CN112800603A - 一种基于集合最优插值算法的大气环境数据同化方法 - Google Patents
一种基于集合最优插值算法的大气环境数据同化方法 Download PDFInfo
- Publication number
- CN112800603A CN112800603A CN202110101677.4A CN202110101677A CN112800603A CN 112800603 A CN112800603 A CN 112800603A CN 202110101677 A CN202110101677 A CN 202110101677A CN 112800603 A CN112800603 A CN 112800603A
- Authority
- CN
- China
- Prior art keywords
- data
- simulation
- atmospheric
- station
- air quality
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 25
- 231100000719 pollutant Toxicity 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000003915 air pollution Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012950 reanalysis Methods 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 239000000779 smoke Substances 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims 1
- 230000017105 transposition Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于集合最优插值算法的大气环境数据同化方法，其步骤如下：使用空气质量模型模拟选定区域的污染过程，获得大气污染物浓度；按照空间网格点提取模拟的污染数据；采集并筛选地面台站监测的大气污染物数据，利用空间插值算法使台站监测数据生成与空气质量模型模拟数据空间分辨率一致、经纬度匹配的网格数据；根据台站数据设置集合最优插值的背景误差协方差，将模拟数据与台站数据进行集合最优插值数据同化。本发明能有效改善空气质量模型的模拟结果，显著提高大气污染监测的精度和空间分辨率，是开展空气质量数据同化技术研究的有效方法。本发明是一种广泛适用于非线性动力系统的数据同化算法，具有通用性强、同化精度高的优点。
Description
(一)所属技术领域
本发明涉及一种基于集合最优插值算法的大气环境数据同化方法，属于大气环境科学领域，在大气污染数据监测与模拟预测技术研究和空气污染治理方面具有重要意义。
(二)背景技术
空气质量与人类健康息息相关，为此世界卫生组织颁布了一系列针对大气污染防治的指导方针，部分国家和地区也相继颁布了相应的法律法规条例。尽管在过去几十年中，人们在污染物的排放溯源以及降低城市地区的空气污染物浓度水平等方面取得了重大进展，但是据相关统计资料显示，世界范围内每年仍有数百万人死于空气污染。为了保护广大民众免受大气污染的危害，越来越多的国家都着手制定适用于本地区的实时空气质量预测系统。高精度空气质量模型预测结果对精准开展大气污染防治措施具有十分重要的意义，虽然空气质量模型的输出提供了污染物的空间分布特征和时间演化特征，但其模拟结果往往难以及时表现出区域偶发性、突发性的污染情况。另一方面，对台站监测数据进行插值处理未能充分考虑到大气污染形成过程中复杂的物理化学机理。数据同化技术很好地弥补了上述污染监测过程中使用单一数据源的不足，将地面台站监测数据的高精度特征与空气质量模型模拟良好的时空分布特征结合，从而获得对整个大气污染过程的最优估计。
本发明提出了一种基于集合最优插值算法的大气环境数据同化方法，能够显著提高空气质量模型的模拟精度，同化后数据兼具高运算效率、高时空分辨率、高预测精度三点优势，为环境监管部门高效治理空气质量提供技术支撑。
(三)发明内容
本发明涉及一种基于集合最优插值算法的大气环境数据同化方法。使用空气质量模型模拟选定区域的污染过程，获得大气污染物浓度；按照空间网格点提取模拟的污染数据；采集并筛选台站监测的大气污染物数据，利用空间插值算法使台站数据生成与空气质量模型输出数据空间分辨率一致、经纬度匹配的网格数据；根据台站数据设置集合最优插值的背景误差协方差，将模拟数据与台站数据进行集合最优插值数据同化，其具体步骤如下：
步骤一：根据选定区域特点设置气象模型参数，由气象再分析资料得到精细化网格气象数据；
步骤二：根据选定区域特点使用大气污染源清单再分配网格SMOKE模型对模拟污染区域的排放情况进行精细化分配，使污染物的源排放更加符合当地实际污染排放特征；
步骤三：根据选定区域特点设置空气质量模型参数，从模型模拟输出数据中按照空间网格点提取大气污染物，每个网格点包含相关大气污染物浓度数值与空间经纬度坐标；其具体计算过程如下：
第一步：根据研究区域特点设置空气质量模型参数，使模拟机理符合当地污染过程机理；
第二步：使用空气质量模型模拟一定时段内的空气污染过程，得到所需大气污染物的空间分布浓度数据，将模拟数据中痕量气体的单位换算为质量浓度；
第三步：格式化处理模拟数据，从中提取PM2.5、PM10颗粒污染物和大气痕量气体NO2、SO2、O3、CO，生成网格化模拟污染数据集，数据集中每个网格点包含该点的空间经纬度坐标以及该点对应大气污染物浓度模拟数值；
步骤四：在上一步选定的区域内采集并筛选地面台站监测的大气污染物数据，使用插值算法处理原本在空间中离散点状分布的台站数据，最终输出空间分辨率一致，经纬度匹配的网格数据；具体计算过程如下：
第一步：在空气质量模型的模拟区域内选取台站监测站点，每一个站点都应被模拟区域所覆盖；
第二步：使用插值算法对台站数据做插值处理，可选算法包括最近邻插值法、反距离权重插值法、克里金插值法，生成覆盖模拟区域所有网格点的面状数据；在使用台站数据之前需要进行数据预处理，通过位置检查、极值检查和数据一致性检查将不符合要求的监测值进行了剔除；
第三步：将上步生成的面状数据与模拟数据进行空间匹配，将面状的台站插值数据划分为网格数据，生成与模拟数据空间分辨率一致，经纬度匹配的网格数据集，数据集中每个网格点都包含该点的空间经纬度坐标以及该点对应的大气污染物浓度台站监测数值；
步骤五：将模拟数据与台站数据进行集合最优插值数据同化，具体计算过程如下：
xa＝xb+K(y0-H[xb])
K＝PHT(HPHT+R)-1
其中，P为背景误差协方差矩阵，用作状态更新过程；R作为观测误差协方差矩阵是数据同化过程中的先验参数，通常情况下需要人为设置适当的数值；最后通过增益矩阵K、状态量xb、观测量y直接求解状态更新后的xa；
分析大气污染模拟空间分布数据，计算得到观测误差协方差和背景误差协方差；选取先验参数，假定观测协方差大小为
其中δ2为观测协方差，
为台站观测数据，t为t时刻；由于最优插值的观测误差协方差不变，本发明根据网格间空间距离设置测量误差协方差矩阵：
其中，Cov为网格点间的误差协方差，i,j分别表示网格点在空间中横纵坐标，d为网格点间的空间距离，L是特征空间相关性尺度，根据模式分辨率和站点空间分布来初始化赋值，e为自然对数，Var为空气质量模型模拟数据的误差方差，最后按照空间序列进行数据同化。
本发明与现有技术相比的优点在于：
(1)目前大气环境的两种技术手段：地面台站单点监测技术与空气质量数值模拟技术，都存在显著的不足，不能完全满足大气环境监测业务的应用需求。虽然地面台站监测数据具有较高的精度与时间频率，但主要问题在于其空间代表性不够，尤其是监测台站稀疏的偏远地区，而对台站监测数据进行插值处理未能考虑到大气污染形成过程中复杂的物理化学机理。另一方面，虽然空气质量模型的输出可以提供大气污染物的空间分布特征和时间演化特征，但其精度不高，而且模拟结果往往难以及时表现出区域偶发性、突发性的污染情况。为了弥补上述单一技术手段的不足，本发明的大气环境数据同化技术很好地融合了地面台站监测数据的高精度特征与空气质量模型模拟良好的时空分布特征结合，从而获得对整个大气污染过程的最优估计。
(2)本发明的大气环境数据同化方法，考虑了空气质量模型中涉及到的非线性物理、化学机理，该数据同化算法的通用性强、计算效率高，能为其他相关领域数据的同化提供技术参考。
(四)附图说明
图1为本发明流程框图。图2为基于本发明实现的结果图，其中(a)为京津冀地区台站监测NO2浓度分布，(b)为基于CMAQ空气质量模型模拟的京津冀地区NO2浓度空间分布，(c)为基于集合最优插值算法的数据同化后的NO2浓度空间分布。
(五)具体实施方式
为了更好地说明本发明涉及的一种基于集合最优插值的大气环境监测数据同化方法，利用本发明的方法进行了测试与分析，取得了良好的效果，具体实施方法如下：
(1)选定京津冀地区作为研究区，根据选定区域特点设置气象模型参数，由美国NCEP(National Centers for Environment Prediction)发布的FNL全球分析数据作为气象再分析资料；
(2)对本区域MICS-2010污染排放源清单中的源进行再分配，得到精细化的大气污染排放数据；
(3)根据选定区域特点设置空气质量模型，从模型模拟输出数据中按照空间网格点提取大气污染物，每个网格点包含相关大气污染物浓度数值与空间经纬度坐标；
(4)在上一步选定的区域内采集并筛选地面台站监测的大气污染物数据，使用插值算法处理原本在空间中离散点状分布的台站数据，最终输出空间分辨率一致，经纬度匹配的网格数据；
(5)根据大气污染物的数据分布设置集合最优插值算法中的背景误差协方差，空气质量模型模拟数据结合地面台站插值数据进行同化，修正模式模拟结果，得到整个污染过程的最优估计。
实验结果如图2所示，基于本发明的数据同化算法，可以融合了空气质量参数数值模拟的空间分布的连续性与台站监测数据的高精度，显著改善了空气质量模型模拟精度。
Claims (1)
1.一种基于集合最优插值算法的大气环境数据同化方法，其特征在于包含以下步骤：
步骤一：根据选定区域特点设置气象模型参数，由气象再分析资料得到精细化网格气象数据；
步骤二：根据选定区域特点使用大气污染源清单再分配网格SMOKE模型对模拟污染区域的排放情况进行精细化分配，使污染物的源排放符合当地实际污染排放特征；
步骤三：根据选定区域特点设置空气质量模型参数，从模型模拟输出数据中按照空间网格点提取大气污染物，每个网格点包含相关大气污染物浓度数值与空间经纬度坐标，其具体计算过程如下：
第一步：根据研究区域特点设置空气质量模型参数，使模拟机理符合当地污染过程机理；
第二步：使用空气质量模型模拟一定时段内的空气污染过程，得到所需大气污染物的空间分布浓度数据，将模拟数据中痕量气体的单位换算为质量浓度；
第三步：格式化处理模拟数据，从中提取PM2.5、PM10颗粒污染物和大气痕量气体NO2、SO2、O3、CO，生成网格化模拟污染数据集，数据集中每个网格点包含该点的空间经纬度坐标以及该点对应大气污染物浓度模拟数值；
步骤四：在上一步选定的区域内采集并筛选地面台站监测的大气污染物数据，使用插值算法处理原本在空间中离散点状分布的台站数据，最终输出空间分辨率一致，经纬度匹配的网格数据，具体计算过程如下：
第一步：在空气质量模型的模拟区域内选取台站监测站点，每一个站点都应被模拟区域所覆盖；
第二步：使用插值算法对台站数据进行插值处理，可选算法包括最近邻插值法、反距离权重插值法、克里金插值法，生成覆盖模拟区域所有网格点的面状数据；在使用台站数据之前需要进行数据预处理，通过位置检查、极值检查和数据一致性检查将不符合要求的监测值进行了剔除；
第三步：将上步生成的面状数据与模拟数据进行空间匹配，将面状的台站插值数据划分为网格数据，生成与模拟数据空间分辨率一致，经纬度匹配的网格数据集，数据集中每个网格点都包含该点的空间经纬度坐标以及该点对应的大气污染物浓度台站监测数值；
步骤五：将模拟数据与台站数据进行集合最优插值数据同化，具体计算过程如下：
xa＝xb+K(y0-H[xb])
K＝PHT(HPHT+R)-1
其中，P为背景误差协方差矩阵，用作状态更新过程；R作为观测误差协方差矩阵是数据同化过程中的先验参数，通常情况下需要人为设置适当的数值；最后通过增益矩阵K、状态量xb、观测量y直接求解更新后的状态量xa；上角标T表示矩阵转置；H表示单位矩阵；
分析大气污染模拟空间分布数据，计算得到观测误差协方差和背景误差协方差；选取先验参数，假定观测协方差大小为
其中δ2为观测协方差，
为台站观测数据，t为t时刻；由于最优插值的观测误差协方差不变，本发明根据网格间空间距离设置测量误差协方差矩阵：
其中，Cov为网格点间的误差协方差，i,j分别表示网格点在空间中横坐标与纵坐标，d为网格点间的空间距离，L是特征空间相关性尺度，根据模式分辨率和站点空间分布来初始化赋值，e为自然对数，Var为空气质量模型模拟数据的方差，最后按照空间序列进行数据同化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110101677.4A CN112800603B (zh) | 2021-01-26 | 2021-01-26 | 一种基于集合最优插值算法的大气环境数据同化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110101677.4A CN112800603B (zh) | 2021-01-26 | 2021-01-26 | 一种基于集合最优插值算法的大气环境数据同化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112800603A true CN112800603A (zh) | 2021-05-14 |
| CN112800603B CN112800603B (zh) | 2024-05-24 |
Family
ID=75811722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110101677.4A Active CN112800603B (zh) | 2021-01-26 | 2021-01-26 | 一种基于集合最优插值算法的大气环境数据同化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112800603B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114088885A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测系统 |
| WO2023015588A1 (zh) * | 2021-08-10 | 2023-02-16 | 南京师范大学 | 一种基于量子游走的临近空间大气状态模拟方法及装置 |
| CN116304491A (zh) * | 2023-05-11 | 2023-06-23 | 长江三峡集团实业发展(北京)有限公司 | 一种海洋异常观测资料的同化方法及系统 |
| CN116578825A (zh) * | 2022-12-28 | 2023-08-11 | 上海勘测设计研究院有限公司 | 气象预测误差修正方法、装置、介质及电子设备 |
| CN116773186A (zh) * | 2023-08-22 | 2023-09-19 | 浙江恒齿传动股份有限公司 | 基于多模态数据的减速机运行检测方法及系统 |
| CN117093832A (zh) * | 2023-10-18 | 2023-11-21 | 山东公用环保集团检测运营有限公司 | 一种用于空气质量数据缺失的数据插补方法及系统 |
| CN117313307A (zh) * | 2023-06-26 | 2023-12-29 | 北京航空航天大学 | 一种融合时空环境信息的气候模型模拟温度数据修正方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101882874B1 (ko) * | 2017-09-05 | 2018-08-24 | 한국전력기술 주식회사 | 대기환경을 고려한 발전기 운영 계획 수립 방법 및 그 장치 |
| CN109709577A (zh) * | 2018-12-28 | 2019-05-03 | 南京雨后地软环境技术有限公司 | 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法 |
| CN110909309A (zh) * | 2019-11-21 | 2020-03-24 | 中国科学院遥感与数字地球研究所 | 一种逐小时高分辨率pm2.5数据的获取方法 |
| CN110909483A (zh) * | 2019-12-03 | 2020-03-24 | 河北先河环保科技股份有限公司 | 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 |
| CN111461439A (zh) * | 2020-04-02 | 2020-07-28 | 浙江大学 | 基于城市大气扩散过程模拟预测多热源供热系统负荷调度分配方法和系统 |
| CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
| CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
-
2021
- 2021-01-26 CN CN202110101677.4A patent/CN112800603B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101882874B1 (ko) * | 2017-09-05 | 2018-08-24 | 한국전력기술 주식회사 | 대기환경을 고려한 발전기 운영 계획 수립 방법 및 그 장치 |
| CN109709577A (zh) * | 2018-12-28 | 2019-05-03 | 南京雨后地软环境技术有限公司 | 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法 |
| CN110909309A (zh) * | 2019-11-21 | 2020-03-24 | 中国科学院遥感与数字地球研究所 | 一种逐小时高分辨率pm2.5数据的获取方法 |
| CN110909483A (zh) * | 2019-12-03 | 2020-03-24 | 河北先河环保科技股份有限公司 | 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 |
| CN111461439A (zh) * | 2020-04-02 | 2020-07-28 | 浙江大学 | 基于城市大气扩散过程模拟预测多热源供热系统负荷调度分配方法和系统 |
| CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
| CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王茜 等: "长三角区域空气质量数值预报系统及其在 重大活动保障中的应用", 中国环境监测, vol. 36, no. 2, 27 February 2020 (2020-02-27), pages 15 - 21 * |
| 黄思 等: "基于观测、模拟和同化数据的PM2.5 污染回顾分析", 气 候与环境研究, vol. 21, no. 6, 20 November 2016 (2016-11-20), pages 700 - 710 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023015588A1 (zh) * | 2021-08-10 | 2023-02-16 | 南京师范大学 | 一种基于量子游走的临近空间大气状态模拟方法及装置 |
| CN114088885A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测系统 |
| CN116578825A (zh) * | 2022-12-28 | 2023-08-11 | 上海勘测设计研究院有限公司 | 气象预测误差修正方法、装置、介质及电子设备 |
| CN116304491A (zh) * | 2023-05-11 | 2023-06-23 | 长江三峡集团实业发展(北京)有限公司 | 一种海洋异常观测资料的同化方法及系统 |
| CN116304491B (zh) * | 2023-05-11 | 2023-08-08 | 长江三峡集团实业发展(北京)有限公司 | 一种海洋异常观测资料的同化方法及系统 |
| CN117313307A (zh) * | 2023-06-26 | 2023-12-29 | 北京航空航天大学 | 一种融合时空环境信息的气候模型模拟温度数据修正方法 |
| CN116773186A (zh) * | 2023-08-22 | 2023-09-19 | 浙江恒齿传动股份有限公司 | 基于多模态数据的减速机运行检测方法及系统 |
| CN116773186B (zh) * | 2023-08-22 | 2023-11-07 | 浙江恒齿传动股份有限公司 | 基于多模态数据的减速机运行检测方法及系统 |
| CN117093832A (zh) * | 2023-10-18 | 2023-11-21 | 山东公用环保集团检测运营有限公司 | 一种用于空气质量数据缺失的数据插补方法及系统 |
| CN117093832B (zh) * | 2023-10-18 | 2024-01-26 | 山东公用环保集团检测运营有限公司 | 一种用于空气质量数据缺失的数据插补方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112800603B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112800603B (zh) | 一种基于集合最优插值算法的大气环境数据同化方法 | |
| CN110824110B (zh) | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统 | |
| Tang et al. | Improvement of ozone forecast over Beijing based on ensemble Kalman filter with simultaneous adjustment of initial conditions and emissions | |
| Monteil et al. | The regional EUROpean atmospheric transport inversion COMparison, EUROCOM: first results on European wide terrestrial carbon fluxes for the period 2006–2015 | |
| Locatelli et al. | Impact of transport model errors on the global and regional methane emissions estimated by inverse modelling | |
| 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 | |
| CN109858686A (zh) | 一种基于EnKF的地面排放清单反演优化方法 | |
| CN116011317B (zh) | 一种基于多方法融合的小尺度近实时大气污染溯源方法 | |
| Angélil et al. | On the nonlinearity of spatial scales in extreme weather attribution statements | |
| Ashraf Vaghefi et al. | Regionalization and parameterization of a hydrologic model significantly affect the cascade of uncertainty in climate-impact projections | |
| CN111487216A (zh) | 一种二氧化碳通量反演方法、系统 | |
| CN114547553B (zh) | 二氧化碳排放量的反演方法、装置、设备及存储介质 | |
| CN115204618B (zh) | 一种ccmvs区域碳源汇同化反演方法 | |
| Wu et al. | Air quality forecast of PM 10 in Beijing with Community Multi-scale Air Quality Modeling (CMAQ) system: emission and improvement | |
| Pison et al. | How a European network may help with estimating methane emissions on the French national scale | |
| CN116611547A (zh) | 大气污染物来源预报方法、装置、设备及存储介质 | |
| CN115544706A (zh) | 一种小波和XGBoost模型集成的大气细颗粒物浓度估算方法 | |
| Kou et al. | Accounting for CO 2 variability over East Asia with a regional joint inversion system and its preliminary evaluation | |
| CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
| CN113420443B (zh) | 一种耦合峰值均值因子的恶臭精准模拟方法 | |
| CN114299238A (zh) | 一种铁路沿线珍稀动植物生境适宜区变化的量化预测方法 | |
| Mendoza-Dominguez et al. | Emission strength validation using four-dimensional data assimilation: Application to primary aerosol and precursors to ozone and secondary aerosol | |
| CN111881590A (zh) | 一种大气颗粒物浓度的空间分析方法 | |
| Ye et al. | Uncertainties in the simulated intercontinental transport of air pollutants in the springtime from emission and meteorological inputs | |
| Zeng et al. | Linking carbon dioxide variability at Hateruma station to East Asia emissions by Bayesian inversion |
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 |