并结合GIS地图绘制图片,绘制方位角度标尺和污染浓度颜色标尺,从而得到VOC在地理上的水平浓度分布图,如图3所示。同理可得VOC在地理上的垂直浓度分布图,如图4所示。
第十步,在3D激光雷达每完成一次扫描后,使用以上前八个步骤再次进行计算,将计算结果和上一次计算结果进行叠加,如果反复处理,最终每一天可获取一幅VOCs污染分布图,如图2所示。
Claims (5)
1.利用激光雷达3D扫描探测VOC分布的方法,其特征在于,包括以下步骤:
(1)利用3D激光雷达探测大气气溶胶浓度分布,获取3D激光雷达原始回波信号;
(2)使用Fernald算法对原始回波信号进行反演处理,获取气溶胶浓度分布数据集合;
(3)建立数据矩阵PointInfo[n, n] pInfos,其中元素PointInfo包含X、Y、Z三个参数,X表示横向索引,Y表示纵向索引,Z表示气溶胶浓度数值;用步骤(2)获取的气溶胶浓度分布数据赋值数据矩阵pInfos;n为自然数,n≥1000;
(4)将数据矩阵pInfos的横向和纵向分别划分为m等份,得到m×m共计m2个区域,每个区域n2/m2个元素,计算Z值的总量权值,分离出权值最高的k个区域,并对其他区域权值总量进行平滑处理,以凸显最高的权值区域;m、k均为自然数,5≤m≤100,5≤k≤100;
(5)循环矩阵中的所有元素,统计所有未被3D激光雷达径向扫描线覆盖的元素集合p;统计所有被3D激光雷达径向扫描线覆盖的元素,记为集合q;
(6)对集合p按照反向距离权重插值;
(7)对集合q按照反向距离权重插值,将插值后的集合p和集合q合并得到插值后的数据矩阵;
(8)确定3D雷达扫描区域中气溶胶与VOC的转换比例因子α,用转换比例因子α依次与插值后的数据矩阵各个元素相乘,获得VOC浓度分布数据矩阵;
(9)绘制3D雷达扫描区域地图,绘制方位角度标尺和污染浓度颜色标尺,将VOC浓度分布数据矩阵中的数据映射到图片中,从污染浓度颜色标尺中获取色值渲染图片,得到3D雷达扫描区域的实时VOC浓度分布图。
2.根据权利要求1所述的方法,其特征在于,还包括步骤(10):
(10)在固定时间间隔内,3D激光雷达每次完成扫描后重复上述步骤,获得3D雷达扫描区域的VOC污染分布图。
3.根据权利要求1或2所述的方法,其特征在于,步骤(3)赋值时,将没有扫描数据的矩阵元素Z值赋值为0;将扫描数据Z值为0的矩阵元素Z值赋值为ε,0<ε<<1。
4.根据权利要求1或2所述的方法,其特征在于,步骤(8)所述转换比例因子α在3D雷达扫描区域采用实验方法确定。
5.根据权利要求1或2所述的方法,其特征在于,在3D雷达扫描区域中设置VOC校准监测点,监测VOC浓度值;步骤(8)获得VOC浓度分布数据矩阵后,用VOC校准监测点所监测的VOC浓度值校准VOC浓度分布数据矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055921.3A CN111221004B (zh) | 2020-01-18 | 2020-01-18 | 利用激光雷达3d扫描探测voc分布的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055921.3A CN111221004B (zh) | 2020-01-18 | 2020-01-18 | 利用激光雷达3d扫描探测voc分布的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111221004A CN111221004A (zh) | 2020-06-02 |
CN111221004B true CN111221004B (zh) | 2022-04-19 |
Family
ID=70829605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010055921.3A Active CN111221004B (zh) | 2020-01-18 | 2020-01-18 | 利用激光雷达3d扫描探测voc分布的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111221004B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111831780B (zh) * | 2020-07-24 | 2024-06-14 | 河北富湾科技有限公司 | 一种预警溯源voc泄露风险点的方法 |
CN111831781B (zh) * | 2020-07-24 | 2024-05-21 | 河北富湾科技有限公司 | 一种获取高精度voc浓度分布数据的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006242775A (ja) * | 2005-03-03 | 2006-09-14 | Toto Ltd | Voc濃度測定装置 |
CN108957486A (zh) * | 2018-06-12 | 2018-12-07 | 安徽科创中光科技有限公司 | 去水汽的干性气溶胶质量浓度探测激光雷达系统 |
CN109541637A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种激光雷达水平探测气溶胶消光系数反演方法 |
CN109709577A (zh) * | 2018-12-28 | 2019-05-03 | 南京雨后地软环境技术有限公司 | 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法 |
-
2020
- 2020-01-18 CN CN202010055921.3A patent/CN111221004B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006242775A (ja) * | 2005-03-03 | 2006-09-14 | Toto Ltd | Voc濃度測定装置 |
CN108957486A (zh) * | 2018-06-12 | 2018-12-07 | 安徽科创中光科技有限公司 | 去水汽的干性气溶胶质量浓度探测激光雷达系统 |
CN109541637A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种激光雷达水平探测气溶胶消光系数反演方法 |
CN109709577A (zh) * | 2018-12-28 | 2019-05-03 | 南京雨后地软环境技术有限公司 | 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法 |
Non-Patent Citations (2)
Title |
---|
Observation and Numerical Simulation on Volatile Organic Compounds in urban area;OUYANG Yan et al.;《2008 IEEE》;20081231;第82-92页 * |
环境污染与环境安全在线监测技术进展;刘文清等;《大气与环境光学学报》;20150331;第10卷(第2期);第4061-4065页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111221004A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A system for operational aerosol optical depth data assimilation over global oceans | |
CN112905560B (zh) | 一种多源时空大数据深度融合的空气污染预测方法 | |
Gaillard et al. | Quality control of large Argo datasets | |
CN110020462B (zh) | 一种对气象数据进行融合处理并生成数值天气预报的方法 | |
CN111221004B (zh) | 利用激光雷达3d扫描探测voc分布的方法 | |
CN110909449B (zh) | 一种多源数据电离层区域现报方法 | |
Petersen | On the concept and implementation of sequential analysis for linear random fields | |
Park et al. | Numerical simulation of atmospheric CO2 concentration and flux over the Korean Peninsula using WRF-VPRM model during Korus-AQ 2016 campaign | |
Bergman et al. | Parameterizing vertically coherent cloud distributions | |
Gunia et al. | Data fusion system for monitoring water quality: Application to chlorophyll-a in Baltic sea coast | |
Cha et al. | Comparison of single-Doppler and multiple-Doppler wind retrievals in Hurricane Matthew (2016) | |
Roten et al. | An interpolation method to reduce the computational time in the stochastic Lagrangian particle dispersion modeling of spatially dense XCO2 retrievals | |
Finn et al. | Towards assimilation of wind profile observations in the atmospheric boundary layer with a sub-kilometre-scale ensemble data assimilation system | |
Long | Wind field model‐based estimation of Seasat scatterometer winds | |
CN116720627A (zh) | 一种监测站点风速和风向协同时序预测方法及系统 | |
Elbern et al. | 4D-var data assimilation and its numerical implications for case study analyses | |
Bhaskar et al. | An operational objective analysis system at INCOIS for generation of Argo value added products | |
Zhou et al. | Winter season Southern Ocean distributions of climate-relevant trace gases | |
Tauler et al. | Chapter fiveteen identification, resolution and apportionment of contamination sources | |
She | Assessment of Baltic Sea observations for operational oceanography | |
CN111965669B (zh) | 一种gnss时间序列中观测墩热膨胀信号的分离方法 | |
Arndt et al. | Quantification of lightning-induced nitrogen oxide emissions over Europe | |
Sekiyama et al. | A simulation study of the ensemble-based data assimilation of satellite-borne lidar aerosol observations | |
Melsom et al. | Arctic–Monitoring Forecast Centre ARCTIC_ANALYSISFORECAST_PHY_002_001 | |
Rogers et al. | PACIFIC BASIN WIND-WAVE MODELS: The generation and propagation of low frequency energy |
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 |