CN112444605A - 大气污染智能化精准溯源方法、系统、设备和存储介质 - Google Patents

大气污染智能化精准溯源方法、系统、设备和存储介质 Download PDF

Info

Publication number
CN112444605A
CN112444605A CN202011329929.0A CN202011329929A CN112444605A CN 112444605 A CN112444605 A CN 112444605A CN 202011329929 A CN202011329929 A CN 202011329929A CN 112444605 A CN112444605 A CN 112444605A
Authority
CN
China
Prior art keywords
pollution
enterprise
smoke
height
atmospheric
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
CN202011329929.0A
Other languages
English (en)
Inventor
廖海斌
欧阳一村
邢军华
曾志辉
许文龙
张珊
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.)
ZTE ICT Technologies Co Ltd
Original Assignee
ZTE ICT Technologies 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 ZTE ICT Technologies Co Ltd filed Critical ZTE ICT Technologies Co Ltd
Priority to CN202011329929.0A priority Critical patent/CN112444605A/zh
Publication of CN112444605A publication Critical patent/CN112444605A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Abstract

本发明提供了一种大气污染智能化精准溯源方法、系统、设备和可读存储介质。大气污染智能化精准溯源方法包括基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据；根据风速和时间，查询大气稳定度等级表，获取大气稳定度；根据烟囱高度和烟雾排放图像，获取企业排放的有效源高；通过溯源模型，获取企业排放的污染扩散到监测站点的浓度值；根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率。本发明大气稳定度获取方式简单可行，获取速度快，根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，计算过程简单，准确性高，溯源模型考虑周边地形类型，进行地形修正，提高了溯源的准确性。

Description

大气污染智能化精准溯源方法、系统、设备和存储介质
技术领域
本发明涉及大气污染防治与溯源技术领域，具体而言，涉及一种大气污染智能化精准溯源方法、系统、设备和可读存储介质。
背景技术
随着我国经济快速发展和工业化、城镇化进程不断加速，能源消耗增加，出现了一系列的大气环境问题。如，2013年1月，我国中东部地区出现了大范围、长时间污染天气，其中京津冀地区多次出现重污染甚至严重污染天气，引起了政府和社会各界广泛关注。大气污染严重影响着我国人民健康。大气污染防治最有效的方法就是控制内因，核心是找准大气污染源头，实现靶向治理，提高控制效率。基于源模型的大气污染溯源技术，针对大尺度区域污染溯源，需要气象模型和排放源模型的支持，存在计算量大等问题。
发明内容
本发明旨在解决上述技术问题的至少之一。
为此，本发明的第一目的在于提供一种大气污染智能化精准溯源方法。
本发明的第二目的在于提供一种大气污染智能化精准溯源系统。
本发明的第三目的在于提供一种电子设备。
本发明的第四目的在于提供一种可读存储介质。
为实现本发明的第一目的，本发明的技术方案提供了一种大气污染智能化精准溯源方法，包括：基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据，其中，气象数据包括风速和风向，企业排放数据包括烟雾释放速率、烟囱高度、烟囱位置经纬度和烟雾排放图像，监控站点数据包括监控站点位置经纬度、监控站点离地面高度、周边地形类型和污染浓度值；根据风速和时间，查询大气稳定度等级表，获取大气稳定度；根据烟囱高度和烟雾排放图像，获取企业排放的有效源高；根据风速、风向、烟雾释放速率、烟囱位置经纬度、监控站点位置经纬度、监控站点离地面高度、周边地形类型、大气稳定度和有效源高，通过溯源模型，获取企业排放的污染扩散到监测站点的浓度值；根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率。
本技术方案中，根据风速和时间，查询大气稳定度等级表，获取大气稳定度，获取方式简单可行，获取速度快，根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，其中烟囱高度和烟雾排放图像获取方式简单方便，有效源高的计算过程简单，准确性高，溯源模型考虑周边地形类型，进行地形修正，提高了溯源的准确性。
另外，本发明提供的技术方案还可以具有如下附加技术特征：
上述技术方案中，执行根据风速和时间，获取大气稳定度之前，还包括：获取目标时间内的多个风速、多个风向、多个烟雾释放速率和多个污染浓度值；分别求取风速、风向、烟雾释放速率和污染浓度值的平均值。
本技术方案中，通过对目标时间内参数求取平均值，使得后续使用数据计算的过程更加准确，消除环境以及数据采集误差的影响，进而，增加风速、风向、烟雾释放速率和污染浓度值的准确率。
上述任一技术方案中，执行根据风速和时间，查询大气稳定度等级表，获取大气稳定度之前，还包括构建大气稳定度等级表，包括：将风速划分第一数量类别；将时间划分第二数量类别；获取每个风速类别对应每个时间类别时的大气稳定度，形成大气稳定度等级表。
本技术方案中，通过风速和时间，可以获取大气稳定度，获取方式简单可行，获取速度快。
上述任一技术方案中，根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，包括：
根据烟雾排放图像，获取：
He＝h+Δh；
其中，He表示有效源高，h表示烟囱高度，Δh表示烟雾抬升位置；
Figure BDA0002795477510000021
其中，himg表示烟雾排放图像中烟囱高度，Δhimg表示烟雾排放图像中烟雾抬升高度。
本技术方案，采用基于图像分析方法，计算烟雾有效源高，计算过程简单，准确率高。
上述任一技术方案中，烟雾排放图像中烟囱高度为：
Figure BDA0002795477510000031
其中，
Figure BDA0002795477510000032
表示烟雾排放图像中烟囱左上角y轴坐标，
Figure BDA0002795477510000033
表示烟雾排放图像中烟囱左下角y轴坐标；
烟雾排放图像中烟雾抬升高度为：
Figure BDA0002795477510000034
其中，
Figure BDA0002795477510000035
表示烟雾排放图像中烟雾左上角y轴坐标，
Figure BDA0002795477510000036
表示烟雾排放图像中烟雾左下角y轴坐标。
本技术方案中，基于烟雾排放图像，获取烟囱左上角和左下角坐标值和烟雾左上角和左下角坐标值，进而得到烟雾排放图像中，烟雾排放图像中烟囱高度和烟雾抬升高度，计算过程简单，准确性高。
上述任一技术方案中，执行基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据之前，还包括：
构建溯源模型：
Figure BDA0002795477510000037
其中，C(x,y,z)表示企业排放的污染扩散到监测站点的浓度值，x表示风向坐标上，监测站点与企业排放点的距离，y表示与风向坐标垂直方向上，监测站点与企业排放点的距离，z表示监控站点离地面高度，q表示烟雾释放速率，π表示圆周率，u表示烟囱出口处的风速，σy表示水平方向扩散参数，σz表示垂直方向扩散参数，exp表示指数函数，He表示有效源高，α表示地面对污染物反向系数，根据周边地形类型获取。
本技术方案中，基于高斯烟羽扩散原理，对高斯烟羽模型进行地形修正改进，进而构建出溯源模型，提高溯源准确性。
上述任一技术方案中，根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率，包括：
企业的污染贡献率为：
Figure BDA0002795477510000041
其中，ηi表示企业i的贡献率，Ci表示企业i排放的污染扩散到监测站点的浓度值，C表示污染浓度值。
本技术方案中，通过获取企业的贡献率，为大气污染溯源提供依据。
为实现本发明的第二目的，本发明的技术方案提供了一种大气污染智能化精准溯源系统，包括：数据采集模块、数据处理与增强模块、溯源模型和浓度计算与分析模块；其中，基于监控站点的大气污染浓度值超标，数据采集模块获取气象数据、企业排放数据和监控站点数据，气象数据包括风速和风向，企业排放数据包括烟雾释放速率、烟囱高度、烟囱位置经纬度和烟雾排放图像，监控站点数据包括监控站点位置经纬度、监控站点离地面高度、周边地形类型和污染浓度值；数据处理与增强模块根据风速和时间，查询大气稳定度等级表，获取大气稳定度，数据处理与增强模块根据烟囱高度和烟雾排放图像，获取企业排放的有效源高；溯源模型根据风速、风向、烟雾释放速率、烟囱位置经纬度、监控站点位置经纬度、监控站点离地面高度、周边地形类型、大气稳定度和有效源高，获取企业排放的污染扩散到监测站点的浓度值；浓度计算与分析模块根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率。
本技术方案中，数据处理与增强模根据风速和时间，查询大气稳定度等级表，获取大气稳定度，获取方式简单可行，获取速度快，数据处理与增强模根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，其中烟囱高度和烟雾排放图像获取方式简单方便，有效源高的计算过程简单，准确性高，溯源模型考虑周边地形类型，进行地形修正，提高了溯源的准确性。
为实现本发明的第三目的，本发明的技术方案提供了一种电子设备，包括：存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序；其中，处理器在执行计算机程序时，实现如本发明任一技术方案的大气污染智能化精准溯源方法的步骤。
本发明技术方案提供的电子设备实现如本发明任一技术方案的大气污染智能化精准溯源方法的步骤，因而其具有如本发明任一技术方案的大气污染智能化精准溯源方法的全部有益效果，在此不再赘述。
为实现本发明的第四目的，本发明的技术方案提供了一种可读存储介质，可读存储介质存储有计算机程序，计算机程序被执行时，实现上述任一技术方案的大气污染智能化精准溯源方法的步骤。
本发明技术方案提供的可读存储介质实现如本发明任一技术方案的大气污染智能化精准溯源方法的步骤，因而其具有如本发明任一技术方案的大气污染智能化精准溯源方法的全部有益效果，在此不再赘述。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明一个实施例的大气污染溯源方法流程图之一；
图2为本发明一个实施例的大气污染溯源方法流程图之二；
图3为本发明一个实施例的大气污染溯源方法流程图之三；
图4为本发明一个实施例的大气污染溯源装置示意图之一；
图5为本发明一个实施例的电子设备组成示意图；
图6为本发明一个实施例的大气污染溯源技术路线示意图；
图7为本发明一个实施例的大气污染溯源方法流程图之四；
图8为本发明一个实施例的大气污染溯源装置示意图之二；
图9为本发明一个实施例的大气污染溯源方法流程图之五；
图10为本发明一个实施例的可视化显示示意图。
其中，图1至图10中附图标记与部件名称之间的对应关系为：
100：大气污染溯源装置，110：数据采集模块，120：数据处理与增强模块，130：溯源模型，140：浓度计算与分析模块，150：前端现场数据采集模块，152：监控站点，154：气象状况，156：地形类型，158：排污企业，160：后端服务器，162：数据汇聚模块，164：数据处理与增强模块，166：溯源模型构建模块，168：浓度计算与分析模块，170：结果可视化模块，200：电子设备，210：存储器，220：处理器，300：原始数据，310：企业排放数据，320：气象数据，330：监测站点和GIS数据，340：模型算法，350：数据解析，360：大气污染扩散模型，370：数据展示，380：企业浓度贡献值，390：企业污染贡献排名，400；模拟可视化展示。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图10描述本发明一些实施例的大气污染溯源方法、大气污染溯源装置100、电子设备200和可读存储介质。
大气污染溯源通过动力学模式追溯排放源及贡献率的时空分布，结合排放源成分解析结果和排放源清单可追溯到具体的排放源，并实现对预报结果的同步溯源。源模型法是以不同尺度数值模式方法定量描述大气污染物从源到受体所经历的物理化学过程，定量估算不同地区和不同类别污染源排放对环境空气中颗粒物的贡献。当前基于源模型的大气污染溯源技术主要包括空气质量模型CMAQ(Community Multiscale Air Quality，第三代空气质量预报和评估系统的模式)、CAMx(Comprehensive Air Quality Model withExtensions,第三代三维空气质量模型)；颗粒物污染精准溯源Hysplit(Hybrid SingleParticle Lagrangian Integrated Trajectory Model，拉格朗日混合单粒子轨道模型)等。但这些模型都只能做到大尺度区域污染溯源，需要气象模型WRF(The WeatherResearch and Forecasting Model，天气预报模式)和排放源模型SMOKE(大气排放源清单处理模型)的支持，存在操作难度大、计算量大等问题，且无法实现小尺度精准溯源。
综上所述，本实施例提出一种大气污染溯源方法、大气污染溯源装置100、电子设备200和可读存储介质，大气污染溯源方法涉及大气颗粒物污染监测与溯源，具体为基于高斯烟羽模型的小尺度精准溯源方法。
实施例1：
如图1所示，本实施例提供了一种大气污染溯源方法(也就是大气污染智能化精准溯源方法)，包括以下步骤：
步骤S102，基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据；其中，气象数据包括风速和风向，企业排放数据包括烟雾释放速率、烟囱高度、烟囱位置经纬度和烟雾排放图像，监控站点数据包括监控站点位置经纬度、监控站点离地面高度、周边地形类型和污染浓度值；
步骤S104，根据风速和时间，查询大气稳定度等级表，获取大气稳定度；
步骤S106，根据烟囱高度和烟雾排放图像，获取企业排放的有效源高；
步骤S108，根据风速、风向、烟雾释放速率、烟囱位置经纬度、监控站点位置经纬度、监控站点离地面高度、周边地形类型、大气稳定度和有效源高，通过溯源模型，获取企业排放的污染扩散到监测站点的浓度值；
步骤S110，根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率。
相关技术中，大气稳定度根据地面风速和太阳辐射等级数据查表获取，在实际操作中，太阳辐射等级数据的获取非常困难，本实施例中，根据风速和时间，查询大气稳定度等级表，获取大气稳定度，获取方式简单可行，获取速度快，解决了实际应用中，由于环境场景限制无法获取太阳辐射等级而导致不能查表求解大气稳定度的问题。
相关技术中，计算有效源高一般需要考虑烟囱内径、烟气热释放率、烟气热释放率指数、烟气高度指数、实际排烟率、烟气出口温度、环境大气温度、大气压强、风速等情况，非常复杂，难于计算，本实施例中，根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，其中烟囱高度和烟雾排放图像获取方式简单方便，有效源高的计算过程简单，准确性高，解决相关技术的有效源高计算复杂，且受很多参数影响难以求解的问题。
本实施例中，溯源模型考虑周边地形类型，进行地形修正，提高了溯源的准确性。
实施例2：
如图2所示，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
执行根据风速和时间，获取大气稳定度之前，还包括以下步骤：
步骤S202，获取目标时间内的多个风速、多个风向、多个烟雾释放速率和多个污染浓度值；
步骤S204，分别求取风速、风向、烟雾释放速率和污染浓度值的平均值。
本实施例中，首先获取目标时间内的多个风速、多个风向、多个烟雾释放速率和多个污染浓度值，然后，分别求取风速、风向、烟雾释放速率和污染浓度值的平均值，其中，目标时间根据实际场景确定，可以设置为三小时，通过对目标时间内参数求取平均值，使得后续使用数据计算的过程更加准确，消除环境以及数据采集误差的影响，进而，增加风速、风向、烟雾释放速率和污染浓度值的准确率。
实施例3：
如图3所示，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
执行根据风速和时间，查询大气稳定度等级表，获取大气稳定度之前，还包括构建大气稳定度等级表，包括以下步骤：
步骤S302，将风速划分第一数量类别；
步骤S304，将时间划分第二数量类别；
步骤S306，获取每个风速类别对应每个时间类别时的大气稳定度，形成大气稳定度等级表。
本实施例中，具体而言，首先，将风速W划分第一数量类别，第一数量可以为5，则将风速w分为5类：W1，W2，W3，W4，W5，其中，w≤1.9对应W1，1.9<w≤2.9对应W2，2.9<w≤4.9对应W3，4.9<w≤5.9对应W4，w>5.9对应W5。然后，将时间h划分第二数量类别，第二数量可以为6，则将一天24小时分为6类：H1，H2，H3，H4，H5，H6，12≤h≤15对应H1，10<h<12或15<h<16对应H2，9<h≤10或16≤h<17对应H3，7≤h≤9或17≤h<18对应H4，18≤h≤20对应H5，20<h≤24或1≤h<7对应H6，最后，根据风速类别和时间类别确定最终的大气稳定度等级，如下表1所示，表中首列为风速类别，首行为时间类别，其它元素为相应的大气稳定度等级。如在早上10点钟(对应时间类别为H3)风速为2m/s(对应风速类别为W2)，则大气稳定度为C。
表1基于风速和时间的大气稳定度等级查表
Figure BDA0002795477510000091
本实施例中，通过风速和时间，获取大气稳定度，获取方式简单可行，获取速度快。
实施例4：
除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，包括：
根据烟雾排放图像，获取：
He＝h+Δh；
其中，He表示有效源高，h表示烟囱高度，Δh表示烟雾抬升位置；
Figure BDA0002795477510000092
其中，himg表示烟雾排放图像中烟囱高度，Δhimg表示烟雾排放图像中烟雾抬升高度。
相关技术中，有效源高计算复杂，且受烟囱内径、烟气热释放率、烟气热释放率指数、烟气高度指数、实际排烟率、烟气出口温度、环境大气温度、大气压强、风速等参数影响，情况复杂，难以计算，本实施例，采用基于图像分析方法，计算烟雾有效源高，首先，利用图像处理技术检测出烟雾排放图像中烟囱位置和烟雾抬升位置，然后，根据检测出的位置计算出烟雾排放图像中烟囱高度himg和烟雾抬升高度Δhimg，最后，根据真实高度与图像高度之间的比例关系
Figure BDA0002795477510000101
计算出真实的烟雾抬升高度
Figure BDA0002795477510000102
通过上述过程，获取有效源高，计算过程简单，准确率高。
实施例5：
除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
烟雾排放图像中烟囱高度为：
Figure BDA0002795477510000103
其中，
Figure BDA0002795477510000104
表示烟雾排放图像中烟囱左上角y轴坐标，
Figure BDA0002795477510000105
表示烟雾排放图像中烟囱左下角y轴坐标；
烟雾排放图像中烟雾抬升高度为：
Figure BDA0002795477510000106
其中，
Figure BDA0002795477510000107
表示烟雾排放图像中烟雾左上角y轴坐标，
Figure BDA0002795477510000108
表示烟雾排放图像中烟雾左下角y轴坐标。
本实施例中，首先，烟雾排放图像中烟囱左上角y轴坐标、烟雾排放图像中烟囱左下角y轴坐标、烟雾排放图像中烟雾左上角y轴坐标和烟雾排放图像中烟雾左下角y轴坐标可以通过两种方式获取，分别为半自动化方法和全自动化方法。
针对半自动化方法：首先，利用图像处理技术检测出烟雾排放图像中烟囱位置和烟雾抬升位置，然后，采用人工标注的方式用矩形框框选图像中的烟囱和烟雾，并用4个红色圆点标注出烟囱框和烟雾框左上角和左下角坐标，最后，对人工标注后的图像利用图像分析技术自动找到4个红色圆点的坐标位置，并根据烟囱在下、烟雾在上的规律确定出烟囱和烟雾在图像中对应的左上角和左下角坐标值。
针对自动化方法：首先，利用图像处理技术检测出烟雾排放图像中烟囱位置和烟雾抬升位置，然后，采用基于深度学习的目标检测方法自动检测图像中的烟囱和烟雾位置，举例而言，可以采用CenterNet(目标检测算法)检测模型进行烟囱和烟雾自动检测，得出其左上角和左下角坐标值。
本实施例中，基于烟雾排放图像，获取烟囱左上角和左下角坐标值和烟雾左上角和左下角坐标值，进而得到烟雾排放图像中，烟雾排放图像中烟囱高度和烟雾抬升高度，计算过程简单，准确性高。
实施例6：
除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
执行基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据之前，还包括：
构建溯源模型：
Figure BDA0002795477510000111
其中，C(x,y,z)表示企业排放的污染扩散到监测站点的浓度值，x表示风向坐标上，监测站点与企业排放点的距离，y表示与风向坐标垂直方向上，监测站点与企业排放点的距离，z表示监控站点离地面高度，q表示烟雾释放速率，π表示圆周率，u表示烟囱出口处的风速，σy表示水平方向扩散参数，σz表示垂直方向扩散参数，exp表示指数函数，He表示有效源高，α表示地面对污染物反向系数，根据周边地形类型获取。
本实施例中，基于高斯烟羽扩散原理，对高斯烟羽模型进行地形修正改进，进而构建出溯源模型，具体而言，设置地面对污染物反向系数α，即地形修正参数，如果α＝1表示污染物到达地面后被全部反射到大气中，如果α＝0表示污染物到达地面后被全部吸收，通过设置地面对污染物反向系数，进行地形修正，提高溯源准确性。
本实施例中，水平方向扩散参数σy、垂直方向扩散参数σz为下风向距离x与大气稳定度的函数，可以采用Briggs扩散参数求解法计算获取σy和σz。
实施例7：
除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率，包括：
企业的污染贡献率为：
Figure BDA0002795477510000121
其中，ηi表示企业i的贡献率，Ci表示企业i排放的污染扩散到监测站点的浓度值，C表示污染浓度值。
本实施例中，通过获取企业的贡献率，为大气污染溯源提供依据，首先，利用溯源模型，计算企业i排放的污染扩散到监测站点的浓度值Ci，然后，根据监测站点处监测的污染浓度值C，计算企业i对监测站点的污染贡献率ηi。举例而言，还可以对各企业污染贡献率进行排名，并对各企业贡献率和排名进行可视化展示。具体可以为，污染点污染范围溯源分析以曲线指向的形式展示监测站点周边10公里范围内的污染情况，并且标注不同排放企业的贡献度，直观的展示污染点位周围的污染情况，可疑污染源识别分析以列表及GIS展示的方式直观的展示溯源范围内的可疑污染源，并以列表的形式显示各可疑污染源的基本信息，还同步在GIS地图中显示相关点位图标。还可以提供污染源多业务数据关联查询，点击列表或地图中的企业可关联查询该企业的基本信息、污染源清单、在线监控、排污许可证、产品工艺、监察执法等多业务数据。
实施例8：
如图4所示，本实施例提供了一种大气污染溯源装置100(也就是大气污染智能化精准溯源系统)，包括：数据采集模块110、数据处理与增强模块120、溯源模型130和浓度计算与分析模块140；其中，基于监控站点的大气污染浓度值超标，数据采集模块110获取气象数据、企业排放数据和监控站点数据，气象数据包括风速和风向，企业排放数据包括烟雾释放速率、烟囱高度、烟囱位置经纬度和烟雾排放图像，监控站点数据包括监控站点位置经纬度、监控站点离地面高度、周边地形类型和污染浓度值；数据处理与增强模块120根据风速和时间，查询大气稳定度等级表，获取大气稳定度，数据处理与增强模块120根据烟囱高度和烟雾排放图像，获取企业排放的有效源高；溯源模型130根据风速、风向、烟雾释放速率、烟囱位置经纬度、监控站点位置经纬度、监控站点离地面高度、周边地形类型、大气稳定度和有效源高，获取企业排放的污染扩散到监测站点的浓度值；浓度计算与分析模块140根据企业排放的污染扩散到监测站点的浓度值和污染浓度值，获取企业的污染贡献率。
本实施例中，大气污染溯源装置100包括前端现场数据采集展示和后端服务器计算分析两大部分。其中，前端现场数据采集包括数据采集模块110，采集气象数据、企业排放数据和监控站点数据，后端服务器包括数据处理与增强模块120、溯源模型130和浓度计算与分析模块140，数据处理与增强模块120还可以设有数据汇聚模块162，数据汇聚模块主要实现对前端发送过来的各类数据进行分门别类结构化汇聚和存储。数据处理与增强模块120实现对汇聚的数据进行清洗、校正、增强处理，为溯源模型提供可靠的数据输入。其中，数据清洗包括对相似重复数据的清洗；数据校正包括对异常数据进行检测与纠正；数据增强包括基于风速和时间的大气稳定度计算，基于图像分析的有效源高计算。浓度计算与分析模块140计算各企业排污达到监控站点的浓度值，分析各企业对监控点污染的贡献率和排名，为决策者与管理者提供污染防治依据和参考。大气污染溯源装置100还可以设置结果可视化模块170，对分析的结果进行可视化直观展示。
相关技术中，大气稳定度根据地面风速和太阳辐射等级数据查表获取，在实际操作中，太阳辐射等级数据的获取非常困难，本实施例中，数据处理与增强模块120根据风速和时间，查询大气稳定度等级表，获取大气稳定度，获取方式简单可行，获取速度快，解决了实际应用中，由于环境场景限制无法获取太阳辐射等级而导致不能查表求解大气稳定度的问题。
相关技术中，计算有效源高一般需要考虑烟囱内径、烟气热释放率、烟气热释放率指数、烟气高度指数、实际排烟率、烟气出口温度、环境大气温度、大气压强、风速等情况，非常复杂，难于计算，本实施例中，数据处理与增强模块120根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，其中烟囱高度和烟雾排放图像获取方式简单方便，有效源高的计算过程简单，准确性高，解决相关技术的有效源高计算复杂，且受很多参数影响难以求解的问题。
本实施例中，溯源模型130考虑周边地形类型，进行地形修正，提高了溯源的准确性。
实施例9：
如图5所示，本实施例提供了一种电子设备200，包括：存储器210和处理器220，存储器210存储有程序或指令，处理器220执行程序或指令；其中，处理器220在执行程序或指令时，实现如本发明任一实施例的大气污染溯源方法的步骤。
实施例10：
本实施例提供了一种可读存储介质，可读存储介质存储有程序或指令，程序或指令被处理器220执行时，实现上述任一实施例的大气污染溯源方法的步骤。
实施例11：
针对大气污染防治存在的问题，本发明提出一种大气污染溯源方法，基于大气扩散模型的污染智能精准溯源，其技术路线如图6所示，主要包括数据采集与处理，溯源模型构建和污染浓度计算与分析三大部分。首先，采集原始数据300，包括企业排放数据310、气象数据320、监测站点和GIS数据330，然后数据导入模型算法340，进行数据处理与分析，对输入数据进行数据解析350后输入至大气污染扩散模型360(溯源模型)，得到的数据进行输出，进行数据展示370，计算各企业浓度贡献值380，计算各企业污染贡献排名390，进行模拟可视化展示400。
如图7所示，具体的，一种大气污染溯源方法(也就是大气污染智能化精准溯源方法)，包括如下步骤：
步骤S402，数据采集。
当监控站点发现大气污染浓度值超标报警时，收集报警时前三个小时内的气象数据、周边企业排放数据和当前监控站点数据。其中，气象数据包括：风速和风向，还可以包括气温和大气压强。周边企业排放数据包括：烟雾释放速率、烟囱高度、烟囱位置经纬度、烟雾排放图像。当前监控站点数据包括：监控点位置经纬度、监控点离地面高度、周边地形类型、污染浓度值。
步骤S404，计算大气稳定度。
如果有太阳辐射等级数据，则大气稳定度等级可以根据地面风速和太阳辐射等级查表所得。但现实中，往往不容易得到太阳辐射等级数据。因此，本实施例提出一种基于风速和时间的大气稳定度快速计算方法，根据风速和时间，查询大气稳定度等级表(表1)，获取大气稳定度。
步骤S406，计算各企业排放有效源高。
有效源高He＝h+Δh，其中h为烟囱高度，Δh烟雾排出时抬升高度。Δh的计算需要考虑烟囱内径、烟气热释放率、烟气热释放率指数、烟气高度指数、实际排烟率、烟气出口温度、环境大气温度、大气压强、风速等情况，非常复杂，难于计算。因此，本实施例提出一种基于图像分析的有效源高计算方法：
首先，利用图像处理技术检测出烟雾排放图像中烟囱位置和烟雾抬升位置。
然后，根据检测出的位置计算出烟雾排放图像中烟囱高度himg和烟雾抬升高度Δhimg。
最后，根据真实高度与图像高度之间的比例关系
Figure BDA0002795477510000151
计算出真实的烟雾抬升高度
Figure BDA0002795477510000152
其中h为收集的企业烟囱实际高度。
步骤S408，溯源模型构建。
基于高斯烟羽扩散原理，并对其进行地形修正，构建大气污染精准溯源模型：
Figure BDA0002795477510000153
其中，
C(x,y,z)为企业排放的污染物扩散到监测站点(x,y,z)的浓度值(单位：ug/m3)；
x为风向坐标上监测站点与企业排放点的距离(单位：m)；
y为与风向坐标垂直方向上(横截风向)监测站点与企业排放点距离(m)；
z为监测站点距地面的高度(单位：m)；
q为企业污染释放速率(单位：ug/s)；
u为烟囱出口处的风速(单位：m/s)；
σy、σz：分别为水平方向和垂直方向扩散参数(单位：m)，它是下风向距离x及大气稳定度(由步骤S404计算得出)的函数，可以采用Briggs扩散参数求解法计算σy、σz；
He为有效源高(单位：m)，由步骤S406计算得出；
α为地面对污染物反向系数，即地形修正参数，如果α＝1表示污染物到达地面后被全部反射到大气中，如果α＝0表示污染物到达地面后被全部吸收。
本实施例利用上式构建小尺度大气污染溯源模型。
步骤S410，污染浓度计算与分析。
首先，利用步骤S408构建的污染溯源模型，计算各企业排放的污染扩散到监测站点的浓度值Ci。然后，根据监测站点处监测的浓度值C计算各企业对监测站点的污染贡献率ηi。最后，对各企业污染贡献率进行排名，并对各企业贡献率和排名进行可视化展示。
实施例12：
一种基于大气扩散模型的大气污染溯源装置100(也就是大气污染智能化精准溯源系统)，如图8所示，包括前端现场数据采集展示和后端服务器计算分析两大部分。其中，前端现场数据采集模块150采集的数据包括监控站点152的数据、气象状况154的数据、地形类型156的数据、排污企业158的数据；后端服务器160包括数据汇聚模块162、数据处理与增强模块164、溯源模型构建模块166、浓度计算与分析模块168、结果可视化模块170。
数据汇聚模块162，主要实现对前端发送过来的各类数据进行分门别类进行结构化汇聚和存储。
数据处理与增强模块164，主要实现对汇聚的数据进行清洗、校正、增强处理，为溯源模型提供可靠的数据输入。其中，数据清洗包括对相似重复数据的清洗；数据校正包括对异常数据进行检测与纠正；数据增强包括基于风速和时间的大气稳定度计算，基于图像分析的有效源高计算。
溯源模型构建模块166，主要实现大气污染溯源量化计算。采用改进的高斯烟羽扩散模型构建大气污染溯源模型。
浓度计算与分析模块168，计算各企业排污达到监控站点的浓度值，分析各企业对监控点污染的贡献率和排名，为决策者与管理者提供污染防治依据和参考。
结果可视化模块170，对上步分析的结果进行可视化直观展示。
实施例13：
如图9所示，具体的，一种大气污染溯源方法(也就是大气污染智能化精准溯源方法)，包括如下步骤：
步骤S502，启动；
当监控站点发现大气污染浓度值超标报警时，进入【污染精准溯源】页面，系统展示颗粒物数据动态监控，页面左侧为监测站点面板，右侧为GIS展示大气站点分布位置，点击点位后显示该点位的基本信息及监测数据。
步骤S504，数据采集；
收集报警时前3个小时内的气象数据、周边企业排放数据和当前监控站点数据。其中，气象数据包括：风速(单位：m/s)、风向(单位：°)、气温(单位：℃)、大气压强(单位：MPa)。周边企业排放数据包括：烟雾释放速率(单位：ug/s)、烟囱高度(单位：m)、烟囱位置经纬度(单位：°)、烟雾排放图像。当前监控站点数据包括：监控点位置经纬度(单位：°)、监控点离地面高度(单位：m)、周边地形类型、污染浓度值。将收集的数据通过无线或有线的方式传送到后台服务器。
步骤S506，数据处理；
后台服务器端对接收的数据进行相应的平均处理。具体的，对3个小时内的风速、风向、气温、大气压强、烟雾释放速率和污染浓度值进行求平均后，作为最终的计算数据和溯源模型输入参数。
步骤S508，数据分析；
对接收的数据进行有效处理后，进一步进行数据分析计算大气稳定度和烟雾的有效源高。
(1)计算大气稳定度：如果有太阳辐射等级数据，则大气稳定度等级可以根据地面风速和太阳辐射等级查表所得，如下表2所示。
表2大气稳定度计算查表
Figure BDA0002795477510000171
Figure BDA0002795477510000181
但现实中，往往不容易得到太阳辐射等级数据。因此，本实施例提出一种基于风速和时间的大气稳定度快速计算方法，根据风速和时间，查询大气稳定度等级表(表1)，获取大气稳定度。
(2)计算各企业排放有效源高：企业排放烟雾的有效源高为烟囱高度加烟雾抬升高度He＝h+Δh，其中h为烟囱高度，Δh烟雾排出时抬升高度。Δh的计算需要考虑烟囱内径、烟气热释放率、烟气热释放率指数、烟气高度指数、实际排烟率、烟气出口温度、环境大气温度、大气压强、风速等情况，非常复杂，难于计算。因此，本实施例提出一种基于图像分析的有效源高计算方法：
首先，利用图像处理技术检测出烟雾排放图像中烟囱位置和烟雾抬升位置。本实施例提出半自动化和全自动化两种位置检测方法。①半自动化方法：采用人工标注的方式用矩形框框选图像中的烟囱和烟雾，并用4个红色圆点标注出烟囱框和烟雾框左上角和左下角坐标；对人工标注后的图像利用图像分析技术自动找到4个红色圆点的坐标位置，并根据烟囱在下、烟雾在上的规律确定出烟囱和烟雾在图像中对应的左上角和左下角坐标值。②全自化方法：采用基于深度学习的目标检测方法自动检测图像中的烟囱和烟雾位置，具体的采用CenterNet检测模型进行烟囱和烟雾自动检测，得出其左上角和左下角坐标值。
然后，根据上步检测出的烟囱和烟雾在图像中对应的左上角和左下角坐标值，计算出烟雾排放图像中烟囱高度himg和烟雾抬升高度Δhimg：
Figure BDA0002795477510000182
Figure BDA0002795477510000183
其中，
Figure BDA0002795477510000184
表示烟雾排放图像中烟囱左上角y轴坐标，
Figure BDA0002795477510000185
表示烟雾排放图像中烟囱左下角y轴坐标，
Figure BDA0002795477510000186
表示烟雾排放图像中烟雾左上角y轴坐标，
Figure BDA0002795477510000191
表示烟雾排放图像中烟雾左下角y轴坐标。
最后，根据真实高度与图像高度之间的比例关系
Figure BDA0002795477510000192
计算出真实的烟雾抬升高度
Figure BDA0002795477510000193
其中h为收集的企业烟囱实际高度。
步骤S510，溯源模型构建；
基于高斯烟羽扩散原理，对其进行地形修正，构建大气污染精准溯源模型：
Figure BDA0002795477510000194
其中，
C(x,y,z)为企业排放的污染物扩散到监测站点(x,y,z)的浓度值(单位：ug/m3)；
x为风向坐标上监测站点与企业排放点的距离(单位：m)；
y为与风向坐标垂直方向上(横截风向)监测站点与企业排放点距离(单位：m)；
z为监测站点距地面的高度(单位：m)；
q为企业污染释放速率(单位：ug/s)；
u为烟囱出口处的风速(单位：m/s)；
σy、σz：分别为水平方向和垂直方向扩散参数(单位：m)，它是下风向距离x及大气稳定度(由步骤S508计算得出)的函数，可以采用Briggs扩散参数求解法计算σy、σz，如表3所示；
表3扩散参数计算表
Figure BDA0002795477510000195
Figure BDA0002795477510000201
He为有效源高(m)，由步骤S406计算得出；
α为地面对污染物反向系数，即地形修正参数，如果α＝1表示污染物到达地面后被全部反射到大气中，如果α＝0表示污染物到达地面后被全部吸收。
本实施例利用上式构建小尺度大气污染溯源模型，输入为企业污染释放速率、风速、水平和垂直扩散参数、横截风向距离、有效源高和地形修正参数，输出为企业排放点污染扩散到监测站点的浓度值。
步骤S512，污染浓度计算与分析；
首先，利用步骤S510构建的污染溯源模型，计算各企业排放的污染扩散到监测站点的浓度值Ci。然后，根据监测站点处监测的浓度值C计算各企业对监测站点的污染贡献率ηi。最后，对各企业污染贡献率进行排名，并对各企业贡献率和排名进行可视化展示。
污染点污染范围溯源分析以曲线指向的形式展示监测站点周边10公里范围内的污染情况，并且标注不同排放企业的贡献度，直观的展示污染点位周围的污染情况，如图10所示。
可疑污染源识别分析以列表及GIS展示的方式直观的展示溯源范围内的可疑污染源，并以列表的形式显示各可疑污染源的基本信息，还同步在GIS地图中显示相关点位图标。
污染源多业务数据关联查询，点击列表或地图中的企业可关联查询该企业的基本信息、污染源清单、在线监控、排污许可证、产品工艺、监察执法等多业务数据。
综上，本发明实施例的有益效果为：
1.本实施例中，根据风速和时间，查询大气稳定度等级表，获取大气稳定度，获取方式简单可行，获取速度快，解决了实际应用中，由于环境场景限制无法获取太阳辐射等级而导致不能查表求解大气稳定度的问题。
2.本实施例中，根据烟囱高度和烟雾排放图像，获取企业排放的有效源高，其中烟囱高度和烟雾排放图像获取方式简单方便，有效源高的计算过程简单，准确性高，解决相关技术的有效源高计算复杂，且受很多参数影响难以求解的问题。
3.本实施例中，溯源模型考虑周边地形类型，进行地形修正，提高了溯源的准确性。
在本发明中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“前”、“后”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单元必须具有特定的方向、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。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种大气污染智能化精准溯源方法，其特征在于，包括：
基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据，其中，所述气象数据包括风速和风向，所述企业排放数据包括烟雾释放速率、烟囱高度、烟囱位置经纬度和烟雾排放图像，所述监控站点数据包括监控站点位置经纬度、监控站点离地面高度、周边地形类型和污染浓度值；
根据所述风速和时间，查询大气稳定度等级表，获取大气稳定度；
根据所述烟囱高度和所述烟雾排放图像，获取所述企业排放的有效源高；
根据所述风速、所述风向、所述烟雾释放速率、所述烟囱位置经纬度、所述监控站点位置经纬度、所述监控站点离地面高度、所述周边地形类型、所述大气稳定度和所述有效源高，通过溯源模型，获取所述企业排放的污染扩散到监测站点的浓度值；
根据所述企业排放的污染扩散到所述监测站点的浓度值和所述污染浓度值，获取所述企业的污染贡献率。
2.根据权利要求1所述的大气污染智能化精准溯源方法，其特征在于，执行所述根据所述风速和时间，获取大气稳定度之前，还包括：
获取目标时间内的多个所述风速、多个所述风向、多个所述烟雾释放速率和多个所述污染浓度值；
分别求取所述风速、所述风向、所述烟雾释放速率和所述污染浓度值的平均值。
3.根据权利要求1所述的大气污染智能化精准溯源方法，其特征在于，执行所述根据所述风速和时间，查询大气稳定度等级表，获取大气稳定度之前，还包括构建所述大气稳定度等级表，包括：
将风速划分第一数量类别；
将时间划分第二数量类别；
获取每个所述风速类别对应每个所述时间类别时的所述大气稳定度，形成所述大气稳定度等级表。
4.根据权利要求1所述的大气污染智能化精准溯源方法，其特征在于，所述根据所述烟囱高度和所述烟雾排放图像，获取所述企业排放的有效源高，包括：
根据所述烟雾排放图像，获取：
He＝h+Δh；
其中，He表示所述有效源高，h表示所述烟囱高度，Δh表示烟雾抬升位置；
Figure FDA0002795477500000021
其中，himg表示所述烟雾排放图像中烟囱高度，Δhimg表示所述烟雾排放图像中烟雾抬升高度。
5.根据权利要求4所述的大气污染智能化精准溯源方法，其特征在于，所述烟雾排放图像中烟囱高度为：
Figure FDA0002795477500000022
其中，
Figure FDA0002795477500000023
表示所述烟雾排放图像中烟囱左上角y轴坐标，
Figure FDA0002795477500000024
表示所述烟雾排放图像中烟囱左下角y轴坐标；
所述烟雾排放图像中烟雾抬升高度为：
Figure FDA0002795477500000025
其中，
Figure FDA0002795477500000026
表示所述烟雾排放图像中烟雾左上角y轴坐标，
Figure FDA0002795477500000027
表示所述烟雾排放图像中烟雾左下角y轴坐标。
6.根据权利要求1所述的大气污染智能化精准溯源方法，其特征在于，执行所述基于监控站点的大气污染浓度值超标，获取气象数据、企业排放数据和监控站点数据之前，还包括：
构建所述溯源模型：
Figure FDA0002795477500000028
其中，C(x,y,z)表示所述企业排放的污染扩散到所述监测站点的浓度值，x表示风向坐标上，所述监测站点与所述企业排放点的距离，y表示与风向坐标垂直方向上，所述监测站点与所述企业排放点的距离，z表示所述监控站点离地面高度，q表示所述烟雾释放速率，π表示圆周率，u表示烟囱出口处的风速，σy表示水平方向扩散参数，σz表示垂直方向扩散参数，exp表示指数函数，He表示有效源高，α表示地面对污染物反向系数，根据所述周边地形类型获取。
7.根据权利要求1所述的大气污染智能化精准溯源方法，其特征在于，所述根据所述企业排放的污染扩散到所述监测站点的浓度值和所述污染浓度值，获取所述企业的污染贡献率，包括：
所述企业的污染贡献率为：
Figure FDA0002795477500000031
其中，ηi表示所述企业i的贡献率，Ci表示所述企业i排放的污染扩散到所述监测站点的浓度值，C表示所述污染浓度值。
8.一种大气污染智能化精准溯源系统，其特征在于，包括：
数据采集模块(110)，基于监控站点的大气污染浓度值超标，所述数据采集模块(110)获取气象数据、企业排放数据和监控站点数据，其中，所述气象数据包括风速和风向，所述企业排放数据包括烟雾释放速率、烟囱高度、烟囱位置经纬度和烟雾排放图像，所述监控站点数据包括监控站点位置经纬度、监控站点离地面高度、周边地形类型和污染浓度值；
数据处理与增强模块(120)，所述数据处理与增强模块(120)根据所述风速和时间，查询大气稳定度等级表，获取大气稳定度，所述数据处理与增强模块(120)根据所述烟囱高度和所述烟雾排放图像，获取所述企业排放的有效源高；
溯源模型(130)，所述溯源模型(130)根据所述风速、所述风向、所述烟雾释放速率、所述烟囱位置经纬度、所述监控站点位置经纬度、所述监控站点离地面高度、所述周边地形类型、所述大气稳定度和所述有效源高，获取所述企业排放的污染扩散到监测站点的浓度值；
浓度计算与分析模块(140)，所述浓度计算与分析模块(140)根据所述企业排放的污染扩散到所述监测站点的浓度值和所述污染浓度值，获取所述企业的污染贡献率。
9.一种电子设备(200)，其特征在于，包括：
存储器(210)，存储有程序或指令；
处理器(220)，执行所述程序或指令；
其中，所述处理器(220)在执行所述程序或指令时，实现如权利要求1至7中任一项所述的大气污染智能化精准溯源方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时，实现如权利要求1至7中任一项所述的大气污染智能化精准溯源方法的步骤。
CN202011329929.0A 2020-11-24 2020-11-24 大气污染智能化精准溯源方法、系统、设备和存储介质 Pending CN112444605A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011329929.0A CN112444605A (zh) 2020-11-24 2020-11-24 大气污染智能化精准溯源方法、系统、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011329929.0A CN112444605A (zh) 2020-11-24 2020-11-24 大气污染智能化精准溯源方法、系统、设备和存储介质

Publications (1)

Publication Number Publication Date
CN112444605A true CN112444605A (zh) 2021-03-05

Family

ID=74737884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011329929.0A Pending CN112444605A (zh) 2020-11-24 2020-11-24 大气污染智能化精准溯源方法、系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN112444605A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436045A (zh) * 2021-06-15 2021-09-24 深圳中兴网信科技有限公司 大气污染多尺度融合溯源方法、装置和可读存储介质
CN113533644A (zh) * 2021-06-26 2021-10-22 西北工业大学 基于无人机的对面源常规大气污染物的监测方法
CN113552289A (zh) * 2021-07-14 2021-10-26 清华苏州环境创新研究院 一种基于高斯模式的大气污染溯源方法
CN113610243A (zh) * 2021-08-12 2021-11-05 中节能天融科技有限公司 基于耦合机器学习和相关性分析的大气污染物溯源方法
CN113777223A (zh) * 2021-08-12 2021-12-10 北京金水永利科技有限公司 一种大气污染物溯源方法及系统
CN114461737A (zh) * 2021-12-20 2022-05-10 北京市科学技术研究院城市安全与环境科学研究所 基于印痕模型的监测溯源方法和系统
CN116629650A (zh) * 2022-11-24 2023-08-22 北京工业大学 一种针对站点O3污染防控的企业VOCs排放优化管控分级方法
CN116773745A (zh) * 2023-06-19 2023-09-19 河北华烨冀科信息技术有限责任公司 工业园区的污染气体排放源定位方法、装置、电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106595757A (zh) * 2016-11-29 2017-04-26 西南石油大学 一种环境监测方法及系统
CN107917987A (zh) * 2017-11-09 2018-04-17 北京伟瑞迪科技有限公司 一种面向城市空气污染物溯源分析方法
CN107941994A (zh) * 2017-11-09 2018-04-20 北京伟瑞迪科技有限公司 一种面向工业园区污染物溯源分析方法
CN108535418A (zh) * 2018-04-12 2018-09-14 盐城工学院 一种污染物溯源方法、装置、监控终端及存储介质
CN109117549A (zh) * 2018-08-08 2019-01-01 浙江航天恒嘉数据科技有限公司 一种污染物扩散预测方法及系统
CN110161592A (zh) * 2019-06-19 2019-08-23 华云信息技术工程有限公司 一种大气稳定度的确定方法及装置
WO2020135887A1 (zh) * 2018-12-29 2020-07-02 中科三清科技有限公司 污染来源预测方法、装置及电子设备
CN111461405A (zh) * 2020-03-09 2020-07-28 平安国际智慧城市科技股份有限公司 污染物的扩散预测方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106595757A (zh) * 2016-11-29 2017-04-26 西南石油大学 一种环境监测方法及系统
CN107917987A (zh) * 2017-11-09 2018-04-17 北京伟瑞迪科技有限公司 一种面向城市空气污染物溯源分析方法
CN107941994A (zh) * 2017-11-09 2018-04-20 北京伟瑞迪科技有限公司 一种面向工业园区污染物溯源分析方法
CN108535418A (zh) * 2018-04-12 2018-09-14 盐城工学院 一种污染物溯源方法、装置、监控终端及存储介质
CN109117549A (zh) * 2018-08-08 2019-01-01 浙江航天恒嘉数据科技有限公司 一种污染物扩散预测方法及系统
WO2020135887A1 (zh) * 2018-12-29 2020-07-02 中科三清科技有限公司 污染来源预测方法、装置及电子设备
CN110161592A (zh) * 2019-06-19 2019-08-23 华云信息技术工程有限公司 一种大气稳定度的确定方法及装置
CN111461405A (zh) * 2020-03-09 2020-07-28 平安国际智慧城市科技股份有限公司 污染物的扩散预测方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王娇娇等: "《基于高斯烟羽扩散模型的空气污染研究》", 《科技与创新》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436045A (zh) * 2021-06-15 2021-09-24 深圳中兴网信科技有限公司 大气污染多尺度融合溯源方法、装置和可读存储介质
CN113533644A (zh) * 2021-06-26 2021-10-22 西北工业大学 基于无人机的对面源常规大气污染物的监测方法
CN113552289A (zh) * 2021-07-14 2021-10-26 清华苏州环境创新研究院 一种基于高斯模式的大气污染溯源方法
CN113552289B (zh) * 2021-07-14 2024-01-23 清华苏州环境创新研究院 一种基于高斯模式的大气污染溯源方法
CN113610243A (zh) * 2021-08-12 2021-11-05 中节能天融科技有限公司 基于耦合机器学习和相关性分析的大气污染物溯源方法
CN113777223A (zh) * 2021-08-12 2021-12-10 北京金水永利科技有限公司 一种大气污染物溯源方法及系统
CN113610243B (zh) * 2021-08-12 2023-10-13 中节能天融科技有限公司 基于耦合机器学习和相关性分析的大气污染物溯源方法
CN114461737A (zh) * 2021-12-20 2022-05-10 北京市科学技术研究院城市安全与环境科学研究所 基于印痕模型的监测溯源方法和系统
CN116629650A (zh) * 2022-11-24 2023-08-22 北京工业大学 一种针对站点O3污染防控的企业VOCs排放优化管控分级方法
CN116773745A (zh) * 2023-06-19 2023-09-19 河北华烨冀科信息技术有限责任公司 工业园区的污染气体排放源定位方法、装置、电子设备
CN116773745B (zh) * 2023-06-19 2024-01-19 河北华烨冀科信息技术有限责任公司 工业园区的污染气体排放源定位方法、装置、电子设备

Similar Documents

Publication Publication Date Title
CN112444605A (zh) 大气污染智能化精准溯源方法、系统、设备和存储介质
CN107917987B (zh) 一种面向城市空气污染物溯源分析方法
CN109522603B (zh) 基于云平台的车载拉格朗日实时大气污染溯源系统及方法
CN113436045A (zh) 大气污染多尺度融合溯源方法、装置和可读存储介质
CN105181898A (zh) 基于大密度部署传感器的大气污染监控及管理方法及系统
CN110909483A (zh) 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
CN114757807B (zh) 多模式融合的大气污染物实际排放量在线核算方法
CN114155129B (zh) 一种基于工业园区的大气环境溯评方法和系统
CN111896680B (zh) 基于卫星遥感数据的温室气体排放分析方法及系统
CN106841525A (zh) 一种工业区大气特征污染在线监控系统构建的方法
CN103955583B (zh) 一种确定夜晚灯光数据提取城市建成区阈值的方法
CN106339974A (zh) 一种市区大气污染物排放清单的建立方法
CN110427533A (zh) 基于时序粒子跟踪的污染传播模式可视分析方法及系统
CN115420854B (zh) 一种基于正后向模型结合的大气污染物溯源方法
CN110346518B (zh) 一种交通排放污染可视化预警方法及其系统
CN111930864B (zh) 基于监测数据的网格化清单优化方法和装置
CN112132450A (zh) 一种气态污染物的定位方法
CN111626103A (zh) 一种基于夜晚灯光遥感影像的城市化梯度度量方法
CN109147322A (zh) 一种城市交通大数据处理中多源数据自适应融合方法
CN112505247B (zh) 空气质量分析方法、装置、设备及存储介质
CN113763221A (zh) 一种大气污染的溯源方法、装置、电子设备及存储介质
CN114444796A (zh) 一种基于图神经网络的跨区域空气污染预测方法及系统
CN113420984A (zh) 空气污染源区的确定方法
CN115203278A (zh) 基于环境监测的温室气体溯源系统及方法
CN110737215A (zh) 一种地理信息动态预警布控系统及预警布控方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210305

RJ01 Rejection of invention patent application after publication