CN112345698B - 一种空气污染物监测站点的网格化排布方法 - Google Patents
一种空气污染物监测站点的网格化排布方法 Download PDFInfo
- Publication number
- CN112345698B CN112345698B CN202011191019.0A CN202011191019A CN112345698B CN 112345698 B CN112345698 B CN 112345698B CN 202011191019 A CN202011191019 A CN 202011191019A CN 112345698 B CN112345698 B CN 112345698B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- grid
- pollution
- distribution
- probability
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000000809 air pollutant Substances 0.000 title claims abstract description 7
- 231100001243 air pollutant Toxicity 0.000 title claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000013433 optimization analysis Methods 0.000 claims abstract description 5
- 239000003344 environmental pollutant Substances 0.000 claims description 25
- 231100000719 pollutant Toxicity 0.000 claims description 25
- 239000000356 contaminant Substances 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000009827 uniform distribution Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display by measuring the rate of variation of the concentration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Algebra (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种空气污染物监测站点的网格化排布方法。该方法包括三个步骤：第一步为粗网格布设，根据对当地的人口和工业的分布、污染的发生频率和污染影响范围的调查情况，在均布网格的基础上对热点区域加密；第二步为热点区域网格适配度的提高，根据当地气象条件，基于伴随概率方法逆向求得监测站的实际有效监测范围，为细网格的大小提供数据参考；第三步为网格优化步，根据得出的监测站的有效监测范围，利用优化分析技术求解网格化布点密度和网格长宽比，实现监测区域全覆盖。本发明可根据实际情况，高效、准确地提出监测网格的布置方案，对于监测站点的位置选择和已有站点地监测效果评估具有指导意义，有助于城市空气的治理和改善。
Description
技术领域
本发明属于大气环境监测及风险预警技术领域，具体涉及一种空气污染物监测站点的网格化排布方法。
背景技术
大气污染已成为现代城市面临的严重问题，污染物的不合理排放不但对环境造成影响，同时威胁着居民的健康。由大气污染监测站点组成的大气环境监测网作为最直接的大气环境监测手段，能够获取真实的环境污染数据，揭示大气污染物在时空上的的分布情况，它的存在对于城市大气污染源的控制管理以及改善城市空气质量意义重大。污染物监测站点的网格化排布方案是一个非常重要的技术指标，关系到能否能实现研究区域潜在污染源的完全覆盖，直接影响到监测站点设置的有效性。如果无法进行有效的网格化监测布点，将会给大气污染的监测和治理工作带来很大的不确定性。
目前普遍的大气环境监测网采用的是均匀布设的方式，这种方式只有当监测区域污染水平较一致时才是合理的，故这种方式的应用条件十分有限。若不考虑污染源分布、地理信息、气象特征等因素，一概采用均匀布设监测站点的方案，则会使得污染程度低的区域数据冗余，污染程度高的地区监测数据不足，从而影响监测水平，浪费人力物力。所以，如何有效地建立大气污染监测站点的网格化排布方案是环保监测部门必须考虑的问题。
类似发明如朱忠敏发明的一种基于卫星遥感的大气环境地面监测站点布控组网方法(申请公布号CN109655583A)，该发明基于卫星遥感技术，从历史卫星影像信息中获取污染地理分布、污染演变趋势等信息，在此基础上进而布控组网。该发明的缺陷在于完全基于历史污染信息，对于缺少历史污染数据的地区或不能被卫星监测的污染类物型并不适用。
类似发明如陈添发明的一种突发大气污染事故应急监测的监测点优化布设方法(申请公布号CN110084418A)，该发明基于污染物污染物扩散模型模拟事故发生后污染物的扩散范围和浓度分布特征，结合环境敏感点分布特征对布点范围进行网格化。该发明的缺陷在于对污染物污染物扩散的模拟是在污染源释放强度和位置已知的基础上进行的，监测点的布置是在事故发生后。若要对存在未知污染源的区域进行以污染防治和预警为目的的监测点布控，则该方法失效。
因此，针对上述问题，本发明提出一种空气污染物监测站点的网格化排布方法。此方法能够结合地理因素提出合理的网格疏密分布方案，并在热点区域根据监测站的实际有效监测范围通过优化计算方法定量描述网格化布点密度和网格长宽比，以实现监测区域全覆盖。本发明根据实际情况，高效、准确地提出监测网格的布置方案，对于监测站点的位置选择和已有站点地监测效果评估具有指导意义，有助于城市空气的治理和改善。
发明内容
本发明的主要目的在于指导城市大气污染物监测站点的网格化分布方案和对现有网格化监测站点监测效果进行评估，以及解决专利(申请公布号CN110084418A)所述污染信息获取难度大的问题及专利(申请公布号CN109655583A)所述测点布控时间滞后的问题。提出一种能定量描述网格化布点密度和网格长宽比，以实现监测区域全覆盖的监测站点网格化排布方法。
一种空气污染物监测站点的网格化排布方法，包括以下步骤：
第一步：为粗网格布设。
对于监测大区域首先采用长宽比1：1的均布网格，再根据对当地的人口和工业的分布、污染的发生频率和污染影响范围历史数据的调查情况，对人口密集、工业企业聚集、历史污染现象频发的热点区域加密网格，通过网格无关性检验确定网格加密比例；
第二步：为热点区域网格适配度的提高。
根据当地主导气象条件，采用如下方法求得单个监测站的实际有效监测范围，为细网格的大小提供数据参考。
获取当地风速、风向参数，作为速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，计算研究区域的流场；将某一热点位置坐标及仪器对污染物的监测阈值(P,C)代入污染物传播方程的伴随方程：
其中ψ*为位置的伴随概率因子，
为探测区域位置矢量，
为测点位置矢量，C表示污染物浓度，uj为xj轴方向上的速度,vc，j表示污染物C在xj方向上的湍流扩散系数，q0为污染物负源的单位体积流量，Γ1,、Γ2和Γ3为边界条件，ni为xi轴方向的单位矢量。
为负荷项，其表达式如下：
求解方程可得到潜在污染源位置的伴随概率分布
将其代入求解如下概率方程(1-3)，得到不同污染源释放强度对应的潜在污染源位置的伴随概率分布，概率最大的位置就是污染物源最可能存在的位置，概率最大的位置围成的范围即为监测站在该源强条件下的监测范围：
其中
和
分别为对应于监测站的位置P和监测浓度阈值C，M为污染源释放强度，
为根据监测阈值求得的相应污染物释放浓度M和位置x的概率分布。
的分布形式为正态分布：
其中σε为仪器的测量误差，可设为20％。将此方法应用于实际案例时，研究人员可以根据仪器的实际误差调整该系数。
第三步：为网格优化阶段。
根据第二阶段得出的该地单个监测站的有效监测范围，利用优化分析技术求解最佳网格布点密度及长宽比，利用最少的监测点数量实现监测区域全覆盖。
与现有技术相比，本发明的有益效果是：
本发明计算时的仅需获取气象参数及仪器的浓度监测阈值，即可对不同浓度范围的污染监测范围做出预测，以此为基础进行网格布控，数据需求量小；根据监测区域气象特征，在模拟计算中更大的还原了实际流场和污染物传递的情况，能做到高效、准确。
附图说明
图1为本发明提供的一种城市大气污染物监测站点的网格化布点方案制定流程示意图。
图2为本发明实施例提供的粗网格的布置与热点区域加密示意图。
图3为本发明实施例提供的不同季节污染物监测站有效监测范围示意图。
图4为本发明实施例提供的不同季节实现监测区域全覆盖的网格布点方案示意图。
图5为本发明实施例提供的不同季节原始均布网格覆盖效果示意图。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
参见图1，为城市大气污染物监测站点的网格化布点方案制定流程示意图。本方法包括三个阶段：第一阶段根据对当地的人口和工业的分布、污染的发生频率和污染影响范围的调查情况，在均布网格的基础上对热点区域适当加密；第二阶段根据当地气象条件，基于伴随概率方法逆向求得监测站的实际有效监测范围，为细网格的大小提供数据参考；第三阶段根据监测站的有效监测范围，利用优化分析技术求解网格化布点密度和网格长宽比，实现监测区域全覆盖。
以某地为实施例，监测站点的网格化布点分为以下三个阶段：
第一阶段为粗网格布设。参见图2，网格调整前待测区域均采用长宽比1:1的均布网格，根据对当地的人口的分布(图2-1)、污染现象的严重程度(图2-2)和污染在主导风条件下的影响范围(图2-3)等历史数据的调查情况，对人口密集、污染严重等热点区域适当加密网格。
第二阶段为热点区域网格适配度的提高，采用如下方法求得单个监测站的实际有效监测范围，为细网格的大小提供数据参考。
根据计算需求，需要对比冬夏两季的网格排布方案。从气象站处了解到，该地夏季主导风向为南风，主导风速1.3m/s；冬季主导风向为北风，主导风速3.8m/s。使用计算流体力学求解纳维斯托克斯方程，计算研究区域的流场；将某一热点位置坐标及仪器对污染物的监测阈值(P,75μg/m3)代入污染物传播方程的伴随方程：
其中ψ*为位置的伴随概率因子，
为探测区域位置矢量，
为测点位置矢量，C表示污染物浓度，uj为xj轴方向上的速度,νc，j表示污染物C在xj方向上的湍流扩散系数，q0为污染物负源的单位体积流量，Γ1,、Γ2和Γ3为边界条件，ni为xi轴方向的单位矢量。
为负荷项，其表达式如下：
求解方程可得到潜在污染源位置的伴随概率分布
将其代入求解如下概率方程(1-3)：
其中
和
分别为对应于监测站的位置P和监测浓度阈值C，M为污染源释放强度，
为根据监测阈值求得的相应污染物释放浓度M和位置x的概率分布。一般将
的分布形式定义为正态分布。其中σε为仪器的测量误差，设为20％。：
求解方程(1-3)得到某释放强度大于40g/s时对应的潜在污染源位置的伴随概率分布，概率最大的位置就是污染物源最可能存在的位置，概率最大的位置围成的范围即为监测站在该源强条件下的监测范围(参见图3，分别为静风条件、夏季、冬季的有效监测范围)
第三阶段为网格优化阶段。根据第二阶段得出的该地单个监测站的有效监测范围，利用优化分析技术得出最佳网格密度及长宽比，以实现利用最少的监测点数量实现监测区域全覆盖。参见图4，分别为原始均布网格方案、夏季网格布点方案和冬季网格布点方案，通过计算夏季最佳网格长宽比为1：2.3，冬季最佳网格长宽比为1：3。
参见图5，为本发明实施例提供的未进行网格适配及优化的原始均布网格覆盖效果示意图。在均布网格下，夏季网格覆盖率为39％，冬季网格覆盖率为22％。可见，优化之前的均布网格检测效果并不理想。
本方法适用于有如下特定情境：
(1)在进行城市空间污染物监测的讨论时，主要考虑气象站提供的研究时段的主导风速和风向，以此来模拟计算城市空间的流场，故本研究建立在稳态流场的基础上。
(2)污染物源是释放强度恒定的点源。基于概率的伴随方法只能逆向辨识点源型(或者可以作为点源来考虑)的污染物源，线源和面源不在本研究的讨论范围之内。
(3)污染物是惰性污染物，且气流跟随性较好。为了方便起见，本研究只针对气流跟随性较好的惰性污染物。而如果要进一步考虑可与大气中其它物质反应或气流跟随性较差的颗粒性污染物，只要能够模拟计算准确，此方法同样适用。
Claims (2)
1.一种空气污染物监测站点的网格化排布方法，其特征在于，包括以下步骤：
第一步：为粗网格布设；
对于监测大区域首先采用长宽比1：1的均布网格，再根据对当地的人口和工业的分布、污染的发生频率和污染影响范围历史数据的调查情况，对人口密集、工业企业聚集、历史污染现象频发的热点区域加密网格，通过网格无关性检验确定网格加密比例；
第二步：为热点区域网格适配度的提高；
获取当地风速、风向参数，作为速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，计算研究区域的流场；将某一热点位置坐标及仪器对污染物的监测浓度阈值(P,C)代入污染物传播方程的伴随方程：
其中Ψ*为位置的伴随概率因子，
为探测区域位置矢量，
为测点位置矢量，C表示污染物浓度，uj为xj轴方向上的速度,νc，j表示污染物在xj方向上的湍流扩散系数，q0为污染物负源的单位体积流量，Γ1、Γ2和Γ3为边界条件，ni为xi轴方向的单位矢量；
为负荷项，其表达式如下：
求解方程可得到潜在污染源位置的伴随概率分布
将其代入求解如下概率方程(1-3)，得到不同污染源释放强度对应的潜在污染源位置的伴随概率分布，概率最大的位置就是污染物源最可能存在的位置，概率最大的位置围成的范围即为监测站在该源强条件下的监测范围：
其中
和
分别为对应于监测站的位置P和监测浓度阈值，M为污染源释放强度，
为根据监测浓度阈值求得的相应污染源释放强度M和位置x的概率分布；
的分布形式为正态分布：
其中σε为仪器的测量误差；
第三步：为网格优化阶段；
根据第二阶段得出的该地单个监测站的有效监测范围，利用优化分析技术求解最佳网格布点密度及长宽比，利用最少的监测点数量实现监测区域全覆盖。
2.如权利要求1所述的一种空气污染物监测站点的网格化排布方法，其特征在于，所述的σε为仪器的测量误差设为20％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011191019.0A CN112345698B (zh) | 2020-10-30 | 2020-10-30 | 一种空气污染物监测站点的网格化排布方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011191019.0A CN112345698B (zh) | 2020-10-30 | 2020-10-30 | 一种空气污染物监测站点的网格化排布方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112345698A CN112345698A (zh) | 2021-02-09 |
| CN112345698B true CN112345698B (zh) | 2022-04-12 |
Family
ID=74355885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011191019.0A Active CN112345698B (zh) | 2020-10-30 | 2020-10-30 | 一种空气污染物监测站点的网格化排布方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112345698B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113514612B (zh) * | 2021-06-30 | 2024-05-10 | 杭州谱育科技发展有限公司 | 区域内污染的溯源方法 |
| CN113777224B (zh) * | 2021-08-12 | 2024-04-30 | 北京金水永利科技有限公司 | 一种网格化空气质量评估数据的生成方法及系统 |
| CN114200077B (zh) * | 2021-11-13 | 2023-04-04 | 安徽熵沃智能科技有限公司 | 一种应用于网格化空气质量监测系统的云平台智能辅助校准算法 |
| CN115032338B (zh) * | 2022-05-26 | 2023-03-21 | 武汉理工大学 | 一种港口船舶大气污染物排放监测站点选址方法和系统 |
| 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 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103136393A (zh) * | 2011-11-28 | 2013-06-05 | 中国电子科技集团公司第五十四研究所 | 一种基于网格划分的区域覆盖率计算方法 |
| CN103336093A (zh) * | 2013-06-26 | 2013-10-02 | 中山大学 | 一种区域空间质量分析方法 |
| CN106651052A (zh) * | 2016-12-30 | 2017-05-10 | 中国地质大学（武汉） | 一种地面雨量站优化布局的方法及装置 |
| CN107505267A (zh) * | 2017-08-22 | 2017-12-22 | 上海合含科技有限公司 | 一种气体探测器布点分析方法及装置 |
| CN108318634A (zh) * | 2018-02-13 | 2018-07-24 | 卢秀慧 | 污染气体的源头监测系统 |
| CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100750179B1 (ko) * | 2006-11-06 | 2007-08-17 | 재단법인서울대학교산학협력재단 | 지하수 오염물질 부하량 결정방법 |
| US9958424B2 (en) * | 2012-10-01 | 2018-05-01 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method of identifying airborne molecular contamination source |
| CN102967689B (zh) * | 2012-11-22 | 2015-08-19 | 天津大学 | 一种污染源监测布点方法 |
-
2020
- 2020-10-30 CN CN202011191019.0A patent/CN112345698B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103136393A (zh) * | 2011-11-28 | 2013-06-05 | 中国电子科技集团公司第五十四研究所 | 一种基于网格划分的区域覆盖率计算方法 |
| CN103336093A (zh) * | 2013-06-26 | 2013-10-02 | 中山大学 | 一种区域空间质量分析方法 |
| CN106651052A (zh) * | 2016-12-30 | 2017-05-10 | 中国地质大学（武汉） | 一种地面雨量站优化布局的方法及装置 |
| CN107505267A (zh) * | 2017-08-22 | 2017-12-22 | 上海合含科技有限公司 | 一种气体探测器布点分析方法及装置 |
| CN108318634A (zh) * | 2018-02-13 | 2018-07-24 | 卢秀慧 | 污染气体的源头监测系统 |
| CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| Protecting a whole building from critical indoor contamination with optimal sensor network design and source identification methods;Xiang Liu;《Building and Environment》;20091231;第44卷;第2278-2280页第2.2.2节，图2 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112345698A (zh) | 2021-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112345698B (zh) | 一种空气污染物监测站点的网格化排布方法 | |
| Kuik et al. | Air quality modelling in the Berlin–Brandenburg region using WRF-Chem v3. 7.1: sensitivity to resolution of model grid and input data | |
| Nakajima et al. | Human behaviour change and its impact on urban climate: Restrictions with the G20 Osaka Summit and COVID-19 outbreak | |
| Solazzo et al. | A novel methodology for interpreting air quality measurements from urban streets using CFD modelling | |
| CN107436343A (zh) | 一种模拟计算敏感区域污染物浓度的方法 | |
| Bei et al. | Impacts of meteorological uncertainties on the haze formation in Beijing–Tianjin–Hebei (BTH) during wintertime: a case study | |
| Righi et al. | Statistical and diagnostic evaluation of the ADMS-Urban model compared with an urban air quality monitoring network | |
| Mouzourides et al. | Assessment of long-term measurements of particulate matter and gaseous pollutants in South-East Mediterranean | |
| CN116187095B (zh) | 一种道路交通扬尘环境影响评价方法及装置 | |
| Masiol et al. | Spatial-temporal variations of summertime ozone concentrations across a metropolitan area using a network of low-cost monitors to develop 24 hourly land-use regression models | |
| Xu et al. | Are precipitation anomalies associated with aerosol variations over eastern China? | |
| Schichtel et al. | Eastern North American transport climatology during high-and low-ozone days | |
| Mejia et al. | A very-high resolution (20m) measurement-based dust emissions and dispersion modeling approach for the Oceano Dunes, California | |
| Harris et al. | The characteristics of the Chicago Lake breeze and its effects on trace particle transport: results from an episodic event simulation | |
| Crawford et al. | Assessing the impact of synoptic weather systems on air quality in Sydney using Radon 222 | |
| Zhuang et al. | Local atmospheric transport behaviors of representative radionuclides during the Fukushima accident: A 200-m-resolution cross-scale study from site to 20 km | |
| Suzuki-Parker et al. | Assessment of the impact of metropolitan-scale urban planning scenarios on the moist thermal environment under global warming: a study of the Tokyo metropolitan area using regional climate modeling | |
| Ying et al. | City-scale ventilation analysis using 3D buildings with Guangzhou case | |
| Mazzeo et al. | Design of an air-quality surveillance system for buenos aires city integrated by a NO x monitoring network and atmospheric dispersion models | |
| Gupta et al. | Influence of meteorological factors on air pollution concentration for a coastal region in India | |
| Pradabmook et al. | Estimation of PM10 using Spatial Interpolation Techniques | |
| Shi et al. | Contributors to ozone episodes in three US/Mexico border twin-cities | |
| Faulkner et al. | Comparison of dispersion models for ammonia emissions from a ground-level area source | |
| Jiang et al. | The statistical distributions of SO 2, NO 2 and PM 10 concentrations in Xi'an, China | |
| CN105574773A (zh) | 一种确定电网理论污秽等级变化的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |