CN111222216A - 污染物来源解析方法 - Google Patents
污染物来源解析方法 Download PDFInfo
- Publication number
- CN111222216A CN111222216A CN201811327588.6A CN201811327588A CN111222216A CN 111222216 A CN111222216 A CN 111222216A CN 201811327588 A CN201811327588 A CN 201811327588A CN 111222216 A CN111222216 A CN 111222216A
- Authority
- CN
- China
- Prior art keywords
- source
- receptor
- monitoring data
- pollutant
- emission
- 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
Images
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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种污染物来源解析方法,包括:以待解析区域为受体,确定受体的若干个目标排放源,并获取若干个目标排放源的指纹谱;获取受体监测数据;剔除受体监测数据中的未知源成分;以及根据受体的目标排放源的指纹谱、剔除未知源成分的受体监测数据以及预先构建的化学质量平衡模型,得到污染物来源解析结果。通过建立污染物排放源清单以及确定清单中的受体目标排放源,提高了溯源解析的针对性及定位精度并考虑了企业生产场地的边界交叉污染问题,同时设计了合理可行的污染物来源解析流程以及共线性源、未知源成分的判定方法,在一定程度上解决了共线性问题,提高了对污染物来源的定位的准确度和定量解析的精确度。
Description
技术领域
本发明涉及大气污染防治领域,具体地涉及一种污染物来源解析方法。
背景技术
了解重点区域大气污染物排放特性,定性定量地阐明特征污染物的来源及其贡献,是科学合理建立大气污染防治长效机制的重要条件。
目前常见的污染物来源解析办法,通常仅考虑受体位置污染状况,未对周边可能对受体位置产生影响的排放源摸底排查。另外,常用的因子分析作为受体源解析技术虽然做出了成分分析,但分析出的成分因子仅具有数学意义,其物理意义难以表述。
因此,现有技术中对污染物来源进行分析时存在企业边界交叉污染区域的污染物来源不明确、定位不精确、解析结果不准确等问题。
发明内容
本发明实施例的目的是提供一种污染物来源解析方法,以解决上述技术问题,至少部分地解决上述问题。
本发明实施例提供的污染物来源解析方法,包括:确定受体的若干个目标排放源,并获取若干个所述目标排放源的指纹谱;获取受体监测数据;剔除所述受体监测数据中的未知源成分;以及根据所述受体的所述目标排放源的指纹谱、剔除所述未知源成分的受体监测数据以及预先构建的化学质量平衡模型,得到污染物来源解析结果。
可选的,所述确定受体的若干个目标排放源并获取若干个所述目标排放源的指纹谱包括:建立所述受体周边的污染物排放源清单,并确定所述污染物排放源清单上的所述污染物排放源的指纹谱;以及分析出所述污染物排放源清单中能够对所述受体造成污染的若干所述污染物排放源,即若干目标排放源,并确定若干个所述目标排放源的指纹谱。
可选的,所述建立受体周边的污染物排放源清单包括:在所述受体所属企业生产场地范围之内以一个或多个装置作为一个排放源;在受体所属企业生产场地范围之外以一个企业作为一个排放源。
可选的,所述作为一个排放源的所述多个装置的污染物排放特性相同和 /或所述多个装置的位置相邻且不存在明显界限。
可选的,所述剔除所述受体监测数据中的未知源成分之前,所述污染物来源解析方法还包括:判断所述目标排放源中是否存在共线性源;在所述目标排放源中存在共线性源时,获取所述受体监测数据的主成分,并判断所述受体监测数据的主成分中是否存在未知源成分,若所述受体监测数据的主成分中存在未知源成分,则剔除所述受体监测数据中的未知源成分。
可选的,所述判断所述目标排放源中是否存在共线性源包括:获取所述受体的若干个所述目标排放源中每两个所述目标排放源的指纹谱之间的第一相关系数,若任意每两个所述目标排放源的指纹谱之间的所述第一相关系数均小于第一预定值,则判定所述目标排放源中不存在共线性源;反之,则判定所述目标排放源中存在共线性源。
可选的,所述获取所述受体位置的若干个所述目标排放源中每两个所述目标排放源的指纹谱之间的第一相关系数包括:所述第一相关系数采用如下公式得到:其中,ρXY表示排放源X和排放源Y的第一相关系数,X、Y分别表示排放源X、Y的指纹谱,Cov(X,Y)表示排放源X和排放源Y的指纹谱的协方差,D(X)表示排放源X的指纹谱的方差,D(Y)表示排放源Y的指纹谱的方差。
可选的,所述获取所述受体监测数据的主成分并判断所述受体监测数据的主成分中是否存在未知源成分包括:利用主成分分析方法或正定矩阵因子分析方法获取所述受体监测数据的主成分;以及获取所述受体监测数据的每一主成分与每一个所述目标排放源的指纹谱之间的第二相关系数以及所述受体监测数据的每一主成分与所述目标排放源的组合指纹谱之间的第三相关系数,若所述受体监测数据的某一主成分的所述第二相关系数小于第二预定值且所述第三相关系数小于第三预定值则判定所述受体监测数据的该主成分为未知源成分;反之,则判定所述受体监测数据的主成分中不存在未知源成分。
可选的,在所述受体监测数据的主成分中存在所述未知源成分时,所述剔除所述受体监测数据中的未知源成分包括:判断所述未知源成分对所述受体监测数据的方差贡献率是否大于第四预定值,若所述方差贡献率大于第四预定值,则剔除所述受体监测数据中的所述未知源成分。
另一方面,本发明提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述污染物来源解析方法。
本发明通过建立污染物排放源清单以及确定清单中的受体目标排放源,提高了溯源解析的针对性及定位精度,并专门针对企业生产场地的边界交叉污染区域以企业为单位,将企业生产场地之外的污染源列入待解析区域内污染物排放源清单中,提高了分析的准确度。同时设计了合理可行的污染物来源解析流程以及共线性源、未知源成分的判定方法,在一定程度上解决了共线性问题,提高了对污染物来源的定量解析的精确度。
附图说明
图1是本发明实施例提供的污染物来源解析方法流程图;
图2是本发明实施例提供的判断受体的目标排放源中是否存在共线性源以及所述受体监测数据中是否存在未知源成分的流程图;以及
图3是本发明实施例具体应用示例的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
本发明的实施例主要用于炼化企业大气污染物来源的解析,其中排放源清单是指在企业生产场地范围之内以装置为基本单元,企业生产场地之外以企业为基本单元,根据污染物的主要种类和浓度占比等排放特性,可以将位置相邻且不存在明显界限的两个或多个装置视为一个排放源,也可以将污染物排放特性相同的两个及以上装置视为同一个排放源,也可以将污染物排放特性相同且位置相邻不存在明显界限的装置视为同一个排放源,据此原则列出污染物排放源清单。其中,污染物排放特性相同是指两个装置的污染物排放种类和每一种类污染物的浓度占比基本相同。
本发明中污染源的指纹谱是指对污染源进行长周期监测后,采用一定的分析、处理手段,得到的能够表示其排放特性的谱图,其化学信息与排放信息都能体现在指纹谱上,具有模糊性和整体性的特点,可以对指纹谱进行整体分析。根据污染物排放源污染物种类及浓度占比确定待解析区域内排放源清单在中各排放源的指纹谱。
目标排放源是指可能对受体造成污染的排放源,本发明中目标排放源是从污染物排放源清单中确定的一个或多个可能对受体造成污染的污染物排放源。
下述受体监测数据是表征污染物浓度值的数组,指纹谱、未知源成分为表征污染物浓度比例或占比的数组,其表达形式一样,例如:(甲烷:25PPB;苯:19PPB;甲苯:42PPB)(PPB是浓度单位)。
图1是本发明实施例提供的污染物来源解析方法流程图,如图1所示,可以包括如下步骤:
S101、获取受体的若干个目标排放源及其指纹谱。
本发明实施例首先在企业生产场地范围之内以装置为基本单元,企业生产场地之外以企业为基本单元,根据污染物的主要种类和浓度占比等排放特性,可以将位置相邻且不存在明显界限的两个或多个装置视为一个排放源,也可以将污染物排放特性相同的两个及以上装置视为同一个排放源,也可以将污染物排放特性相同且位置相邻不存在明显界限的装置视为同一个排放源,据此原则列出污染物排放源清单。其中,污染物排放特性相同是指两个装置的污染物排放种类和每一种类污染物的浓度占比基本相同。然后根据各排放源所排放污染物种类及浓度占比,确定各排放源的指纹谱,最后从受体周边的污染物排放源清单中确定一个或多个可能对受体造成污染的污染物排放源作为受体的目标排放源,所确定的污染物排放源的指纹谱即为受体目标排放源的指纹谱。
其中,确定目标排放源的方法可以采用特征污染物对比法、扩散模拟法等。
S102、获取受体监测数据。
对受体位置的污染物进行监测,本发明实施例中采集不低于50组受体监测数据进行分析,受体监测数据是指在受体位置监测到的污染物种类及浓度的数据。例如:每分钟采集一组数据,则至少需要采集50分钟,得到50 组受体监测数据。
S103、剔除所述受体监测数据中的未知源成分。
未知源成分会对污染物来源解析带来影响,尤其是对受体影响程度比较大的未知源成分,可能会产生较大偏差,导致污染物来源解析结果不准确,因此,需要剔除受体监测数据中的未知源成分,才能得到更为准确的污染物来源解析结果。
本发明实施例所述污染物来源解析方法中剔除所述受体监测数据中的未知源成分之前还包括判断受体的目标排放源中是否存在共线性源以及所述受体监测数据中是否存在未知源成分。具体步骤和实施方式将在图2中详细描述,此处不再赘述。
S104、得到污染物来源解析结果。
本发明实施例中,将目标排放源的指纹谱和剔除未知源成分后的受体监测数据带入化学质量平衡模型中,得到污染物来源解析结果。
化学质量平衡模型是应用化学元素平衡法识别污染物来源的一种多元统计分析的数学模型。污染物的质量(包括所含的化学组分)应是各排放源排放量的总和,即排放源排放到受体的污染物的量与受体环境中存在的污染物的量是平衡的。根据这一思想建立了排放源与受体之间化学组分的线性组合模型,通过最小二乘法等最优化求解方法,得到污染物的各种不同类型的排放源及其相对贡献率。本发明实施例将目标排放源的指纹谱视为污染物排放的单位量,将受体监测数据视为环境中存在的量,得到污染物来源解析结果。
图2是本发明实施例提供的判断受体位置目标排放源中是否存在共线性源以及所述受体监测数据中是否存在未知源成分的流程图,如图2所示,所述剔除所述受体监测数据中的未知源成分之前,所述污染物来源解析方法还可以包括以下步骤:
S201、判断所述目标排放源中是否存在共线性源。
获取受体的若干个所述目标排放源中每两个所述目标排放源的指纹谱之间的第一相关系数,若任意每两个所述目标排放源的指纹谱之间的第一相关系数均小于第一预定值,则判定目标排放源中不存在共线性源,此时,执行步骤S104;反之,则判定目标排放源中存在共线性源,执行步骤S202。
其中,第一相关系数采用如下公式得到:
其中,ρXY表示排放源X和排放源Y的第一相关系数;
X、Y分别表示排放源X、Y的指纹谱;
Cov(X,Y)表示排放源X和排放源Y的指纹谱的协方差;
D(X)表示排放源X的指纹谱的方差;
D(Y)表示排放源Y的指纹谱的方差。
其中,第一相关系数为范围在-1到1的数值,如果第一相关系数等于1,则X,Y完全相同。本发明实施例中设定第一相关系数为0.8~0.9,优先取第一相关系数为0.85。举例说明,某一次污染物来源解析过程中,设定第一相关系数为0.85,经过分析和计算,得到某个受体的其中两个目标排放源的第一相关系数大于0.85,则判定该受体位置的目标排放源中存在共线性源。
S202、在所述目标排放源中存在共线性源时,获取所述受体监测数据的主成分。
根据步骤S201的判定结果,若目标排放源中存在共线性源,则需要进一步对受体监测数据进行分析,首先需要获取受体监测数据的主成分,如步骤S102所述,一般情况要采集不低于50组监测数据。首先剔除明显异常的监测数据,然后对多组受体监测数据进行主成分分析,根据以下原则获取受体监测数据的主成分:优先筛选方差较大的主成分、主成分的数量尽量少,主成分的方差贡献率之和不小于90%,也可以根据实际情况设定主成分的方差贡献率之和的设定值为85%-95%。
此处也可以采用正定矩阵因子分析方法得到受体监测数据的主成分。
S203、判断所述受体监测数据的主成分中是否存在未知源成分。
判断方法可以包括:获取所述受体监测数据的每一主成分与每一个所述目标排放源的指纹谱之间的第二相关系数以及所述受体监测数据的每一主成分与所述目标排放源的组合指纹谱之间的第三相关系数,若某一主成分的所述第二相关系数小于第二预定值且所述第三相关系数小于第三预定值则判定所述受体监测数据的该主成分为未知源成分,此时,执行步骤S204;反之,则判定所述受体监测数据的主成分中不存在未知源成分,执行步骤 S104。
其中,第二预定值可以为0.5-0.7,第三预定值可以为0.3-0.5,组合指纹谱由一般不超过3个目标排放源的指纹谱叠加得到,组合指纹谱包含的目标排放源的个数可以根据实际情况设定,例如,还可以设定组合指纹谱由不超过5个目标排放源的指纹谱叠加得到。
举例如下:设定第二预定值为0.6,第三预定值为0.4,定义M个目标排放源指纹谱Xi,其中i∈[1,M]且为整数,判定受体监测数据的主成分P为未知源成分需满足如下条件:任意Xi均有且对于任意组合指纹谱均有其中为目标排放源Xi与受体监测数据的主成分P的相关系数,为目标排放源的组合指纹谱X0与受体监测数据的主成分P的相关系数,ki等于0或1且一般不超过3个ki等于1。
S204、若所述受体监测数据的主成分中存在未知源成分,则剔除所述受体监测数据中的未知源成分。
优选的,剔除所述受体监测数据中的未知源成分包括:判断所述未知源成分对所述受体监测数据的方差贡献率是否大于第四预定值,若所述方差贡献率大于第四预定值,则剔除所述受体监测数据中的未知源成分后执行步骤S104,若所述方差贡献率不大于第四预定值,则可以直接执行步骤S104。
其中,所述第四预定值可以设定为5%-10%,举例说明:设定第四预定值为8%,则在计算得到所有的未知源成分对受体监测数据的方差贡献率之和大于8%时,剔除受体监测数据中的未知源成分后再执行步骤S104,否则可以直接执行步骤S104;
剔除受体监测数据中的未知源成分是指剔除受体监测数据中的未知源成分所占部分,并得到新的受体监测数据。所述未知源成分所占部分为各组受体监测数据在未知源成分向量上的分量。
举例说明:定义N组受体监测数据Aj,其中j∈[1,N]且为整数,定义Aj在某未知源成分P上的分量为ΔPj,则新的N组受体监测数据为Aj-ΔPj。
以下列举本发明实施例的应用示例对本发明进行说明,图3是本发明实施例具体应用示例的流程图,如图3所示,可以包括如下步骤:
S301、建立受体周边的污染物排放源清单。
S302、确定所述污染物排放源清单上的受体的多个目标排放源及其指纹谱。
S303、获取多组受体监测数据。
S304、判断多个目标排放源中是否存在共线性源;若存在共线性源,执行步骤S305,否则执行步骤S309。
S305、获取受体监测数据的主成分,对受体监测数据进行主成分分析,并筛选多个主成分,筛选要求包括优先筛选方差较大的主成分、主成分数量越少越好、主成分方差贡献率之和不小于90%。
S306、判断多个主成分中是否存在未知源成分,若存在,则执行步骤 S307,否则执行步骤S309。
S307、判断各未知源成分的方差贡献率之和是否大于第四预定值,该应用示例中设定第四预定值为8%;若大于,执行S308,否则执行步骤S309。
S308、剔除受体监测数据中的未知源成分所占部分,并得到新的受体监测数据;所述未知源成分所占部分即为各组受体监测数据在未知源成分向量上的分量。
S309、将得到的受体监测数据与目标排放源指纹谱带入化学质量平衡模型,得到污染物来源解析结果。
应用示例的具体实施细节同上述图1和图2的描述,此处不再赘述。
本发明通过建立污染物排放源清单以及确定清单中的受体目标排放源,提高了溯源解析的针对性及,并专门针对企业生产场地的边界交叉污染区域以企业为单位,将企业生产场地之外的污染源列入待解析区域内污染物排放源清单中,提高了分析的准确度。同时设计了合理可行的污染物来源解析流程以及共线性源、未知源成分的判定方法,在一定程度上解决了共线性问题,提高了对污染物来源的定量解析的精确度。
上述污染物来源解析方法可以适用于炼化企业的大气污染物来源解析,也可以适用于其他大气污染物较多的企业对大气污染物来源进行解析。本发明中所述受体是指待解析的受污染区域,即受到周边排放源(包括受体所在企业的装置和受体生产范围之外的企业)污染,需要进行污染物来源解析的区域。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于此。在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,例如,可以将主成分分析改变为替换为正定矩阵因子分析、将将相关系数计算替换为分歧系数计算,包括各个具体技术特征以任何合适的方式进行组合,例如调整共线性源、未知源成分的判定的指标等。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。但这些简单变型和组合同样应当视为本发明所公开的内容,均属于本发明的保护范围。在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (10)
1.一种污染物来源解析方法,其特征在于,所述污染物来源解析方法包括:
以待解析区域为受体,确定受体的若干个目标排放源,并获取若干个所述目标排放源的指纹谱;
获取受体监测数据;
剔除所述受体监测数据中的未知源成分;以及
根据所述受体的所述目标排放源的指纹谱、剔除所述未知源成分的受体监测数据以及预先构建的化学质量平衡模型,得到污染物来源解析结果。
2.根据权利要求1所述的污染物来源解析方法,其特征在于,所述确定受体的若干个目标排放源并获取若干个所述目标排放源的指纹谱包括:
建立所述受体周边的污染物排放源清单,并确定所述污染物排放源清单上的所述污染物排放源的指纹谱;以及
分析出所述污染物排放源清单中能够对所述受体造成污染的若干所述污染物排放源,即为若干目标排放源,并确定若干个所述目标排放源的指纹谱。
3.根据权利要求2所述的污染物来源解析方法,其特征在于,所述建立所述受体周边的污染物排放源清单包括:在所述受体所属企业生产场地范围之内以一个或多个装置作为一个排放源;在受体所属企业生产场地范围之外以一个企业作为一个排放源。
4.根据权利要求3所述的污染物来源解析方法,其特征在于,所述作为一个排放源的所述多个装置的污染物排放特性相同和/或所述多个装置的位置相邻且不存在明显界限。
5.根据权利要求1所述的污染物来源解析方法,其特征在于,所述剔除所述受体监测数据中的未知源成分之前,所述污染物来源解析方法还包括:
判断所述目标排放源中是否存在共线性源;
在所述目标排放源中存在共线性源时,获取所述受体监测数据的主成分,并判断所述受体监测数据的主成分中是否存在未知源成分,
若所述受体监测数据的主成分中存在未知源成分,则剔除所述受体监测数据中的未知源成分。
6.根据权利要求5所述的污染物来源解析方法,其特征在于,所述判断所述目标排放源中是否存在共线性源包括:
获取所述受体的若干个所述目标排放源中每两个所述目标排放源的指纹谱之间的第一相关系数,
若任意每两个所述目标排放源的指纹谱之间的所述第一相关系数均小于第一预定值,则判定所述目标排放源中不存在共线性源;
反之,则判定所述目标排放源中存在共线性源。
8.根据权利要求5所述的污染物来源解析方法,其特征在于,所述获取所述受体监测数据的主成分并判断所述受体监测数据的主成分中是否存在未知源成分包括:
利用主成分分析方法或正定矩阵因子分析方法获取所述受体监测数据的主成分;以及
获取所述受体监测数据的每一主成分与每一个所述目标排放源的指纹谱之间的第二相关系数以及所述受体监测数据的每一主成分与所述目标排放源的组合指纹谱之间的第三相关系数,
若所述受体监测数据的某一主成分的所述第二相关系数小于第二预定值且所述第三相关系数小于第三预定值则判定所述受体监测数据的该主成分为未知源成分;反之,则判定所述受体监测数据的主成分中不存在未知源成分。
9.根据权利要求8所述的污染物来源解析方法,其特征在于,在所述受体监测数据的主成分中存在所述未知源成分时,所述剔除所述受体监测数据中的未知源成分包括:判断所述未知源成分对所述受体监测数据的方差贡献率是否大于第四预定值,若所述方差贡献率大于第四预定值,则剔除所述受体监测数据中的所述未知源成分。
10.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请权利要求1-9任一项所述污染物来源解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811327588.6A CN111222216A (zh) | 2018-11-08 | 2018-11-08 | 污染物来源解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811327588.6A CN111222216A (zh) | 2018-11-08 | 2018-11-08 | 污染物来源解析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111222216A true CN111222216A (zh) | 2020-06-02 |
Family
ID=70828561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811327588.6A Pending CN111222216A (zh) | 2018-11-08 | 2018-11-08 | 污染物来源解析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222216A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680422A (zh) * | 2020-06-08 | 2020-09-18 | 中科三清科技有限公司 | 臭氧来源分析方法及装置 |
CN111766368A (zh) * | 2020-06-30 | 2020-10-13 | 中国环境科学研究院 | 一种铅同位素的重金属源解析方法 |
CN111812292A (zh) * | 2020-09-03 | 2020-10-23 | 中兴仪器(深圳)有限公司 | 水质污染类型溯源方法、装置、设备及可读存储介质 |
CN112735539A (zh) * | 2021-01-18 | 2021-04-30 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
CN113033950A (zh) * | 2021-02-03 | 2021-06-25 | 生态环境部华南环境科学研究所 | 基于多个排放源项的石油化工行业挥发性有机物源成分谱的建立方法 |
CN115239354A (zh) * | 2022-08-11 | 2022-10-25 | 中国科学院大气物理研究所 | 一种应用于非定常多点源的污染物溯源方法以及系统 |
-
2018
- 2018-11-08 CN CN201811327588.6A patent/CN111222216A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680422A (zh) * | 2020-06-08 | 2020-09-18 | 中科三清科技有限公司 | 臭氧来源分析方法及装置 |
CN111680422B (zh) * | 2020-06-08 | 2021-04-09 | 中科三清科技有限公司 | 臭氧来源分析方法及装置 |
CN111766368A (zh) * | 2020-06-30 | 2020-10-13 | 中国环境科学研究院 | 一种铅同位素的重金属源解析方法 |
CN111812292A (zh) * | 2020-09-03 | 2020-10-23 | 中兴仪器(深圳)有限公司 | 水质污染类型溯源方法、装置、设备及可读存储介质 |
CN111812292B (zh) * | 2020-09-03 | 2020-12-08 | 中兴仪器(深圳)有限公司 | 水质污染类型溯源方法、装置、设备及可读存储介质 |
CN112735539A (zh) * | 2021-01-18 | 2021-04-30 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
CN112735539B (zh) * | 2021-01-18 | 2024-04-16 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
CN113033950A (zh) * | 2021-02-03 | 2021-06-25 | 生态环境部华南环境科学研究所 | 基于多个排放源项的石油化工行业挥发性有机物源成分谱的建立方法 |
CN113033950B (zh) * | 2021-02-03 | 2023-06-23 | 生态环境部华南环境科学研究所 | 基于多个排放源项的石油化工行业挥发性有机物源成分谱的建立方法 |
CN115239354A (zh) * | 2022-08-11 | 2022-10-25 | 中国科学院大气物理研究所 | 一种应用于非定常多点源的污染物溯源方法以及系统 |
CN115239354B (zh) * | 2022-08-11 | 2024-03-22 | 中国科学院大气物理研究所 | 一种应用于非定常多点源的污染物溯源方法以及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222216A (zh) | 污染物来源解析方法 | |
Hollender et al. | High resolution mass spectrometry-based non-target screening can support regulatory environmental monitoring and chemicals management | |
CN114295749B (zh) | 一种水体有机污染智能化溯源方法及系统 | |
Singh et al. | Pipeline for illumination correction of images for high‐throughput microscopy | |
Koch et al. | Fundamentals of molecular formula assignment to ultrahigh resolution mass data of natural organic matter | |
Wright | An introduction to RIVPACS | |
Dall’Osto et al. | Novel insights on new particle formation derived from a pan-european observing system | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
Wright et al. | Assessing the biological quality of fresh waters | |
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 | |
Aebersold | A stress test for mass spectrometry–based proteomics | |
van Rossum et al. | A method for optimization and validation of moving average as continuous analytical quality control instrument demonstrated for creatinine | |
CN115453064B (zh) | 一种细颗粒物空气污染成因分析方法及系统 | |
CN112967764B (zh) | 多技术耦合的污染物源解析方法、装置 | |
Patrício et al. | Testing strong line metallicity diagnostics at z∼ 2 | |
Yi et al. | Will various interpretation strategies of the same ultrahigh‐resolution mass spectrometry data tell different biogeochemical stories? A first assessment based on natural aquatic dissolved organic matter | |
CN110738589A (zh) | 一种地下水氯代烃污染源解析方法 | |
Ogrizek et al. | No more waste at the elemental analysis of airborne particulate matter on quartz fibre filters | |
JP2008232844A (ja) | クロマトグラフ/質量分析装置における定量精度向上方法 | |
Heath et al. | Inter-laboratory exercise on steroid estrogens in aqueous samples | |
CN116263444B (zh) | 高分辨质谱非靶向分析水体污染源识别与溯源方法 | |
Barco-Bonilla et al. | Determination of 19 volatile organic compounds in wastewater effluents from different treatments by purge and trap followed by gas-chromatography coupled to mass spectrometry | |
Čargonja et al. | Characteristics of aerosol pollution in the vicinity of an oil refinery near Rijeka, Croatia | |
CN115436342A (zh) | 降低多批次样本间libs检测不确定性的方法及装置 | |
Lancellotti et al. | Accuracy of rapid tests used for analysis of advanced onsite wastewater treatment system effluent |
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 |