CN111930864A - 基于监测数据的网格化清单优化方法和装置 - Google Patents

基于监测数据的网格化清单优化方法和装置 Download PDF

Info

Publication number
CN111930864A
CN111930864A CN202010683614.XA CN202010683614A CN111930864A CN 111930864 A CN111930864 A CN 111930864A CN 202010683614 A CN202010683614 A CN 202010683614A CN 111930864 A CN111930864 A CN 111930864A
Authority
CN
China
Prior art keywords
grid
monitoring
concentration
list
gridding
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.)
Granted
Application number
CN202010683614.XA
Other languages
English (en)
Other versions
CN111930864B (zh
Inventor
张言云
孙明生
易志安
李诗瑶
秦东明
李璇
李蔷
杨帆
管梦爽
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.)
3Clear Technology Co Ltd
Original Assignee
3Clear Technology Co Ltd
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 3Clear Technology Co Ltd filed Critical 3Clear Technology Co Ltd
Priority to CN202010683614.XA priority Critical patent/CN111930864B/zh
Publication of CN111930864A publication Critical patent/CN111930864A/zh
Application granted granted Critical
Publication of CN111930864B publication Critical patent/CN111930864B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于监测数据的网格化清单优化方法和装置，涉及大气环境治理的技术领域，包括基于监测数据确定预设区域的监测浓度面图，其中，监测数据用于表征预设区域内大气污染物的监测浓度；获取预设区域的网格化清单，网格化清单包括地理信息网格和排放量信息；通过将监测浓度面图和地理信息网格叠加，抓取出预设区域中每个网格对应大气污染物的监测浓度；基于每个网格对应大气污染物的监测浓度确定网格化清单中的突变网格；通过排放量信息和每个网格对应大气污染物的监测浓度对网格化清单中的突变网格进行优化，通过将空气质量的监测数据引入网格化清单中，将突变的网格数据进行优化，使网格化结果更加符合实际情况，便于污染管控研究。

Description

基于监测数据的网格化清单优化方法和装置
技术领域
本发明涉及大气环境治理技术领域，尤其是涉及一种基于监测数据的网格化清单优化方法和装置。
背景技术
大气污染物排放源(污染源)可分为以下十类：化石燃料固定燃烧、工艺过程源、移动源、溶剂使用、农业源、扬尘源、生物质燃烧、油气储运、废弃物处理、餐饮源。排放的污染物可分为以下九种：SO2、NOx、CO、VOCs、NH3、PM10、PM2.5、BC(黑碳)、OC(有机碳)。以上描述的每一类污染源对应的每种污染物的排放量即为排放清单。一般排放清单的编制范围为省、市或区县；编制时间为以年为单位，一般做某区域某年的排放清单，即核算分析该区域整年的总排放量。
利用基于地理信息系统(Geographic Information System或Geo－Informationsystem，GIS)的计算机技术，将排放清单计算出的污染物排放量分配到一定精度的规则网格中，即为排放清单的网格化。当下网格化清单普遍存在展示效果较突兀的问题，由于清单数据是按照地域收集的，但是地域有大有小，限于清单网格化的技术局限性，两个城市之间的网格往往存在网格排放量突变情况，不符合实际情况，不利于统计观察或后续污染管控研究。
发明内容
本发明的目的在于提供一种基于监测数据的网格化清单优化方法和装置，通过将空气质量的监测数据引入网格化清单中，将突变的网格数据进行优化，使网格化结果更加符合实际情况，便于污染管控研究。
第一方面，本发明实施例提供了一种基于监测数据的网格化清单优化方法，包括：
基于监测数据确定预设区域的监测浓度面图，其中，所述监测数据用于表征所述预设区域内大气污染物的监测浓度；
获取所述预设区域的网格化清单，所述网格化清单包括地理信息网格和排放量信息；
通过将所述监测浓度面图和所述地理信息网格叠加，抓取出所述预设区域中每个网格对应大气污染物的监测浓度；
基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格；
通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化。
在可选的实施例中，基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格的步骤，包括：
判断所述每个网格与每个相邻网格的浓度差值是否超过预设浓度阈值，其中，所述每个网格包括至少一个所述相邻网格；
若预设个数的所述相邻网格与所述网格的浓度差值超过所述预设浓度阈值，则所述网格为突变网格。
在可选的实施例中，通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化的步骤，包括：
确定与所述突变网格距离最近的监测站点的所在网格；
根据所述每个网格对应大气污染物的监测浓度，得到所述突变网格的大气污染物的监测浓度和所述监测站点所在网格的大气污染物的监测浓度；
根据所述网格化清单的排放量信息，得到所述监测站点所在网格的大气污染物的排放量信息；
基于所述突变网格的大气污染物的监测浓度、所述监测站点所在网格的大气污染物的排放量信息和监测浓度，对所述网格化清单中的突变网格进行优化。
在可选的实施例中，基于所述突变网格的大气污染物的监测浓度、所述监测站点所在网格的大气污染物的排放量信息和监测浓度，对所述网格化清单中的突变网格进行优化的步骤，包括：
根据如下公式实现优化网格化清单中的突变网格的步骤：
Figure BDA0002585827170000031
其中，i为大气污染物中的任意一种；x为需优化排放量的突变网格；p为距x网格最近的监测站点所在的网格；Ax,i为优化后x网格中大气污染物i的排放量；Ap,i为p监测站点所在的网格中大气污染物i的排放量；Cp,i为p监测站点所在网格中大气污染物i的监测浓度；Cx,i为基于所述监测浓度面图获得的x网格的大气污染物i的监测浓度。
在可选的实施例中，在基于监测数据确定预设区域的监测浓度面图的步骤之前，包括：
将所述预设区域中每个监测站点的传感器采集的预设时间段大气污染物的监测浓度，作为所述预设区域的监测数据，其中，所述传感器设置在所述监测站点的预设位置。
在可选的实施例中，基于监测数据确定预设区域的监测浓度面图的步骤，包括：
将监测数据输入地理信息系统GIS，对所述预设区域中每个监测站点的监测浓度进行插值处理，得到所述预设区域的监测浓度面图。
在可选的实施例中，获取所述预设区域的网格化清单的步骤，包括：
将所述预设区域的排放清单，输入地理信息系统GIS，得到所述预设区域的网格化清单。
第二方面，本发明实施例还提供一种基于监测数据的网格化清单优化装置，包括：
第一确定模块，用于基于监测数据确定预设区域的监测浓度面图，其中，所述监测数据用于表征所述预设区域内大气污染物的监测浓度；
获取模块，用于获取所述预设区域的网格化清单，所述网格化清单包括地理信息网格和排放量信息；
叠加模块，用于通过将所述监测浓度面图和所述地理信息网格叠加，抓取出所述预设区域中每个网格对应大气污染物的监测浓度；
第二确定模块，用于基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格；
优化模块，用于通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化。
第三方面，实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并且能够在所述处理器上运行的程序，所述处理器执行所述程序时实现如前述实施方式中任一项所述的基于监测数据的网格化清单优化方法。
第四方面，实施例提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被执行时实现前述实施方式中任意一项所述的基于监测数据的网格化清单优化方法。
本发明实施例提供一种基于监测数据的网格化清单优化方法和装置，根据大气污染物的监测数据生成监测浓度面图，将该监测浓度面图与网格化清单的地理信息网格进行叠加，进而能够获知每个网格对应的大气污染物的监测浓度，基于相邻网格间的大气污染物的监测浓度变化情况，确定网格化清单中的突变网格，通过网格化清单的排放量信息以及每个网格中大气污染物的监测浓度对突变网格进行优化，通过将空气质量的监测数据引入网格化清单中，将突变的网格数据进行优化，使网格化结果更加符合实际情况，便于后续的污染管控研究。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种地理区域的污染排放量的网格示意图；
图2为本发明实施例提供的一种基于监测数据的网格化清单优化方法流程图；
图3为本发明实施例提供的一种监测站点示意图；
图4为本发明实施例提供的一种监测浓度面图；
图5为本发明实施例提供的一种基于监测数据的网格化清单优化装置功能模块图；
图6为本发明实施例提供的电子设备的硬件架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
利用基于地理信息系统(Geographic Information System或Geo－Informationsystem，GIS)的计算机技术，将排放清单计算出的污染物排放量分配到一定精度的规则网格中，即为排放清单的网格化。
排放清单可根据排放源的空间分布形态分为点源、面源和线源。点源是一般依据各工业、企业的经纬度定位，将排放清单中各工业、企业的污染物排放量分配到网格中，如以工业源为例，可将特定经纬度定位的企业的烟囱中采集的污染物排放量分配到网格中；面源和线源的排放清单则一般是基于网格中的某些固定因子作为权重进行分配，如线源可利用车流量数据作为因子，并按照排放清单中各个机动车的污染排放量分配到网格中，面源可利用农业土地面积数据作为因子，并按照排放清单中各个农业土地的污染物排放量分配到网格中。最终将清单处理成分辨率为xkm×xkm的网格化清单，如图1所示，为辽宁省PM2.5 1km×1km的网格化清单。
参照图1，可以看到很多网格产生突变的情况，如鞍山与辽阳交界，受到两个城市排放总量差异的影响，交界处存在相邻两个网格排放量从10吨突变到1吨的情况，而实际两个相邻区域的经济、人口等基本情况相似，排放情况差距往往并不会这么突兀。
因此，可以看出，传统的网格化清单往往存在污染排放量失真、不符合现实的情况，若将此种不准确的网格化清单参与后续的污染源解析过程，可能会导致解析结果存在较大误差，不利于实际的污染源排放管控。
基于此，本发明实施例提供的一种基于监测数据的网格化清单优化方法和装置，通过将空气质量的监测数据引入网格化清单中，将突变的网格数据进行优化，使网格化结果更加符合实际情况，便于后续的污染管控研究。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于监测数据的网格化清单优化方法和装置进行详细介绍。
图2为本发明实施例提供的一种基于监测数据的网格化清单优化方法流程图。
如图2所示，本发明实施例还提供一种基于监测数据的网格化清单优化方法，包括以下步骤：
步骤S102，基于监测数据确定预设区域的监测浓度面图，其中，所述监测数据用于表征所述预设区域内大气污染物的监测浓度；
步骤S104，获取所述预设区域的网格化清单，所述网格化清单包括地理信息网格和排放量信息；
步骤S106，通过将所述监测浓度面图和所述地理信息网格叠加，抓取出所述预设区域中每个网格对应大气污染物的监测浓度；
步骤S108，基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格；
步骤S110，通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化。
在实际应用的优选实施例中，根据大气污染物的监测数据生成监测浓度面图，将该监测浓度面图与网格化清单的地理信息网格进行叠加，进而能够获知每个网格对应的大气污染物的监测浓度，基于相邻网格间的大气污染物的监测浓度变化情况，确定网格化清单中的突变网格，通过网格化清单的排放量信息以及每个网格中大气污染物的监测浓度对突变网格进行优化，通过将空气质量的监测数据引入网格化清单中，将突变的网格数据进行优化，使网格化结果更加符合实际情况，便于后续的污染管控研究。
在可选的实施例中，在步骤S102之前，还包括以下步骤：
步骤1.1)，将所述预设区域中每个监测站点的传感器采集的预设时间段大气污染物的监测浓度，作为所述预设区域的监测数据，其中，所述传感器设置在所述监测站点的预设位置。
作为一种可选的实施例，可在预设的研究区域的国控、省控、市控、网格化微站等多个监测站点获取该区域的年均浓度监测数据。传感器可设置在监测站点的较高处位置，具体各个监测站点的分布可如图3所示。
在可选的实施例中，步骤S102，还可由以下步骤实现：
步骤2.1)，将监测数据输入地理信息系统GIS，对所述预设区域中每个监测站点的监测浓度进行插值处理，得到所述预设区域的监测浓度面图。
其中，利用地理信息系统GIS的插值技术将离散的呈点状分布的监测数据进行插值，插值处理后得到整个预设区域的监测浓度面图，如图4所示。
可以理解的是，从图3可以看出，预设区域内的各个监测站点处于分散的点状分布，在地理位置上处于离散状态。为了使得预设区域内的监测浓度呈现更加平滑，将预设区域中各个监测站点采集的监测数据进行插值处理，基于计算后的平滑的监测数据得到整个预设区域的监测浓度面图。
在可选的实施例中，步骤S104中获得的预设区域网格化清单还可通过以下方式得到：
步骤3.1)，将所述预设区域的排放清单，输入地理信息系统GIS，得到所述预设区域的网格化清单。
在可选的实施例中，上述实施例的步骤S108中还可通过以下方式对突变网格进行确定，包括：
步骤4.1)，判断所述每个网格与每个相邻网格的浓度差值是否超过预设浓度阈值，其中，所述每个网格包括至少一个所述相邻网格；
步骤4.2)，若预设个数的所述相邻网格与所述网格的浓度差值超过所述预设浓度阈值，则所述网格为突变网格。
步骤4.3)，若超过预设浓度阈值的网格数没有达到预设个数，则该网格没有突变，无需对该网格进行优化处理。
例如，网格化清单中共计被划分出10个网格，网格化清单中的网格按照一行五个网格的排列方式，共两行；对于网格1来说，有2个相邻网格，网格2和网格6，分别判断网格1和网格2的浓度差值是否超过预设浓度阈值、网格1和网格6的浓度差值是否超过预设浓度阈值，再根据超过预设浓度阈值的网格个数是否超过预设个数来确认网格1是否为突变网格。
这里，为了使得网格化清单更加平滑，可将预设个数设置为较小的数值，能够识别出更多的突变网格结果，并对此类突变网格进行优化，如，当预设个数为1时，网格2或网格6中任意一个与网格1的浓度差值超过预设浓度阈值，即认为网格1为突变网格；当预设个数为2时，只有网格2、网格6分别与网格1的浓度差值均超过预设浓度阈值，才认为网格1为突变网格；
在可选的实施例中，步骤S110中对网格化清单中的突变网格进行优化还通过以下步骤实现：
步骤5.1)，确定与所述突变网格距离最近的监测站点的所在网格；
步骤5.2)，根据所述每个网格对应大气污染物的监测浓度，得到所述突变网格的大气污染物的监测浓度和所述监测站点所在网格的大气污染物的监测浓度；
步骤5.3)，根据所述网格化清单的排放量信息，得到所述监测站点所在网格的大气污染物的排放量信息；
步骤5.4)，基于所述突变网格的大气污染物的监测浓度、所述监测站点所在网格的大气污染物的排放量信息和监测浓度，对所述网格化清单中的突变网格进行优化。
作为一种可选的实施例，可根据如下公式实现优化网格化清单中的突变网格的步骤：
Figure BDA0002585827170000101
其中，i为大气污染物中的任意一种；x为需优化排放量的突变网格；p为距x网格最近的监测站点所在的网格；Ax,i为优化后x网格中大气污染物i的排放量；Ap,i为p监测站点所在的网格中大气污染物i的排放量；Cp,i为p监测站点所在网格中大气污染物i的监测浓度；Cx,i为基于所述监测浓度面图获得的x网格的大气污染物i的监测浓度。
其中，大气污染物包括PM2.5、PM10、CO、SO2、NOx、VOCs、NH3等。需要说明的是，可预先设置通过网格化清单呈现的大气污染物的类别，基于该种类大气污染物的监测浓度情况，确定突变网格，并进行优化。即若对不同种类的大气污染物进行监测，可能会识别出不同的突变网格。
在可选的实施例中，还可通过用原突变网格优化后的排放量替换原突变网格中的突变排放量，进而得到平滑处理的优化后的网格化清单。
本发明实施例利用监测数据对传统网格化清单进行了优化，解决了传统网格化清单的网格间排放量出现的突变现象，使得网格化清单更加符合实际情况，能够更直观地为管理者提供技术支撑。
在可选的实施例中，如图5所示，本发明实施例还提供一种基于监测数据的网格化清单优化装置，包括：
第一确定模块，用于基于监测数据确定预设区域的监测浓度面图，其中，所述监测数据用于表征所述预设区域内大气污染物的监测浓度；
获取模块，用于获取所述预设区域的网格化清单，所述网格化清单包括地理信息网格和排放量信息；
叠加模块，用于通过将所述监测浓度面图和所述地理信息网格叠加，抓取出所述预设区域中每个网格对应大气污染物的监测浓度；
第二确定模块，用于基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格；
优化模块，用于通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化。
在可选的实施例中，第二确定模块，还具体用于：判断所述每个网格与每个相邻网格的浓度差值是否超过预设浓度阈值，其中，所述每个网格包括至少一个所述相邻网格；若预设个数的所述相邻网格与所述网格的浓度差值超过所述预设浓度阈值，则所述网格为突变网格。
在可选的实施例中，优化模块，还具体用于：确定与所述突变网格距离最近的监测站点的所在网格；根据所述每个网格对应大气污染物的监测浓度，得到所述突变网格的大气污染物的监测浓度和所述监测站点所在网格的大气污染物的监测浓度；根据所述网格化清单的排放量信息，得到所述监测站点所在网格的大气污染物的排放量信息；基于所述突变网格的大气污染物的监测浓度、所述监测站点所在网格的大气污染物的排放量信息和监测浓度，对所述网格化清单中的突变网格进行优化。
在可选的实施例中，优化模块，还具体用于：根据如下公式实现优化网格化清单中的突变网格的步骤：
Figure BDA0002585827170000111
其中，i为大气污染物中的任意一种；x为需优化排放量的突变网格；p为距x网格最近的监测站点所在的网格；Ax,i为优化后x网格中大气污染物i的排放量；Ap,i为p监测站点所在的网格中大气污染物i的排放量；Cp,i为p监测站点所在网格中大气污染物i的监测浓度；Cx,i为基于所述监测浓度面图获得的x网格的大气污染物i的监测浓度。
在可选的实施例中，第一确定模块，还具体用于，将所述预设区域中每个监测站点的传感器采集的预设时间段大气污染物的监测浓度，作为所述预设区域的监测数据，其中，所述传感器设置在所述监测站点的预设位置。
在可选的实施例中，第一确定模块，还具体用于，将监测数据输入地理信息系统GIS，对所述预设区域中每个监测站点的监测浓度进行插值处理，得到所述预设区域的监测浓度面图。
在可选的实施例中，获取模块，还具体用于，将所述预设区域的排放清单，输入地理信息系统GIS，得到所述预设区域的网格化清单。
本发明实施例提供的用于实现一种电子设备，本实施例中，所述电子设备可以是，但不限于，个人电脑(Personal Computer，PC)、笔记本电脑、监控设备、服务器等具备分析及处理能力的计算机设备。
作为一种示范性实施例，可参见图6，电子设备110，包括通信接口111、处理器112、存储器113以及总线114，处理器112、通信接口111和存储器113通过总线114连接；上述存储器113用于存储支持处理器112执行上述排放清单编制方法的计算机程序，上述处理器112被配置为用于执行该存储器113中存储的程序。
本文中提到的机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
非易失性介质可以是非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等)，或者类似的非易失性存储介质，或者它们的组合。
可以理解的是，本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述，在此不再重复赘述。
本发明实施例所提供计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序代码被执行时可实现上述任一实施例所述的排放清单编制方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于监测数据的网格化清单优化方法，其特征在于，包括：
基于监测数据确定预设区域的监测浓度面图，其中，所述监测数据用于表征所述预设区域内大气污染物的监测浓度；
获取所述预设区域的网格化清单，所述网格化清单包括地理信息网格和排放量信息；
通过将所述监测浓度面图和所述地理信息网格叠加，抓取出所述预设区域中每个网格对应大气污染物的监测浓度；
基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格；
通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化。
2.根据权利要求1所述的基于监测数据的网格化清单优化方法，其特征在于，基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格的步骤，包括：
判断所述每个网格与每个相邻网格的浓度差值是否超过预设浓度阈值，其中，所述每个网格包括至少一个所述相邻网格；
若预设个数的所述相邻网格与所述网格的浓度差值超过所述预设浓度阈值，则所述网格为突变网格。
3.根据权利要求1所述的基于监测数据的网格化清单优化方法，其特征在于，通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化的步骤，包括：
确定与所述突变网格距离最近的监测站点的所在网格；
根据所述每个网格对应大气污染物的监测浓度，得到所述突变网格的大气污染物的监测浓度和所述监测站点所在网格的大气污染物的监测浓度；
根据所述网格化清单的排放量信息，得到所述监测站点所在网格的大气污染物的排放量信息；
基于所述突变网格的大气污染物的监测浓度、所述监测站点所在网格的大气污染物的排放量信息和监测浓度，对所述网格化清单中的突变网格进行优化。
4.根据权利要求3所述的基于监测数据的网格化清单优化方法，其特征在于，基于所述突变网格的大气污染物的监测浓度、所述监测站点所在网格的大气污染物的排放量信息和监测浓度，对所述网格化清单中的突变网格进行优化的步骤，包括：
根据如下公式实现优化网格化清单中的突变网格的步骤：
Figure FDA0002585827160000021
其中，i为大气污染物中的任意一种；x为需优化排放量的突变网格；p为距x网格最近的监测站点所在的网格；Ax，i为优化后x网格中大气污染物i的排放量；Ap，i为p监测站点所在的网格中大气污染物i的排放量；Cp，i为p监测站点所在网格中大气污染物i的监测浓度；Cx，i为基于所述监测浓度面图获得的x网格的大气污染物i的监测浓度。
5.根据权利要求1所述的基于监测数据的网格化清单优化方法，其特征在于，在基于监测数据确定预设区域的监测浓度面图的步骤之前，包括：
将所述预设区域中每个监测站点的传感器采集的预设时间段大气污染物的监测浓度，作为所述预设区域的监测数据，其中，所述传感器设置在所述监测站点的预设位置。
6.根据权利要求1所述的基于监测数据的网格化清单优化方法，其特征在于，基于监测数据确定预设区域的监测浓度面图的步骤，包括：
将监测数据输入地理信息系统GIS，对所述预设区域中每个监测站点的监测浓度进行插值处理，得到所述预设区域的监测浓度面图。
7.根据权利要求1所述的基于监测数据的网格化清单优化方法，其特征在于，获取所述预设区域的网格化清单的步骤，包括：
将所述预设区域的排放清单，输入地理信息系统GIS，得到所述预设区域的网格化清单。
8.一种基于监测数据的网格化清单优化装置，其特征在于，包括：
第一确定模块，用于基于监测数据确定预设区域的监测浓度面图，其中，所述监测数据用于表征所述预设区域内大气污染物的监测浓度；
获取模块，用于获取所述预设区域的网格化清单，所述网格化清单包括地理信息网格和排放量信息；
叠加模块，用于通过将所述监测浓度面图和所述地理信息网格叠加，抓取出所述预设区域中每个网格对应大气污染物的监测浓度；
第二确定模块，用于基于所述每个网格对应大气污染物的监测浓度确定所述网格化清单中的突变网格；
优化模块，用于通过所述排放量信息和所述每个网格对应大气污染物的监测浓度对所述网格化清单中的突变网格进行优化。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并且能够在所述处理器上运行的程序，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的基于监测数据的网格化清单优化方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-7中任意一项所述的基于监测数据的网格化清单优化方法。
CN202010683614.XA 2020-07-15 2020-07-15 基于监测数据的网格化清单优化方法和装置 Active CN111930864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010683614.XA CN111930864B (zh) 2020-07-15 2020-07-15 基于监测数据的网格化清单优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010683614.XA CN111930864B (zh) 2020-07-15 2020-07-15 基于监测数据的网格化清单优化方法和装置

Publications (2)

Publication Number Publication Date
CN111930864A true CN111930864A (zh) 2020-11-13
CN111930864B CN111930864B (zh) 2021-02-23

Family

ID=73314026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010683614.XA Active CN111930864B (zh) 2020-07-15 2020-07-15 基于监测数据的网格化清单优化方法和装置

Country Status (1)

Country Link
CN (1) CN111930864B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688506A (zh) * 2021-07-29 2021-11-23 北京化工大学 基于微站等多维数据的潜在大气污染源识别方法
CN114443787A (zh) * 2021-11-05 2022-05-06 中科三清科技有限公司 大气污染特征识别方法和装置
CN115292331A (zh) * 2022-10-09 2022-11-04 淄博青禾检测科技有限公司 一种异常地理区域的获取方法、设备及介质
CN115879595A (zh) * 2022-09-13 2023-03-31 重庆市生态环境大数据应用中心 一种城区大气污染网格化平台的构建方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080239309A1 (en) * 2007-03-26 2008-10-02 Ruda Harry E System and Method For Measuring Air Quality Using A Micro-Optical Mechanical Gas Sensor
CN103488824A (zh) * 2013-09-06 2014-01-01 广东电网公司电力科学研究院 Scr脱硝系统现场运行优化方法
CN103714507A (zh) * 2013-12-30 2014-04-09 中国科学院城市环境研究所 一种城市温室气体排放空间源解析方法
CN104361156A (zh) * 2014-10-29 2015-02-18 中国石油化工股份有限公司 一种基于加热炉燃烧模型的优化燃烧卡边条件确定方法
CN105320828A (zh) * 2014-07-04 2016-02-10 中国环境科学研究院 大规模平面网格条件下污染物总量控制方法
CN106339974A (zh) * 2016-10-21 2017-01-18 常州市环境监测中心 一种市区大气污染物排放清单的建立方法
CN107092980A (zh) * 2017-04-10 2017-08-25 南京航空航天大学 一种基于粒子群算法的连续下降进近排放优化方法
CN107238679A (zh) * 2016-03-29 2017-10-10 株式会社日立制作所 观测区域中的空气物质排放源的排放量修正方法和装置
US20190170436A1 (en) * 2017-12-01 2019-06-06 Dilip Kumar De Novel and highly cost effective technology for capture of industrial emissions without reagent for clean energy and clean environment applications
CN110084418A (zh) * 2019-04-21 2019-08-02 北京工业大学 一种突发大气污染事故应急监测的监测点优化布设方法
CN110909483A (zh) * 2019-12-03 2020-03-24 河北先河环保科技股份有限公司 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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080239309A1 (en) * 2007-03-26 2008-10-02 Ruda Harry E System and Method For Measuring Air Quality Using A Micro-Optical Mechanical Gas Sensor
CN103488824A (zh) * 2013-09-06 2014-01-01 广东电网公司电力科学研究院 Scr脱硝系统现场运行优化方法
CN103714507A (zh) * 2013-12-30 2014-04-09 中国科学院城市环境研究所 一种城市温室气体排放空间源解析方法
CN105320828A (zh) * 2014-07-04 2016-02-10 中国环境科学研究院 大规模平面网格条件下污染物总量控制方法
CN104361156A (zh) * 2014-10-29 2015-02-18 中国石油化工股份有限公司 一种基于加热炉燃烧模型的优化燃烧卡边条件确定方法
CN107238679A (zh) * 2016-03-29 2017-10-10 株式会社日立制作所 观测区域中的空气物质排放源的排放量修正方法和装置
CN106339974A (zh) * 2016-10-21 2017-01-18 常州市环境监测中心 一种市区大气污染物排放清单的建立方法
CN107092980A (zh) * 2017-04-10 2017-08-25 南京航空航天大学 一种基于粒子群算法的连续下降进近排放优化方法
US20190170436A1 (en) * 2017-12-01 2019-06-06 Dilip Kumar De Novel and highly cost effective technology for capture of industrial emissions without reagent for clean energy and clean environment applications
CN110084418A (zh) * 2019-04-21 2019-08-02 北京工业大学 一种突发大气污染事故应急监测的监测点优化布设方法
CN110909483A (zh) * 2019-12-03 2020-03-24 河北先河环保科技股份有限公司 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张琼等: ""基于OMI卫星数据和车载DOAS技术对NOx排放通量估算的修正"", 《大气与环境光学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688506A (zh) * 2021-07-29 2021-11-23 北京化工大学 基于微站等多维数据的潜在大气污染源识别方法
CN113688506B (zh) * 2021-07-29 2024-04-12 北京首创大气环境科技股份有限公司 基于微站等多维数据的潜在大气污染源识别方法
CN114443787A (zh) * 2021-11-05 2022-05-06 中科三清科技有限公司 大气污染特征识别方法和装置
CN115879595A (zh) * 2022-09-13 2023-03-31 重庆市生态环境大数据应用中心 一种城区大气污染网格化平台的构建方法
CN115879595B (zh) * 2022-09-13 2023-10-24 重庆市生态环境大数据应用中心 一种城区大气污染网格化平台的构建方法
CN115292331A (zh) * 2022-10-09 2022-11-04 淄博青禾检测科技有限公司 一种异常地理区域的获取方法、设备及介质

Also Published As

Publication number Publication date
CN111930864B (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
CN111930864B (zh) 基于监测数据的网格化清单优化方法和装置
Lee et al. Forecasting air quality in Taiwan by using machine learning
CN111798928B (zh) 大气颗粒物污染源解析方法和装置
CN113128791B (zh) 基于moves模型的机动车排放清单测算方法及装置
CN112669190B (zh) 污染源异常排放行为的检测方法、装置及计算机设备
CN111753426B (zh) 颗粒物污染的源解析方法和装置
CN110095394A (zh) 一种大气颗粒物污染快速溯源方法
CN112444605A (zh) 大气污染智能化精准溯源方法、系统、设备和存储介质
CN114661849A (zh) 污染溯源方法及装置
CN116626233A (zh) 基于多源数据融合的大气污染溯源方法、终端及存储介质
CN112581107B (zh) 污染排放控制方法、装置及可存储介质
CN115436573B (zh) 一种大气污染源智能监测方法及装置
CN112669976A (zh) 基于生态环境变化的人群健康评估方法及系统
CN113222442A (zh) 实时交通大气污染排放清单计算方法以及决策辅助方法
CN116087421A (zh) 大气污染物监测溯源方法、装置、计算机设备和存储介质
CN107767081A (zh) 一种燃煤电厂大气环境影响评价方法及装置
CN112001074B (zh) 一种基于植被覆盖率的污染物治理方法、装置、存储介质
CN116228501B (zh) 排污超标区域行业确定方法、装置、存储介质及电子设备
CN115239027B (zh) 空气质量格点化集合预报的方法及装置
CN114841438B (zh) 预评估排放源对空气质量影响的方法、装置和电子设备
CN114896952B (zh) 一种大气污染源排放清单编制方法及装置
CN114974452A (zh) 一种确定二次转化来源的管控目标的方法和装置
CN116089771A (zh) 一种颗粒物来源分析方法、装置、终端及存储介质
CN112888010B (zh) 基于wifi连接设备群体信息的目标wifi预警系统
Sahak et al. Spatio-Temporal Air Pollutant Characterization for Urban Areas

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20201113

Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd.

Assignor: 3CLEAR TECHNOLOGY Co.,Ltd.

Contract record no.: X2022980012305

Denomination of invention: Gridded inventory optimization method and device based on monitoring data

Granted publication date: 20210223

License type: Common License

Record date: 20220815

EE01 Entry into force of recordation of patent licensing contract