CN112461779A - 机载光谱遥感监测VOCs污染的方法、装置及存储介质 - Google Patents
机载光谱遥感监测VOCs污染的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112461779A CN112461779A CN202011492138.XA CN202011492138A CN112461779A CN 112461779 A CN112461779 A CN 112461779A CN 202011492138 A CN202011492138 A CN 202011492138A CN 112461779 A CN112461779 A CN 112461779A
- Authority
- CN
- China
- Prior art keywords
- vocs
- target
- concentration
- module
- target space
- 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
Links
- 239000012855 volatile organic compound Substances 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009835 boiling Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000005518 electrochemistry Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- 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
- G01N2021/1795—Atmospheric mapping of gases
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种机载光谱遥感监测VOCs污染的方法、装置及存储介质,通过无人机搭载光谱相机对目标空间进行样本采集,以及VOCs对红外波段吸收的原理,得到VOCs的分布情况,再通过遥感反演计算出VOCs的组成和浓度,最后结合卫星地图形成VOCs的热力分布图。从而能够实时的对空间中的VOCs进行监测,且采用无人机搭载光谱相机和多样本筛选的方法,使得监测的更加准确和全面。
Description
技术领域
本发明涉及VOCs污染监测技术领域,尤其涉及一种机载光谱遥感监测VOCs污染的方法、装置及存储介质。
背景技术
大气环境直接影响着人类的身体健康,近些年,我国的大气环境质量已经引起广泛的关注,公众、研究人员以及政府部门等都从不同的角度和深度关注着大气环境的质量问题。VOCs(volatile organic compounds)挥发性有机物,是指常温下饱和蒸汽压大于70.91Pa、标准大气压101.3kPa下沸点在50~260℃以下且初馏点等于250摄氏度的有机化合物,或在常温常压下任何能挥发的有机固体或液体。VOCs是空气中的有害气体。
传统的地基站点式监测方法在大气环境质量监测工作上发挥了重大作用,但由于基站位于地面,对于上空的大气监测很难全面有效。
发明内容
基于此,有必要针对上述技术问题,提供一种机载光谱遥感监测VOCs污染的方法、装置及存储介质。
一种机载光谱遥感监测VOCs污染的方法,所述方法包括:利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组;对所述初始样本组进行比对筛选,选择一份初始样本作为目标样本;根据VOCs对红外波段吸收的原理,结合所述目标样本,得到目标空间中VOCs的分布情况;根据遥感反演算法计算出目标空间中VOCs的组成和浓度;获取目标空间所在的卫星地图,并基于所述目标卫星地图,结合所述VOCs的组成和浓度形成VOCs的热力分布图。
在其中一个实施例中,所述无人机搭载光谱相机在对目标空间进行实时连续拍照时,是沿着目标空间的对角线进行飞行。
在其中一个实施例中,所述初始样本组中至少包括5份及以上初始样本。
在其中一个实施例中,所述利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组步骤之后,还包括:测量初始样本组中每一初始样本拍摄时,对应目标空间的温度、大气压和湿度。
在其中一个实施例中,所述根据遥感反演算法计算出目标空间中VOCs的组成和浓度步骤之前,还包括:在无人机上设置电化学传感器,并接收产生的目标电信号;根据VOCs的电化学活性,基于目标电信号,得到VOCs的浓度。
在其中一个实施例中,所述遥感反演算法具体为统计回归模型。
在其中一个实施例中,所述获取目标空间所在的卫星地图,并基于所述目标卫星地图,结合所述VOCs的组成和浓度形成VOCs的热力分布图具体为:获取目标空间所在的卫星地图;将所述VOCs的组成和浓度和所述VOCs的浓度进行分析结合,得到VOCs的目标组成和目标浓度;基于所述目标卫星地图,结合所述VOCs的目标组成和目标浓度,形成VOCs的热力分布图。
一种机载光谱遥感监测VOCs污染的装置,包括样本拍摄模块、样本筛选模块、情况分布模块、遥感反演模块和热力分布模块,其中:所述样本拍摄模块用于,利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组;所述样本筛选模块用于,对所述初始样本组进行比对筛选,选择一份初始样本作为目标样本;所述情况分析模块用于,根据VOCs对红外波段吸收的原理,结合所述目标样本,得到目标空间中VOCs的分布情况;所述遥感反演模块用于,根据遥感反演算法计算出目标空间中VOCs的组成和浓度;所述热力分布模块用于,获取目标空间所在的卫星地图,并基于所述目标卫星地图,结合所述VOCs的组成和浓度形成VOCs的热力分布图。
在其中一个实施例中,所述装置还包括电信号模块和浓度计算模块,其中:所述电信号模块用于,在无人机上设置电化学传感器,并接收产生的目标电信号;所述浓度计算模块用于,根据VOCs的电化学活性,基于目标电信号,得到VOCs的浓度。
一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述各个实施例中所述的机载光谱遥感监测VOCs污染的方法的步骤。
上述机载光谱遥感监测VOCs污染的方法、装置及存储介质,通过无人机搭载光谱相机对目标空间进行样本采集,以及VOCs对红外波段吸收的原理,得到VOCs的分布情况,再通过遥感反演计算出VOCs的组成和浓度,最后结合卫星地图形成VOCs的热力分布图。从而能够实时地对空间中的VOCs进行监测,且采用无人机搭载光谱相机和多样本筛选的方法,使得监测的更加准确和全面。
附图说明
图1为一个实施例中机载光谱遥感监测VOCs污染的方法的流程示意图;
图2为一个实施例中机载光谱遥感监测VOCs污染的装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在一个实施例中,如图1所示,提供了一种机载光谱遥感监测VOCs污染的方法,包括以下步骤:
S110利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组。
具体地,采用无人机搭载着光谱相机对目标空间进行实时的连续拍摄,得到多个初始样本,并构成初始样本组。因为实时拍照为瞬时样本,会有误差的可能性,因此需要多拍个样本,以筛选出更准确地样本。
在一个实施例中,步骤S110中:无人机搭载光谱相机在对目标空间进行实时连续拍照时,是沿着目标空间的对角线进行飞行。具体地,沿着目标空间的对角线进行飞行是为了保证采集样本时不是单一的某一个点的浓度,而是为了能够采集到证明整个空间的浓度。本质也是为了筛选出更准确地样本。
在一个实施例中,步骤S110中:初始样本组中至少包括5份及以上初始样本。具体地,当样本数量足够时,才能防止出现极个别误差的情况。
在一个实施例中,步骤S110之后,还包括:测量初始样本组中每一初始样本拍摄时,对应目标空间的温度、大气压和湿度。具体地,对应获取目标空间的温度、大气压和湿度是为了计算浓度时使用,连接光谱相机的仪器显示的是体积浓度,然而需要根据公式换算成标准状态下的质量浓度。
S120对初始样本组进行比对筛选,选择一份初始样本作为目标样本。
具体地,对初始样本组中的初始样本进行比对筛选,将误差较大的样本去掉,在剩下的初始样本中选择中间的作为目标样本。
S130根据VOCs对红外波段吸收的原理,结合目标样本,得到目标空间中VOCs的分布情况。
具体地,因为VOCs会对红外波段吸收,因此根据VOCs对红外波段的吸收情况,结合目标样本,便可得到目标空间中VOCs的分布情况。
S140根据遥感反演算法计算出目标空间中VOCs的组成和浓度。
具体地,通过遥感反演算法计算出目标空间中VOCs的组成和浓度,常用的遥感反演算法为高斯定律中的最小二乘法。
在一个实施例中,步骤S140之前,还包括:在无人机上设置电化学传感器,并接收产生的目标电信号;根据VOCs的电化学活性,基于目标电信号,得到VOCs的浓度。具体地,空气中的VOCs会进入电化学传感器,电化学传感器利用目标物的电化学活性,将其氧化或者还原,在一定范围内,产生与VOCs浓度成正比的电信号,从而得到VOCs的浓度。这里的电化学传感器不仅可以设置在无人机上,还可以定点设置在地面上。
在一个实施例中,步骤S140中:遥感反演算法具体为线性最小二乘法。具体地,常见的遥感反演算法包括推导反演模型的解析表达式,特点是速度最快;线性最小二乘法,主要用于解决线性问题;人工神经网络:能处理非线性问题,但是效果不稳定;查找表:未知参数不能太多;迭代优化:较慢,容易陷入局部极值;遗传算法则更慢。
S150获取目标空间的卫星地图,并基于目标卫星地图,结合VOCs的组成和浓度形成VOCs的热力分布图。
具体地,获取标空间的卫星地图,结合该卫星地图和VOCs的组成和浓度,从而形成VOCs的热力分布图。
在一个实施例中,步骤S150具体为:获取目标空间的卫星地图;将VOCs的组成和浓度和VOCs的浓度进行分析结合,得到VOCs的目标组成和目标浓度;基于目标卫星地图,结合VOCs的目标组成和目标浓度,形成VOCs的热力分布图。具体地,将光谱相机与电化学各自获取到的VOCs的浓度和组成,结合目标卫星地图,形成VOCs的热力分布图,便于直观地了解VOCs的范围。
上述实施例中,通过无人机搭载光谱相机对目标空间进行样本采集,以及VOCs对红外波段吸收的原理,得到VOCs的分布情况,再通过遥感反演计算出VOCs的组成和浓度,最后结合卫星地图形成VOCs的热力分布图。从而能够实时地对空间中的VOCs进行监测,且采用无人机搭载光谱相机和多样本筛选的方法,使得监测得更加准确和全面。
在一个实施例中,如图2所示,提供了一种机载光谱遥感监测VOCs污染的装置200,该装置包括样本拍摄模块210、样本筛选模块220、情况分布模块230、遥感反演模块240和热力分布模块250,其中:
样本拍摄模块210用于,利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组;
样本筛选模块220用于,对初始样本组进行比对筛选,选择一份初始样本作为目标样本;
情况分布模块230用于,根据VOCs对红外波段吸收的原理,结合目标样本,得到目标空间中VOCs的分布情况;
遥感反演模块240用于,根据遥感反演算法计算出目标空间中VOCs的组成和浓度;
热力分布模块250用于,获取目标空间的卫星地图,并基于目标卫星地图,结合VOCs的组成和浓度形成VOCs的热力分布图。
在一个实施例中,装置还包括电信号模块和浓度计算模块,其中:电信号模块用于,在无人机上设置电化学传感器,并接收产生的目标电信号;浓度计算模块用于,根据VOCs的电化学活性,基于目标电信号,得到VOCs的浓度。
在一个实施例中,还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时使所述计算机执行如前述实施例所述的方法,所述计算机可以为上述提到的机载光谱遥感监测VOCs污染的装置的一部分。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种机载光谱遥感监测VOCs污染的方法,其特征在于,包括:
利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组;
对所述初始样本组进行比对筛选,选择一份初始样本作为目标样本;
根据VOCs对红外波段吸收的原理,结合所述目标样本,得到目标空间中VOCs的分布情况;
根据遥感反演算法计算出目标空间中VOCs的组成和浓度;
获取目标空间的卫星地图,并基于所述目标卫星地图,结合所述VOCs的组成和浓度形成VOCs的热力分布图。
2.如权利求1所述的方法,其特征在于,所述无人机搭载光谱相机在对目标空间进行实时连续拍照时,是沿着目标空间的对角线进行飞行。
3.如权利求1所述的方法,其特征在于,所述初始样本组中至少包括5份及以上初始样本。
4.如权利要求1所述的方法,其特征在于,所述利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组步骤之后,还包括:
测量初始样本组中每一初始样本拍摄时,对应目标空间的温度、大气压和湿度。
5.如权利求1所述的方法,其特征在于,所述根据遥感反演算法计算出目标空间中VOCs的组成和浓度步骤之前,还包括:
在无人机上设置电化学传感器,并接收产生的目标电信号;
根据VOCs的电化学活性,基于目标电信号,得到VOCs的浓度。
6.如权利求1所述的方法,其特征在于,所述遥感反演算法具体为统计回归模型。
7.如权利求5所述的方法,其特征在于,所述获取目标空间所在的卫星地图,并基于所述目标卫星地图,结合所述VOCs的组成和浓度形成VOCs的热力分布图具体为:
获取目标空间所在的卫星地图;
将所述VOCs的组成和浓度和所述VOCs的浓度进行分析结合,得到VOCs的目标组成和目标浓度;
基于所述目标卫星地图,结合所述VOCs的目标组成和目标浓度,形成VOCs的热力分布图。
8.一种机载光谱遥感监测VOCs污染的装置,其特征在于,包括样本拍摄模块、样本筛选模块、情况分布模块、遥感反演模块和热力分布模块,其中:
所述样本拍摄模块用于,利用无人机搭载光谱相机对目标空间进行实时连续拍照,得到初始样本组;
所述样本筛选模块用于,对所述初始样本组进行比对筛选,选择一份初始样本作为目标样本;
所述情况分析模块用于,根据VOCs对红外波段吸收的原理,结合所述目标样本,得到目标空间中VOCs的分布情况;
所述遥感反演模块用于,根据遥感反演算法计算出目标空间中VOCs的组成和浓度;
所述热力分布模块用于,获取目标空间的卫星地图,并基于所述目标卫星地图,结合所述VOCs的组成和浓度形成VOCs的热力分布图。
9.如权利要求8所述的装置,其特征在于,还包括电信号模块和浓度计算模块,其中:
所述电信号模块用于,在无人机上设置电化学传感器,并接收产生的目标电信号;
所述浓度计算模块用于,根据VOCs的电化学活性,基于目标电信号,得到VOCs的浓度。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011492138.XA CN112461779A (zh) | 2020-12-16 | 2020-12-16 | 机载光谱遥感监测VOCs污染的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011492138.XA CN112461779A (zh) | 2020-12-16 | 2020-12-16 | 机载光谱遥感监测VOCs污染的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112461779A true CN112461779A (zh) | 2021-03-09 |
Family
ID=74804753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011492138.XA Pending CN112461779A (zh) | 2020-12-16 | 2020-12-16 | 机载光谱遥感监测VOCs污染的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112461779A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110251800A1 (en) * | 2008-12-19 | 2011-10-13 | Steven Wilkins | System and apparatus for measurement and mapping of pollutants |
CN106338484A (zh) * | 2015-07-09 | 2017-01-18 | 王霆 | 无人飞机红外遥感监测环境气体信息装置及其应用 |
CN108519340A (zh) * | 2018-03-28 | 2018-09-11 | 刘诚 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
CN109557030A (zh) * | 2018-09-28 | 2019-04-02 | 浙江农林大学 | 一种基于无人机遥感的水质要素反演方法 |
CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
CN110308104A (zh) * | 2019-06-25 | 2019-10-08 | 生态环境部卫星环境应用中心 | 一种大气污染物no2浓度监测方法及系统 |
CN111781149A (zh) * | 2020-06-10 | 2020-10-16 | 肖敏 | 利用遥感卫星检测挥发性有机化合物浓度的方法和装置 |
CN111859695A (zh) * | 2020-07-28 | 2020-10-30 | 中国科学技术大学 | 基于高分五号卫星紫外可见高光谱的大气污染成分反演方法 |
CN111965666A (zh) * | 2020-07-16 | 2020-11-20 | 中国矿业大学 | 一种气溶胶三维空间分布制图方法 |
-
2020
- 2020-12-16 CN CN202011492138.XA patent/CN112461779A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110251800A1 (en) * | 2008-12-19 | 2011-10-13 | Steven Wilkins | System and apparatus for measurement and mapping of pollutants |
CN106338484A (zh) * | 2015-07-09 | 2017-01-18 | 王霆 | 无人飞机红外遥感监测环境气体信息装置及其应用 |
CN108519340A (zh) * | 2018-03-28 | 2018-09-11 | 刘诚 | 一种卫星遥感污染气体柱浓度时空分布反演算法 |
CN109557030A (zh) * | 2018-09-28 | 2019-04-02 | 浙江农林大学 | 一种基于无人机遥感的水质要素反演方法 |
CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
CN110308104A (zh) * | 2019-06-25 | 2019-10-08 | 生态环境部卫星环境应用中心 | 一种大气污染物no2浓度监测方法及系统 |
CN111781149A (zh) * | 2020-06-10 | 2020-10-16 | 肖敏 | 利用遥感卫星检测挥发性有机化合物浓度的方法和装置 |
CN111965666A (zh) * | 2020-07-16 | 2020-11-20 | 中国矿业大学 | 一种气溶胶三维空间分布制图方法 |
CN111859695A (zh) * | 2020-07-28 | 2020-10-30 | 中国科学技术大学 | 基于高分五号卫星紫外可见高光谱的大气污染成分反演方法 |
Non-Patent Citations (1)
Title |
---|
张静 等: ""利用仿真技术从红外光谱中反演污染气体浓度的研究"", 《红外》, vol. 30, no. 05, pages 23 - 26 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
O'Dell et al. | The ACOS CO 2 retrieval algorithm–Part 1: Description and validation against synthetic observations | |
US10663445B2 (en) | Method and system for identifying plant species based on hyperspectral data | |
Yuan et al. | Microphysical, macrophysical and radiative signatures of volcanic aerosols in trade wind cumulus observed by the A-Train | |
AU2021234844A1 (en) | Method and apparatus for determining operating state of photovoltaic array, device and storage medium | |
CN109743019B (zh) | 基于气象因素的热斑温度预测及热斑定位的系统和方法 | |
Wang et al. | MAX-DOAS retrieval of aerosol extinction properties in Madrid, Spain | |
CN110826693A (zh) | 基于DenseNet卷积神经网络的三维大气温度廓线反演方法和系统 | |
CN113063739A (zh) | 一种基于机载高光谱传感器的水稻冠层氮含量监测方法 | |
CN116794751A (zh) | 应用于果园的气象灾害动态监测数据感知系统 | |
CN111965116A (zh) | 一种基于高光谱的机场气体检测系统及方法 | |
CN110988263B (zh) | 一种基于改进的Stacking模型的车辆尾气浓度估计方法 | |
Sourdeval et al. | A variational approach for retrieving ice cloud properties from infrared measurements: application in the context of two IIR validation campaigns | |
CN112461779A (zh) | 机载光谱遥感监测VOCs污染的方法、装置及存储介质 | |
CN112710623A (zh) | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 | |
CN112304890A (zh) | 一种机载光谱遥感监测臭氧浓度的方法及系统 | |
Arnone et al. | Validation of the VIIRS ocean color | |
Sun et al. | In situ measurement of CO 2 and CH 4 from aircraft over northeast China and comparison with OCO-2 data | |
CN111401241A (zh) | 基于卷积神经网络的海上民用航空器搜寻方法及装置 | |
CN114550006A (zh) | 极轨气象卫星火点判识系统、存储介质及设备 | |
CN114199790A (zh) | 一种光谱检测果茶树营养状况的检测方法及系统 | |
Cimini et al. | Overview: Tropospheric profiling: state of the art and future challenges–introduction to the AMT special issue | |
CN205879739U (zh) | 一种实时在线雾霾检测云平台 | |
Oktaviani et al. | Development of a commercial-off-the-shelf imaging payload with onboard image classification and processing | |
CN116935227B (zh) | 基于卫星遥感影像的农作物产量分析方法、系统和介质 | |
Gautam et al. | Extreme smog challenge of India intensified by increasing lower tropospheric stability |
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 |