CN112505247A - 空气质量分析方法、装置、设备及存储介质 - Google Patents
空气质量分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112505247A CN112505247A CN202011270240.5A CN202011270240A CN112505247A CN 112505247 A CN112505247 A CN 112505247A CN 202011270240 A CN202011270240 A CN 202011270240A CN 112505247 A CN112505247 A CN 112505247A
- Authority
- CN
- China
- Prior art keywords
- air quality
- average value
- target air
- monitoring time
- quality parameter
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims abstract description 188
- 230000008859 change Effects 0.000 claims abstract description 134
- 238000013507 mapping Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 15
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 49
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 47
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 9
- 230000000630 rising effect Effects 0.000 claims description 9
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 239000013618 particulate matter Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 239000003570 air Substances 0.000 description 239
- 238000011161 development Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000003247 decreasing effect Effects 0.000 description 6
- 239000012080 ambient air Substances 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction 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
- 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
-
- 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
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Sampling And Sample Adjustment (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空气质量分析方法、装置、设备及存储介质，包括：获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值；根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；根据预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息，其中，映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。该空气质量分析方法可以实现准确且全面的空气质量分析。
Description
技术领域
本发明实施例涉及环境监测领域，尤其涉及一种空气质量分析方法、装置、设备及存储介质。
背景技术
空气质量的优劣程度与一个城市的综合竞争力密切相关，它直接影响到投资环境和居民健康，因此越来越受到政府和公众的关注。目前，全国已经有180个地级以上城市(109个重点城市)实现了环境空气质量日报，其中90个地级城市(83个重点城市)还实现了环境空气质量预报，并通过电视台、电台、报纸等媒体向社会发布。一个城市的空气质量主要由两个方面决定：一时污染源的排放及分布状况，二是大气对污染物的扩散能力。
现有的空气质量变化分析主要以数据分析为主，通过得到的数据分析空气质量的变化情况，分析结果较为单一。
发明内容
本发明提供一种空气质量分析方法、装置、设备及存储介质，以解决目前的空气质量分析方法中分析结果较为单一的技术问题。
第一方面，本发明实施例提供一种空气质量分析方法，包括：
获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；
根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值；
根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；
根据预设的映射关系、所述目标空气质量参数的平均值以及所述目标空气质量参数的变化率的平均值，确定目标污染源的相关信息；其中，所述映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
第二方面，本发明实施例提供一种空气质量分析装置，包括：
获取模块，用于获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；
第一确定模块，用于根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值；
第二确定模块，用于根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；
第三确定模块，用于根据预设的映射关系、所述目标空气质量参数的平均值以及所述目标空气质量参数的变化率的平均值，确定目标污染源的相关信息；其中，所述映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面提供的空气质量分析方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面提供的空气质量分析方法。
本发明实施例提供一种空气质量分析方法、装置、设备及存储介质，该方法包括：获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值；根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；根据预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息，其中，映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。该空气质量分析方法中，一方面，可以基于获取到的目标空气质量参数，确定出目标污染源的相关信息，了解污染来源、实现趋势判断等，实现了一种全面的空气质量分析；另一方面，可以基于预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息，由于综合了目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，保证了确定出的目标污染源的相关信息的准确性。
附图说明
图1为本发明一个实施例提供的空气质量分析方法的流程示意图；
图2为本发明实施例提供的空气质量分析方法中形成的空气质量指数的平均值与空气质量指数的变化率的平均值的示意图；
图3为本发明实施例提供的空气质量分析方法中形成的二氧化氮的浓度的平均值与二氧化氮的浓度的变化率的平均值的示意图；
图4为本发明一个实施例提供的空气质量分析装置的结构示意图；
图5为本发明一个实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
当前，因为我国经济发展形势依然不够完善，经济快速发展的同时会伴随着环境破坏，空气质量无疑是其中较为严重的内容。全国很多地方都有着环境污染的痛楚，因此，国家开始逐渐的认识到环境保护重要意义，提出了可持续发展的战略构想，保证环境以及经济的和谐发展，不单单要关注经济增长速度，同时也要注重可持续发展。
现在，我国环境控制质量情况不容乐观，尤其是东北、华北以及西北等地区的空气污染情况较为严重，受到雾霾的影响相对较大。这些地区因为经济发展方式本身存在弊端，再加上气候以及地理环境等多种因素的共同影响，环境空气压力相对较大，只有提出满足当地社会经济发展条件以及特殊自然条件的模式，才可以实现空气污染的有效治理，从而实现经济、社会的和谐发展。
我国环境空气检测任务依然较为繁重，包括了农业源、工业源、生活源检测等多种方面，数量相对较多。同时各个地区的情况比较复杂，存在着差异化的特征，想要做到全面而又精确的检测，存在很大的难度。在信息技术快速发展的背景下，我国环境空气检测主要采用的是自动检测，可是因为受到地理、经济、技术以及人才等多种因素的影响，我国很多地方空气质量检测依然没有能够形成统一而又完善的体系，无法充分的发挥环境自动监测的优化。
城市环境质量的短期变化受城市的污染排放及气象影响较大，如：汽车尾气排放、化工厂排污、降雨、风向等因素。现有技术中，很多产品可以对某点的排放进行准确的监测但做不到一个溯源及预测功能。
本实施例提供一种空气质量分析方法，能够实现获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数，根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值，以及，多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值，并根据预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息，以实现对目标区域的空气质量的变化规律的分析，并有助地找到污染来源及预测之后可能存在的污染。
图1为本发明一个实施例提供的空气质量分析方法的流程示意图。本实施例适用于对空气质量进行分析的场景中。本实施例可以由空气质量分析装置来执行，该空气质量分析装置可以由软件和/或硬件的方式实现，该空气质量分析装置可以集成于计算机设备中。如图1所示，本实施例提供的空气质量分析方法包括如下步骤：
步骤101：获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数。
具体地，本实施例中，可以将城市以区县、街道、乡镇、社区(村)为单位，分级划定大气污染防治管理网格，大范围、高密度的布点，实现区域网格全覆盖。本实施例中的目标区域可以为需要分析空气质量的区域。这里的目标区域的范围可以为某个(社区)村、某个镇、某个节点、某个区或者某个城市。本实施例对此不作限制。
本实施例中的目标空气质量参数的来源可以是设置于该目标区域中的环境监测站，例如，微型站、小型站、省控站或者乡镇站等。本实施例中的目标空气质量参数指的是目标区域中的空气质量参数，为了描述方便，将其称为目标空气质量参数。
本实施例中的空气质量参数可以包括以下至少一项：空气质量指数、颗粒物的浓度、一氧化碳的浓度、二氧化硫的浓度、二氧化氮的浓度以及臭氧的浓度。这里的颗粒度可以为PM2.5或者PM10。相对应地，目标空气质量参数可以为以下至少一项：目标空气质量指数、目标颗粒物的浓度、目标一氧化碳的浓度、目标二氧化硫的浓度、目标二氧化氮的浓度以及目标臭氧的浓度。
本实施例中可以获取多个单位监测时长内的目标空气质量参数。这里的单位监测时长可以为0.5天、1天、2天等时长。在每个单位监测时长内，具有多个监测时刻。举例来说，当单位监测时长为1天时，可以将每个整点作为监测时刻，即，将0点、1点、2点、……、23点作为监测时刻。在上述示例中，每个单位监测时长可以包括24个监测时刻。
示例性地，本实施例中可以获取5天中，每天在各个整点监测到的目标空气质量参数。
一种实现方式中，步骤101中的获取方式可以是计算机设备向存储目标空气质量参数的计算机设备发送获取请求，存储目标空气质量参数的计算机设备在接收到获取请求后，向计算机设备反馈目标空气质量参数。获取请求中可以包括单位监测时长的数量。
另一种实现方式中，步骤101中的获取方式可以是存储目标空气质量参数的计算机设备主动向计算机设备反馈多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数。
步骤102：根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值。
具体地，在获取到多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数后，可以基于目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值。
在单位监测时长的数量为3天，并且，单位监测时长为1天，1天中的每个整点为监测时刻的场景中，可以通过以下方式确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值：可以将这3天中0点的目标空气质量参数的平均值，作为这3天内0点的目标空气质量参数的平均值；将这3天中1点的目标空气质量参数的平均值，作为这3天内1点的目标空气质量参数的平均值；以此类推，直至确定出这3天内23点的目标空气质量参数的平均值。
可选地，在确定平均值的过程中，为了使结果更为准确，可以对某些单位监测时长中各监测时刻的目标空气质量参数乘以加权系数。
更具体地，可以根据公式
确定多个单位监测时长中第j个监测时刻的目标空气质量参数的平均值tj。其中，ti,j表示第i个单位监测时长中的第j个监测时刻的目标空气质量参数。1≤i≤M，1≤j≤N，并且，j从1到N遍历取值。M表示单位监测时长的数量，N表示每个单位监测时长内的监测时刻的数量。
步骤103：根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值。
具体地，在获取到多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数后，可以基于目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值。
一种实现方式中，步骤103的实现过程可以为：根据ti,j与ti,j+1之间的变化趋势，确定每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率；根据每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率，确定多个单位监测时长内第j个监测时刻的目标空气质量参数的变化率的平均值。
更具体地，一种实现方式中，当ti,j+1相较于ti,j上升时，确定ti,j的变化率为第一预设值；当ti,j+1相较于ti,j下降或者无变化时，确定ti,j的变化率为第二预设值。其中，第二预设值小于第一预设值。采用这种实现方式，可以实现利用二值化的方式衡量每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率，简化了运算过程，提高了空气质量分析的效率。
举例来说，在单位监测时长的数量为3天，并且，单位监测时长为1天，1天中的每个整点为监测时刻的场景中，可以通过以下方式确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值：可以先确定出这三天中，每天的0点到23点的目标空气质量参数的变化率；将这3天内的0点的目标空气质量参数的变化率的平均值，作为这3天内0点的目标空气质量参数的变化率的平均值；将这3天中1点的目标空气质量参数的变化率的平均值，作为这3天内1点的目标空气质量参数的变化率的平均值；以此类推，直至确定出这3天内23点的目标空气质量参数的变化率的平均值。
更具体地，举例来说，在确定第1天的0点到23点的目标空气质量参数的变化率时，可以比较0点到1点的目标空气质量参数，当1点相较于0点的目标空气质量参数上升时，确定0点的目标空气质量参数的变化率为1；再比较1点与2点的目标空气质量参数，当2点相较于1点的目标空气质量参数下降时，确定1点的目标空气质量参数的变化率为0；以此类推，直至确定出22点的目标空气质量参数的变化率。可选地，可以设置23点的目标空气质量参数的变化率与22点的目标空气质量参数的变化率相等，也可以设置23点的目标空气质量参数的变化率为预设值。
当然，也可以计算出ti,j+1与ti,j之间的具体变化率。再根据具体变化率，确定出多个单位监测时长内第j个监测时刻的目标空气质量参数的变化率的平均值。
步骤104：根据预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息。
其中，映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
具体地，本实施例中预先设置了映射关系，用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。本实施例中的污染源的相关信息可以包括：污染来源、对应措施、污染产生原因、污染好转原因等信息。表1为映射关系的示意表。
以下以空气质量参数为空气质量指数及二氧化氮的浓度为例，具体解释上述映射关系的示意表。
第一种场景如下所示。当空气质量参数为空气质量指数时，映射关系包括：
当空气质量指数的平均值大于第一预设值，并且，空气质量指数的变化率的平均值大于第二预设值(即浓度高且变化率为上升)时，对应的污染源的相关信息为：污染严重；
当空气质量指数的平均值小于或者等于第一预设值，并且，空气质量指数的变化率的平均值大于第二预设值(即浓度低且变化率为上升)时，对应的污染源的相关信息为：逐渐发生污染；
当空气质量指数的平均值大于第一预设值，并且，空气质量指数的变化率的平均值小于或者等于第二预设值(即浓度高且变化率为下降)时，对应的污染源的相关信息为：突发一次重污染；
当空气质量指数的平均值小于或者等于第一预设值，并且，空气质量指数的变化率的平均值小于或者等于第二预设值(即浓度低且变化率为下降)时，对应的污染源的相关信息为：污染减少，浓度下降。
第二种场景如下所示。当空气质量参数为二氧化氮的浓度时，映射关系包括：
当二氧化氮的浓度的平均值大于第三预设值，并且，二氧化氮的浓度的变化率的平均值大于第四预设值(即浓度高且变化率为上升)时，对应的污染源的相关信息为：高峰期车辆尾气排放造成污染，可以采取的措施为限号限行；
当二氧化氮的浓度的平均值小于或者等于第三预设值，并且，二氧化氮的浓度的变化率的平均值大于第四预设值(即浓度低且变化率为上升)时，对应的污染源的相关信息为：机动车增加；
当二氧化氮的浓度的平均值大于第三预设值，并且，二氧化氮的浓度的变化率的平均值小于或者等于第四预设值(即浓度高且变化率为下降)时，对应的污染源的相关信息为：车辆减少、企业氮氧化物减排以及高温下二氧化氮转臭氧中的至少一种；
当二氧化氮的浓度的平均值小于或者等于第三预设值，并且，二氧化氮的浓度的变化率的平均值小于或者等于第四预设值(即浓度低且变化率为下降)时，对应的污染源的相关信息为：本底小于本底预设值、扩散条件满足第一预设条件以及光化学转化满足第二预设条件中的至少一种。这里的扩散条件满足第一预设条件即表示扩散条件持续较好。光化学转化满足第二预设条件即表示光化学转化强。
在步骤104中，可以先基于目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值确定出对应的变化内容(即，是属于浓度高且变化率为上升、浓度低且变化率为上升、浓度高且变化率为下降以及浓度低且变化率为下降中的哪一种情况)，再基于映射关系表，确定出污染源的相关信息。
一种实现方式中，由于确定出的目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值为多个单位监测时长内各监测时刻的值，因此，可以以监测时刻为单位，确定污染源的相关信息。换句话说，可以基于多个单位监测时长内每个监测时刻对应的目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定该监测时刻对应的目标污染源的相关信息。
另一种实现方式中，可以将多个相邻的监测时刻作为整体，确定污染源的相关信息。本实施例对此不作限制。
需要说明的是，步骤102与步骤103之间没有时序关系。
在步骤102及步骤103之后，为了提高用户体验，本实施例提供的空气质量分析方法还可以包括如下步骤：在以目标空气质量参数的平均值为纵坐标、各监测时刻为横坐标的坐标系中，以曲线形式，显示多个单位监测时长内各监测时刻的目标空气质量参数的平均值；在以目标空气质量参数的变化率的平均值为纵坐标、各监测时刻为横坐标的坐标系中，以直方图形式，显示多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值。
图2为本发明实施例提供的空气质量分析方法中形成的空气质量指数的平均值与空气质量指数的变化率的平均值的示意图。如图2所示，横坐标表示一天时间中的每个整点时刻，纵坐标代表目标空气质量指数及变化趋势。单位监测时长的数量为5天。曲线21表示5天内，每个整点的目标空气质量指数的平均值。方框22表示5天内，每个整点的目标空气质量指数的变化率的平均值。示例性地，从图2中可以看出这5天内3时的空气质量指数的平均值为63.6。
图3为本发明实施例提供的空气质量分析方法中形成的二氧化氮的浓度的平均值与二氧化氮的浓度的变化率的平均值的示意图。如图3所示，横坐标表示一天时间中的每个整点时刻，纵坐标代表目标二氧化氮的浓度及变化趋势。单位监测时长的数量为7天。曲线31表示7天内，每个整点的目标二氧化氮的浓度的平均值。方框32表示7天内，每个整点的目标二氧化氮的浓度的变化率的平均值。从图3中可以看出目标二氧化氮的浓度的变化曲线呈中谷形。
请继续参照图3，可以看出在10时-15时内，曲线31代表的目标二氧化氮的浓度的平均值处于持续下降状态，同时方框32代表的目标二氧化氮的浓度的变化率的平均值，其变化也呈下降趋势。分析得出这7日内，10时-15时内该目标区域的NO2污染减少，浓度下降，说明时段内污染减少。且10时-13时浓度减少趋势达到百分之百，证明该目标区域这7天内在10时-13时不存在NO2污染，以后可以继续保持原有的环境保护措施。
请继续参照图3，可以看出在在16时-23时内，曲线31代表的目标二氧化氮的浓度的平均值处于持续上升状态，同时方框32代表的目标二氧化氮的浓度的变化率的平均值，其变化也呈上升趋势。分析得出这7日内，16时-23时内该目标区域的NO2污染增加，浓度增加，说明时段内污染严重。且18时-19时浓度上升趋势达到百分之百，证明该目标区域这7天内18时-19时NO2的排放都特别严重，造成环境污染。由于城市中的NO2主要来源于汽车尾气，18时-19时处于下班高峰期，所以NO2排放严重。为保证城市环境，减少NO2污染，应采取措施对下班高峰期的汽车尾气排放管进行管制。
本实施例提供的空气质量分析方法，包括：获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值；根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；根据预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息，其中，映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。该空气质量分析方法中，一方面，可以基于获取到的目标空气质量参数，确定出目标污染源的相关信息，了解污染来源、实现趋势判断等，实现了一种全面的空气质量分析；另一方面，可以基于预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息，由于综合了目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，保证了确定出的目污染源的相关信息的准确性。
图4为本发明一个实施例提供的空气质量分析装置的结构示意图。如图4所示，本实施例提供的空气质量分析装置包括如下模块：获取模块41、第一确定模块42、第二确定模块43以及第三确定模块44。
获取模块41，用于获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数。
第一确定模块42，用于根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的平均值。
可选地，第一确定模块42具体用于：根据公式
确定多个单位监测时长中第j个监测时刻的目标空气质量参数的平均值tj。其中，ti,j表示第i个单位监测时长中的第j个监测时刻的目标空气质量参数。1≤i≤M，1≤j≤N，并且，j从1到N遍历取值。M表示单位监测时长的数量。N表示每个单位监测时长内的监测时刻的数量。
第二确定模块43，用于根据各目标空气质量参数，确定多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值。
可选地，第二确定模块43具体用于：根据ti,j与ti,j+1之间的变化趋势，确定每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率；根据每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率，确定多个单位监测时长内第j个监测时刻的目标空气质量参数的变化率的平均值。
在根据ti,j与ti,j+1之间的变化趋势，确定每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率的方面，第二确定模块43具体用于：当ti,j+1相较于ti,j上升时，确定ti,j的变化率为第一预设值；当ti,j+1相较于ti,j下降或者无变化时，确定ti,j的变化率为第二预设值。其中，第二预设值小于第一预设值。
第三确定模块44，用于根据预设的映射关系、目标空气质量参数的平均值以及目标空气质量参数的变化率的平均值，确定目标污染源的相关信息。
其中，映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
可选地，空气质量参数包括以下至少一项：空气质量指数、颗粒物的浓度、一氧化碳的浓度、二氧化硫的浓度、二氧化氮的浓度以及臭氧的浓度。
第一种场景中，当空气质量参数为空气质量指数时，映射关系包括：
当空气质量指数的平均值大于第一预设值，并且，空气质量指数的变化率的平均值大于第二预设值时，对应的污染源的相关信息为：污染严重；
当空气质量指数的平均值小于或者等于第一预设值，并且，空气质量指数的变化率的平均值大于第二预设值时，对应的污染源的相关信息为：逐渐发生污染；
当空气质量指数的平均值大于第一预设值，并且，空气质量指数的变化率的平均值小于或者等于第二预设值时，对应的污染源的相关信息为：突发一次重污染；
当空气质量指数的平均值小于或者等于第一预设值，并且，空气质量指数的变化率的平均值小于或者等于第二预设值时，对应的污染源的相关信息为：污染减少，浓度下降。
第二种场景中，当空气质量参数为二氧化氮的浓度时，映射关系包括：
当二氧化氮的浓度的平均值大于第三预设值，并且，二氧化氮的浓度的变化率的平均值大于第四预设值时，对应的污染源的相关信息为：高峰期车辆尾气排放造成污染；
当二氧化氮的浓度的平均值小于或者等于第三预设值，并且，二氧化氮的浓度的变化率的平均值大于第四预设值时，对应的污染源的相关信息为：机动车增加；
当二氧化氮的浓度的平均值大于第三预设值，并且，二氧化氮的浓度的变化率的平均值小于或者等于第四预设值时，对应的污染源的相关信息为：车辆减少、企业氮氧化物减排以及高温下二氧化氮转臭氧中的至少一种；
当二氧化氮的浓度的平均值小于或者等于第三预设值，并且，二氧化氮的浓度的变化率的平均值小于或者等于第四预设值时，对应的污染源的相关信息为：本底小于本底预设值、扩散条件满足第一预设条件以及光化学转化满足第二预设条件中的至少一种。
可选地，装置还包括：显示模块。该显示模块用于在以目标空气质量参数的平均值为纵坐标、各监测时刻为横坐标的坐标系中，以曲线形式，显示多个单位监测时长内各监测时刻的目标空气质量参数的平均值。以及，显示模块，用于在以目标空气质量参数的变化率的平均值为纵坐标、各监测时刻为横坐标的坐标系中，以直方图形式，显示多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值。
本发明实施例所提供的空气质量分析装置可执行本发明任意实施例所提供的空气质量分析方法，具备执行方法相应的功能模块和有益效果。
图5为本发明一个实施例提供的计算机设备的结构示意图。如图5所示，该计算机设备包括处理器50和存储器51。该计算机设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；该计算机设备的处理器50和存储器51可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的空气质量分析方法对应的程序指令以及模块(例如，空气质量分析装置中的获取模块41、第一确定模块42、第二确定模块43以及第三确定模块44)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及空气质量分析方法，即实现上述的空气质量分析方法。
存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种空气质量分析方法，该方法包括：
获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；
根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值；
根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；
根据预设的映射关系、所述目标空气质量参数的平均值以及所述目标空气质量参数的变化率的平均值，确定目标污染源的相关信息；其中，所述映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的空气质量分析方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)执行本发明各个实施例所述的空气质量分析方法。
值得注意的是，上述空气质量分析装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种空气质量分析方法，其特征在于，所述方法包括：
获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；
根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值；
根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；
根据预设的映射关系、所述目标空气质量参数的平均值以及所述目标空气质量参数的变化率的平均值，确定目标污染源的相关信息；其中，所述映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值，包括：
根据公式
确定所述多个单位监测时长中第j个监测时刻的目标空气质量参数的平均值tj；其中，ti,j表示第i个单位监测时长中的第j个监测时刻的目标空气质量参数，1≤i≤M，1≤j≤N，并且，j从1到N遍历取值，M表示单位监测时长的数量，N表示每个单位监测时长内的监测时刻的数量。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值，包括：
根据ti,j与ti,j+1之间的变化趋势，确定所述每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率；
根据每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率，确定多个单位监测时长内第j个监测时刻的目标空气质量参数的变化率的平均值。
4.根据权利要求3所述的方法，其特征在于，所述根据ti,j与ti,j+1之间的变化趋势，确定所述每个单位监测时长内第j个监测时刻的目标空气质量参数的变化率，包括：
当ti,j+1相较于ti,j上升时，确定ti,j的变化率为第一预设值；
当ti,j+1相较于ti,j下降或者无变化时，确定ti,j的变化率为第二预设值；其中，所述第二预设值小于所述第一预设值。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述空气质量参数包括以下至少一项：空气质量指数、颗粒物的浓度、一氧化碳的浓度、二氧化硫的浓度、二氧化氮的浓度以及臭氧的浓度。
6.根据权利要求5所述的方法，其特征在于，当所述空气质量参数为空气质量指数时，所述映射关系包括：
当所述空气质量指数的平均值大于第一预设值，并且，所述空气质量指数的变化率的平均值大于第二预设值时，对应的污染源的相关信息为：污染严重；
当所述空气质量指数的平均值小于或者等于第一预设值，并且，所述空气质量指数的变化率的平均值大于第二预设值时，对应的污染源的相关信息为：逐渐发生污染；
当所述空气质量指数的平均值大于第一预设值，并且，所述空气质量指数的变化率的平均值小于或者等于第二预设值时，对应的污染源的相关信息为：突发一次重污染；
当所述空气质量指数的平均值小于或者等于第一预设值，并且，所述空气质量指数的变化率的平均值小于或者等于第二预设值时，对应的污染源的相关信息为：污染减少，浓度下降；
当所述空气质量参数为二氧化氮的浓度时，所述映射关系包括：
当所述二氧化氮的浓度的平均值大于第三预设值，并且，所述二氧化氮的浓度的变化率的平均值大于第四预设值时，对应的污染源的相关信息为：高峰期车辆尾气排放造成污染；
当所述二氧化氮的浓度的平均值小于或者等于第三预设值，并且，所述二氧化氮的浓度的变化率的平均值大于第四预设值时，对应的污染源的相关信息为：机动车增加；
当所述二氧化氮的浓度的平均值大于第三预设值，并且，所述二氧化氮的浓度的变化率的平均值小于或者等于第四预设值时，对应的污染源的相关信息为：车辆减少、企业氮氧化物减排以及高温下二氧化氮转臭氧中的至少一种；
当所述二氧化氮的浓度的平均值小于或者等于第三预设值，并且，所述二氧化氮的浓度的变化率的平均值小于或者等于第四预设值时，对应的污染源的相关信息为：本底小于本底预设值、扩散条件满足第一预设条件以及光化学转化满足第二预设条件中的至少一种。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在以目标空气质量参数的平均值为纵坐标、各监测时刻为横坐标的坐标系中，以曲线形式，显示所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值；
在以目标空气质量参数的变化率的平均值为纵坐标、各监测时刻为横坐标的坐标系中，以直方图形式，显示所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值。
8.一种空气质量分析装置，其特征在于，包括：
获取模块，用于获取目标区域中的多个单位监测时长内，每个单位监测时长中各监测时刻的目标空气质量参数；
第一确定模块，用于根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的平均值；
第二确定模块，用于根据各所述目标空气质量参数，确定所述多个单位监测时长内各监测时刻的目标空气质量参数的变化率的平均值；
第三确定模块，用于根据预设的映射关系、所述目标空气质量参数的平均值以及所述目标空气质量参数的变化率的平均值，确定目标污染源的相关信息；其中，所述映射关系用于指示空气质量参数的平均值、空气质量参数的变化率的平均值与污染源的相关信息的对应关系。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的空气质量分析方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的空气质量分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011270240.5A CN112505247B (zh) | 2020-11-13 | 2020-11-13 | 空气质量分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011270240.5A CN112505247B (zh) | 2020-11-13 | 2020-11-13 | 空气质量分析方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112505247A true CN112505247A (zh) | 2021-03-16 |
| CN112505247B CN112505247B (zh) | 2023-07-04 |
Family
ID=74957543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011270240.5A Active CN112505247B (zh) | 2020-11-13 | 2020-11-13 | 空气质量分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112505247B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645007A (zh) * | 2023-06-29 | 2023-08-25 | 山东寰达生态环境科技股份有限公司 | 一种基于多维数据采集的环境评价方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60100749A (ja) * | 1983-11-07 | 1985-06-04 | Honda Motor Co Ltd | 車両用自動空調制御装置の汚染検知方法 |
| JP2006177685A (ja) * | 2004-12-21 | 2006-07-06 | Hitachi Ltd | 汚染源探索方法及びこれを用いた汚染物質除去システム |
| CN104613594A (zh) * | 2014-12-30 | 2015-05-13 | 小米科技有限责任公司 | 信息提醒方法及装置 |
| WO2015159101A1 (en) * | 2014-04-17 | 2015-10-22 | Airbase Systems Ltd | A method and system for analysing environmental data |
| CN105866347A (zh) * | 2016-05-24 | 2016-08-17 | 扬州大学 | 大气中挥发性有机物的平均相对浓度和活性的检测方法 |
| CN109541730A (zh) * | 2018-11-23 | 2019-03-29 | 长三角环境气象预报预警中心（上海市环境气象中心） | 一种大气污染物浓度预测的方法及设备 |
| CN110836954A (zh) * | 2019-11-01 | 2020-02-25 | 淮安信息职业技术学院 | 一种基于plc控制的有毒气体泄露危害预测系统及方法 |
| CN111121862A (zh) * | 2019-09-29 | 2020-05-08 | 广西中遥空间信息技术有限公司 | 一种空天地一体化的大气环境监测系统及方法 |
| CN111912937A (zh) * | 2020-07-20 | 2020-11-10 | 清华大学 | 一种室内突发污染物智能实时溯源方法及系统 |
-
2020
- 2020-11-13 CN CN202011270240.5A patent/CN112505247B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60100749A (ja) * | 1983-11-07 | 1985-06-04 | Honda Motor Co Ltd | 車両用自動空調制御装置の汚染検知方法 |
| JP2006177685A (ja) * | 2004-12-21 | 2006-07-06 | Hitachi Ltd | 汚染源探索方法及びこれを用いた汚染物質除去システム |
| WO2015159101A1 (en) * | 2014-04-17 | 2015-10-22 | Airbase Systems Ltd | A method and system for analysing environmental data |
| CN104613594A (zh) * | 2014-12-30 | 2015-05-13 | 小米科技有限责任公司 | 信息提醒方法及装置 |
| CN105866347A (zh) * | 2016-05-24 | 2016-08-17 | 扬州大学 | 大气中挥发性有机物的平均相对浓度和活性的检测方法 |
| CN109541730A (zh) * | 2018-11-23 | 2019-03-29 | 长三角环境气象预报预警中心（上海市环境气象中心） | 一种大气污染物浓度预测的方法及设备 |
| CN111121862A (zh) * | 2019-09-29 | 2020-05-08 | 广西中遥空间信息技术有限公司 | 一种空天地一体化的大气环境监测系统及方法 |
| CN110836954A (zh) * | 2019-11-01 | 2020-02-25 | 淮安信息职业技术学院 | 一种基于plc控制的有毒气体泄露危害预测系统及方法 |
| CN111912937A (zh) * | 2020-07-20 | 2020-11-10 | 清华大学 | 一种室内突发污染物智能实时溯源方法及系统 |
Non-Patent Citations (16)
| Title |
|---|
| 余光辉;李玲玲;李振国;李博超;: "太原市主要大气污染物分析与预测", 环境科学与管理, no. 04, pages 171 - 174 * |
| 张新玲,安俊岭,程新金,程炜: "污染源、气象条件变化对我国SO_2浓度及硫沉降量分布的影响", 大气科学, no. 05, pages 939 - 947 * |
| 温彦平: "无车日活动对太原市环境空气质量改善的影响", 《科技情报开发与经济》 * |
| 温彦平: "无车日活动对太原市环境空气质量改善的影响", 《科技情报开发与经济》, no. 24, 31 December 2012 (2012-12-31), pages 114 - 117 * |
| 王东: "沈阳市大气环境现状和对策", 《科技情报开发与经济》 * |
| 王东: "沈阳市大气环境现状和对策", 《科技情报开发与经济》, no. 31, 30 November 2007 (2007-11-30), pages 69 - 70 * |
| 王晓冬等: "长春市空气质量预报系统的研制及应用", 《长春理工大学学报(自然科学版)》 * |
| 王晓冬等: "长春市空气质量预报系统的研制及应用", 《长春理工大学学报(自然科学版)》, no. 03, 30 September 2006 (2006-09-30), pages 99 - 102 * |
| 罗明汉等: "氮氧化物光化学转化特征及模拟方法", 《环境工程》 * |
| 罗明汉等: "氮氧化物光化学转化特征及模拟方法", 《环境工程》, no. 03, 31 March 2017 (2017-03-31), pages 106 - 112 * |
| 邹惠芬等: "城市街谷内流场及污染物的实测分析", 《沈阳建筑大学学报(自然科学版)》 * |
| 邹惠芬等: "城市街谷内流场及污染物的实测分析", 《沈阳建筑大学学报(自然科学版)》, no. 04, 30 July 2018 (2018-07-30), pages 751 - 757 * |
| 陈旭等: "融合AERONET与MODIS AOD数据的大气污染监测研究", 《科技创新与生产力》 * |
| 陈旭等: "融合AERONET与MODIS AOD数据的大气污染监测研究", 《科技创新与生产力》, no. 05, 31 May 2018 (2018-05-31), pages 65 - 68 * |
| 陈鹏飞等: "北京地区3500m高空内污染物的时空分布特征", 《中国环境科学》 * |
| 陈鹏飞等: "北京地区3500m高空内污染物的时空分布特征", 《中国环境科学》, no. 10, 31 October 2012 (2012-10-31), pages 1729 - 1735 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645007A (zh) * | 2023-06-29 | 2023-08-25 | 山东寰达生态环境科技股份有限公司 | 一种基于多维数据采集的环境评价方法及系统 |
| CN116645007B (zh) * | 2023-06-29 | 2024-04-09 | 山东寰达生态环境科技股份有限公司 | 一种基于多维数据采集的环境评价方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112505247B (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| Wang et al. | China’s city-level energy-related CO2 emissions: Spatiotemporal patterns and driving forces | |
| Wang et al. | Estimating the impacts of urban form on CO2 emission efficiency in the Pearl River Delta, China | |
| CN113128791B (zh) | 基于moves模型的机动车排放清单测算方法及装置 | |
| CN108489875B (zh) | 一种基于时段统计分析的污染物溯源系统及方法 | |
| CN112749478A (zh) | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 | |
| Wang et al. | Modelling air quality during the EXPLORE-YRD campaign–Part I. Model performance evaluation and impacts of meteorological inputs and grid resolutions | |
| CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
| 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 | |
| Cai et al. | Impacts of winter heating on the atmospheric pollution of northern China’s prefectural cities: evidence from a regression discontinuity design | |
| CN113624921B (zh) | 多模式综合污染溯源方法 | |
| Feng et al. | Investigation on air pollution control strategy in Hangzhou for post-G20/pre-Asian-games period (2018–2020) | |
| Ming et al. | Nonlinear effects of urban and industrial forms on surface urban heat island: Evidence from 162 Chinese prefecture-level cities | |
| CN114357058A (zh) | 一种臭氧污染溯源方法 | |
| Shareef et al. | Optimization of air quality monitoring network using GIS based interpolation techniques | |
| CN116381160A (zh) | 基于监测数据的大气污染综合溯源方法及终端 | |
| CN112132450A (zh) | 一种气态污染物的定位方法 | |
| CN112505247B (zh) | 空气质量分析方法、装置、设备及存储介质 | |
| CN107767081A (zh) | 一种燃煤电厂大气环境影响评价方法及装置 | |
| Jiang et al. | Hotter days, dirtier air: the impact of extreme heat on energy and pollution intensity in China | |
| CN112634113A (zh) | 一种基于动态滑窗的污染废气关联分析方法 | |
| CN112198280A (zh) | 一种气体污染源监测方法、系统、设备及存储介质 | |
| CN116484166A (zh) | 一种基于大气污染浓度变化率的突出值站点识别方法 | |
| CN115290525A (zh) | 一种基于实测的大气颗粒物污染快速溯源方法 | |
| Cheng et al. | China's economic growth and haze pollution control |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 301-1, floor 3, building 10, Zhongguancun Software Park, No. 8, Dongbeiwang West Road, Haidian District, Beijing 100193 Applicant after: Beijing softong Intelligent Technology Co.,Ltd. Address before: 100193 202, floor 2, building 16, East District, No. 10, northwest Wangdong Road, Haidian District, Beijing Applicant before: Beijing Softcom Smart City Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |