CN111325438B - 污染物排放清单确定方法、装置、设备及存储介质 - Google Patents
污染物排放清单确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111325438B CN111325438B CN201911243086.XA CN201911243086A CN111325438B CN 111325438 B CN111325438 B CN 111325438B CN 201911243086 A CN201911243086 A CN 201911243086A CN 111325438 B CN111325438 B CN 111325438B
- Authority
- CN
- China
- Prior art keywords
- pollutant
- time
- coal
- time period
- amount
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 246
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 246
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000003245 coal Substances 0.000 claims abstract description 287
- 238000009826 distribution Methods 0.000 claims abstract description 149
- 238000002485 combustion reaction Methods 0.000 claims abstract description 91
- 239000000356 contaminant Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 94
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000003203 everyday effect Effects 0.000 description 7
- 239000000779 smoke Substances 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 238000012613 in situ experiment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种污染物排放清单确定方法、装置、设备及存储介质,方法包括:获取目标区域每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;根据每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数,确定目标区域的污染物日时间分配系数、污染物月时间分配系数;根据污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单。本发明提供一种高时空分辨率散烧煤排放清单的编制手段,更符合散煤燃用的实际情况,用于模拟大气环境质量时,能够使计算以及预测结果更加准确,更加有利于国家和行业制定大气环境治理相关政策。
Description
技术领域
本发明涉及数据处理技术,具体的讲是一种污染物排放清单确定方法、装置、设备及存储介质。
背景技术
随着国家大气污染治理工作的深入推进,北方地区供暖季散煤燃烧导致冬季雾霾加重的问题,受到了越来越广泛的关注,散煤治理也是下一步国家大气污染治理的重点。
排放清单是指各种排放源在一定时间跨度和空间区域内向大气中排放的大气污染物的量的总和。排放清单是评估和调控各类排放源对空气污染的重要依据,也是各类大气环境质量模拟计算模型的基础。由于散煤燃烧的规律性不好掌握,现有技术中的采用的排放清单并不能准确反应散煤燃烧的实际规律。
发明内容
为更准确的反应散煤燃烧规律,为大气污染预报、治理提供依据,本发明实施例提供了一种污染物排放清单确定方法,包括:
获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
根据所述的污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单。
本发明实施例中,所述的燃烧情况的时间段数据包括:旺火燃烧情况的时间段数据、封火燃烧情况时间段数据。
本发明实施例中,所述获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量包括:
获取目标区域内不同用户的包括每次加煤量、加煤时间、燃烧情况的时间段数据的日样本数据;
根据不同用户的燃烧情况的时间段数据确定燃烧情况为旺火燃烧情况概率最大的时间段,将旺火燃烧情况概率最大的时间段作为每日典型旺火时间段,其余时间段为每日典型封火燃烧情况时间段;
根据不同用户的每天的加煤时间确定每天加煤次数,将概率最大的每天加煤次数作为日典型加煤次数;
选取加煤次数与所述日典型加煤次数相同的日样本数据,将所述日样本数据中出现概率最大的加煤时间点作为日典型加煤时间点;
将各日典型加煤时间点对应的加煤量进行平均,确定日每次典型加煤量;
将所述的每日典型旺火时间段、每日典型封火燃烧情况时间段、日典型加煤时间点以及日典型加煤量作为所述目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据。
本发明实施例中,所述的根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、封火燃烧情况时间段数据以及污染物排放因子确定污染物小时分配系数包括:
根据用户每天的每次的样本加煤量、加煤时间、旺火燃烧情况的时间段数据以及封火燃烧情况时间段数据确定旺火时间段的加煤量、封火时间段的加煤量;
根据所述旺火时间段的加煤量、封火时间段的加煤量及污染物排放因子确定旺火时间段的污染物总量、封火时间段的污染物总量;
根据旺火时间段的污染物总量、封火时间段的污染物总量、旺火燃烧情况的时间段数据以及式(1)确定旺火时间段污染物小时分配系数;
根据旺火时间段的污染物总量、封火时间段的污染物总量、封火燃烧情况的时间段数据以及式(2)确定封火时间段污染物小时分配系数;
其中,K1为旺火时间段污染物小时分配系数,Q1为旺火时间段的污染物总量,Q2为污染物总量,Q=Q1+Q2,Q为一天的污染物总量。
本发明实施例中,所述的根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数包括:
根据样本用户每次加煤量、加煤时间确定每天烧煤量、年烧煤量;
根据样本用户的每天烧煤量与年烧煤量的比值确定各样本的污染物日时间分配系数,将目标区域内各样本的污染物日时间分配系数的算数平均值作为目标区域的污染物日时间分配系数;
根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数,将目标区域内各样本的污染物月时间分配系数的算数平均值作为目标区域的污染物月时间分配系数。
同时,本发明还提供一种污染物排放清单确定装置,包括:
样本参数获取模块,用于获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
小时分配系数确定模块,用于根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
日月分配系数确定模块,用于根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
排放清单确定模块,用于根据所述的污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单。
本发明实施例中,所述的燃烧情况的时间段数据包括:旺火燃烧情况的时间段数据、封火燃烧情况时间段数据。
本发明实施例中,所述样本参数获取模块包括:
日样本数据获取单元,用于日样本数据获取目标区域内不同用户的包括每次加煤量、加煤时间、燃烧情况的时间段数据的日样本数据;
典型燃烧情况时间段确定单元,用于根据不同用户的燃烧情况的时间段数据确定燃烧情况为旺火燃烧情况概率最大的时间段,将旺火燃烧情况概率最大的时间段作为每日典型旺火时间段,其余时间段为每日典型封火燃烧情况时间段;
日典型加煤次数确定单元,用于根据不同用户的每天的加煤时间确定每天加煤次数,将概率最大的每天加煤次数作为日典型加煤次数
典型加煤时间点确定单元,用于选取加煤次数与所述日典型加煤次数相同的日样本数据,将所述日样本数据中出现概率最大的加煤时间点作为日典型加煤时间点;
典型加煤量确定单元,用于将各日典型加煤时间点对应的加煤量进行平均,确定日每次典型加煤量;
样本参数确定单元,用于将所述的每日典型旺火时间段、每日典型封火燃烧情况时间段、日典型加煤时间点以及日典型加煤量作为所述目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据。
本发明实施例中,所述的小时分配系数确定模块包括:
时间段的加煤量确定单元,用于根据用户每天的每次的样本加煤量、加煤时间、旺火燃烧情况的时间段数据以及封火燃烧情况时间段数据确定旺火时间段的加煤量、封火时间段的加煤量;
时间段污染物总量确定单元,用于根据所述旺火时间段的加煤量、封火时间段的加煤量及污染物排放因子确定旺火时间段的污染物总量、封火时间段的污染物总量;
旺火时段小时分配系数确定单元,用于根据旺火时间段的污染物总量、封火时间段的污染物总量、旺火燃烧情况的时间段数据以及式(1)确定旺火时间段污染物小时分配系数;
封火时段小时分配系数确定单元,用于根据旺火时间段的污染物总量、封火时间段的污染物总量、封火燃烧情况的时间段数据以及式(2)确定封火时间段污染物小时分配系数;
其中,K1为旺火时间段污染物小时分配系数,Q1为旺火时间段的污染物总量,Q2为污染物总量,Q=Q1+Q2,Q为一天的污染物总量。
本发明实施例中,所述的排放清单确定模块包括:
烧煤量确定单元,用于根据样本用户每次加煤量、加煤时间确定每天烧煤量、年烧煤量;
日时间分配系数确定单元,用于根据样本用户的每天烧煤量与年烧煤量的比值确定各样本的污染物日时间分配系数,将目标区域内各样本的污染物日时间分配系数的算数平均值作为目标区域的污染物日时间分配系数;
月时间分配系数确定单元,用于根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数,将目标区域内各样本的污染物月时间分配系数的算数平均值作为目标区域的污染物月时间分配系数。
同时,本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述污染物排放清单确定方法。
同时,本发明还提供一种计算机可读存储介质,计算机可读存储介质存储有执行上述污染物排放清单确定方法的计算机程序。
本发明的排放清单确定方法及装置,提供一种获取散煤燃烧规律的手段,提供了一种高时空分辨率散烧煤排放清单的编制手段,解决了现有技术中由于散煤燃烧的规律性不好掌握,对排放清单只对月分配系数进行了明确,而对日分配系数以及小时分配系数,都采用了一个固定值,不能准确反应散煤燃烧的实际规律。高时空分辨率的排放清单,更符合散煤燃用的实际情况,用于模拟大气环境质量时,能够使计算以及预测结果更加准确,更加有利于国家和行业制定大气环境治理相关政策。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明污染物排放清单确定方法的流程图;
图2为本发明实施例中一流程图;
图3为本发明实施例公开的污染物排放清单确定装置的框图;
图4为本发明实施例中公开的电子设备的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1所示,本发明提供一种污染物排放清单确定方法,其包括:
步骤S101,获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
步骤S102,根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
步骤S103,根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
步骤S104,根据所述的污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单。
本发明提供一种污染物排放清单确定方法,用于在模拟大气环境质量时,能够使计算以及预测结果更加准确,更加有利于国家和行业制定大气环境治理相关政策。
本发明实施例中,燃烧情况的时间段数据包括:旺火燃烧情况的时间段数据、封火燃烧情况时间段数据,本实施例中,旺火燃烧情况、封火燃烧情况根据预先设定的参数对其进行界定,对领域技术人员可清楚获知,根据实际情况及预先设定的燃烧参数进行燃烧情况的划分,并不以此为限。
如图2所示,本发明一实施例中,所述获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量包括:
步骤S201,获取目标区域内不同用户的包括每次加煤量、加煤时间、燃烧情况的时间段数据的日样本数据;
步骤S202,根据不同用户的燃烧情况的时间段数据确定燃烧情况为旺火燃烧情况概率最大的时间段,将旺火燃烧情况概率最大的时间段作为每日典型旺火时间段,其余时间段为每日典型封火燃烧情况时间段;
步骤S203,根据不同用户的每天的加煤时间确定每天加煤次数,将概率最大的每天加煤次数作为日典型加煤次数;
步骤S204,选取加煤次数与所述日典型加煤次数相同的日样本数据,将所述日样本数据中出现概率最大的加煤时间点作为日典型加煤时间点;
步骤S205,将各日典型加煤时间点对应的加煤量进行平均,确定日每次典型加煤量;
步骤S206,将所述的每日典型旺火时间段、每日典型封火燃烧情况时间段、日典型加煤时间点以及日典型加煤量作为所述目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据。
即通过上述的步骤,对采集的样本数据进行处理,从初始的样本数据中选取更具有普遍代表意义的典型样本数据,确定目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据获取确定排放清单过程中所需的典型样本,以使排放清单的确定更加准确。
下面结合具体的实施例对本发明的技术方案作进一步详细陈述。
本发明实施例提供一种高时空分辨率散烧煤排放清单的编制方法,其包括以下三个步骤:
第一,样本数据的获取。在排放清单的目标区域挑选散烧煤的典型用户,记录其供暖季每天的燃煤使用情况。
其中,典型用户的挑选方法为:将目标区域按照排放清单计算年份的11月至第二年4月平均气温的高低分为高、中、低三个典型区域;进一步,将上述典型区域分别按照排放清单计算年份的家庭年收入由多到少分为高、中、低三种典型用户;最后,每种典型用户至少挑选三个用户记录其燃煤使用情况。
其中,燃煤使用情况的记录方法为:
记录家庭散烧煤开始供暖与结束供暖的年、月、日信息;记录每天最高气温与最低气温;记录每天每次加煤的重量,以及加煤的时间点;记录每天旺火时间段t1、封火时间段t2、其中时间段的记录以小时为单位;记录每天烧散煤的总质量mi;记录每户一年的散煤燃用总质量M。
第二,样本数据的处理。样本数据的处理的目的在于得到不同地区的排放清单月时间分配系数、日时间分配系数、小时分配系数。
1.排放清单日时间分配系数的计算方法为利用公式(1):
根据该公式(1)中计算每个样本的日时间分配系数ki;每个典型区域的日时间分配系数Kday为该典型区域所有样本ki的算术平均值。
2.排放清单月时间分配系数的计算方法为:
根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数,将目标区域内各样本的污染物月时间分配系数的算数平均值作为目标区域的污染物月时间分配系数Kmonth;
即根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数kj;
其中,i与n分别代表该月散煤燃用开始日期与结束日期,即月时间分配系数为该样本在该月内日时间分配系数之和。
每个典型区域的日时间分配系数Kmonth为该典型区域所有样本kj的算术平均值。
3.排放清单的小时分配系数的计算方法为:
本实施例中,确定排放清单的小时分配系数的的过程中,进一步先对采集的初始样本数据做如下处理,包括:
步骤1,将一天24h分为五个时间段:第一个时间段为4:00~10:00;第二个时间段为10:00~14:00;第三个时间段为14:00~19:00;第四个时间段为19:00~22:00;第五个时间段为22:00~4:00。
步骤2,将每个典型区域的样本数据按月进行统计分析,根据该月内样本数据中记录的每天旺火时间段,分别计算该样本在(1)中每个时间段记录的旺火时间段的概率最大值,将五个时间段概率最大值分别对应的旺火时间段合并作为该样本的每日典型旺火时间段及时长T1,而其他的时间段对应为该样本每日典型封火时间段及时长T2。得到了该样本在每个月的日典型旺火时间段及时长T1和典型封火时间段及时长T2。
步骤3,将每个典型区域的样本数据按月进行统计分析,根据该月内样本数据中记录的每天加煤次数、每次加煤时间点以及每次的加煤量,第一步先计算该月内每天加煤次数的概率最大值,将此概率最大值对应的加煤次数作为该月的日典型加煤次数;第二步根据典型加煤次数,筛选出该月与典型加煤次数一致的数据,统计出每次加煤时间点出现的最大概率值,作为该月的日典型加煤时间点,将数据中每个加煤时间点对应的加煤量进行平均,其平均值作为该月的日每次典型加煤量。
步骤4,根据步骤2~3中得到的每个月典型旺火时间段T1、典型封火时间段T2、日典型加煤时间点和日每次典型加煤量,在样本所在地的农户家中进行现场试验测试,按照排放清单上烟气污染物的种类,测试一天24小时内散煤排放的各类烟气污染物总量Q,得到各类烟气污染物在旺火时间段排放的污染物总量Q1,各类烟气污染物在封火时间段排放的污染物总量Q2。
得到该月旺火时间段污染物小时分配系数为:
该月封火时间段污染物小时分配系数为:
步骤5,按照步骤1~步骤4中的方法,可以得到每个样本在每个月一天24h中的旺火时间段、封火时间段以及每个小时的小时分配系数。
同一典型区域内的不同样本,将同一时间段的小时分配系数进行算术平均,得到该典型区域每个月的小时分配系数Ki。
第三,高时空分辨率散烧煤排放清单的编制。
根据典型区域散烧煤某种烟气污染物的年排放量Myear,年排放量Myear可由预先获取的历史数据获知,本方案中不对其进行限定。
根据上述步骤中确定的年排放量Myear、污染物月时间分配系数Kmonth、污染物月、日时间分配系数Kday、旺火时间段污染物小时分配系数K1以及封火时间段污染物小时分配系数K2,按照以下公式分别计算月、日、小时的该烟气污染物排放量,编制生成散烧煤排放清单:
月排放量Mmonth=Myear·Kmonth;
日排放量Mday=Mmonth·Kday;
小时排放量Mhour=Mday·Ki。
以编制2018年京津冀地区高时空分辨率散烧煤排放清单为例,对本发明技术方案的实现过程进一步说明如下:
第一步,样本数据的获取。
根据2018年京津冀的供暖季月平均气温高低,将京津冀地区分为三个区域:低温区为张家口市和承德市,中温区为北京市、唐山市、保定市、天津市,高温区为邯郸市、沧州市、秦皇岛市、衡水市、石家庄市、邢台市。在本实施例中,为了获得更高的时空分辨率,在每一个市选择了一个村,一个村选择了至少3个农户作为样本。
每个样本记录家庭散烧煤开始供暖与结束供暖的年、月、日信息;记录每天最高气温与最低气温;记录每天每次加煤的重量,以及加煤的时间点;记录每天旺火时间段t1、封火时间段t2、其中时间段的记录以小时为单位;记录每天烧散煤的总质量mi;记录每户一年的散煤燃用总质量M。其典型的样本数据记录表如表1中所示。
表1
第二步,样本数据的处理。
日时间分配系数的计算方法为:
月时间分配系数的计算方法为:
对上述系数去平均值,确定污染物月时间分配系数Kmonth、污染物日时间分配系数Kday。
以张家口为例,计算得到其日分配系数如表2中所示:
表2京津冀某市的日时间分配系数
2018/11/1 | 2018/11/2 | 2018/11/3 | 2018/11/4 | 2018/11/5 | 2018/11/6 | 2018/11/7 | 2018/11/8 | 2018/11/9 | 2018/11/10 |
0.0010883 | 0.0010383 | 0.0011173 | 0.0010593 | 0.0013124 | 0.00239739 | 0.0025514 | 0.00320162 | 0.0033808 | 0.003704 |
2018/11/11 | 2018/11/12 | 2018/11/13 | 2018/11/14 | 2018/11/15 | 2018/11/16 | 2018/11/17 | 2018/11/18 | 2018/11/19 | 2018/11/20 |
0.0036545 | 0.0042519 | 0.0041751 | 0.0041068 | 0.0043094 | 0.00456695 | 0.0042649 | 0.00418418 | 0.0042718 | 0.0043911 |
2018/11/21 | 2018/11/22 | 2018/11/23 | 2018/11/24 | 2018/11/25 | 2018/11/26 | 2018/11/27 | 2018/11/28 | 2018/11/29 | 2018/11/30 |
0.0047236 | 0.0054139 | 0.005571 | 0.0058124 | 0.0054565 | 0.00590992 | 0.0059038 | 0.00610112 | 0.0059403 | 0.0056877 |
月时间分配系数如表3中所示:
表3京津冀某市的月时间分配系数
11 | 12 | 1 | 2 | 3 |
0.1181134 | 0.2560162 | 0.2974926 | 0.2269945 | 0.0893832 |
以表1中的数据为例,该样本在2018年12月的典型旺火时间段为7:00-9:00;11:00-13:00;18:00-21:00,其他时间为封火时间段。其典型的加煤时间点及对应煤量为7:00,6斤;11:00,4斤;18:00,6斤;20:00,6斤。
按照这一特征进行现场实验,得到12月份的小时分配系数如表4中所示。
表4京津冀的小时分配系数
第三步编制高时空分辨率的排放清单。
根据预先获取的该地区的污染物年排放量Myear,上述确定的污染物月时间分配系数Kmonth、污染物日时间分配系数Kday、旺火时间段污染物小时分配系数K1以及封火时间段污染物小时分配系数K2,按照以下公式分别计算月、日、小时的该烟气污染物排放量,编制生成散烧煤排放清单:
月排放量Mmonth=Myear·Kmonth;
日排放量Mday=Mmonth·Kday;
小时排放量Mhour=Mday·Ki。
本发明实施例提供的污染物排放清单确定方法,其编制生成的高时空分辨率的排放清单,更符合散煤燃用的实际情况,用于模拟大气环境质量时,能够使计算以及预测结果更加准确,更加有利于国家和行业制定大气环境治理相关政策。
另外,本发明还提供一种污染物排放清单确定装置,如图3所示包括:
样本参数获取模块301,用于获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
小时分配系数确定模块302,用于根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
日月分配系数确定模块303,用于根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
排放清单确定模块304,用于根据污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单。
本实施例还提供一种电子设备,该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照前述方法的实施例,其内容被合并于此,重复之处不再赘述。
图4为本发明实施例的电子设备600的系统构成的示意框图。如图4所示,该电子设备600可以包括中央处理器100和存储器140;存储器140耦合到中央处理器100。值得注意的是,该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,污染物排放清单确定功能可以被集成到中央处理器100中。其中,中央处理器100可以被配置为进行如下控制:
获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
根据所述的污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单。
所述的燃烧情况的时间段数据包括:旺火燃烧情况的时间段数据、封火燃烧情况时间段数据。
本发明实施例中,所述获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量包括:
获取目标区域内不同用户的包括每次加煤量、加煤时间、燃烧情况的时间段数据的日样本数据;
根据不同用户的燃烧情况的时间段数据确定燃烧情况为旺火燃烧情况概率最大的时间段,将旺火燃烧情况概率最大的时间段作为每日典型旺火时间段,其余时间段为每日典型封火燃烧情况时间段;
根据不同用户的每天的加煤时间确定每天加煤次数,将概率最大的每天加煤次数作为日典型加煤次数;
选取加煤次数与所述日典型加煤次数相同的日样本数据,将所述日样本数据中出现概率最大的加煤时间点作为日典型加煤时间点;
将各日典型加煤时间点对应的加煤量进行平均,确定日每次典型加煤量;
将所述的每日典型旺火时间段、每日典型封火燃烧情况时间段、日典型加煤时间点以及日典型加煤量作为所述目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据。
本发明实施例中,所述的根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、封火燃烧情况时间段数据以及污染物排放因子确定污染物小时分配系数包括:
根据用户每天的每次的样本加煤量、加煤时间、旺火燃烧情况的时间段数据以及封火燃烧情况时间段数据确定旺火时间段的加煤量、封火时间段的加煤量;
根据所述旺火时间段的加煤量、封火时间段的加煤量及污染物排放因子确定旺火时间段的污染物总量、封火时间段的污染物总量;
根据旺火时间段的污染物总量、封火时间段的污染物总量、旺火燃烧情况的时间段数据以及式(1)确定旺火时间段污染物小时分配系数;
/>
根据旺火时间段的污染物总量、封火时间段的污染物总量、封火燃烧情况的时间段数据以及式(2)确定封火时间段污染物小时分配系数;
其中,K1为旺火时间段污染物小时分配系数,Q1为旺火时间段的污染物总量,Q2为污染物总量,Q=Q1+Q2,Q为一天的污染物总量。
本发明实施例中,所述的根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数包括:
根据样本用户每次加煤量、加煤时间确定每天烧煤量、年烧煤量;
根据样本用户的每天烧煤量与年烧煤量的比值确定各样本的污染物日时间分配系数,将目标区域内各样本的污染物日时间分配系数的算数平均值作为目标区域的污染物日时间分配系数;
根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数,将目标区域内各样本的污染物月时间分配系数的算数平均值作为目标区域的污染物月时间分配系数。
在另一个实施方式中,污染物排放清单确定装置可以与中央处理器100分开配置,例如可以将污染物排放清单确定装置配置为与中央处理器100连接的芯片,通过中央处理器的控制来实现污染物排放清单确定功能。
如图4所示,该电子设备600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,电子设备600也并不是必须要包括图4中所示的所有部件;此外,电子设备600还可以包括图4中没有示出的部件,可以参考现有技术。
如图4所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143,该数据存储部143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
本发明实施例还提供一种计算机可读程序,其中当在电子设备中执行所述程序时,所述程序使得计算机在所述电子设备中执行如上面实施例所述的污染物排放清单确定方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行上面实施例所述的污染物排放清单确定。
以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的,因此所附权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外,由于本领域的技术人员容易想到很多修改和改变,因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作,而是可以涵盖落入其范围内的所有合适修改和等同物。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种污染物排放清单确定方法,其特征在于,所述的方法包括:
获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
根据所述的污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单;
所述的根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数包括:
根据样本用户每次加煤量、加煤时间确定每天烧煤量、年烧煤量;
根据样本用户的每天烧煤量与年烧煤量的比值确定各样本的污染物日时间分配系数,将目标区域内各样本的污染物日时间分配系数的算数平均值作为目标区域的污染物日时间分配系数;
根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数,将目标区域内各样本的污染物月时间分配系数的算数平均值作为目标区域的污染物月时间分配系数;
所述的燃烧情况的时间段数据包括:旺火燃烧情况的时间段数据、封火燃烧情况时间段数据;
所述的根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数包括:
根据用户每天的每次的样本加煤量、加煤时间、旺火燃烧情况的时间段数据以及封火燃烧情况时间段数据确定旺火时间段的加煤量、封火时间段的加煤量;
根据所述旺火时间段的加煤量、封火时间段的加煤量及污染物排放因子确定旺火时间段的污染物总量、封火时间段的污染物总量;
根据旺火时间段的污染物总量、封火时间段的污染物总量、旺火燃烧情况的时间段数据以及式(1)确定旺火时间段污染物小时分配系数;
根据旺火时间段的污染物总量、封火时间段的污染物总量、封火燃烧情况的时间段数据以及式(2)确定封火时间段污染物小时分配系数;
其中,K1为旺火时间段污染物小时分配系数,Q1为旺火时间段的污染物总量,Q2为封火时间段的污染物总量,Q=Q1+Q2,Q为一天的污染物总量。
2.如权利要求1所述的污染物排放清单确定方法,其特征在于,所述获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量包括:
获取目标区域内不同用户的包括每次加煤量、加煤时间、燃烧情况的时间段数据的日样本数据;
根据不同用户的燃烧情况的时间段数据确定燃烧情况为旺火燃烧情况概率最大的时间段,将旺火燃烧情况概率最大的时间段作为每日典型旺火时间段,其余时间段为每日典型封火燃烧情况时间段;
根据不同用户的每天的加煤时间确定每天加煤次数,将概率最大的每天加煤次数作为日典型加煤次数;
选取加煤次数与所述日典型加煤次数相同的日样本数据,将所述日样本数据中出现概率最大的加煤时间点作为日典型加煤时间点;
将各日典型加煤时间点对应的加煤量进行平均,确定日每次典型加煤量;
将所述的每日典型旺火时间段、每日典型封火燃烧情况时间段、日典型加煤时间点以及日典型加煤量作为所述目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据。
3.一种污染物排放清单确定装置,其特征在于,所述的装置包括:
样本参数获取模块,用于获取目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据、污染物排放因子及污染物年排放量;
小时分配系数确定模块,用于根据样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据以及污染物排放因子确定污染物小时分配系数;
日月分配系数确定模块,用于根据样本用户的每次加煤量、加煤时间确定目标区域的污染物日时间分配系数、污染物月时间分配系数;
排放清单确定模块,用于根据所述的污染物小时分配系数、污染物日时间分配系数、污染物月时间分配系数以及污染物年排放量确定目标区域的污染物排放清单;
所述的排放清单确定模块包括:
烧煤量确定单元,用于根据样本用户每次加煤量、加煤时间确定每天烧煤量、年烧煤量;
日时间分配系数确定单元,用于根据样本用户的每天烧煤量与年烧煤量的比值确定各样本的污染物日时间分配系数,将目标区域内各样本的污染物日时间分配系数的算数平均值作为目标区域的污染物日时间分配系数;
月时间分配系数确定单元,用于根据目标区域内各样本的污染物日时间分配系数确定各样本的污染物月时间分配系数,将目标区域内各样本的污染物月时间分配系数的算数平均值作为目标区域的污染物月时间分配系数;
所述的燃烧情况的时间段数据包括:旺火燃烧情况的时间段数据、封火燃烧情况时间段数据;
所述的小时分配系数确定模块包括:
时间段的加煤量确定单元,用于根据用户每天的每次的样本加煤量、加煤时间、旺火燃烧情况的时间段数据以及封火燃烧情况时间段数据确定旺火时间段的加煤量、封火时间段的加煤量;
时间段污染物总量确定单元,用于根据所述旺火时间段的加煤量、封火时间段的加煤量及污染物排放因子确定旺火时间段的污染物总量、封火时间段的污染物总量;
旺火时段小时分配系数确定单元,用于根据旺火时间段的污染物总量、封火时间段的污染物总量、旺火燃烧情况的时间段数据以及式(1)确定旺火时间段污染物小时分配系数;
封火时段小时分配系数确定单元,用于根据旺火时间段的污染物总量、封火时间段的污染物总量、封火燃烧情况的时间段数据以及式(2)确定封火时间段污染物小时分配系数;
其中,K1为旺火时间段污染物小时分配系数,Q1为旺火时间段的污染物总量,Q2为封火时间段的污染物总量,Q=Q1+Q2,Q为一天的污染物总量。
4.如权利要求3所述的污染物排放清单确定装置,其特征在于,所述样本参数获取模块包括:
日样本数据获取单元,用于日样本数据获取目标区域内不同用户的包括每次加煤量、加煤时间、燃烧情况的时间段数据的日样本数据;
典型燃烧情况时间段确定单元,用于根据不同用户的燃烧情况的时间段数据确定燃烧情况为旺火燃烧情况概率最大的时间段,将旺火燃烧情况概率最大的时间段作为每日典型旺火时间段,其余时间段为每日典型封火燃烧情况时间段;
日典型加煤次数确定单元,用于根据不同用户的每天的加煤时间确定每天加煤次数,将概率最大的每天加煤次数作为日典型加煤次数
典型加煤时间点确定单元,用于选取加煤次数与所述日典型加煤次数相同的日样本数据,将所述日样本数据中出现概率最大的加煤时间点作为日典型加煤时间点;
典型加煤量确定单元,用于将各日典型加煤时间点对应的加煤量进行平均,确定日每次典型加煤量;
样本参数确定单元,用于将所述的每日典型旺火时间段、每日典型封火燃烧情况时间段、日典型加煤时间点以及日典型加煤量作为所述目标区域的样本用户的每次加煤量、加煤时间、燃烧情况的时间段数据。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1或2所述方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1或2所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911243086.XA CN111325438B (zh) | 2019-12-06 | 2019-12-06 | 污染物排放清单确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911243086.XA CN111325438B (zh) | 2019-12-06 | 2019-12-06 | 污染物排放清单确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325438A CN111325438A (zh) | 2020-06-23 |
CN111325438B true CN111325438B (zh) | 2023-11-07 |
Family
ID=71172721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911243086.XA Active CN111325438B (zh) | 2019-12-06 | 2019-12-06 | 污染物排放清单确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325438B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113987058B (zh) * | 2021-11-01 | 2022-06-21 | 中科三清科技有限公司 | 排放清单的确定方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955752A (zh) * | 2014-04-11 | 2014-07-30 | 国家电网公司 | 一种燃煤电厂污染物排放总量控制智能化决策方法 |
CN106548442A (zh) * | 2016-11-10 | 2017-03-29 | 湖南省环境保护科学研究院 | 一种大气污染物排放源清单精细化动态管理方法 |
CN107767081A (zh) * | 2017-11-15 | 2018-03-06 | 国网冀北电力有限公司电力科学研究院 | 一种燃煤电厂大气环境影响评价方法及装置 |
CN108664542A (zh) * | 2018-03-09 | 2018-10-16 | 北京市劳动保护科学研究所 | 一种大气污染物排放清单排放量分配方法及系统 |
WO2019182229A1 (ko) * | 2018-03-23 | 2019-09-26 | 대한민국 (환경부 국립환경과학원장) | 실제 운항정보를 이용한 선박 부문 대기오염물질 배출량 산정방법 및 장치 |
-
2019
- 2019-12-06 CN CN201911243086.XA patent/CN111325438B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955752A (zh) * | 2014-04-11 | 2014-07-30 | 国家电网公司 | 一种燃煤电厂污染物排放总量控制智能化决策方法 |
CN106548442A (zh) * | 2016-11-10 | 2017-03-29 | 湖南省环境保护科学研究院 | 一种大气污染物排放源清单精细化动态管理方法 |
CN107767081A (zh) * | 2017-11-15 | 2018-03-06 | 国网冀北电力有限公司电力科学研究院 | 一种燃煤电厂大气环境影响评价方法及装置 |
CN108664542A (zh) * | 2018-03-09 | 2018-10-16 | 北京市劳动保护科学研究所 | 一种大气污染物排放清单排放量分配方法及系统 |
WO2019182229A1 (ko) * | 2018-03-23 | 2019-09-26 | 대한민국 (환경부 국립환경과학원장) | 실제 운항정보를 이용한 선박 부문 대기오염물질 배출량 산정방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
CN111325438A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duffy et al. | How close are we to the temperature tipping point of the terrestrial biosphere? | |
Araújo et al. | Standards for distribution models in biodiversity assessments | |
Bouckaert et al. | The origin and expansion of Pama–Nyungan languages across Australia | |
Thomas et al. | The predictability of a lake phytoplankton community, over time‐scales of hours to years | |
Ladau et al. | Global marine bacterial diversity peaks at high latitudes in winter | |
Surovell et al. | Test of Martin’s overkill hypothesis using radiocarbon dates on extinct megafauna | |
Silva et al. | Amplitude of travelling front as inferred from 14C predicts levels of genetic admixture among European early farmers | |
Mettetal et al. | Predicting stochastic gene expression dynamics in single cells | |
Blois et al. | Modeling the climatic drivers of spatial patterns in vegetation composition since the Last Glacial Maximum | |
Kolus et al. | Land carbon models underestimate the severity and duration of drought’s impact on plant productivity | |
Nogues-Bravo et al. | Climate predictors of late quaternary extinctions | |
Mateo et al. | Do stacked species distribution models reflect altitudinal diversity patterns? | |
Inatomi et al. | Fraction of nitrous oxide production in nitrification and its effect on total soil emission: A meta-analysis and global-scale sensitivity analysis using a process-based model | |
Mengis et al. | Non-CO2 forcing changes will likely decrease the remaining carbon budget for 1.5 C | |
EP3040948A1 (en) | Method of determining remaining use time of a device, and apparatus and computer program to implement such a method | |
CN104508739A (zh) | 动态语言模型 | |
Zobel et al. | Ancient environmental DNA reveals shifts in dominant mutualisms during the late Quaternary | |
CN111739588B (zh) | 一种大气污染物来源的解析方法、装置、存储介质及终端 | |
CN111325438B (zh) | 污染物排放清单确定方法、装置、设备及存储介质 | |
Scharnweber et al. | Removing the no-analogue bias in modern accelerated tree growth leads to stronger medieval drought | |
Larsen et al. | Satellite remote sensing data can be used to model marine microbial metabolite turnover | |
Keusch et al. | Non-participation in smartphone data collection using research apps | |
CN109684546B (zh) | 推荐方法、装置、存储介质及终端 | |
CN113420454B (zh) | 一种基于大气污染物达标约束的环境容量获取方法及装置 | |
Cruz-Paredes et al. | Variation in temperature dependences across Europe reveals the climate sensitivity of soil microbial decomposers |
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 |