CN113295835B - 一种基于遥感的微塑料污染水域空间分布识别方法 - Google Patents
一种基于遥感的微塑料污染水域空间分布识别方法 Download PDFInfo
- Publication number
- CN113295835B CN113295835B CN202110563369.3A CN202110563369A CN113295835B CN 113295835 B CN113295835 B CN 113295835B CN 202110563369 A CN202110563369 A CN 202110563369A CN 113295835 B CN113295835 B CN 113295835B
- Authority
- CN
- China
- Prior art keywords
- water area
- micro
- plastic
- polluted water
- wslcs
- 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
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
- G01N33/18—Water
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于遥感的微塑料污染水域空间分布识别方法,在目标水域采集若干个水体样本,并对水体样本进行预处理;微塑料判断,筛选出微塑料丰度不小于预设阈值T的水体样本;矢量图层缓冲区分析,将得到的范围作为感兴趣区域;提取感兴趣区域对应的遥感影像的光谱曲线特征,建立微塑料污染水域的波谱库;对待识别水域进行初步识别,获得微塑料污染水域初步识别结果;利用土地利用现状调查成果,对微塑料污染水域初步识别结果进行校正,获得微塑料污染水域空间分布识别结果。其显著效果是:充分利用了遥感、地学分析等技术优势,实现了大空间尺度微塑料污染水域空间分布的快速识别。
Description
技术领域
本发明涉及到地理信息技术领域,具体涉及一种基于遥感的微塑料污染水域空间分布识别方法。
背景技术
塑料在水环境中降解后,空间分布会分解为数百万个小塑料颗粒,而那些直径小于5mm的塑料碎片被定义为微塑料。全球各地的海洋、河流、湖泊、水库,甚至人迹罕至的北冰洋和南洋等地方,都发现了大量微塑料。微塑料体积小,但吸附污染物的能力很强,部分微塑料本身释放着有毒有害物质,对水环境等造成直接危害,比如微塑料容易被水环境生物吞噬,在生物体内蓄积威胁生物安全,同时,潜伏在环境中的微塑料最终会通过食物链进入人类体内,从而对人类身体健康产生影响,比如影响人体营养吸收等。
对于微塑料污染水域识别监测,现有方法是采用渔船拖网、水体采样等野外样品采集,然后进行室内检测,检测方法包括显微镜视觉识别法、傅里叶变换红外光谱法、拉曼光谱法、气相-热裂解等,最后得到微塑料污染分析数据。目前,尚未发现可以实现大规模、快速识别微塑料污染水域空间分布的技术方法。
发明内容
针对现有技术的不足,本发明的目的是提供一种基于遥感的微塑料污染水域空间分布识别方法,利用高光谱遥感技术,通过对微塑料污染水域光谱特征进行分析,然后利用其光谱特征曲线进行全域遥感影像光谱匹配识别,查找出微塑料污染水域,避免对水域的逐一采样、室内检测的流程,能够实现大规模、批量化、自动识别微塑料污染水域空间分布,可用于大空间尺度微塑料污染水域的快速识别提取,支撑生态环境保护管理。
为达到上述目的,本发明采用的技术方案如下:
一种基于遥感的微塑料污染水域空间分布识别方法,其关键在于包括如下步骤:
步骤1、在目标水域采集若干个水体样本,并对水体样本进行预处理;
步骤2、对预处理后的水体样本进行微塑料判断,筛选出微塑料丰度不小于预设阈值T的水体样本;
步骤3、利用筛选出的水体样本对应的采样点GPS数据制作矢量图层,并对其进行缓冲区分析,将得到的范围作为感兴趣区域;
步骤4、提取感兴趣区域对应的遥感影像的光谱曲线特征,并进行特征分析后获得微塑料污染水域的光谱特征,建立微塑料污染水域的波谱库;
步骤5、基于微塑料污染水域的波谱库对待识别水域进行初步识别,获得微塑料污染水域初步识别结果;
步骤6、利用土地利用现状调查成果,对步骤5获得的微塑料污染水域初步识别结果进行校正,获得微塑料污染水域空间分布识别结果。
进一步的,步骤1中在进行水体样本采样时记录采样点坐标,且采样点间隔为2~3千米,取样深度为1~1.5米,取样数量为20~30个,水体样本的溶剂为20~25L,取样后采用孔径为45~50um的滤网进行过滤,滤网上的残留物用去离子水冲洗至50~100ml的广口洁净容器内。
进一步的,步骤1中对水体样本进行预处理的具体过程为:
步骤1中对水体样本进行预处理的具体过程为:
A1、采用浓度为30~35%的H2O2对每个水体样本处理10~15小时;
A2、采用去离子水对处理后的每个水体样本进行稀释;
A3、采用孔径为0.4~0.5um的滤膜,对稀释后的水体样本进行真空过滤;
A4、将滤膜收入培养皿后进行烘干。
进一步的,对预处理后的水体样本进行微塑料判断时,记录各个水体样本中微塑料的数量、颜色、大小和形状,且所述预设阈值T的取值为6000个/m3。
进一步的,步骤4中提取光谱特征曲线时采用ROI Statistics工具,并获得感兴趣区域的平均光谱特征曲线图。
进一步的,步骤5中对待识别水域进行初步识别的计算公式为:
其中,α为影像像元光谱与参考光谱之间的夹角;x为影像像元光谱曲线向量;y为参考光谱曲线向量。
进一步的,步骤5中获得微塑料污染水域初步识别结果后,还采用土地利用现状调查成果中的水域矢量空间范围作为掩模,对微塑料污染水域初步识别结果进行提纯处理。
进一步的,步骤6对微塑料污染水域初步识别结果进行校正的具体步骤为:
步骤B1、将微塑料污染水域初步识别结果转成矢量数据,并对得到的矢量图层WSLCS_SL进行半径1000米的缓冲计算,得到图层WSLCS_SLHC;
步骤B2、将图层WSLCS_SLHC与土地利用现状数据进行叠加分析、继承土地用途属性,得到图层WSLCS_DJFX,在该图层WSLCS_DJFX新建一个字段“YTZ”并赋值;
步骤B3、将图层WSLCS_DJFX进行矢量转栅格处理,并保留字段“YTZ”,得到栅格数据WSLCS_JSSG;
步骤B5、采用自然断裂法对栅格数据为WSLCS_JSJG进行分析,并提取出微塑料污染水域空间分布识别结果。
进一步的,步骤B2对字段“YTZ”赋值的规则如下:
若图层WSLCS_DJFX中水域图斑周边1000米范围内,存在工业建设用地,则字段“YTZ”赋值100;
若图层WSLCS_DJFX中水域图斑周边1000米范围内,存在居住建设用地、商业商务建设用地,则字段“YTZ”赋值50;
若图层WSLCS_DJFX中水域图斑周边1000米范围内,无建设用地,则字段“YTZ”赋值10。
本发明的显著效果是:
在现有技术方法的基础上,利用了高光谱遥感技术,通过对微塑料污染水域光谱特征进行分析,然后利用其光谱特征曲线进行全域遥感影像光谱匹配识别,查找出微塑料污染水域,避免了对水域的逐一采样、室内检测的流程。与现有方法相比,本发明方法对微塑料污染水域的识别提取的速度更快、识别范围更大、效率更高、成本更低,实现了大空间尺度微塑料污染水域空间分布的快速识别,可有力支撑生态环境保护管理。
附图说明
图1是本发明的方法流程图;
图2是感兴趣区域的平均光谱特征曲线图。
具体实施方式
下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。
如图1所示,一种基于遥感的微塑料污染水域空间分布识别方法,具体步骤如下:
步骤1、在目标水域采集20~30个水体样本,采样点间隔2~3千米,并对水体样本进行预处理;
具体的,在进行水体样本采样时,用GPS定位仪记录采样点坐标,采样点的取样深度为1~1.5米,取样数量为20~25L,采用孔径为45~50um的滤网进行过滤,滤网上的残留物用去离子水冲洗至50~100ml的广口洁净玻璃瓶内。采样过程中,需要保证所有采样工具始终避免与塑料材料接触,防止污染。同时,所有取样工具在每次取样之前都进行清洁。
对水体样本进行预处理的具体过程为:
A1、采用浓度为30~35%的H2O2对每个水体样本处理10~15小时,以溶解调水中的天然有机物;
A2、采用去离子水对处理后的每个水体样本进行稀释;
A3、采用孔径为0.4~0.5um的玻璃纤维滤纸作为滤膜(GF/F,直径47mm,Whatman),对稀释后的水体样本进行真空过滤;
A4、将玻璃纤维滤纸收入培养皿后在55℃烘箱中进行烘干。
步骤2、在解剖显微镜下人工目视对预处理后的水体样本进行微塑料判断,同时记录各个水体样本中微塑料的数量、颜色、大小和形状,筛选出微塑料丰度不小于预设阈值T的水体样本;
对预处理后的水体样本进行微塑料判断时,且本例中,所述预设阈值T的取值为6000个/m3(微塑料丰度的计算单位是每立方米的微塑料数量,个/m3)。
步骤3、利用筛选出的水体样本对应的采样点GPS数据制作矢量图层(WGS84坐标系),并按照以下算法公式对其进行缓冲区分析,将得到的范围作为感兴趣区域;
Bi=(x:d(x,oi)≤R),
其中,Bi为目标函数;d(x,oi)为x到oi的距离;R为缓冲半径,设置为100米。xi
步骤4、微塑料污染水域中,由于微塑料的存在会影响水体的光谱曲线特征,基于这一思考,对上一步得到的感兴趣区域(ROI)遥感影像光谱曲线特征进行分析。
提取感兴趣区域对应的遥感影像的光谱曲线特征,并进行特征分析后获得微塑料污染水域的光谱特征,建立微塑料污染水域的波谱库,具体过程如下:
首先,利用ROI Statistics工具对感兴趣区域(ROI)进行处理,得到感兴趣区域(ROI)的平均光谱特征曲线图,如图2所示;
其次,对平均光谱特征曲线图进行特征分析,通过分析发现,感兴趣区域(ROI)的平均光谱特征曲线如图2所示,在3600-8150nm波段区间,反射率与波长呈现负相关,分别在4800nm、8150nm出现两个吸收谷,在8150nm达到最小值;在8150-10900nm波段区间,反射率与波长呈现正相关,在1090um出现反射峰,达到最大值;在10900-11900nm波段区间,反射率与波长呈现负相关。通过对微塑料污染水域的光谱特征进行分析,从而可以获知微塑料污染水域的光谱特征,进而可以利用微塑料污染水域的光谱特征去识别待识别水域中具有相同光谱特征的水域,也即识别出待识别水域中的微塑料污染水域。
最后,利用Spectral Library Builder工具,建立微塑料污染水域波谱库WSL.sli。
步骤5、基于微塑料污染水域的波谱库WSL.sli,利用以下算法公式(设置波谱角阈值为0.15),对待识别水域进行识别,得到微塑料污染水域初步识别结果;
其中,α为影像像元光谱与参考光谱之间的夹角(波谱角,设置波谱角阈值为0.15);x为影像像元光谱曲线向量;y为参考光谱曲线向量。
具体实施过程中,由于异物同谱现象,这一步计算得到的数据,包含了部分非水域的区域。为了剔除这一部分,利用extract by mask工具,以土地利用现状调查成果中的水域矢量空间范围作为掩膜,对微塑料污染水域初步识别结果进行处理,得到水域范围内的微塑料污染水域初步识别结果数据(图层命名为WSLCS_YSSG,数据格式为栅格数据),保证了数据的纯洁性。
步骤6、由于高光谱遥感影像数据容易受到大气等多种因素的干扰,仅用高光谱数据对微塑料污染水域进行初步识别的结果,可能存在一定误判。为了减少这种误判的情况,需要增加其他条件辅助微塑料污染水域综合判断。微塑料污染主要来源于人类活动,土地利用方式、建设活动与水域微塑料污染存在直接的关联。基于这一思考,利用土地利用现状调查成果,对微塑料污染水域初步识别结果进行辅助综合判断获得微塑料污染水域空间分布识别结果,具体步骤如下:
步骤B1、栅格转矢量,缓冲分析:利用Raster to Polygon工具,将微塑料污染水域初步识别结果WSLCS_YSSG转成矢量数据,并利用buffer工具,对得到的矢量图层WSLCS_SL进行半径1000米的缓冲计算,得到图层WSLCS_SLHC;
步骤B2、叠加分析,继承属性:利用Interest工具将图层WSLCS_SLHC与土地利用现状数据进行叠加分析、继承土地用途属性,得到图层WSLCS_DJFX,在该图层WSLCS_DJFX新建一个字段“YTZ”(长整型)并赋值;
字段“YTZ”赋值的规则如下:
若图层WSLCS_DJFX中水域图斑周边1000米范围内,存在工业建设用地,则字段“YTZ”赋值100;
若图层WSLCS_DJFX中水域图斑周边1000米范围内,存在居住建设用地、商业商务建设用地,则字段“YTZ”赋值50;
若图层WSLCS_DJFX中水域图斑周边1000米范围内,无建设用地,则字段“YTZ”赋值10。
步骤B3、矢量转栅格,栅格计算:利用Festure to Raster工具,将图层WSLCS_DJFX进行矢量转栅格处理,并保留字段“YTZ”,得到栅格数据WSLCS_JSSG;
步骤B4、将微塑料污染水域初步识别结果WSLCS_YSSG与栅格数据WSLCS_JSSG按照公式进行计算,并利用计算结果对待识别水域矢量范围进行裁切提取,得到栅格数据WSLCS_JSJG,其中,F为计算后的结果值;
步骤B5、结果输出:利用自然断裂法,对栅格数据为WSLCS_JSJG进行分析,发现栅格值在66.54处出现了明显的断裂。在栅格数据WSLCS_JSJG中,提取栅格值大于等于66.54的范围,即得到微塑料污染水域空间分布识别结果。
本实施例在现有技术方法的基础上,利用了高光谱遥感技术,通过对部分微塑料污染水域光谱特征进行分析,然后利用其光谱特征曲线进行全域遥感影像光谱匹配识别,查找出微塑料污染水域,避免了对水域的逐一采样、室内检测的流程。与现有方法相比,本发明方法对微塑料污染水域的识别提取的速度更快、识别范围更大、效率更高、成本更低,实现了大空间尺度微塑料污染水域空间分布的快速识别,可有力支撑生态环境保护管理。
以上对本发明所提供的技术方案进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (6)
1.一种基于遥感的微塑料污染水域空间分布识别方法,其特征在于包括如下步骤:
步骤1、在目标水域采集若干个水体样本,并对水体样本进行预处理;
步骤2、对预处理后的水体样本进行微塑料判断,筛选出微塑料丰度不小于预设阈值T的水体样本;
步骤3、利用筛选出的水体样本对应的采样点GPS数据制作矢量图层,并对其进行缓冲区分析,将得到的范围作为感兴趣区域;
步骤4、提取感兴趣区域对应的遥感影像的光谱曲线特征,并进行特征分析后获得微塑料污染水域的光谱特征,建立微塑料污染水域的波谱库;
步骤5、基于微塑料污染水域的波谱库对待识别水域进行初步识别,获得微塑料污染水域初步识别结果;
步骤6、利用土地利用现状调查成果,对步骤5获得的微塑料污染水域初步识别结果进行校正,获得微塑料污染水域空间分布识别结果;
步骤5中对待识别水域进行初步识别的计算公式为:
其中,α为影像像元光谱与参考光谱之间的夹角;x为影像像元光谱曲线向量;y为参考光谱曲线向量;
步骤5中获得微塑料污染水域初步识别结果后,还采用土地利用现状调查成果中的水域矢量空间范围作为掩模,对微塑料污染水域初步识别结果进行提纯处理;
步骤6对微塑料污染水域初步识别结果进行校正的具体步骤为:
步骤B1、将微塑料污染水域初步识别结果转成矢量数据,并对得到的矢量图层WSLCS_SL进行半径1000米的缓冲计算,得到图层WSLCS_SLHC;
步骤B2、将图层WSLCS_SLHC与土地利用现状数据进行叠加分析、继承土地用途属性,得到图层WSLCS_DJFX,在该图层WSLCS_DJFX新建一个字段“YTZ”并赋值;
步骤B3、将图层WSLCS_DJFX进行矢量转栅格处理,并保留字段“YTZ”,得到栅格数据WSLCS_JSSG;
步骤B5、采用自然断裂法对栅格数据为WSLCS_JSJG进行分析,并提取出微塑料污染水域空间分布识别结果。
2.根据权利要求1所述的基于遥感的微塑料污染水域空间分布识别方法,其特征在于:步骤1中在进行水体样本采样时记录采样点坐标,且采样点间隔为2~3千米,取样深度为1~1.5米,取样数量为20~30个,水体样本的溶剂为20~25L,取样后采用孔径为45~50um的滤网进行过滤,滤网上的残留物用去离子水冲洗至50~100ml的广口洁净容器内。
3.根据权利要求1或2所述的基于遥感的微塑料污染水域空间分布识别方法,其特征在于:步骤1中对水体样本进行预处理的具体过程为:
A1、采用浓度为30~35%的H2O2对每个水体样本处理10~15小时;
A2、采用去离子水对处理后的每个水体样本进行稀释;
A3、采用孔径为0.4~0.5um的滤膜,对稀释后的水体样本进行真空过滤;
A4、将滤膜收入培养皿后进行烘干。
4.根据权利要求1所述的基于遥感的微塑料污染水域空间分布识别方法,其特征在于:对预处理后的水体样本进行微塑料判断时,记录各个水体样本中微塑料的数量、颜色、大小和形状,且所述预设阈值T的取值为6000个/m3。
5.根据权利要求1所述的基于遥感的微塑料污染水域空间分布识别方法,其特征在于:步骤4中提取光谱特征曲线时采用ROI Statistics工具,并获得感兴趣区域的平均光谱特征曲线图。
6.根据权利要求1所述的基于遥感的微塑料污染水域空间分布识别方法,其特征在于:步骤B2对字段“YTZ”赋值的规则如下:
若图层WSLCS_DJFX中水域图斑周边1000米范围内,存在工业建设用地,则字段“YTZ”赋值100;
若图层WSLCS_DJFX中水域图斑周边1000米范围内,存在居住建设用地、商业商务建设用地,则字段“YTZ”赋值50;
若图层WSLCS_DJFX中水域图斑周边1000米范围内,无建设用地,则字段“YTZ”赋值10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563369.3A CN113295835B (zh) | 2021-05-24 | 2021-05-24 | 一种基于遥感的微塑料污染水域空间分布识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563369.3A CN113295835B (zh) | 2021-05-24 | 2021-05-24 | 一种基于遥感的微塑料污染水域空间分布识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113295835A CN113295835A (zh) | 2021-08-24 |
CN113295835B true CN113295835B (zh) | 2022-02-11 |
Family
ID=77323975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110563369.3A Active CN113295835B (zh) | 2021-05-24 | 2021-05-24 | 一种基于遥感的微塑料污染水域空间分布识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113295835B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114384037A (zh) * | 2021-12-03 | 2022-04-22 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的塑料分级采集系统及其采集方法 |
CN115144350B (zh) * | 2022-09-06 | 2023-02-17 | 中国科学院地理科学与资源研究所 | 基于高光谱相似像元比对的场地烃类污染判识方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09257787A (ja) * | 1996-03-26 | 1997-10-03 | Hitachi Ltd | 水圏内微生物の広域監視システム |
CN108426926B (zh) * | 2018-03-12 | 2020-04-14 | 中国科学院生态环境研究中心 | 一种基于介质损耗角正切值对微塑料进行检测识别的装置 |
CN109612961B (zh) * | 2018-12-13 | 2021-06-25 | 温州大学 | 海岸环境微塑料的开集识别方法 |
CN112304815B (zh) * | 2020-10-26 | 2021-08-31 | 中国水产科学研究院黄海水产研究所 | 一种海洋沉积物微塑料污染水平的评估方法 |
-
2021
- 2021-05-24 CN CN202110563369.3A patent/CN113295835B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113295835A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aves et al. | First evidence of microplastics in Antarctic snow | |
CN113295835B (zh) | 一种基于遥感的微塑料污染水域空间分布识别方法 | |
Luo et al. | A review of analytical methods and models used in atmospheric microplastic research | |
Habibi et al. | Microplastics in the atmosphere: A review | |
Shao et al. | Airborne microplastics: A review of current perspectives and environmental implications | |
Tignat-Perrier et al. | Seasonal shift in airborne microbial communities | |
Qin et al. | Fluorescence fingerprinting properties for exploring water-soluble organic compounds in PM2. 5 in an industrial city of northwest China | |
CN112903349A (zh) | 城市河道沉积物中微塑料提取、检测方法 | |
CN109876569B (zh) | 一种布袋除尘器净化气体指标在线检测装置、系统及方法 | |
Romano et al. | Airborne bacteria structure and chemical composition relationships in winter and spring PM10 samples over southeastern Italy | |
CN110702648B (zh) | 基于非下采样轮廓波变换的荧光光谱污染物分类方法 | |
CN111982852A (zh) | 一种基于显微红外技术的土壤微塑料原位监测方法 | |
CN115452759A (zh) | 一种基于卫星遥感数据的河湖健康指标评价方法及系统 | |
Wang et al. | Exponential decrease of airborne microplastics: from megacity to open ocean | |
Zhang et al. | Concentration and viability of bacterial aerosols associated with weather in Asian continental outflow: current understanding | |
Tajiki et al. | Assessing the relationship between airborne fungi and potential dust sources using a combined approach | |
Xu et al. | Microplastics in the atmosphere: Adsorb on leaves and their effects on the phyllosphere bacterial community | |
Azari et al. | Sampling strategies and analytical techniques for assessment of airborne micro and nano plastics | |
Koren et al. | On the relation between size and shape of desert dust aerosol | |
Sajjad et al. | Comprehensive insights into advances in ambient bioaerosols sampling, analysis and factors influencing bioaerosols composition | |
CN117152637A (zh) | 基于fy-4a卫星云图预测序列的强对流云识别方法 | |
CN112213178A (zh) | 一种浅河区域沉积物中微塑料的检测方法 | |
CN112798610A (zh) | 一种基于卫星遥感监测的“散乱污”企业分布识别方法 | |
CN116740499A (zh) | 一种基于红外热成像技术的煤矸识别方法 | |
CN116612380A (zh) | 一种基于高光谱数据的城市水体污染溯源遥感方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |