CN112526639B - 一种空气质量的预报方法、装置、存储介质 - Google Patents
一种空气质量的预报方法、装置、存储介质 Download PDFInfo
- Publication number
- CN112526639B CN112526639B CN202011364811.1A CN202011364811A CN112526639B CN 112526639 B CN112526639 B CN 112526639B CN 202011364811 A CN202011364811 A CN 202011364811A CN 112526639 B CN112526639 B CN 112526639B
- Authority
- CN
- China
- Prior art keywords
- air quality
- forecasting
- pollutant
- forecast
- data
- 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
- 238000013277 forecasting method Methods 0.000 title abstract description 25
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 131
- 231100000719 pollutant Toxicity 0.000 claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 101
- 238000012545 processing Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 28
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 16
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 10
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 10
- 239000013618 particulate matter Substances 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000356 contaminant Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 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 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 5
- 239000003738 black carbon Substances 0.000 claims description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 14
- 239000010410 layer Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 210000001503 joint Anatomy 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000002356 single layer Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000011324 bead Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
-
- 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
- G01N33/0068—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 using a computer specifically programmed
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Combustion & Propulsion (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Air Conditioning Control Device (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种空气质量的预报方法、装置、存储介质及终端，所述方法包括：将各个污染物的第二初始浓度数据和边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果，因此，采用本申请实施例，将空气质量的预报方法所采用的预报流程进行了有效地切分，将空气质量的预报流程切分为第一预报流程和第二预报流程，通过第一预报流程，能够提供统一的初始化边界条件，通过第二预报流程，能够进行精细化预报，相比现有的预报方法均采用嵌套预报方法，有效地简化了预报流程，从而最终提高了预报方法的预报效率。
Description
技术领域
本发明涉及环境保护技术领域，特别涉及一种空气质量的预报方法、装置、存储介质。
背景技术
目前，通常采用空气质量预报模式在高性能计算服务器上运算获得各种污染物的未来时空分布来实现区域、城市空气质量预报。空气质量预报模式是用于空气质量研究的一种研究工具，其用数值方法描述大气中污染物的传输、扩散、化学反应以及清除过程，通过输入研究地区的源排放、地形以及气象资料、运行模式得到该地区的空气质量时空演变数据。由于空气质量预报模式的计算过程复杂、且计算量大，因此，需要在大规模高性能计算服务器上实现并行计算，以达到提高计算效率、且缩短计算时间的目的。
空气质量预报需具备及时性，因此，要求空气质量预报模式需在一定时间内完成计算。空气质量预报模式计算采用的空间分辨率越高，则计算量越大。在相同计算资源条件下，计算时间越长。为了达到提高目标地区的预报精细度、且尽可能节省计算资源并缩短计算时间的目的，空气质量预报模式的设置和运行通常采用多层嵌套的方式。以对乌鲁木齐市的空气质量预报过程为例，空气质量预报模式采用三层嵌套设置，最外层采用27km分辨率，覆盖中亚地区；第二层采用9km分辨率，覆盖新疆；最里层采用3km分辨率，覆盖乌鲁木齐市。重点关注地区(即乌鲁木齐市)采用高分辨率，可以提供更精细化的预报；而外围区域(即中亚地区)采用低分辨率，在节省计算资源的同时可以覆盖较大的区域，能够充分考虑天气系统的演变和污染物的长距离输送影响，保障预报准确性。另外，空气质量预报模式的运算本质上是求解一组偏微分方程组，需要提供相应的初始浓度和边界条件。
此外，当前各区域、城市的空气质量预报模式都是独立运行，并未进行多层级对接；这样，各个预报系统之间的数据无法相互使用。
再者，多次重复计算外层区域，从整个预报流程来看，浪费了宝贵的计算资源。
发明内容
基于此，有必要针对现有的空气质量预报方法需要耗费大量的计算资源、预报计算时间过长、且各个预报系统之间的数据无法相互使用的问题，提供一种空气质量的预报方法、装置、电子设备和存储介质。
第一方面，本申请实施例提供了一种空气质量的预报方法，所述方法应用于第一服务器，所述方法包括：
获取符合预设条件且具有第一分辨率的第一污染物预报结果和第一空气质量预报模式的配置信息，所述预设条件包括预设嵌套预报区域、预设预报时长和预设预报时间点，所述第一空气质量预报模式为数据源所采用的空气质量预报模式；
根据所述第一污染物预报结果和所述配置信息，提取与所述第一空气质量预报模式匹配的各个污染物的第一初始浓度数据；
根据目标地区的预报需求信息提取模拟区域的第一边界条件数据，所述模拟区域为模拟的所述目标地区的边界区域，预报需求为采用第二空气质量预报模式的目标地区的预报需求；
根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行处理，得到与所述第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；
将各个污染物的第二初始浓度数据和所述边界条件数据下发至用于预报所述目标地区的空气质量的第二服务器，以使得所述第二服务器根据所述第二初始浓度数据和所述第二边界条件数据，采用所述第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。
在一种实施方式中，所述根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行处理包括：
根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行插值处理，和/或，
根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行对接匹配处理。
在一种实施方式中，所述配置信息包括以下至少一项：与所述第一空气质量预报模式对应的网格设置信息、与所述第一空气质量预报模式对应的化学成分信息、与所述第一空气质量预报模式对应的垂直分层信息、与所述第一空气质量预报模式对应的时间信息和与所述第一空气质量预报模式对应的数据格式信息。
在一种实施方式中，所述预报需求信息包括以下至少一项：待预报的各个污染物的类型信息、待预报的各个污染物的精度信息、待预报的各个污染物的时间段信息、用于展示各个污染物的预报结果的展示方式信息和待预报的预报区域信息。
在一种实施方式中，各个污染物包括以下至少一项：二氧化硫、二氧化氮、一氧化碳、臭氧、细颗粒物PM2.5、可吸入颗粒物PM10、黑碳、有机碳、一氧化氮和甲醛。
第二方面，本申请实施例提供了一种空气质量的预报方法，所述方法应用于第二服务器，所述方法包括：
接收第一服务器下发的各个污染物的第二初始浓度数据和第二边界条件数据；
获取目标地区所采用的第二空气质量预报模式；
根据所述第二初始浓度数据和所述第二边界条件数据，运行所述第二空气质量预报模式进行所述目标地区的空气质量预报，得到具有第二分辨率的第二污染物预报结果，所述第二污染物预报结果包括所述目标地区的污染物预报数据和/或与所述目标地区关联的边界区域的污染物预报数据。
第三方面，本申请实施例提供了一种空气质量的预报装置，所述装置应用于第一服务器，所述装置包括：
获取单元，用于获取符合预设条件且具有第一分辨率的第一污染物预报结果和第一空气质量预报模式的配置信息，所述预设条件包括预设嵌套预报区域、预设预报时长和预设预报时间点，所述第一空气质量预报模式为数据源所采用的空气质量预报模式；
提取单元，用于根据所述获取单元获取的所述第一污染物预报结果和所述配置信息，提取与所述第一空气质量预报模式匹配的各个污染物的第一初始浓度数据；以及
根据目标地区的预报需求信息提取模拟区域的第一边界条件数据，所述模拟区域为模拟的所述目标地区的边界区域，预报需求为采用第二空气质量预报模式的目标地区的预报需求；
处理单元，用于根据所述第二空气质量预报模式，分别对所述提取单元提取的各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行处理，得到与所述第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；
下发单元，用于将所述处理单元处理得到的各个污染物的第二初始浓度数据和所述边界条件数据下发至用于预报所述目标地区的空气质量的第二服务器，以使得所述第二服务器根据所述第二初始浓度数据和所述第二边界条件数据，采用所述第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。
第四方面，本申请实施例提供了一种空气质量的预报装置，所述装置应用于第二服务器，所述装置包括：
接收单元，用于接收第一服务器下发的各个污染物的第二初始浓度数据和第二边界条件数据；
获取单元，用于获取目标地区所采用的第二空气质量预报模式；
预报单元，用于根据所述第二初始浓度数据和所述第二边界条件数据，运行所述第二空气质量预报模式进行所述目标地区的空气质量预报，得到具有第二分辨率的第二污染物预报结果，所述第二污染物预报结果包括所述目标地区的污染物预报数据和/或与所述目标地区关联的边界区域的污染物预报数据。
第五方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
第六方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理，得到与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；将各个污染物的第二初始浓度数据和第二边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。采用本公开实施例，将空气质量的预报方法所采用的预报流程进行了有效地切分，将空气质量的预报流程切分为第一预报流程和第二预报流程，通过第一预报流程，能够提供统一的初始化边界条件，通过第二预报流程，能够进行精细化预报，相比现有的预报方法均采用嵌套预报方法，有效地简化了预报流程，从而最终提高了预报方法的预报效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种空气质量的预报方法的流程示意图；
图2是本申请实施例具体应用场景下的空气质量的预报方法的流程示意图；
图3是本申请实施例具体实例中的O3小时模拟值时间序列的示意图；
图4是本申请实施例提供的另一种空气质量的预报方法的流程示意图；
图5是本申请实施例提供的一种空气质量的预报装置的结构示意图；
图6是本申请实施例提供的另一种空气质量的预报装置的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
基于现有的空气质量的预报方法需要耗费大量的计算资源、预报计算时间过长、且各个预报系统之间的数据无法相互使用的问题，为此，本申请提供了一种空气质量的预报方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理，得到与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；将各个污染物的第二初始浓度数据和边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。本公开实施例提供的预报方法，将空气质量的预报方法所采用的预报流程进行了有效地切分，将空气质量的预报流程切分为第一预报流程和第二预报流程，通过第一预报流程，能够提供统一的初始化边界条件，通过第二预报流程，能够进行精细化预报，相比现有的预报方法均采用嵌套预报方法，有效地简化了预报流程，从而最终提高了预报方法的预报效率，下面采用示例性的实施例进行详细说明。
下面将结合图1-图4，对本申请实施例提供的空气质量的预报方法进行详细介绍。该空气质量的预报方法可依赖于计算机程序实现，可运行于空气质量的预报装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。
请参见图1，为本申请实施例提供了一种空气质量的预报方法的流程示意图。如图1所示，本申请实施例的空气质量的预报方法应用于第一服务器，第一服务器是具有高性能的服务器，第一服务器能够处理复杂的计算，进行并行计算，这样，不仅能够有效地提高计算效率，还能够缩短计算时间。本申请实施例提供的空气质量的预报方法可以包括以下步骤：
S101，获取符合预设条件且具有第一分辨率的第一污染物预报结果和第一空气质量预报模式的配置信息，预设条件包括预设嵌套预报区域、预设预报时长和预设预报时间点，第一空气质量预报模式为数据源所采用的空气质量预报模式。
需要说明的是，第一分辨率为粗分辨率、且范围大，一般至少需要覆盖整个东亚地区，最大覆盖全球。
预设嵌套预报区域可以根据不同精度的需求进行调整，例如，将预设嵌套预报区域配置为100km，或者，将预设嵌套预报区域配置为45km，又或者，将预设嵌套预报区域配置为27km，在此，对预设嵌套预报区域不做具体限制。
预设嵌套预报区域可以为100km，或者
在本申请实施例中，配置信息包括以下至少一项：
与第一空气质量预报模式对应的网格设置信息、与第一空气质量预报模式对应的化学成分信息、与第一空气质量预报模式对应的垂直分层信息、与第一空气质量预报模式对应的时间信息和与第一空气质量预报模式对应的数据格式信息。
上述仅仅罗列了常见的配置信息，可以根据不同应用场景的需求，引入其他的配置信息，在此不再赘述。
S102，根据第一污染物预报结果和配置信息，提取与第一空气质量预报模式匹配的各个污染物的第一初始浓度数据。
在本申请实施例中，与第一空气质量预报模式匹配的各个污染物的第一初始浓度数据是指各个污染物的第一初始浓度数据是能够与第一空气质量预报模式相兼容，即：各个污染物的第一初始浓度数据能够顺利地运行于第一空气质量预报模式中。在本申请实施例中，各个污染物包括以下至少一项：二氧化硫、二氧化氮、一氧化碳、臭氧、细颗粒物PM2.5、可吸入颗粒物PM10、黑碳、有机碳、一氧化氮和甲醛。
上述仅仅罗列了常见的各个污染物，可以根据不同应用场景的需求，引入其他种类的污染物，在此不再赘述。
S103，根据目标地区的预报需求信息提取模拟区域的第一边界条件数据，模拟区域为模拟的目标地区的边界区域，预报需求为采用第二空气质量预报模式的目标地区的预报需求。
在本申请实施例中，预报需求信息包括以下至少一项：待预报的各个污染物的类型信息、待预报的各个污染物的精度信息、待预报的各个污染物的时间段信息、用于展示各个污染物的预报结果的展示方式信息和待预报的预报区域信息。
上述仅仅罗列了常见的预报需求信息，可以根据不同应用场景的需求，引入其他的预报需求信息，在此不再赘述。
S104，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理，得到与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据。
在本申请实施例中，得到的与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据是指各个污染物的第二初始浓度数据和/或第二边界条件数据能够与第二空气质量预报模式相兼容，即：各个污染物的第二初始浓度数据和/或第二边界条件数据能够顺利地运行与第二空气质量预报模式。
在本申请实施例中，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理包括以下步骤：
根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行插值处理。在对此进行插值处理的程度并不做具体限制，只要得到的各个污染物的第二初始浓度数据和/或第二边界条件数据能够与第二空气质量预报模式匹配(对接)即可。
需要说明的是，在本申请实施例中，对各个污染物的第一初始浓度数据和第一边界条件数据进行插值处理的方法为常规方法，在此不再赘述。此外，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行插值处理的程度并不做具体限制。
在本申请实施例中，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理还包括以下步骤：
根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行对接匹配处理；这样，通过上述对接匹配处理，使得不同预报系统之间的数据能够兼容、且互相使用，从而最终有效地解决现有的各个预报系统之间的数据无法相互使用的问题。
需要说明的是，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行对接匹配处理方法为现有技术，在此对所采用的现有技术手段并不做具体限制，只要使得各个污染物的第一初始浓度数据和/或第一边界条件数据经过对接匹配处理之后，能够跟第二空气质量预报模式相兼容即可。
S105，将各个污染物的第二初始浓度数据和第二边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。
在本申请实施例中，第二服务器为能够针对目标地区小范围区域的空气质量进行精准预测处理的服务器。这样，第一服务器将处理得到的各个污染物的第二初始浓度数据和第二边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据进行空气质量的预报，得到对应的预报结果；这样，在保证预报精度的前提下，还能够有效地减少第二服务器的计算量，从而更加高效地获得最终的预报结果。
如图2所示，是本申请实施例具体应用场景下的空气质量的预报方法的流程示意图。本申请实施例提供的空气质量的预报方法包括以下步骤：
步骤①：运行全球或全国尺度的空气质量预报模式，获得粗分辨率(如100km或45km或27km)长时段(如15天)的多种污染物预报结果。
步骤①通常由国家环境质量预报中心完成，每天例行提供全球或全国尺度空气质量预报结果，预报结果中至少包含未来预报时段内、逐小时、三维网格化的SO2、NO2、CO、O3、PM2.5、PM10、BC(黑碳)、OC(有机碳)、NO、HCHO等常见污染物浓度值。
步骤②：提取目标地区(区域、省份或城市)空气质量预报模式的各污染物的第一初始浓度数据、第一边界条件数据。
基于步骤①的全球或全国尺度空气质量预报结果，结合步骤①采用的数据源空气质量预报模式的配置信息(包括模式网格设置、化学成分、垂直分层、时间信息等)和目标地区所采用的空气质量的配置信息(包括边界网格、时间信息等)，提取目标地区空气质量预报模式的初始浓度数据和边界条件数据。其中，初始浓度数据的时间与目标区域的预报起报时刻一致；边界条件数据包含东南西北四个边界，时间上覆盖目标区域的整个预报时长。步骤②生成的初始浓度数据和边界条件数据，其数据格式、化学成分、垂直分层等仍然保持与数据源模式一致。
步骤③：在步骤②基础上，结合目标地区(区域、省份或城市)选用的空气质量预报模式及配置信息，实现各污染物浓度初始浓度数据、边界条件数据的插值处理及与不同空气质量预报模式的对接匹配。
在步骤②获取的数据基础上，结合步骤①采用的数据源空气质量预报模式的配置信息(包括模式网格设置、化学成分、垂直分层、时间信息、数据格式等)和目标地区所采用的空气质量的配置信息(包括边界网格、化学成分、时间信息、数据格式等)，对步骤②获取的数据进行插值处理和对接匹配，生成适用于目标地区空气质量预报模式的各污染物浓度初始浓度数据、边界条件数据。步骤③生成的初始浓度数据和边界条件数据，其数据格式、化学成分、垂直分层、时间信息等与目标地区空气质量预报模式的要求保持一致，可以作为其输入数据。支持的空气质量预报模式包括目前国内外常用的NAQPMS、CMAQ、CAMx、WRF-Chem等模式。
在步骤③中，NAQPMS、CMAQ、CAMx、WRF-Chem等模式均为常规的模式，在此不再赘述。
步骤④：目标地区(区域、省份或城市)空气质量预报模式的初始浓度数据、边界条件数据下发和接收对接。
通过公共网络或专线网络，将步骤③得到的初始浓度数据、边界条件数据进行压缩并每天从国家环境质量预报中心实时下发传输到目标地区生态环境保护局，目标地区生态环境保护局进行动态接收和对接。
步骤⑤：基于接收的模式初始浓度数据、边界条件数据，运行目标地区(区域、省份或城市)空气质量预报模式，获得目标地区高分辨率(如9km、3km或1km)的多污染物预报结果。
基于步骤④每天获得的模式初始浓度数据、边界条件数据，结合模式配置，动态运行目标地区空气质量预报模式，获得目标地区及其周边高分辨率多污染物预报数据。该步骤运行的空气质量预报模式通常选择重点关注地区即可，无需考虑外围大区域模拟，采用单层或双层嵌套模拟即可，分辨率不低于10km。空气质量预报模式支持目前国内外常用的NAQPMS、CMAQ、CAMx、WRF-Chem等模式。
在步骤⑤中，NAQPMS、CMAQ、CAMx、WRF-Chem等模式均为常规的模式，在此不再赘述。
如下为采用本申请实施例的空气质量的预报方法的一个具体实例及对应的数据，具体如下所述：
2017年5月21日-30日，广东省遭遇了一次区域性O3污染过程，污染跨区域输送显著，为对比边界输送对O3浓度的影响提供了条件。挑选这一时段作为珠三角典型O3污染过程，配置多层嵌套模拟区域进行基准模拟。
采用4层嵌套模拟方案，每层分辨率从低到高分别为81km、27km、9km、3km，依次覆盖东亚地区(88×77网格、d01区域)、我国东南地区(108×90网格、d02区域)、我国南部(186×150网格、d03区域)、广东省及其周边地区(264×201网格、d04区域)。
多层嵌套模拟完成后，通过d01区域的输出结果提取d04区域的初始浓度、边界条件并驱动NAQPMS模式再次模拟2017年5月21日-30日的污染过程。d04区域往往为需要精准预报其空气质量的区域，与多层嵌套模拟的d04区域O3浓度进行对比，对比数据如下所示：
对于2017年5月21日-2017年5月30日珠三角地区O3污染过程，边界模拟结果与多层嵌套模拟结果无明显差异，两者的空间分布及污染程度基本一致，变化百分率基本介于-10％-10％间。
如图3所示，是本申请实施例具体实例中的O3小时模拟值时间序列的示意图；在图3中，标注为1的曲线为多层嵌套对应的时间序列图，而标注为2的曲线为边界单层模拟对应的时间序列图，其中，(1)为广州站点的时间序列图，而(2)为韶关站点的时间序列图，而(3)为汕头站点的时间序列图，而(4)为湛江站点的时间序列图。如图3所示的上述四个站点是在广东省周边及中心挑选出四个监测站点，对比分析边界单层NAQPMS模式与多层嵌套NAQPMS模式模拟结果中O3小时浓度时间序列差异。挑选的四个站点中，两个版本结果中O3小时模拟值量值与变化趋势基本一致，特别是汕头市的龙子湖站高度吻合，变化百分率仅为-1％，其它三个站边界在峰值处的模拟值略低于多层嵌套结果，变化百分率在-9％～-6％间。
如下表对两种方法的计算时间和模拟差异进行了简要对比，如下表是两种模拟方法在计算时间和模拟差异的对比表，具体数据如下所示：
由上述表可知，两者的O3浓度模拟差异总体小于10％，而接收初始浓度、边界条件进行单层模拟的计算时间缩短了约63％。
如图4所示，是本申请实施例提供的另一种空气质量的预报方法的流程示意图。
如图4所示，本申请实施例的空气质量的预报方法应用于第二服务器，第二服务器为能够针对目标地区小范围区域的空气质量进行精准预报处理的服务器。本申请实施例提供的空气质量的预报方法可以包括以下步骤：
S401，接收第一服务器下发的各个污染物的第二初始浓度数据和第二边界条件数据。
在本申请实施例中，针对第一服务器、第二初始浓度数据和第二边界条件数据的描述参见前述相同或相关描述，在此不再赘述。
S402，获取目标地区所采用的第二空气质量预报模式；
在本申请实施例中，第二空气质量预报模式可以为NAQPMS、CMAQ、CAMx、WRF-Chem模式中的任意一种模式。基于上述模式均为常规的模式，在此不再赘述。
S403，根据第二初始浓度数据和第二边界条件数据，运行第二空气质量预报模式进行目标地区的空气质量预报，得到具有第二分辨率的第二污染物预报结果，第二污染物预报结果包括目标地区的污染物预报数据和/或与目标地区关联的边界区域的污染物预报数据。
在本申请实施例提供的预报方法中，第二分辨率是相对于上述第一分辨率而言的，第二分辨率为高分辨率。最终得到的第二污染物预报结果为具有高分辨率的预报结果，该预报结果不仅包括目标地区的污染物预报数据，还包括与目标地区关联的周边地区的污染物预报数据，例如，周边地区可以为处于目标地区边界的边界区域；这样，不仅能够有效地扩大预报结果所涉及到的预报区域，还能够将边界区域的空气质量对目标地区空气质量的影响因素考虑进去，从而进一步地提高了目标地区空气质量的预报精准度。
在本申请实施例中，由于能够直接采用第一服务器下发的各个污染物的第二初始浓度数据和第二边界条件数据，运行第二空气质量预报模式，这样，不仅使得各个预报系统之间的数据可以相互使用，还能够有效地减少第二服务器的运算量，大大地缩短得到目标地区的预报结果的时间。此外，在减少第二服务器的运算量的同时，还能够保证预报结果具有高分辨率以及高精准度。
在本申请实施例中，各个污染物包括以下至少一项：二氧化硫、二氧化氮、一氧化碳、臭氧、细颗粒物PM2.5、可吸入颗粒物PM10、黑碳、有机碳、一氧化氮和甲醛。
在实际应用中，还可以根据不同应用场景的需求，还可以预报其它种类的污染物，在此不再赘述。在本申请实施例中，在得到具有第二分辨率的第二污染物预报结果之后，还可以根据不同用户的定制需求，将该第二污染物预报结果根据定制需求发送给相应的用户终端上，以便于用户随时查看该第二污染物预报结果，并根据第二污染物预报结果安排用户的出行行程，或者提前安排相应的锻炼计划。
在本申请实施例中，根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理，得到与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；将各个污染物的第二初始浓度数据和第二边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。本申请实施例，将空气质量的预报方法所采用的预报流程进行了有效地切分，将空气质量的预报流程切分为第一预报流程和第二预报流程，通过第一预报流程，能够提供统一的初始化边界条件，通过第二预报流程，能够进行精细化预报，相比现有的预报方法均采用嵌套预报方法，有效地简化了预报流程，从而最终提高了预报方法的预报效率。
下述为本发明空气质量的预报装置实施例，可以用于执行本发明空气质量的预报方法实施例。对于本发明空气质量的预报装置实施例中未披露的细节，请参照本发明空气质量的预报方法实施例。
请参见图5，其示出了本发明一个示例性实施例提供的一种空气质量的预报装置的结构示意图。该空气质量的预报装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该空气质量的预报装置应用于第一服务器，本申请实施例的空气质量的预报装置包括获取单元502、提取单元504、处理单元506和下发单元508；
具体而言，获取单元502，用于获取符合预设条件且具有第一分辨率的第一污染物预报结果和第一空气质量预报模式的配置信息，预设条件包括预设嵌套预报区域、预设预报时长和预设预报时间点，第一空气质量预报模式为数据源所采用的空气质量预报模式；
提取单元504，用于根据获取单元502获取的第一污染物预报结果和配置信息，提取与第一空气质量预报模式匹配的各个污染物的第一初始浓度数据；以及根据目标地区的预报需求信息提取模拟区域的第一边界条件数据，模拟区域为模拟的目标地区的边界区域，预报需求为采用第二空气质量预报模式的目标地区的预报需求；
处理单元506，用于根据第二空气质量预报模式，分别对提取单元504提取的各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理，得到与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；
下发单元508，用于将处理单元506处理得到的各个污染物的第二初始浓度数据和第二边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。
可选的，处理单元506具体用于：
根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行插值处理，和/或，
根据第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或第一边界条件数据进行对接匹配处理。
可选的，配置信息包括以下至少一项：与第一空气质量预报模式对应的网格设置信息、与第一空气质量预报模式对应的化学成分信息、与第一空气质量预报模式对应的垂直分层信息、与第一空气质量预报模式对应的时间信息和与第一空气质量预报模式对应的数据格式信息。
可选的，预报需求信息包括以下至少一项：待预报的各个污染物的类型信息、待预报的各个污染物的精度信息、待预报的各个污染物的时间段信息、用于展示各个污染物的预报结果的展示方式信息和待预报的预报区域信息。
可选的，各个污染物包括以下至少一项：二氧化硫、二氧化氮、一氧化碳、臭氧、细颗粒物PM2.5、可吸入颗粒物PM10、黑碳、有机碳、一氧化氮和甲醛。
如图6所示，是本申请实施例提供的另一种空气质量的预报装置的结构示意图。该空气质量的预报装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该空气质量的预报装置应用于第二服务器，本申请实施例的空气质量的预报装置包括接收单元602、获取单元604和预报单元606；
具体而言，接收单元602，用于接收第一服务器下发的各个污染物的第二初始浓度数据和第二边界条件数据；
获取单元604，用于获取目标地区所采用的第二空气质量预报模式；
预报单元606，用于根据第二初始浓度数据和第二边界条件数据，运行第二空气质量预报模式进行目标地区的空气质量预报，得到具有第二分辨率的第二污染物预报结果，第二污染物预报结果包括目标地区的污染物预报数据和/或与目标地区关联的边界区域的污染物预报数据。
需要说明的是，上述实施例提供的空气质量的预报装置在执行空气质量的预报方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的空气质量的预报装置与空气质量的预报方法实施例属于同一构思，其体现实现过程详见空气质量的预报方法实施例，这里不再赘述。
在本申请实施例中，处理单元用于根据第二空气质量预报模式，分别对提取单元提取的各个污染物的第一初始浓度数据和/或第一边界条件数据进行处理，得到与第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；以及下发单元用于将处理单元处理得到的各个污染物的第二初始浓度数据和边界条件数据下发至用于预报目标地区的空气质量的第二服务器，以使得第二服务器根据第二初始浓度数据和第二边界条件数据，采用第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。本申请实施例，将空气质量的预报装置所采用的预报流程进行了有效地切分，将空气质量的预报流程切分为第一预报流程和第二预报流程，通过第一预报流程，能够提供统一的初始化边界条件，通过第二预报流程，能够进行精细化预报，相比现有的预报装置均采用嵌套预报流程，有效地简化了预报流程，从而最终提高了预报装置的预报效率。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的空气质量的预报方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例所述的空气质量的预报方法。
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、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (8)
1.一种空气质量的预报方法，其特征在于，所述方法应用于第一服务器，所述方法包括：
获取符合预设条件且具有第一分辨率的第一污染物预报结果和第一空气质量预报模式的配置信息，所述预设条件包括预设嵌套预报区域、预设预报时长和预设预报时间点，所述第一空气质量预报模式为数据源所采用的空气质量预报模式；
根据所述第一污染物预报结果和所述配置信息，提取与所述第一空气质量预报模式匹配的各个污染物的第一初始浓度数据；
根据目标地区的预报需求信息提取模拟区域的第一边界条件数据，所述模拟区域为模拟的所述目标地区的边界区域，预报需求为采用第二空气质量预报模式的目标地区的预报需求；
根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行处理，得到与所述第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；
将各个污染物的第二初始浓度数据和所述第二边界条件数据下发至用于预报所述目标地区的空气质量的第二服务器，以使得所述第二服务器根据所述第二初始浓度数据和所述第二边界条件数据，采用所述第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行处理包括：
根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行插值处理，和/或，根据所述第二空气质量预报模式，分别对各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行对接匹配处理。
3.根据权利要求1所述的方法，其特征在于，
所述配置信息包括以下至少一项：
与所述第一空气质量预报模式对应的网格设置信息、与所述第一空气质量预报模式对应的化学成分信息、与所述第一空气质量预报模式对应的垂直分层信息、与所述第一空气质量预报模式对应的时间信息和与所述第一空气质量预报模式对应的数据格式信息。
4.根据权利要求1所述的方法，其特征在于，
所述预报需求信息包括以下至少一项：
待预报的各个污染物的类型信息、待预报的各个污染物的精度信息、待预报的各个污染物的时间段信息、用于展示各个污染物的预报结果的展示方式信息和待预报的预报区域信息。
5.根据权利要求1所述的方法，其特征在于，
各个污染物包括以下至少一项：
二氧化硫、二氧化氮、一氧化碳、臭氧、细颗粒物PM2.5、可吸入颗粒物PM10、黑碳、有机碳、一氧化氮和甲醛。
6.一种空气质量的预报装置，其特征在于，所述装置应用于第一服务器，所述装置包括：
获取单元，用于获取符合预设条件且具有第一分辨率的第一污染物预报结果和第一空气质量预报模式的配置信息，所述预设条件包括预设嵌套预报区域、预设预报时长和预设预报时间点，所述第一空气质量预报模式为数据源所采用的空气质量预报模式；
提取单元，用于根据所述获取单元获取的所述第一污染物预报结果和所述配置信息，提取与所述第一空气质量预报模式匹配的各个污染物的第一初始浓度数据；以及
根据目标地区的预报需求信息提取模拟区域的第一边界条件数据，所述模拟区域为模拟的所述目标地区的边界区域，预报需求为采用第二空气质量预报模式的目标地区的预报需求；
处理单元，用于根据所述第二空气质量预报模式，分别对所述提取单元提取的各个污染物的第一初始浓度数据和/或所述第一边界条件数据进行处理，得到与所述第二空气质量预报模式匹配的各个污染物的第二初始浓度数据和/或第二边界条件数据；
下发单元，用于将所述处理单元处理得到的各个污染物的第二初始浓度数据和所述第二边界条件数据下发至用于预报所述目标地区的空气质量的第二服务器，以使得所述第二服务器根据所述第二初始浓度数据和所述第二边界条件数据，采用所述第二空气质量预报模式进行空气质量的预报，得到对应的预报结果。
7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1至5任意一项的方法步骤。
8.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至5任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011364811.1A CN112526639B (zh) | 2020-11-27 | 2020-11-27 | 一种空气质量的预报方法、装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011364811.1A CN112526639B (zh) | 2020-11-27 | 2020-11-27 | 一种空气质量的预报方法、装置、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112526639A CN112526639A (zh) | 2021-03-19 |
| CN112526639B true CN112526639B (zh) | 2021-08-17 |
Family
ID=74994738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011364811.1A Active CN112526639B (zh) | 2020-11-27 | 2020-11-27 | 一种空气质量的预报方法、装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112526639B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642223B (zh) * | 2021-10-13 | 2022-05-06 | 中科三清科技有限公司 | 空气质量预报方法、装置、设备和计算机可读存储介质 |
| CN114048279B (zh) * | 2021-11-23 | 2022-06-17 | 中科三清科技有限公司 | 生成预报信息的方法和装置 |
| CN114239271A (zh) * | 2021-12-16 | 2022-03-25 | 中科三清科技有限公司 | 一种大气污染预警方法、装置和设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10139384B1 (en) * | 2015-01-16 | 2018-11-27 | Airviz Inc. | Data fusion for personal air pollution exposure |
| CN108052704A (zh) * | 2017-11-24 | 2018-05-18 | 南京大学 | 带网格嵌套功能的中尺度大气光化学污染模拟预测算法 |
| CN111103405A (zh) * | 2019-12-24 | 2020-05-05 | 象辑知源（武汉）科技有限公司 | 空气质量预报预警系统 |
-
2020
- 2020-11-27 CN CN202011364811.1A patent/CN112526639B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112526639A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112526639B (zh) | 一种空气质量的预报方法、装置、存储介质 | |
| Yan et al. | An evaluation system based on the self-organizing system framework of smart cities: A case study of smart transportation systems in China | |
| CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| CN109978249B (zh) | 基于分区建模的人口数据空间化方法、系统及介质 | |
| CN101299834B (zh) | 基站位置核查的方法 | |
| WO2017133110A1 (zh) | 一种城市动态空间结构圈层界定法 | |
| CN113720972B (zh) | 大气污染物的源解析方法及装置 | |
| CN110910963B (zh) | 气溶胶光学厚度的三维变分同化方法、系统和存储介质 | |
| CN107451150B (zh) | 地理数据呈现方法及装置 | |
| CN105631537A (zh) | 基于气象服务平台的空气质量预报业务系统 | |
| CN103336894B (zh) | 一种城市容积率自动分区方法 | |
| CN113155498B (zh) | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 | |
| WO2023206983A1 (zh) | 一种多源大气环境数据融合方法、装置、终端及存储介质 | |
| CN111753906B (zh) | 污染物传输轨迹的聚类方法、装置、电子设备及存储介质 | |
| CN112505254A (zh) | 一种大气污染来源的解析方法、装置、存储介质及终端 | |
| CN103489139A (zh) | 城市配电网规划综合分析与管理系统 | |
| CN109598056A (zh) | 城市建设用地形态紧凑度的测度方法、系统及存储介质 | |
| CN102081657B (zh) | 一种基于网络的卫星云图定位方法 | |
| CN109508292B (zh) | 水土流失野外调查与评价系统的测试方法 | |
| CN112001074B (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 | |
| CN111143769A (zh) | 一种基于大数据的出行方式分担率的预测方法和预测装置 | |
| CN114239271A (zh) | 一种大气污染预警方法、装置和设备 | |
| Zheng et al. | Road-network-based spatial allocation of on-road mobile source emissions in the pearl river delta region, China, and comparisons with population-based approach | |
| CN109799549B (zh) | 气态污染物浓度柱转换方法及装置 | |
| CN114841438B (zh) | 预评估排放源对空气质量影响的方法、装置和电子设备 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210319 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Air quality forecasting method, device and storage medium Granted publication date: 20210817 License type: Common License Record date: 20220815 |
|
| EE01 | Entry into force of recordation of patent licensing contract |