CN112461998A - 一种地下管廊气体传感器自动校准方法 - Google Patents
一种地下管廊气体传感器自动校准方法 Download PDFInfo
- Publication number
- CN112461998A CN112461998A CN202011243946.2A CN202011243946A CN112461998A CN 112461998 A CN112461998 A CN 112461998A CN 202011243946 A CN202011243946 A CN 202011243946A CN 112461998 A CN112461998 A CN 112461998A
- Authority
- CN
- China
- Prior art keywords
- data
- concentration
- gas
- time
- signal
- 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
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
- G01N33/007—Arrangements to check the analyser
-
- 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
- G01N33/0006—Calibrating gas analysers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种地下管廊气体传感器自动校准方法,包括如下步骤:S1:数据采样,在标准气体浓度下,同时对多个气体传感器进行2年时间的大数据采样,在一百万体积的空气中所含污染物的体积数(即ppm),针对的是特定的氧气、一氧化碳、甲烷、和硫化氢四种气体进行采集,数据采集过程:每隔1个小时采集一次数据,采集时间跨度为24个月;S2:数据分析;S3:获取数据修正表,通过分别采集氧气,一氧化碳,硫化氢,和甲烷四种气体,在不同浓度(可设定为100ppm、500ppm和1000ppm)下的测试数据,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据表,根据时间轴修正数据表,对气体传感器采样数字进行修正,从而获取最终的输出值。
Description
技术领域
本发明属于电化学反应技术领域,具体涉及一种地下管廊气体传感器自动校准方法。
背景技术
地下管廊是指将电力、通信、燃气、给排水、热力等市政公用管线集中敷设在同一地下建造的隧道空间内,进行综合开发利用,以节约城市建设用地,美化城市的景观。
管廊中一般会监测哪些气体?根据国标GB 50838-2015《城市综合管廊工程技术规范》的要求,需要对氧气、硫化氢、甲烷气体进行监测。
城市综合建设于地下,主要用于容纳城市工程管线,在通风效果不佳或长期半封闭的状态下,氧含量受环境影响容易比大气中稀薄。缺氧环境对于巡检人员来说就比较危险了,一不小心则会造成意外事故发生,所以需要实时监测地下管廊中氧气的含量。而城市污水、管廊积水坑内的污水,长期发酵,可能产生一定数量硫化氢和甲烷,日积月累,也可能形成安全隐患(硫化氢会引起巡线人员中毒,而甲烷则可能形成爆炸性混合气体而直接威胁到管廊自身安全)所以需要在管廊中特别是含污水管道的舱室中检测硫化氢和甲烷气体。而气体传感器是通过测量挥发性有机化合物来监测室内空气质量,这种气体传感器的一个普遍问题是,绝对电阻随着时间的推移是不稳定的,因此不能在没有不可接受的误差的情况下将测得的电阻值直接转换成相应的目标气体浓度值。
因此,我们提出一种地下管廊气体传感器自动校准方法,通过分别采集氧气,一氧化碳,硫化氢,和甲烷四种气体,在不同浓度(可设定为100ppm、 500ppm和1000ppm)下的测试数据,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据表,根据时间轴修正数据表,对气体传感器采样数字进行修正,从而获取最终的输出值。
发明内容
本发明的目的在于提供一种地下管廊气体传感器自动校准方法,以解决上述背景技术中提出的气体传感器是通过测量挥发性有机化合物来监测室内空气质量,这种气体传感器的一个普遍问题是,绝对电阻随着时间的推移是不稳定的,因此不能在没有不可接受的误差的情况下将测得的电阻值直接转换成相应的目标气体浓度值的问题。
为实现上述目的,本发明采用了如下技术方案:
一种地下管廊气体传感器自动校准方法,包括如下步骤:
S1:数据采样,在标准气体浓度下,同时对多个气体传感器进行2年时间的大数据采样,在一百万体积的空气中所含污染物的体积数(即ppm),针对的是特定的氧气、一氧化碳、甲烷、和硫化氢四种气体进行采集,数据采集过程:每隔1个小时采集一次数据,采集时间跨度为24个月;
S2:数据分析,把每天采集的24组数据,做平均,得到当天的平均值,然后把一个月的每天平均值,累加,再做平均,得出一个月的平均值;最后根据测试气体的浓度可以得出24个月测试曲线图;
S3:获取数据修正表,依次综合氧气、一氧化碳、甲烷、和硫化氢四种气体在三种浓度值下获取的误差曲线,计算出数据修正表,具体操作需按1%的变化,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据表。
优选的,所述气体传感器的数据采集过程包括:①、读取半导体传感器检测到的电压信号,将所述电压信号转化为电阻信号;②将所述电阻信号转换为气体浓度信号参数,所述气体浓度信号参数包括气体浓度信号数值及其产生时间;③把气体浓度信号数值对时间进行积分,获得各时间段的气体浓度信号时间积分参数;④获得核心气体浓度信号时间积分参数;⑤所述核心气体浓度信号时间积分参数是气体浓度信号数值以突变为时间起止边界的时间段的气体浓度信号时间积分;⑥建立包括核心气体浓度信号时间积分参数的突变多参数组。
优选的,进行时间轴数据浓缩是因为采样时间跨度大(24个月),采样时间长,数据过于零散,所以处理过程先对每天的数据进行平均分析,只有在对每个月的数据进行平均,得出每个月的浓缩之后的数据值,然后在进行24 个月的横向比较,综合计算各个浓度值的误差值,得出时间轴修正表。
优选的,所述步骤S1中标准气体浓度的界定:是购买计量认证机构认可的一定浓度的测试气体,例如50ppm浓度的一氧化碳。
优选的,所述气体传感器对待修正校准的气体浓度通常分为2种输出方式:一种是模拟信号,一种是数字信号(串口、I2C、SPI、PWM等);模拟信号包含二种类型:原始模拟信号和二次模拟信号,其中,浓度转换、校准修正均为服务器后端操作。若为数字信号,则一般MCU对采集的气体浓度模拟信号进行了二次转换处理而产生实际浓度值的信号;此时服务器后端仅仅进行补偿修正操作。若气体传感器自带校准指令,则可通过无线发送校准指令来进行零点校准或已知浓度下的校准标定。
优选的,所述S3中的时间轴修正数据的修正具体实施过程还包括根据气体传感器当前的采集值,和该传感器的工作时间,获取到修正值。
本发明的技术效果和优点:本发明提出的一种地下管廊气体传感器自动校准方法,与现有技术相比,具有以下优点:
本发明一种地下管廊气体传感器自动校准方法是通过分别采集氧气,一氧化碳,硫化氢,和甲烷四种气体,在不同浓度(可设定为100ppm、500ppm 和1000ppm)下的测试数据,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据表,根据时间轴修正数据表,对气体传感器采样数字进行修正,从而获取最终的输出值。
附图说明
图1为本发明的一氧化碳(CO)传感器24个月100ppm数据曲线图;
图2为本发明的一氧化碳(CO)传感器24个月500ppm数据曲线图;
图3为本发明的一氧化碳(CO)传感器24个月1000ppm数据曲线图;
图4为本发明的一氧化碳(CO)传感器24个月100ppm数据误差曲线图;
图5为本发明的一氧化碳(CO)传感器24个月500ppm数据误差曲线图;
图6为本发明的一氧化碳(CO)传感器24个月1000ppm数据误差曲线图。
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,显然,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。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。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。
一种地下管廊气体传感器自动校准方法,包括如下步骤:
S1:数据采样,在标准气体浓度下,同时对多个气体传感器进行2年时间的大数据采样,在一百万体积的空气中所含污染物的体积数(即ppm),针对的是特定的氧气、一氧化碳、甲烷、和硫化氢四种气体进行采集,数据采集过程:每隔1个小时采集一次数据,采集时间跨度为24个月;
S2:数据分析,把每天采集的24组数据,做平均,得到当天的平均值,然后把一个月的每天平均值,累加,再做平均,得出一个月的平均值;最后根据测试气体的浓度可以得出24个月测试曲线图,请参阅图1-图3,举例如一氧化碳的校准数据分析;
S3:获取数据修正表,依次综合氧气、一氧化碳、甲烷、和硫化氢四种气体在三种浓度值下获取的误差曲线图,计算出数据修正表,具体操作需按 1%的变化,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据,请参阅图4-图6以及表1,举例如一氧化碳的校准数据分析。
具体的,所述气体传感器的数据采集过程包括:①、读取半导体传感器检测到的电压信号就对应测量气体浓度;②所述气体浓度信号参数包括气体浓度信号数值及其产生时间;③把气体浓度信号数值对时间进行积分,获得各时间段的气体浓度信号时间积分参数;④获得核心气体浓度信号时间积分参数;⑤所述核心气体浓度信号时间积分参数是气体浓度信号数值以突变为时间起止边界的时间段的气体浓度信号时间积分;⑥建立包括核心气体浓度信号时间积分参数的突变多参数组。
具体的,进行时间轴数据浓缩是因为采样时间跨度大(24个月),采样时间长,数据过于零散,所以处理过程先对每天的数据进行平均分析,只有在对每个月的数据进行平均,得出每个月的浓缩之后的数据值,然后在进行24 个月的横向比较,综合计算各个浓度值的误差值,得出时间轴修正表。
具体的,所述步骤S1中标准气体浓度的界定:是购买计量认证机构认可的一定浓度的测试气体,例如50ppm浓度的一氧化碳。
具体的,所述气体传感器对待修正校准的气体浓度通常分为2种输出方式:一种是模拟信号,一种是数字信号(串口、I2C、SPI、PWM等);模拟信号包含二种类型:原始模拟信号和二次模拟信号,其中,浓度转换、校准修正均为服务器后端操作。若为数字信号,则一般MCU对采集的气体浓度模拟信号进行了二次转换处理而产生实际浓度值的信号;此时服务器后端仅仅进行补偿修正操作。若气体传感器自带校准指令,则可通过无线发送校准指令来进行零点校准或已知浓度下的校准标定。
一氧化碳时间轴数据修正表表格获取步骤参照附图图1-图3;
根据时间轴浓缩数据曲线,计算出一氧化碳浓度值的误差曲线图参照附图图4-图6;
综合一氧化碳三种浓度值误差曲线,计算出如下数据修正表(表1):
根据一氧化碳传感器当前的采集值和该传感器的工作时间,获取到修正值,例如:一个连续工作11个月的传感器,当前采集值是45ppm,那么最终的输出值=采集值+修正值=45+1=46ppm。
本发明一种地下管廊气体传感器自动校准方法是通过分别采集氧气,一氧化碳,硫化氢,和甲烷四种气体,在不同浓度(可设定为100ppm、500ppm 和1000ppm)下的测试数据,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据表,根据时间轴修正数据表,对气体传感器采样数字进行修正,从而获取最终的输出值。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,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 (6)
1.一种地下管廊气体传感器自动校准方法,其特征在于:包括如下步骤:
S1:数据采样,在标准气体浓度下,同时对多个气体传感器进行2年时间的大数据采样,在一百万体积的空气中所含污染物的体积数(即ppm),针对的是特定的氧气、一氧化碳、甲烷、和硫化氢四种气体进行采集,数据采集过程:每隔1个小时采集一次数据,采集时间跨度为24个月;
S2:数据分析,把每天采集的24组数据,做平均,得到当天的平均值,然后把一个月的每天平均值,累加,再做平均,得出一个月的平均值;最后根据测试气体的浓度可以得出24个月测试曲线图;
S3:获取数据修正表,依次综合氧气、一氧化碳、甲烷、和硫化氢四种气体在三种浓度值下获取的误差曲线,计算出数据修正表,具体操作需按1%的变化,对大数据按时间轴进行数据浓缩,以便产生一个时间轴修正数据表。
2.根据权利要求1所述的一种地下管廊气体传感器自动校准方法,其特征在于:所述气体传感器的数据采集过程包括:①、读取半导体传感器检测到的电压信号就对应测量气体浓度;②所述气体浓度信号参数包括气体浓度信号数值及其产生时间;③把气体浓度信号数值对时间进行积分,获得各时间段的气体浓度信号时间积分参数;④获得核心气体浓度信号时间积分参数;⑤所述核心气体浓度信号时间积分参数是气体浓度信号数值以突变为时间起止边界的时间段的气体浓度信号时间积分;⑥建立包括核心气体浓度信号时间积分参数的突变多参数组。
3.根据权利要求1所述的一种地下管廊气体传感器自动校准方法,其特征在于:进行时间轴数据浓缩是因为采样时间跨度大(24个月),采样时间长,数据过于零散,所以处理过程先对每天的数据进行平均分析,只有在对每个月的数据进行平均,得出每个月的浓缩之后的数据值,然后在进行24个月的横向比较,综合计算各个浓度值的误差值,得出时间轴修正表。
4.根据权利要求1所述的一种地下管廊气体传感器自动校准方法,其特征在于:所述步骤S1中标准气体浓度的界定:是购买计量认证机构认可的一定浓度的测试气体,例如50ppm浓度的一氧化碳。
5.根据权利要求1所述的一种地下管廊气体传感器自动校准方法,其特征在于:所述气体传感器对待修正校准的气体浓度通常分为2种输出方式:一种是模拟信号,一种是数字信号(串口、I2C、SPI、PWM等);模拟信号包含二种类型:原始模拟信号和二次模拟信号,其中,浓度转换、校准修正均为服务器后端操作。若为数字信号,则一般MCU对采集的气体浓度模拟信号进行了二次转换处理而产生实际浓度值的信号;此时服务器后端仅仅进行补偿修正操作。若气体传感器自带校准指令,则可通过无线发送校准指令来进行零点校准或已知浓度下的校准标定。
6.根据权利要求1所述的一种地下管廊气体传感器自动校准方法,其特征在于:所述S3中的时间轴修正数据的修正具体实施过程还包括根据气体传感器当前的采集值,和该传感器的工作时间,获取到修正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011243946.2A CN112461998A (zh) | 2020-11-10 | 2020-11-10 | 一种地下管廊气体传感器自动校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011243946.2A CN112461998A (zh) | 2020-11-10 | 2020-11-10 | 一种地下管廊气体传感器自动校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112461998A true CN112461998A (zh) | 2021-03-09 |
Family
ID=74826021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011243946.2A Pending CN112461998A (zh) | 2020-11-10 | 2020-11-10 | 一种地下管廊气体传感器自动校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112461998A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6107631A (en) * | 1998-03-13 | 2000-08-22 | Alliedsignal Inc. | Self-calibration approach for tunable laser spectral absorption sensors |
JP2002350410A (ja) * | 2001-05-23 | 2002-12-04 | Ngk Spark Plug Co Ltd | ガス濃度センサ調整方法 |
CN106814158A (zh) * | 2015-12-02 | 2017-06-09 | 由国峰 | 一种气体传感器稳定性检测装置 |
CN106872650A (zh) * | 2017-03-08 | 2017-06-20 | 国睿集团有限公司 | 一种二氧化碳浓度校准修正装置及校准修正方法 |
CN107121463A (zh) * | 2017-04-27 | 2017-09-01 | 浙江清华长三角研究院 | 一种多通道电子鼻检测系统及其测量方法 |
CN107389816A (zh) * | 2017-07-13 | 2017-11-24 | 国网四川省电力公司电力科学研究院 | 变压器油中溶解气体在线监测装置检测系统自动校准装置 |
CN107632581A (zh) * | 2017-09-13 | 2018-01-26 | 四川君逸数码科技股份有限公司 | 一种地下管廊的监控管理系统 |
CN108732316A (zh) * | 2018-07-06 | 2018-11-02 | 天津澜禹笙环保科技有限公司 | 一种基于云计算平台的恶臭智能监测系统 |
CN109374686A (zh) * | 2018-11-30 | 2019-02-22 | 安徽云汉智能科技有限公司 | 一种气体传感器 |
CN110018275A (zh) * | 2019-04-10 | 2019-07-16 | 南京能启能电子科技有限公司 | 一种带补偿功能的气体探测器和补偿方法 |
US20190250123A1 (en) * | 2018-02-13 | 2019-08-15 | Ngk Insulators, Ltd. | Particular-gas concentration-measuring apparatus and particular-gas concentration-measuring system |
KR102016894B1 (ko) * | 2019-07-28 | 2019-09-02 | 정정근 | 센서 검교정 시스템 |
-
2020
- 2020-11-10 CN CN202011243946.2A patent/CN112461998A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6107631A (en) * | 1998-03-13 | 2000-08-22 | Alliedsignal Inc. | Self-calibration approach for tunable laser spectral absorption sensors |
JP2002350410A (ja) * | 2001-05-23 | 2002-12-04 | Ngk Spark Plug Co Ltd | ガス濃度センサ調整方法 |
CN106814158A (zh) * | 2015-12-02 | 2017-06-09 | 由国峰 | 一种气体传感器稳定性检测装置 |
CN106872650A (zh) * | 2017-03-08 | 2017-06-20 | 国睿集团有限公司 | 一种二氧化碳浓度校准修正装置及校准修正方法 |
CN107121463A (zh) * | 2017-04-27 | 2017-09-01 | 浙江清华长三角研究院 | 一种多通道电子鼻检测系统及其测量方法 |
CN107389816A (zh) * | 2017-07-13 | 2017-11-24 | 国网四川省电力公司电力科学研究院 | 变压器油中溶解气体在线监测装置检测系统自动校准装置 |
CN107632581A (zh) * | 2017-09-13 | 2018-01-26 | 四川君逸数码科技股份有限公司 | 一种地下管廊的监控管理系统 |
US20190250123A1 (en) * | 2018-02-13 | 2019-08-15 | Ngk Insulators, Ltd. | Particular-gas concentration-measuring apparatus and particular-gas concentration-measuring system |
CN108732316A (zh) * | 2018-07-06 | 2018-11-02 | 天津澜禹笙环保科技有限公司 | 一种基于云计算平台的恶臭智能监测系统 |
CN109374686A (zh) * | 2018-11-30 | 2019-02-22 | 安徽云汉智能科技有限公司 | 一种气体传感器 |
CN110018275A (zh) * | 2019-04-10 | 2019-07-16 | 南京能启能电子科技有限公司 | 一种带补偿功能的气体探测器和补偿方法 |
KR102016894B1 (ko) * | 2019-07-28 | 2019-09-02 | 정정근 | 센서 검교정 시스템 |
Non-Patent Citations (10)
Title |
---|
GERHARD DOBLINGER: "Optimization of Wideband Fixed Beamformers with Adaptive Sensor Calibration", 《18TH EUROPEAN SIGNAL PROCESSING CONFERENCE》 * |
付贵平: "基于环境空气颗粒物连续自动监测系统的采样流量校准初步试验", 《绿色科技》 * |
匡石 等: "基于KEITHLEY2000的传感器稳定性测试方法", 《仪表技术与传感器》 * |
国家市场监督管理总局、国家标准化管理委员会: "GB/T 38550-2020 城市综合管廊运营服务规范", 《GB/T 38550-2020 城市综合管廊运营服务规范》 * |
姜力: "温湿度传感器测量误差分析及其非线性补偿方法", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
张永军 等: "面向农产品冷链物流监测的无线气体传感器在线校准方法", 《农业机械学报》 * |
张静: "基于可控温压校准系统的CO2传感器性能测试", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
童建平 等: "阵列光电传感器的非线性校正", 《计量学报》 * |
郑志霞 等: "《传感器与检测技术》", 31 December 2018, 厦门大学出版社 * |
齐久成: "《海洋水文装备试验》", 30 June 2015, 国防工业出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Peltola et al. | Monthly gridded data product of northern wetland methane emissions based on upscaling eddy covariance observations | |
Lahav et al. | Titration methodologies for monitoring of anaerobic digestion in developing countries—a review | |
CN109444232B (zh) | 一种多通道智能化污染气体监测装置与扩散溯源方法 | |
Hoheisel et al. | An improved method for mobile characterisation of δ 13 CH 4 source signatures and its application in Germany | |
Palstra et al. | Biogenic carbon fraction of biogas and natural gas fuel mixtures determined with 14C | |
Fredenslund et al. | On-site and ground-based remote sensing measurements of methane emissions from four biogas plants: A comparison study | |
AU2020100700A4 (en) | A Correction Method for Gas Sensor Based on Machine Learning | |
CN103364530B (zh) | 远程气体监测系统及方法 | |
CN107389816B (zh) | 变压器油中溶解气体在线监测装置检测系统自动校准装置 | |
Conil et al. | Continuous atmospheric CO 2, CH 4 and CO measurements at the Observatoire Pérenne de l'Environnement (OPE) station in France from 2011 to 2018 | |
CN113063898A (zh) | 基于区块链的火电站碳排放监测方法及系统 | |
Capooci et al. | Trace gas fluxes from tidal salt marsh soils: implications for carbon–sulfur biogeochemistry | |
CN111812703A (zh) | 一种伽玛能谱背景计数方法 | |
Reum et al. | Accurate measurements of atmospheric carbon dioxide and methane mole fractions at the Siberian coastal site Ambarchik | |
CN112461998A (zh) | 一种地下管廊气体传感器自动校准方法 | |
CN114993774A (zh) | 一种用于污水处理厂的温室气体监测方法 | |
Liu et al. | Study on CO data filtering approaches based on observations at two background stations in China | |
Mak et al. | Assessment of tropical OH seasonality using atmospheric 14CO measurements from Barbados | |
CN111024892A (zh) | 一种智能电力井盖气体监测装置的检验方法 | |
CN115700379A (zh) | 一种测算型碳排放现场检测系统 | |
CN112649481A (zh) | 一种使用区域tvoc阵列监测系统的园区tvoc监测方法 | |
Hoheisel et al. | Characterisation of delta13CH4 source signatures from methane sources in Germany using mobile measurements | |
Chawner et al. | Atmospheric oxygen as a tracer for fossil fuel carbon dioxide: a sensitivity study in the UK | |
CN108675439A (zh) | 一种选择污水处理过程调控措施的方法 | |
CN115290833B (zh) | 一种畜禽舍氨排放通量计算方法 |
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: 20210309 |
|
RJ01 | Rejection of invention patent application after publication |