CN113297811A - 一种针对民众异味投诉的大气污染溯源计算方法 - Google Patents
一种针对民众异味投诉的大气污染溯源计算方法 Download PDFInfo
- Publication number
- CN113297811A CN113297811A CN202110532451.XA CN202110532451A CN113297811A CN 113297811 A CN113297811 A CN 113297811A CN 202110532451 A CN202110532451 A CN 202110532451A CN 113297811 A CN113297811 A CN 113297811A
- Authority
- CN
- China
- Prior art keywords
- pollution
- people
- data
- peculiar smell
- calculation
- 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.)
- Withdrawn
Links
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Combustion & Propulsion (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对民众异味投诉的大气污染溯源计算方法,包括如下步骤:先确定空气污染隐患目标监测区,在通过物联网数据库或者网络爬虫技术,采集气象自动监测站的在线监测数据,将目标监测区进行空间离散化和时间离散化计算,构建目标监测区的网格空间数据和时间离散序列,迭代进行气流流线示踪计算,计算完成后,获得气流流线示踪路径的线矢量数据,并进行气流流线矢量数据的栅格化处理,对栅格化处理后的气流流线矢量数据提取边缘单元格,将边缘单元格逐个假设为污染源进行空气污染扩散模拟,循环计算,获得该次异味投诉的潜在污染源区域的栅格数据,进行栅格数据叠置分析,确定本次大气污染溯源结果,获取污染源发生的高风险地区。
Description
技术领域
本发明属于环境科学、软件工程与数值模拟技术的交叉领域,具体涉及一种针对民众异味投诉的大气污染溯源计算方法。
背景技术
随着科技的发展与进步,人们对事物的要求也从能用就好的老旧思维,变得相当细腻和要求,唯有不断进步或创新的构想,产生新的形态以提高产品的附加价值,才能在市场竞争激烈的考验下生存。随着工业化、城镇化的快速推进,工业企业呈现明显的集聚态势,各类工业园区和工业集聚区已成为我国经济社会发展的重要引擎。但许多工业园区存在前期规划不合理、监管措施不到位、污染底数不清、企业有组织/无组织排放成分不明等问题,导致周边民众信访投诉不断,民众对化工园区抵触情绪较大,这也给生态环境政府部门的环境管理带来了一定的困难。
由于污染物在大气活动中的复杂性,用传统的实验方法或人工监测方法对其进行监督,不仅耗时且成本较高,所以应用空气质量自动监测站进行大气污染监测,成为目前大气污染防治的主要监测手段。随着生态环境大数据的建设和发展,空气质量自动监测网络已经成为在大气污染监控中发挥了重要的作用,但是在大气污染溯源方面,这些实时在线监测数据却难以发挥实际的效果。
发明内容
针对上述背景技术所提出的问题,本发明的目的是:旨在提供一种针对民众异味投诉的大气污染溯源计算方法。
为实现上述技术目的,本发明采用的技术方案如下:
一种针对民众异味投诉的大气污染溯源计算方法,包括如下步骤:
S1、确定空气污染隐患目标监测区,并获得空气污染隐患区域的空间分布矢量数据;
S2、生态环境保护部门在接收到处于目标监测区内的民众异味投诉后,获得民众异味投诉所在的空间位置;
S3、通过物联网数据库或者网络爬虫技术,采集气象自动监测站的在线监测数据;
S4、将目标监测区进行空间离散化和时间离散化计算,构建目标监测区的网格空间数据和时间离散序列;
S5、以民众异味投诉的空间坐标位置为起点,对污染溯源时间序列内的所有时间步长,迭代进行气流流线示踪计算,计算完成后,获得气流流线示踪路径的线矢量数据,并进行气流流线矢量数据的栅格化处理;
S6、对栅格化处理后的气流流线矢量数据提取边缘单元格,将边缘单元格逐个假设为污染源进行空气污染扩散模拟,检测污染羽是否通过民众异味投诉所在的单元格;
S7、循环计算,获得该次异味投诉的潜在污染源区域的栅格数据;
S8、结合空气污染隐患栅格数据与潜在污染源栅格数据,进行栅格数据叠置分析,确定本次大气污染溯源结果,获取污染源发生的高风险地区。
进一步限定,上述步骤S1中,首先进行目标监测区内的空气污染隐患排查,对以工业区为代表的空气污染隐患区域进行全面排查,而且还需考虑空气污染隐患区域的地理特征,为了数据的准确性和真实性。
进一步限定,上述步骤S2中,可通过电话询问或者手机应用软件来获得民众异味投诉所在的空间位置,方便快捷,宜使用。
进一步限定,上述步骤S3中,在线监测数据包括风向与风速等两项监测指标,保证数据准确性。
进一步限定,上述步骤S4中,在时间离散化计算中,根据气象监测站的风速数据分辨率,确保每个时间步长的气流路径不要跨过三个以上的单元格,便于集中计算。
进一步限定,上述步骤S4中,还需综合考虑目标监测区的主导风向、平均风速、空气污染隐患的空间分布等情况,确定污染溯源计算的总时长,保证后续计算的准确性。
进一步限定,上述步骤S4中,还需基于气象自动监测站的风向与风速在线监测数据,依据目标监测区的网格空间数据,与时间步长序列,计算自异味投诉发生时刻起过去时间段的风场时空数据,保证后续计算的准确性。
进一步限定,上述步骤S7中,对于已确定为非潜在污染源的单元格,可以不参与下一轮的模拟计算,简化步骤,节约资源。
采用本发明的有益效果:
1、本发明方法简单、资金投入小、节约人力等优点,适用于民众异味投诉后的大气污染溯源定量识别;
2、本发明应用气象自动监测站的风向与风速实时数据,通过结合风场计算、气流流线示踪计算、空气污染扩散模式与优化算法来确定大气污染源的潜在分布范围,可以大幅度提升自动监测系统数据的应用价值,针对民众异味投诉的环境应急执法提供科学决策方法。
附图说明
本发明可以通过附图给出的非限定性实施例进一步说明;
图1为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的目标监测区分布示意图;
图2为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的目标监测区经过空间离散化的网格空间分布示例图;
图3为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的风向栅格空间数据示意图;
图4为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的气流流线示踪路径的线矢量数据示意图;
图5为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的首先确定潜在污染源区域示意图;
图6为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的已确定潜在污染源区域示意图;
图7为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例为第一代潜在污染源的分布范围示意图;
图8为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例为第二代潜在污染源的分布范围示意图示意图;
图9为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的第二代边缘单元格示意图;
图10为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的第三代潜在污染源区域示意图;
图11为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的第三代边缘单元格示意图;
图12为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的停止循环计算后获得的潜在污染源区域的栅格数据示意图;
图13为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的经过栅格数据叠置分析获取的污染溯源结果示意图;
图14为本发明一种针对民众异味投诉的大气污染溯源计算方法实施例的总流程示意图;
具体实施方式
为了使本领域的技术人员可以更好地理解本发明,下面结合附图和实施例对本发明技术方案进一步说明。
如图1~图14所示,本发明的一种针对民众异味投诉的大气污染溯源计算方法,包括如下步骤:
S1、确定空气污染隐患目标监测区,并获得空气污染隐患区域的空间分布矢量数据;
S2、生态环境保护部门在接收到处于目标监测区内的民众异味投诉后,获得民众异味投诉所在的空间位置;
S3、通过物联网数据库或者网络爬虫技术,采集气象自动监测站的在线监测数据;
S4、将目标监测区进行空间离散化和时间离散化计算,构建目标监测区的网格空间数据和时间离散序列;
S5、以民众异味投诉的空间坐标位置为起点,对污染溯源时间序列内的所有时间步长,迭代进行气流流线示踪计算,计算完成后,获得气流流线示踪路径的线矢量数据,并进行气流流线矢量数据的栅格化处理;
S6、对栅格化处理后的气流流线矢量数据提取边缘单元格,将边缘单元格逐个假设为污染源进行空气污染扩散模拟,检测污染羽是否通过民众异味投诉所在的单元格;
S7、循环计算,获得该次异味投诉的潜在污染源区域的栅格数据;
S8、结合空气污染隐患栅格数据与潜在污染源栅格数据,进行栅格数据叠置分析,确定本次大气污染溯源结果,获取污染源发生的高风险地区。
本实施案例中,在使用一种针对民众异味投诉的大气污染溯源计算方法的时候,首先进行目标监测区内的空气污染隐患排查,对以工业区为代表的空气污染隐患区域进行全面排查,基于空气污染隐患区域的地理特征,获得空气污染隐患区域的空间分布矢量数据,如图1,对目标监测区建立的矩形网格的南北长度为6000米,东西宽度为9400米,经过全面排查后,空气污染隐患区域共有17个,当生态环境保护部门在接收到处于目标监测区内的民众异味投诉后,通过电话询问或者手机应用软件,获得民众异味投诉所在的空间位置,就可查询或估计其具体的空间坐标,图中黑色圆形点为民众异味投诉所在的空间位置,通过物联网数据库或者网络爬虫技术,采集气象自动监测站的在线监测数据,包括风向与风速等两项监测指,图中,全区设有10个气象自动监测站,然后将目标监测区进行空间离散化和时间离散化计算,构建目标监测区的网格空间数据和时间离散序列,在时间离散化计算中,根据气象监测站的风速数据分辨率,确保每个时间步长的气流路径不要跨过三个以上的单元格,并综合考虑目标监测区的主导风向、平均风速、空气污染隐患的空间分布等情况,确定污染溯源计算的总时长,即发现民众异味投诉后,向过去推算的时间长度,确保气流流线示踪计算能够覆盖上风向的每个潜在污染隐患;
本实施案例中,基于气象自动监测站的风向与风速在线监测数据,依据目标监测区的网格空间数据,与时间步长序列,计算自异味投诉发生时刻起过去时间段的风场时空数据,即每个时间步长计算出相应的风向分布栅格空间数据,如图3,呈现了其中一个时间步长,应用10个气象自动监测站的风向数据插值得到的风向栅格空间数据,图3中每个箭头代表对应行列单元格在该时间段的风向,然后以民众异味投诉的空间坐标位置为起点,对污染溯源时间序列内的所有时间步长,迭代进行气流流线示踪计算,计算完成后,获得如图4的气流流线示踪路径的线矢量数据;
本实施案例中,如图5,依据目标监测区的网格空间数据,进行气流流线矢量数据的栅格化处理,获得气流流线栅格数据,该栅格数据中气流流线所在位置的单元格即是首先可以确定的潜在污染源区域;
本实施例中,如图6,对已确定为潜在污染源区域的单元格,提取边缘单元格,某个单元格出现的大气异味污染,只能是从相邻的边缘单元格中通过空气流动扩散而来,本发明采用空气污染扩散模拟的方法逐个识别这些边缘单元格是否属于潜在污染源的分布范围。实施例在步骤9中对已确定为潜在污染源区域的第一代单元格,提取的第一代边缘单元格;
本实施例中,如图7,将边缘单元格逐个假设为污染源进行空气污染扩散模拟,检测污染羽是否通过民众异味投诉所在的单元格。如果某边缘单元格空气污染扩散模拟的污染羽通过民众投诉位置单元格,则该单元格属于潜在污染源区域,反之则不属于,如图7中,为实施例在以第一代边缘单元格为基础,采用空气污染扩散模拟的方法逐个识别这些边缘单元格是否属于潜在污染源的分布范围,图7即以其中一个边缘单元格假设为污染源,进行的空气污染扩散模拟,该次计算中,污染羽通过了民众异味投诉点,被确定为潜在污染源;
本实施例中,如图8~图11所示,为重复迭代计算中的部分计算结果,具体为重复边缘单元格提取、空气污染扩散模拟与污染羽检测,在每轮计算中逐步扩大潜在污染源区域的范围,另外,对于已确定为非潜在污染源的单元格,可以不参与下一轮的模拟计算,因为这些单元格在之前已经假设为污染源进行了空气污染扩散模拟,并获取了污染羽数据;
本实施例中,如图12,当某一轮迭代计算提取的边缘单元格中,所有单元格空气污染扩散模拟的污染羽全部都不通过民众异味投诉位置单元格,说明已经无法识别到新的潜在污染源单元格,即可停止循环计算,获得该次异味投诉的潜在污染源区域的栅格数据;
本实施例中,如图13,基于目标监测区的网格空间数据,对空气污染隐患区域的空间分布矢量数据(图1中的灰色多边形)进行栅格化计算,获取空气污染隐患区域的栅格数据(图 2网格中的灰色单元格),并结合空气污染隐患栅格数据与潜在污染源栅格数据,进行栅格数据叠置分析,即对每个单元格进行空间逻辑交运算,确定本次大气污染溯源结果,获取污染源发生的高风险地区。如果某个单元格既属于空气污染隐患,又属于潜在污染源,那么就列为本次溯源计算的高风险地区(图13中黑色单元格),如果某个单元格不属于空气污染隐患,但属于潜在污染源,那么就列为本次计算的低风险区域(图13中浅灰色单元格),其他情况的单元格属于安全地区。在环境应急执法中,工作人员应对高风险地区首先进行污染源排查。
优选上述步骤S1中,首先进行目标监测区内的空气污染隐患排查,对以工业区为代表的空气污染隐患区域进行全面排查,而且还需考虑空气污染隐患区域的地理特征,为了数据的准确性和真实性,实际上,也可根据具体情况考虑数据值的具体获取。
优选上述步骤S2中,可通过电话询问或者手机应用软件来获得民众异味投诉所在的空间位置,方便快捷,宜使用,实际上,也可根据具体情况考虑获得民众异味投诉所在的空间位置的方式。
优选上述步骤S3中,在线监测数据包括风向与风速等两项监测指标,保证数据准确性,实际上,也可根据具体情况考虑在线监测数据的包括项。
优选上述步骤S4中,在时间离散化计算中,根据气象监测站的风速数据分辨率,确保每个时间步长的气流路径不要跨过三个以上的单元格,便于集中计算,实际上,也可根据具体情况考虑气流路径。
优选上述步骤S4中,还需综合考虑目标监测区的主导风向、平均风速、空气污染隐患的空间分布等情况,确定污染溯源计算的总时长,保证后续计算的准确性,实际上,也可根据具体情况考虑空间分布情况。
优选上述步骤S4中,还需基于气象自动监测站的风向与风速在线监测数据,依据目标监测区的网格空间数据,与时间步长序列,计算自异味投诉发生时刻起过去时间段的风场时空数据,保证后续计算的准确性,实际上,也可根据具体情况考虑需获取的计算值。
优选上述步骤S7中,对于已确定为非潜在污染源的单元格,可以不参与下一轮的模拟计算,简化步骤,节约资源,实际上,也可根据具体情况考虑计算方式。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种针对民众异味投诉的大气污染溯源计算方法,其特征在于,包括如下步骤:
S1、确定空气污染隐患目标监测区,并获得空气污染隐患区域的空间分布矢量数据;
S2、生态环境保护部门在接收到处于目标监测区内的民众异味投诉后,获得民众异味投诉所在的空间位置;
S3、通过物联网数据库或者网络爬虫技术,采集气象自动监测站的在线监测数据;
S4、将目标监测区进行空间离散化和时间离散化计算,构建目标监测区的网格空间数据和时间离散序列;
S5、以民众异味投诉的空间坐标位置为起点,对污染溯源时间序列内的所有时间步长,迭代进行气流流线示踪计算,计算完成后,获得气流流线示踪路径的线矢量数据,并进行气流流线矢量数据的栅格化处理;
S6、对栅格化处理后的气流流线矢量数据提取边缘单元格,将边缘单元格逐个假设为污染源进行空气污染扩散模拟,检测污染羽是否通过民众异味投诉所在的单元格;
S7、循环计算,获得该次异味投诉的潜在污染源区域的栅格数据;
S8、结合空气污染隐患栅格数据与潜在污染源栅格数据,进行栅格数据叠置分析,确定本次大气污染溯源结果,获取污染源发生的高风险地区。
2.根据权利要求1所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S1中,首先进行目标监测区内的空气污染隐患排查,对以工业区为代表的空气污染隐患区域进行全面排查,而且还需考虑空气污染隐患区域的地理特征。
3.根据权利要求2所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S2中,可通过电话询问或者手机应用软件来获得民众异味投诉所在的空间位置。
4.根据权利要求3所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S3中,在线监测数据包括风向与风速等两项监测指标。
5.根据权利要求4所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S4中,在时间离散化计算中,根据气象监测站的风速数据分辨率,确保每个时间步长的气流路径不要跨过三个以上的单元格。
6.根据权利要求5所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S4中,还需综合考虑目标监测区的主导风向、平均风速、空气污染隐患的空间分布等情况,确定污染溯源计算的总时长。
7.根据权利要求6所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S4中,还需基于气象自动监测站的风向与风速在线监测数据,依据目标监测区的网格空间数据,与时间步长序列,计算自异味投诉发生时刻起过去时间段的风场时空数据。
8.根据权利要求7所述的一种针对民众异味投诉的大气污染溯源计算方法,其特征在于:上述步骤S7中,对于已确定为非潜在污染源的单元格,可以不参与下一轮的模拟计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532451.XA CN113297811A (zh) | 2021-05-17 | 2021-05-17 | 一种针对民众异味投诉的大气污染溯源计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532451.XA CN113297811A (zh) | 2021-05-17 | 2021-05-17 | 一种针对民众异味投诉的大气污染溯源计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113297811A true CN113297811A (zh) | 2021-08-24 |
Family
ID=77322488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110532451.XA Withdrawn CN113297811A (zh) | 2021-05-17 | 2021-05-17 | 一种针对民众异味投诉的大气污染溯源计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297811A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199314A (zh) * | 2021-12-25 | 2022-03-18 | 江西武大扬帆科技有限公司 | 基于5g和北斗技术的水文监测反馈系统 |
-
2021
- 2021-05-17 CN CN202110532451.XA patent/CN113297811A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199314A (zh) * | 2021-12-25 | 2022-03-18 | 江西武大扬帆科技有限公司 | 基于5g和北斗技术的水文监测反馈系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiu et al. | Atmospheric dispersion prediction and source estimation of hazardous gas using artificial neural network, particle swarm optimization and expectation maximization | |
CN110598953A (zh) | 一种时空相关的空气质量预测方法 | |
CN110531030B (zh) | 一种基于物联网大数据大气污染物分析的方法及装置 | |
CN112418609A (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
CN113610243B (zh) | 基于耦合机器学习和相关性分析的大气污染物溯源方法 | |
CN102507586B (zh) | 碳排放遥感监测方法 | |
CN114155129B (zh) | 一种基于工业园区的大气环境溯评方法和系统 | |
CN110727717A (zh) | 网格化大气污染强度的监控方法、装置、设备和存储介质 | |
CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
CN110346518B (zh) | 一种交通排放污染可视化预警方法及其系统 | |
Wie et al. | ENSO-related PM10 variability on the Korean Peninsula | |
CN117708617B (zh) | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 | |
CN105893352A (zh) | 一种基于社交网络大数据的空气质量预警和监测分析系统 | |
CN112132450A (zh) | 一种气态污染物的定位方法 | |
Kopka et al. | Framework for stochastic identification of atmospheric contamination source in an urban area | |
CN113297811A (zh) | 一种针对民众异味投诉的大气污染溯源计算方法 | |
CN113284244A (zh) | 一种基于格点化扩散模拟的大气污染物溯源方法 | |
CN114519124A (zh) | 一种大气环境污染联防联控治理方法 | |
CN113269421A (zh) | 一种基于自动监测站数据与遗传算法的大气污染溯源计算方法 | |
CN116402408B (zh) | 一种基于站点浓度差异的本外地排放贡献估算方法 | |
CN109615239B (zh) | 基于社会化网络媒体数据的城市空气质量的评估方法 | |
CN110555586A (zh) | 一种基于热点网格的生态监测方法及装置 | |
Chung et al. | Information extraction methodology by web scraping for smart cities | |
CN114510823B (zh) | 一种快速评估土壤重金属污染程度的方法 | |
CN114444796A (zh) | 一种基于图神经网络的跨区域空气污染预测方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210824 |
|
WW01 | Invention patent application withdrawn after publication |