CN111738600A - 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法 - Google Patents

一种基于高精度pm2.5反演结果的城市道路空气质量评价方法 Download PDF

Info

Publication number
CN111738600A
CN111738600A CN202010581581.8A CN202010581581A CN111738600A CN 111738600 A CN111738600 A CN 111738600A CN 202010581581 A CN202010581581 A CN 202010581581A CN 111738600 A CN111738600 A CN 111738600A
Authority
CN
China
Prior art keywords
road
data
air quality
concentration
precision
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
Application number
CN202010581581.8A
Other languages
English (en)
Inventor
马培龙
闫金伟
陶菲
刘润瑞
林霜
陈稳凯
周侗
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN202010581581.8A priority Critical patent/CN111738600A/zh
Publication of CN111738600A publication Critical patent/CN111738600A/zh
Pending legal-status Critical Current

Links

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Dispersion Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，基于多源数据并结合神经网络方法反演出整个研究区域的PM2.5浓度；以小时为单位，通过将PM2.5反演结果与研究区道路图层进行叠置分析，提取出每条道路上的实时PM2.5分布数据；通过和相关空气质量标准比对，可对每条道路的空气质量状况进行定性和定量的评价，从而可为居民出行的道路选择提供空气质量状况的参考。本发明反演的空气污染物结果不仅考虑了汽车尾气的污染，其他因素的影响也考虑在其中；相较于基于光学传感器的检测方法，本发明成本低，精度高。

Description

一种基于高精度PM2.5反演结果的城市道路空气质量评价 方法
技术领域
本发明涉及一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，具体涉及一种基于高时间精度，高质量的PM2.5数据的道路空气质量评价方法。
背景技术
近年来空气质量成为人们出行的重点关注数据，尤其是道路的空气质量。避开高污染区域出行是避免污染物危害身体健康的最有效方法之一，虽然我国大多数城市都建设了空气质量监测站点，但是其数量较少，一般集中分布在城市的主城区，分布稀疏且不均匀，远远无法达到道路空气质量监测的精度。目前有很多城市道路空气质量监测的方法，基于光学传感器结合GPRS对城市道路空气质量监测是其中一种方法，但用该方法监测整个城市道路的空气质量，需要大量光学传感器，成本过高；通过车联网监测汽车尾气和构建汽车尾气扩散模型的方法，仅考虑了车辆尾气对空气质量的影响，实际上这只是空气污染的来源之一，这样的方法精确度低。基于道路视频的道路空气质量监测方法，虽然精度高，但存在无监控的盲区，且摄像头的状态对监测数据影响巨大。
发明内容
发明目的：鉴于上述问题，本发明的目的是提供一种基于高精度PM2.5反演结果的市道路空气质量评价方法，以解决目前道路空气质量监测精度低的问题。
技术方案：为解决上述技术问题，本发明所采用的技术方案是：
一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，包含以下步骤：
步骤一：基于多源数据并结合神经网络方法反演PM2.5浓度；
步骤二：每小时更新一次PM2.5分布数据；
步骤三：提取出每段道路上的实时PM2.5分布数据；
步骤四：对道路空气质量进行定性评价；
步骤五：对道路空气质量进行定量评价。
进一步的，所述步骤一中的多源数据包括：Landsat 8遥感影像数据、气象数据、地形和城市特征数据；其中，所述的气象数据包括温度、相对湿度、降水和风速；所述的城市特征数据包括工厂密度、道路密度、人口密度、人均GDP；将上述数据与PM2.5数据进行整合，搭建神经网络模型，通过不断调整优化获得最优的神经网络模型，将待反演数据输入模型得到该地区的PM2.5空间分布情况。
进一步的，所述步骤二具体为：
2.1按照多源数据的时间分辨率更新多源数据，如气象数据的更新速率可以达到每小时一次，数据更新后可获得新的PM2.5反演结果；
2.2构建PM2.5监测站点的泰森多边形，计算落入泰森多边形的像元的平均PM2.5浓度
Figure BDA0002552503590000021
每小时计算一次监测站点PM2.5浓度Cz与泰森多边形内像元的平均PM2.5浓度的差值Δc即ΔC＝Cz-C。
2.3使用Cn＝C+Δc公式对泰森多边形内像元的PM2.5浓度C进行每小时一次的调整得到新的PM2.5浓度Cn。
进一步的，所述步骤三具体为：
3.1在ArcGIS软件中将PM2.5反演结果转为矢量数据；
3.2对道路数据和PM2.5矢量结果进行相交操作，道路增加PM2.5浓度属性。
进一步的，所述步骤四具体为按照道路数据的PM2.5浓度属性值并结合相关空气质量标准对数据进行分级色彩显示。
进一步的，所述步骤五具体为：
5.1为道路数据添加平均PM2.5属性，其值为该段道路的PM2.5浓度P除以该道路的长度L，即
Figure BDA0002552503590000031
5.2对路径上所有道路的平均PM2.5值进行累加，得到该路径的总污染，即
Figure BDA0002552503590000032
其中，P总为路径的总污染，n为路径包含的道路数，Pi为第i条道路包含的污染，Li为第i条道路的长度；
5.3总污染与路径总长度L总的商为该路径的平均污染，即
Figure BDA0002552503590000033
其中，PAVG为该路径的平均污染，P总为总污染，L总为路径总长度。
有益效果：发明提供了一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，基于多源数据并结合神经网络技术反演得到研究区域的PM2.5空间分布情况，并利用逐小时的监测站点气象数据与PM2.5数据对反演结果进行实时更新与纠偏，最大程度保证了反演结果的准确性，此外，本发明反演得出空气污染物分布结果不仅考虑了汽车尾气的污染，其他因素的影响也考虑在其中；相较于基于光学传感器的检测方法，本发明成本低，精度高；本发明结合地理空间分析方法，得到了道路级别的PM2.5含量情况，并通过和相关空气质量标准比对，对每条道路的空气质量状况进行定性和定量的评价，从而创新性地为居民出行的道路选择提供空气质量状况的参考。
附图说明
图1是本发明的一种基于高精度PM2.5反演结果的城市道路空气质量评价方法实施例的流程图；
图2是本发明的城市道路空气质量定性分析图；
图3是本发明的不同路径空气质量对比图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，以使本领域的技术人员能够更好的理解本发明的优点和特征，从而对本发明的保护范围做出更为清楚的界定。本发明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的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，本发明的一种基于高精度PM2.5反演结果的市道路空气质量评价方法，包含以下步骤：
步骤一：获取杭州市Landsat8遥感影像、气象数据、地形和城市特征数据；其中气象数据包括温度、相对湿度、降水和风速；城市特征数据包括工厂密度、道路密度、人口密度、人均GDP；将上述数据与PM2.5数据搭建神经网络，通过调整优化获得最终反演模型，将待反演数据输入模型得到该地区的PM2.5空间分布情况。
步骤二：按照多源数据的时间分辨率更新多源数据，数据更新后可获得新的PM2.5反演结果；构建PM2.5监测站点的泰森多边形，计算落入泰森多边形的像元的平均PM2.5浓度
Figure BDA0002552503590000041
每小时计算一次监测站点PM2.5浓度Cz与泰森多边形内像元平均PM2.5浓度的差值Δc，即ΔC＝Cz-C，使用Cn＝C+Δc公式对泰森多边形内像元的PM2.5浓度C进行每小时一次的调整得到新的PM2.5浓度Cn。
步骤三：在ArcGIS软件中将PM2.5反演结果转为矢量数据；对道路数据和PM2.5矢量结果进行相交操作，道路增加PM2.5浓度属性。
步骤四：按照道路数据的PM2.5浓度属性值对数据进行分级色彩显示。如图2所示。
步骤五：为道路数据添加平均PM2.5属性，其值为该段道路的PM2.5浓度P除以该道路的长度L，即
Figure BDA0002552503590000051
将路径上的道路道路的平均PM2.5值相加得到该路径的总污染，即
Figure BDA0002552503590000052
P总为路径的总污染，n为路径包含的道路数，Pi为第i条道路包含的污染，Li为第i条道路的长度；总污染除以路径总长度L总得到该路径的平均污染，即
Figure BDA0002552503590000053
PAVG为该路径的平均污染，P总为总污染，L总为路径总长度。通过对比总污染和平均污染来评价道路的空气质量，如表1和图3所示。
表1不同路径总污染和平均污染对比表
Figure BDA0002552503590000054

Claims (6)

1.一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，其特征在于，包含以下步骤：
步骤一：基于多源数据并结合神经网络方法反演PM2.5浓度；
步骤二：每小时更新一次PM2.5分布数据；
步骤三：提取出每段道路上的实时PM2.5分布数据；
步骤四：对道路空气质量进行定性评价；
步骤五：对道路空气质量进行定量评价。
2.照权利要求1所述的一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，其特征在于，所述步骤一中的多源数据包括：Landsat 8遥感影像数据、气象数据、地形和城市特征数据；其中，所述的气象数据包括温度、相对湿度、降水和风速；所述的城市特征数据包括工厂密度、道路密度、人口密度、人均GDP；将上述数据与PM2.5数据进行整合，搭建神经网络模型，通过不断调整优化获得最优的神经网络模型，将待反演数据输入模型得到该地区的PM2.5空间分布情况。
3.按照权利要求1所述的一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，其特征在于，所述步骤二具体为：
2.1按照多源数据的时间分辨率更新多源数据，如气象数据的更新速率可以达到每小时一次，数据更新后可获得新的PM2.5反演结果；
2.2构建PM2.5监测站点的泰森多边形，计算落入泰森多边形的像元的平均PM2.5浓度
Figure FDA0002552503580000011
每小时计算一次监测站点PM2.5浓度Cz与泰森多边形内像元的平均PM2.5浓度的差值Δc即
Figure FDA0002552503580000012
2.3使用Cn＝C+Δc公式对泰森多边形内像元的PM2.5浓度C进行每小时一次的调整得到新的PM2.5浓度Cn。
4.按照权利要求1所述的一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，其特征在于，所述步骤三具体为：
3.1在ArcGIS软件中将PM2.5反演结果转为矢量数据；
3.2对道路数据和PM2.5矢量结果进行相交操作，为道路增加PM2.5浓度属性。
5.按照权利要求1所述的一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，其特征在于，所述步骤四具体为按照道路数据的PM2.5浓度属性值并按照相关空气质量标准对数据进行分级色彩显示。
6.按照权利要1所述的一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，其特征在于，所述步骤五具体为：
5.1为道路数据添加平均PM2.5属性，其值为该段道路的PM2.5浓度P除以该道路的长度L，即
Figure FDA0002552503580000021
5.2对路径上所有道路的平均PM2.5值进行累加，得到该路径的总污染，即
Figure FDA0002552503580000022
其中，P总为路径的总污染，n为路径包含的道路数，Pi为第i条道路包含的污染，Li为第i条道路的长度；
5.3总污染与路径总长度L总的商为该路径的平均污染，即
Figure FDA0002552503580000023
其中，PAVG为该路径的平均污染，P总为总污染，L总为路径总长度。
CN202010581581.8A 2020-06-23 2020-06-23 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法 Pending CN111738600A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010581581.8A CN111738600A (zh) 2020-06-23 2020-06-23 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010581581.8A CN111738600A (zh) 2020-06-23 2020-06-23 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法

Publications (1)

Publication Number Publication Date
CN111738600A true CN111738600A (zh) 2020-10-02

Family

ID=72650638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010581581.8A Pending CN111738600A (zh) 2020-06-23 2020-06-23 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法

Country Status (1)

Country Link
CN (1) CN111738600A (zh)

Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234883A (zh) * 2013-04-30 2013-08-07 中南大学 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法
CN104006821A (zh) * 2014-05-28 2014-08-27 英华达（南京）科技有限公司 一种导航方法和系统
CN104217126A (zh) * 2014-09-17 2014-12-17 中南大学 一种基于低空气污染暴露风险道路路径选择方法
CN105117610A (zh) * 2015-09-21 2015-12-02 黄波 一种基于时空特征的实时估算细颗粒物浓度的方法
CN105182339A (zh) * 2015-09-25 2015-12-23 昆明理工大学 一种基于角反射器的边坡形变监测环境影响校正方法
KR20160021528A (ko) * 2014-08-18 2016-02-26 한국과학기술연구원 대기 오염 모니터 방법
US20160091474A1 (en) * 2014-09-29 2016-03-31 Tanguy Griffon Method and a System for Determining at Least One Forecasted Air Quality Health Effect Caused in a Determined Geographical Area by at Least One Air Pollutant
CN106153510A (zh) * 2015-03-25 2016-11-23 日本电气株式会社 大气污染物浓度的估算方法和装置
CN106404620A (zh) * 2015-07-30 2017-02-15 中国科学院遥感与数字地球研究所 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统
CN106442236A (zh) * 2015-07-30 2017-02-22 中国科学院遥感与数字地球研究所 基于卫星遥感的地面pm2.5反演方法及系统
WO2017133093A1 (zh) * 2016-02-03 2017-08-10 东南大学 一种城市微气候数字地图
CN107491566A (zh) * 2016-06-12 2017-12-19 中国科学院城市环境研究所 一种定量化研究城市森林对pm2.5净化作用的方法
CN108241779A (zh) * 2017-12-29 2018-07-03 武汉大学 基于遥感数据的地面pm2.5浓度特征向量空间滤值建模方法
CN109034624A (zh) * 2018-07-28 2018-12-18 华中科技大学 一种基于位置服务数据的城市空气污染暴露评估方法
CN109241212A (zh) * 2018-07-25 2019-01-18 中国水利水电科学研究院 基于中尺度数值大气模式与高分辨率历史降雨反演方法
CN109444006A (zh) * 2018-10-30 2019-03-08 福建工程学院 一种利用共享单车的城市道路pm2．5浓度实时监控系统及方法
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
CN110095389A (zh) * 2018-07-02 2019-08-06 杭州师范大学 一种短时间尺度内城市大气细颗粒物时空变异评价方法
CN110174106A (zh) * 2019-04-01 2019-08-27 香港理工大学深圳研究院 一种基于pm2.5的健康步行路径规划方法及终端设备
CN110287455A (zh) * 2019-05-28 2019-09-27 武汉大学 一种结合遥感数据与社会感知数据的pm2.5深度学习反演方法
CN110766257A (zh) * 2018-07-28 2020-02-07 华中科技大学 一种评估人群空气污染物短期暴露浓度的方法
CN111199298A (zh) * 2018-11-19 2020-05-26 贺州市水利局 基于神经网络的洪水预报方法与系统
CN111209533A (zh) * 2019-11-28 2020-05-29 香港理工大学深圳研究院 道路层面细颗粒物反演方法、装置、计算设备及存储介质
CN111259539A (zh) * 2020-01-14 2020-06-09 中山大学 一种道路pm2.5精细化污染分布的模拟方法、系统及计算机存储介质

Patent Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234883A (zh) * 2013-04-30 2013-08-07 中南大学 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法
CN104006821A (zh) * 2014-05-28 2014-08-27 英华达（南京）科技有限公司 一种导航方法和系统
KR20160021528A (ko) * 2014-08-18 2016-02-26 한국과학기술연구원 대기 오염 모니터 방법
CN104217126A (zh) * 2014-09-17 2014-12-17 中南大学 一种基于低空气污染暴露风险道路路径选择方法
US20160091474A1 (en) * 2014-09-29 2016-03-31 Tanguy Griffon Method and a System for Determining at Least One Forecasted Air Quality Health Effect Caused in a Determined Geographical Area by at Least One Air Pollutant
CN106153510A (zh) * 2015-03-25 2016-11-23 日本电气株式会社 大气污染物浓度的估算方法和装置
CN106404620A (zh) * 2015-07-30 2017-02-15 中国科学院遥感与数字地球研究所 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统
CN106442236A (zh) * 2015-07-30 2017-02-22 中国科学院遥感与数字地球研究所 基于卫星遥感的地面pm2.5反演方法及系统
CN105117610A (zh) * 2015-09-21 2015-12-02 黄波 一种基于时空特征的实时估算细颗粒物浓度的方法
CN105182339A (zh) * 2015-09-25 2015-12-23 昆明理工大学 一种基于角反射器的边坡形变监测环境影响校正方法
WO2017133093A1 (zh) * 2016-02-03 2017-08-10 东南大学 一种城市微气候数字地图
CN107491566A (zh) * 2016-06-12 2017-12-19 中国科学院城市环境研究所 一种定量化研究城市森林对pm2.5净化作用的方法
CN108241779A (zh) * 2017-12-29 2018-07-03 武汉大学 基于遥感数据的地面pm2.5浓度特征向量空间滤值建模方法
CN110095389A (zh) * 2018-07-02 2019-08-06 杭州师范大学 一种短时间尺度内城市大气细颗粒物时空变异评价方法
CN109241212A (zh) * 2018-07-25 2019-01-18 中国水利水电科学研究院 基于中尺度数值大气模式与高分辨率历史降雨反演方法
CN109034624A (zh) * 2018-07-28 2018-12-18 华中科技大学 一种基于位置服务数据的城市空气污染暴露评估方法
CN110766257A (zh) * 2018-07-28 2020-02-07 华中科技大学 一种评估人群空气污染物短期暴露浓度的方法
CN109444006A (zh) * 2018-10-30 2019-03-08 福建工程学院 一种利用共享单车的城市道路pm2．5浓度实时监控系统及方法
CN111199298A (zh) * 2018-11-19 2020-05-26 贺州市水利局 基于神经网络的洪水预报方法与系统
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
CN110174106A (zh) * 2019-04-01 2019-08-27 香港理工大学深圳研究院 一种基于pm2.5的健康步行路径规划方法及终端设备
CN110287455A (zh) * 2019-05-28 2019-09-27 武汉大学 一种结合遥感数据与社会感知数据的pm2.5深度学习反演方法
CN111209533A (zh) * 2019-11-28 2020-05-29 香港理工大学深圳研究院 道路层面细颗粒物反演方法、装置、计算设备及存储介质
CN111259539A (zh) * 2020-01-14 2020-06-09 中山大学 一种道路pm2.5精细化污染分布的模拟方法、系统及计算机存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘彦文;周霞;王凯慧;周洁莹;: "基于遥感影像的PM_(2.5)浓度与大气气溶胶光学厚度间模型建立的探索――以鄂南地区为例", 环境与可持续发展, no. 06 *
谢远扬;王森;: "泰森多边形在分析西安市PM_(2.5)污染状况中的应用", 环境科学与技术, no. 07 *
邵琦;陈云浩;李京;: "基于卫星遥感和气象再分析资料的北京市PM_(2.5)浓度反演研究", 地理与地理信息科学, no. 03 *

Similar Documents

Publication Publication Date Title
CN112561146B (zh) 一种基于模糊逻辑和深度lstm的大规模实时交通流预测方法
Zhao et al. High-resolution daily AOD estimated to full coverage using the random forest model approach in the Beijing-Tianjin-Hebei region
CN110909309B (zh) 一种逐小时高分辨率pm2.5数据的获取方法
CN108280789B (zh) 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法
CN114936957B (zh) 基于移动监测数据的城市pm25浓度分布模拟及场景解析模型
CN110738354B (zh) 预测颗粒物浓度的方法、装置、存储介质及电子设备
CN106404620A (zh) 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统
Xu et al. Estimation of ground-level PM2. 5 concentration using MODIS AOD and corrected regression model over Beijing, China
CN106651036A (zh) 空气质量预报系统
CN112906941B (zh) 面向动态相关空气质量时间序列的预测方法及系统
Liu et al. GIS-based analysis of population exposure to PM2. 5 air pollution—A case study of Beijing
CN110956089A (zh) 基于ict技术的历史街区步行性测度方法
KR102326208B1 (ko) 영상 인식 기반 3차원 미세 먼지 정보를 구축하기 위한 시스템 및 그 방법
CN111723525A (zh) 一种基于多源数据和神经网络模型的pm2.5反演方法
CN115203189A (zh) 融合多源数据提升大气传输量化能力的方法及可视化系统
CN116340863B (zh) 空气污染物预测方法、装置、电子设备及可读存储介质
Gu et al. Environmental monitoring and landscape design of green city based on remote sensing image and improved neural network
Xiong et al. Estimating the PM2. 5 concentration over Anhui Province, China, using the Himawari-8 AOD and a GAM/BME model
CN113888850B (zh) 沙尘气象市政道路拥堵态势多因素预警方法
CN116223395A (zh) 近地表痕量气体浓度反演模型及反演方法
CN113420109B (zh) 一种街道界面渗透率的测量方法、计算机及存储介质
Zhang et al. Research on Baidu street view road crack information extraction based on deep learning method
CN118037983A (zh) 一种海量城市街景全景图片质量评价与快速三维建模方法
CN116466368B (zh) 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法
CN111738600A (zh) 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法

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