CN113392363B - 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法 - Google Patents

一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法 Download PDF

Info

Publication number
CN113392363B
CN113392363B CN202110763285.4A CN202110763285A CN113392363B CN 113392363 B CN113392363 B CN 113392363B CN 202110763285 A CN202110763285 A CN 202110763285A CN 113392363 B CN113392363 B CN 113392363B
Authority
CN
China
Prior art keywords
waste
incineration
nitrous oxide
coverage
amount
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
Application number
CN202110763285.4A
Other languages
English (en)
Other versions
CN113392363A (zh
Inventor
马占云
杨鹊平
冯鹏
薛婕
李迎新
高庆先
刘倩
严薇
任佳雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Research Academy of Environmental Sciences
Original Assignee
Chinese Research Academy of Environmental Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese Research Academy of Environmental Sciences filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN202110763285.4A priority Critical patent/CN113392363B/zh
Publication of CN113392363A publication Critical patent/CN113392363A/zh
Application granted granted Critical
Publication of CN113392363B publication Critical patent/CN113392363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Incineration Of Waste (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明属于温室气体排放核算技术领域，公开了一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，包括：通过查阅废弃物的来源和用途获取废弃焚烧物的种类；根据实地考察、监控数据以及卫星遥感影像数据获取废弃物的覆盖范围和焚烧总量；确定氧化亚氮在所述目标区域的排放因子；计算所述氧化亚氮的排放总量。本发明实现了对于焚烧物总量的核算，进而对于排放量比较大的焚烧地点进行分点处理，减少温室气体排放，对于核算的废弃物进行分类计算相应的氧化亚氮排放因子或者单位面积中的排放量，提高计算的科学性和准确度，建立一套完整的核算体系和制度。

Description

一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法
技术领域
本发明属于温室气体排放核算技术领域，尤其涉及一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法。
背景技术
目前，人类活动导致全球氧化亚氮排放的增长速度快于联合国政府间气候变化专门委员会(IPCC)预测的所有排放情景，这一温室气体排放情景将导致全球平均温度相比工业化前升高3℃以上，远高于巴黎气候协定的目标。但是由于近代工业的发展，国内或者世界上的氧化亚氮排放量急剧提升，而且尤其是现在的各种社会代谢物的急剧变多，大部分采用的焚烧处理，所以得到了现在的氧化亚氮排量的大幅度提升，核算一个城市或者一个区域内的氧化亚氮排放总量是必要的，刻不容缓的一件事情，得到一个具体且真实的氧化亚氮排放量是必要的。
但是，现有的废弃物焚烧处理产生的氧化亚氮排放核算方法的精确度不高。目前的监测方法科学化不完全，而且在获取需要的参数时，选用的监测方法不够先进。在核算的时候没有将多种废弃物的种类加以区分，分别计算获取其排放因子，这种核算方法的精度有待提高。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的废弃物焚烧处理产生的氧化亚氮排放核算方法的精确度不高。
(2)目前的监测方法科学化不完全，而且在获取需要的参数时，选用的监测方法不够先进。
(3)在核算的时候没有将多种废弃物的种类加以区分，分别计算获取其排放因子，这种核算方法的精度有待提高。
发明内容
针对现有技术存在的问题，本发明提供了一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法。
本发明是这样实现的，一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，所述用于废弃物焚烧处理产生的氧化亚氮排放的核算方法包括以下步骤：
步骤一，通过查阅废弃物的来源和用途获取废弃焚烧物的种类：通过联系相关的部门和检测机构，查阅并获取目标区域特定时间段内进行焚烧废弃物的时间和焚烧废弃物的种类；根据获取得到的焚烧废弃物的时间和焚烧废弃物的种类，得到相应的废弃物种类焚烧参数值；
步骤二，根据实地考察、监控数据以及卫星遥感影像数据获取废弃物的覆盖范围和焚烧总量：根据废弃物特征和归一化覆盖指数数据在目标区域内初步提取得到多个废弃物覆盖区域，并将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集；对所述归一化覆盖指数数据进行非监督分类处理，根据所述高分辨率遥感影像数据确定非监督分类结果中的废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集；根据所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集确定废弃物的覆盖范围，并通过公式计算覆盖范围内废弃物的焚烧总量；
对所述归一化覆盖指数数据进行非监督分类处理，根据所述高分辨率遥感影像数据确定非监督分类结果中的废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集，包括：
获取废弃物归一化覆盖指数数据和高分辨率遥感影像数据；对所述归一化覆盖指数数据进行非监督分类处理，得到非监督分类结果；根据所述高分辨率遥感影像数据对所述非监督分类结果进行识别处理；在识别处理结果中筛选出含有废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集；
所述根据所述高分辨率遥感影像数据对所述非监督分类结果进行识别处理包括：
读取所述高分辨率遥感影像数据；计算基于非监督分类得到的各个类别的信息熵；
计算各个类别的信息熵上限：
若初始地物类别的信息熵大于信息熵上限，则将类别的信息熵大于信息熵上限的类别分裂为两个地物类别，将分裂后的地物类别数作为新的类别数，则重新进行非监督分类；
若初始地物类别的信息熵不大于信息熵上限，计算不同地物类别对应的最佳模糊聚类中心之间的欧几里得距离，即两个聚类中心差值的平方，用来描述两地物类别间的相似程度；若欧几里得距离小于给定阈值，则将欧几里得距离小于给定阈值的两个地物类别合并为一个地物类别，将合并后的地物类别数作为新的初始地物类别数，重新进行非监督分类；否则，将当前得到的地物类别数作为识别结果；
步骤三，确定氧化亚氮在所述目标区域的排放因子：根据所述废弃焚烧物的种类、所述焚烧物的覆盖范围及焚烧总量，获取废弃物焚烧产生的氧化亚氮的排放浓度；获取废弃物的焚化量的烟气量；根据所述氧化亚氮的排放浓度和所述烟气量，计算得到所述氧化亚氮在所述目标区域的实测排放因子；
步骤四，计算所述氧化亚氮的排放总量：获取所述废弃焚烧物的焚烧总量以及所述目标区域的实测排放因子；根据所述废弃焚烧物的焚烧总量和所述目标区域的实测排放因子，通过公式计算所述氧化亚氮的排放总量。
进一步，所述步骤一还包括：若无法查阅获取焚烧废弃物的种类，则根据废弃物的来源和之前的材料用途进行判断废弃物的属性，进而得到废弃物的近似种类和参数值。
进一步，步骤二中，所述根据废弃物特征和归一化覆盖指数数据在目标区域内初步提取得到多个废弃物覆盖区域，并将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集，包括：
获取废弃物特征和归一化覆盖指数数据；
根据所述废弃物特征和所述归一化覆盖指数数据，制定废弃物覆盖规则；
根据所述废弃物覆盖规则在目标区域内提取出多个废弃物覆盖区域，将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集。
进一步，步骤二中，所述根据所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集确定废弃物的覆盖范围，包括：
对所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集进行取交集处理，得到取交集处理结果；
根据所述取交集处理结果确定废弃物的覆盖范围。
进一步，步骤二中，通过以下公式计算覆盖范围内废弃物的焚烧总量：
IWB＝P×Pfrac×IWP×Bfrac×D；
其中，IWB为废弃物焚烧总量；P为所述目标区域的人口；Pfrac为焚烧废弃物的人口比例；IWP为人均废弃物产生量；Bfrac为焚烧的废弃物量与废弃物处理总量的比例；D为每年的天数。
进一步，步骤二中，所述废弃物的焚烧总量包括所述目标区域边界内所产生并处理的废弃物焚烧总量以及所述目标区域边界外产生但在边界内处理的废弃物焚烧总量。
进一步，所述废弃物的焚烧总量包括固体废弃物焚烧总量、危险废弃物焚烧总量以及污水污泥焚烧总量中的至少一种。
进一步，步骤三中，所述氧化亚氮的排放因子采用目标区域特定的排放因子。
进一步，步骤四中，通过检测中心通过城市烟雾感应器感应监测获得废弃物焚烧排放的氧化亚氮烟气量和氧化亚氮排放的烟雾浓度值，进行计算最终的废弃物焚烧排放总量。
进一步，步骤四中，通过以下公式计算所述氧化亚氮的排放总量：
EN2O＝ΣNAi*NFi*NQi；
其中，NAi是关于种类为i的废弃物焚烧时排放的烟雾量，ΣNAi是对于所计算区域中的各处烟雾排放量进行汇总求和，单位m3；NFi是种类为i的废弃物焚烧时的氧化亚氮排放因子，单位kg/公顷；NQi是单元面积中废弃物焚烧时的氧化亚氮排量浓度值，单位m3/公顷；EN2O为总的废弃物焚烧时产生的氧化亚氮排放总量，单位万吨；i为废弃物种类。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，实现了对于焚烧物总量的核算，进而对于排放量比较大的焚烧地点进行分点处理，提高生态平衡，维护整个自然生态系统做出相应的贡献，对于核算的废弃物进行分类计算相应的氧化亚氮排放因子或者单位面积中的排放量，提高计算的科学性和准确度，建立一套完整的核算体系和制度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法流程图。
图2是本发明实施例提供的通过查阅废弃物的来源和用途获取废弃焚烧物种类的方法流程图。
图3是本发明实施例提供的根据实地考察、监控数据以及卫星遥感影像数据获取废弃物的覆盖范围和焚烧总量的方法流程图。
图4是本发明实施例提供的确定氧化亚氮在所述目标区域排放因子的方法流程图。
图5是本发明实施例提供的计算所述氧化亚氮排放总量的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法包括以下步骤：
S101，通过查阅废弃物的来源和用途获取废弃焚烧物的种类；
S102，根据实地考察、监控数据以及卫星遥感影像数据获取废弃物的覆盖范围和焚烧总量；
S103，确定氧化亚氮在所述目标区域的排放因子；
S104，计算所述氧化亚氮的排放总量。
步骤S101中，如图2所示，本发明实施例提供的通过查阅废弃物的来源和用途获取废弃焚烧物的种类，包括：
S201，通过联系相关的部门和检测机构，查阅并获取目标区域特定时间段内进行焚烧废弃物的时间和焚烧废弃物的种类；
S202，根据获取得到的焚烧废弃物的时间和焚烧废弃物的种类，得到相应的废弃物种类焚烧参数值；
S203，若无法查阅获取焚烧废弃物的种类，则根据废弃物的来源和之前的材料用途进行判断废弃物的属性，进而得到废弃物的近似种类和参数值。
步骤S102中，如图3所示，本发明实施例提供的根据实地考察、监控数据以及卫星遥感影像数据获取废弃物的覆盖范围和焚烧总量，包括：
S301，根据废弃物特征和归一化覆盖指数数据在目标区域内初步提取得到多个废弃物覆盖区域，将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集；
S302，对所述归一化覆盖指数数据进行非监督分类处理，根据所述高分辨率遥感影像数据确定非监督分类结果中的废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集；
S303，根据所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集确定废弃物的覆盖范围，并通过公式计算覆盖范围内废弃物的焚烧总量。
本发明实施例提供的根据废弃物特征和归一化覆盖指数数据在目标区域内初步提取得到多个废弃物覆盖区域，并将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集，包括：
获取废弃物特征和归一化覆盖指数数据；
根据所述废弃物特征和所述归一化覆盖指数数据，制定废弃物覆盖规则；
根据所述废弃物覆盖规则在目标区域内提取出多个废弃物覆盖区域，将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集。
本发明实施例提供的对所述归一化覆盖指数数据进行非监督分类处理，根据所述高分辨率遥感影像数据确定非监督分类结果中的废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集，包括：
获取废弃物归一化覆盖指数数据和高分辨率遥感影像数据；
对所述归一化覆盖指数数据进行非监督分类处理，得到非监督分类结果；
根据所述高分辨率遥感影像数据对所述非监督分类结果进行识别处理；
在识别处理结果中筛选出含有废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集。
本发明实施例提供的根据所述高分辨率遥感影像数据对所述非监督分类结果进行识别处理包括：
读取所述高分辨率遥感影像数据；计算基于非监督分类得到的各个类别的信息熵；
计算各个类别的信息熵上限：
若初始地物类别的信息熵大于信息熵上限，则将类别的信息熵大于信息熵上限的类别分裂为两个地物类别，将分裂后的地物类别数作为新的类别数，则重新进行非监督分类；
若初始地物类别的信息熵不大于信息熵上限，计算不同地物类别对应的最佳模糊聚类中心之间的欧几里得距离，即两个聚类中心差值的平方，用来描述两地物类别间的相似程度；若欧几里得距离小于给定阈值，则将欧几里得距离小于给定阈值的两个地物类别合并为一个地物类别，将合并后的地物类别数作为新的初始地物类别数，重新进行非监督分类；否则，将当前得到的地物类别数作为识别结果；
本发明实施例提供的根据所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集确定废弃物的覆盖范围，包括：
对所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集进行取交集处理，得到取交集处理结果；
根据所述取交集处理结果确定废弃物的覆盖范围。
本发明实施例提供的通过以下公式计算覆盖范围内废弃物的焚烧总量：
IWB＝P×Pfrac×IWP×Bfrac×D；
其中，IWB为废弃物焚烧总量；P为所述目标区域的人口；Pfrac为焚烧废弃物的人口比例；IWP为人均废弃物产生量；Bfrac为焚烧的废弃物量与废弃物处理总量的比例；D为每年的天数。
本发明实施例提供的废弃物的焚烧总量包括所述目标区域边界内所产生并处理的废弃物焚烧总量以及所述目标区域边界外产生但在边界内处理的废弃物焚烧总量。
本发明实施例提供的废弃物的焚烧总量包括固体废弃物焚烧总量、危险废弃物焚烧总量以及污水污泥焚烧总量中的至少一种。
步骤S103中，如图4所示，本发明实施例提供的确定氧化亚氮在所述目标区域的排放因子，包括：
S401，根据所述废弃焚烧物的种类、所述焚烧物的覆盖范围及焚烧总量，获取废弃物焚烧产生的氧化亚氮的排放浓度；
S402，获取废弃物的焚化量的烟气量；
S403，根据所述氧化亚氮的排放浓度和所述烟气量，计算得到所述氧化亚氮在所述目标区域的实测排放因子。
本发明实施例提供的氧化亚氮的排放因子采用目标区域特定的排放因子。
步骤S104中，如图5所示，本发明实施例提供的计算所述氧化亚氮的排放总量，包括：
S501，获取所述废弃焚烧物的焚烧总量；
S502，获取所述目标区域的实测排放因子；
S503，根据所述废弃焚烧物的焚烧总量和所述目标区域的实测排放因子，通过公式计算所述氧化亚氮的排放总量。
本发明实施例提供的通过检测中心通过城市烟雾感应器感应监测获得废弃物焚烧排放的氧化亚氮烟气量和氧化亚氮排放的烟雾浓度值，进行计算最终的废弃物焚烧排放总量。
本发明实施例提供的通过以下公式计算所述氧化亚氮的排放总量：
EN2O＝ΣNAi*NFi*NQi；
其中，NAi是关于种类为i的废弃物焚烧时排放的烟雾量，ΣNAi是对于所计算区域中的各处烟雾排放量进行汇总求和，单位m3；NFi是种类为i的废弃物焚烧时的氧化亚氮排放因子，单位kg/公顷；NQi是单元面积中废弃物焚烧时的氧化亚氮排量浓度值，单位m3/公顷；EN2O为总的废弃物焚烧时产生的氧化亚氮排放总量，单位万吨；i为废弃物种类。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，其特征在于，所述用于废弃物焚烧处理产生的氧化亚氮排放的核算方法包括以下步骤：
步骤一，通过查阅废弃物的来源和用途获取废弃焚烧物的种类：通过联系相关的部门和检测机构，查阅并获取目标区域特定时间段内进行焚烧废弃物的时间和焚烧废弃物的种类；根据获取得到的焚烧废弃物的时间和焚烧废弃物的种类，得到相应的废弃物种类焚烧参数值；
步骤二，根据实地考察、监控数据以及卫星遥感影像数据获取废弃物的覆盖范围和焚烧总量：根据废弃物特征和归一化覆盖指数数据在目标区域内初步提取得到多个废弃物覆盖区域，并将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集；对所述归一化覆盖指数数据进行非监督分类处理，根据高分辨率遥感影像数据确定非监督分类结果中的废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集；根据所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集确定废弃物的覆盖范围，并通过公式计算覆盖范围内废弃物的焚烧总量；
对所述归一化覆盖指数数据进行非监督分类处理，根据所述高分辨率遥感影像数据确定非监督分类结果中的废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集，包括：
获取废弃物归一化覆盖指数数据和高分辨率遥感影像数据；对所述归一化覆盖指数数据进行非监督分类处理，得到非监督分类结果；根据所述高分辨率遥感影像数据对所述非监督分类结果进行识别处理；在识别处理结果中筛选出含有废弃物覆盖区域的有效类别，根据所述有效类别生成第二废弃物覆盖区域集；
所述根据所述高分辨率遥感影像数据对所述非监督分类结果进行识别处理包括：
读取所述高分辨率遥感影像数据；计算基于非监督分类得到的各个类别的信息熵；
计算各个类别的信息熵上限：
若初始地物类别的信息熵大于信息熵上限，则将类别的信息熵大于信息熵上限的类别分裂为两个地物类别，将分裂后的地物类别数作为新的类别数，则重新进行非监督分类；
若初始地物类别的信息熵不大于信息熵上限，计算不同地物类别对应的最佳模糊聚类中心之间的欧几里得距离，即两个聚类中心差值的平方，用来描述两地物类别间的相似程度；若欧几里得距离小于给定阈值，则将欧几里得距离小于给定阈值的两个地物类别合并为一个地物类别，将合并后的地物类别数作为新的初始地物类别数，重新进行非监督分类；否则，将当前得到的地物类别数作为识别结果；
步骤二中，通过以下公式计算覆盖范围内废弃物的焚烧总量：
IWB＝P×Pfrac×IWP×Bfrac×D；
其中，IWB为废弃物焚烧总量；P为所述目标区域的人口；Pfrac为焚烧废弃物的人口比例；IWP为人均废弃物产生量；Bfrac为焚烧的废弃物量与废弃物处理总量的比例；D为每年的天数；
步骤三，确定氧化亚氮在所述目标区域的排放因子：根据所述废弃焚烧物的种类、所述焚烧物的覆盖范围及焚烧总量，获取废弃物焚烧产生的氧化亚氮的排放浓度；获取废弃物的焚化量的烟气量；根据所述氧化亚氮的排放浓度和所述烟气量，计算得到所述氧化亚氮在所述目标区域的实测排放因子；所述氧化亚氮的排放因子采用目标区域特定的排放因子；
步骤四，计算所述氧化亚氮的排放总量：获取所述废弃焚烧物的焚烧总量以及所述目标区域的实测排放因子；根据所述废弃焚烧物的焚烧总量和所述目标区域的实测排放因子，通过公式计算所述氧化亚氮的排放总量；步骤四中，通过检测中心通过城市烟雾感应器感应监测获得废弃物焚烧排放的氧化亚氮烟气量和氧化亚氮排放的烟雾浓度值，进行计算最终的废弃物焚烧排放总量；
步骤四中，通过以下公式计算所述氧化亚氮的排放总量：
其中，NAi是关于种类为i的废弃物焚烧时排放的烟雾量，ΣNAi是对于所计算区域中的各处烟雾排放量进行汇总求和，单位m3；NFi是种类为i的废弃物焚烧时的氧化亚氮排放因子，单位kg/公顷；NQi是单元面积中废弃物焚烧时的氧化亚氮排量浓度值，单位m3/公顷；为总的废弃物焚烧时产生的氧化亚氮排放总量，单位万吨；i为废弃物种类。
2.如权利要求1所述的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，其特征在于，所述步骤一还包括：若无法查阅获取焚烧废弃物的种类，则根据废弃物的来源和之前的材料用途进行判断废弃物的属性，进而得到废弃物的近似种类和参数值。
3.如权利要求1所述的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，其特征在于，步骤二中，所述根据废弃物特征和归一化覆盖指数数据在目标区域内初步提取得到多个废弃物覆盖区域，并将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集，包括：
获取废弃物特征和归一化覆盖指数数据；
根据所述废弃物特征和所述归一化覆盖指数数据，制定废弃物覆盖规则；
根据所述废弃物覆盖规则在目标区域内提取出多个废弃物覆盖区域，将所述多个废弃物覆盖区域作为第一废弃物覆盖区域集。
4.如权利要求1所述的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，其特征在于，步骤二中，所述根据所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集确定废弃物的覆盖范围，包括：
对所述第一废弃物覆盖区域集和所述第二废弃物覆盖区域集进行取交集处理，得到取交集处理结果；
根据所述取交集处理结果确定废弃物的覆盖范围。
5.如权利要求1所述的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，其特征在于，步骤二中，所述废弃物的焚烧总量包括所述目标区域边界内所产生并处理的废弃物焚烧总量以及所述目标区域边界外产生但在边界内处理的废弃物焚烧总量。
6.如权利要求5所述的用于废弃物焚烧处理产生的氧化亚氮排放的核算方法，其特征在于，所述废弃物的焚烧总量包括固体废弃物焚烧总量、危险废弃物焚烧总量以及污水污泥焚烧总量中的至少一种。
CN202110763285.4A 2021-07-06 2021-07-06 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法 Active CN113392363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110763285.4A CN113392363B (zh) 2021-07-06 2021-07-06 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110763285.4A CN113392363B (zh) 2021-07-06 2021-07-06 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法

Publications (2)

Publication Number Publication Date
CN113392363A CN113392363A (zh) 2021-09-14
CN113392363B true CN113392363B (zh) 2023-09-12

Family

ID=77625290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110763285.4A Active CN113392363B (zh) 2021-07-06 2021-07-06 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法

Country Status (1)

Country Link
CN (1) CN113392363B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115862754A (zh) * 2022-11-16 2023-03-28 中科三清科技有限公司 生物质燃烧排放清单确定方法、装置及设备
CN116429938B (zh) * 2023-04-12 2024-01-02 中国科学院地理科学与资源研究所 一种基于遥感影像的土地n2o排放量的测算方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447514A (zh) * 2015-11-18 2016-03-30 北京航空航天大学 一种基于信息熵的金属识别方法
WO2017215192A1 (zh) * 2016-06-14 2017-12-21 中国矿业大学 一种充填采煤液压支架充填特性评价方法
CN110288195A (zh) * 2019-05-27 2019-09-27 姜涵 一种废弃物焚烧处理产生的氧化亚氮排放的核算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447514A (zh) * 2015-11-18 2016-03-30 北京航空航天大学 一种基于信息熵的金属识别方法
WO2017215192A1 (zh) * 2016-06-14 2017-12-21 中国矿业大学 一种充填采煤液压支架充填特性评价方法
CN110288195A (zh) * 2019-05-27 2019-09-27 姜涵 一种废弃物焚烧处理产生的氧化亚氮排放的核算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
固体废物焚烧过程中二噁英的排放和生成机理研究进展;李雁等;《环境化学》;第38卷(第4期);第746-759页 *

Also Published As

Publication number Publication date
CN113392363A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN113392363B (zh) 一种用于废弃物焚烧处理产生的氧化亚氮排放的核算方法
Chen et al. Spatially fine-grained urban air quality estimation using ensemble semi-supervised learning and pruning
Wu et al. Predicting the presence of hazardous materials in buildings using machine learning
CN103177215A (zh) 基于软件控制流特征的计算机恶意软件检测新方法
CN111461355A (zh) 基于随机森林的二噁英排放浓度迁移学习预测方法
CN109708114A (zh) 一种危废焚烧配伍方法
CN114191949B (zh) 一种锂电池生产废气处理方法、系统和可读存储介质
CN117054616B (zh) 一种基于人工智能的远程中台大气污染溯源系统
Wang et al. Machine learning approaches for automatic classification of single-particle mass spectrometry data
Lu et al. Greenhouse gas mitigation-induced rough-interval programming for municipal solid waste management
CN116089825B (zh) 一种基于统计熵的固废指纹特征提取方法
Haraksim et al. Validation of likelihood ratio methods for forensic evidence evaluation handling multimodal score distributions
Kumar et al. Source Apportionment of Particulate Matter by Application of Machine Learning Clustering Algorithms
Zhonghao et al. Identification of heavy metal-contaminated Tegillarca granosa using laser-induced breakdown spectroscopy and linear regression for classification
CN111062550A (zh) 一种环境管理方法、环境管理装置及服务器
CN114974452A (zh) 一种确定二次转化来源的管控目标的方法和装置
CN115758655A (zh) 一种基于nsga-ⅱ算法的核动力厂气载流出物排放量优化方法
CN114218383A (zh) 重复事件的判定方法、装置及应用
CN114896952A (zh) 一种大气污染源排放清单编制方法及装置
Varghese et al. Robust Air Quality Prediction Based on Regression and XGBoost
CN113514378A (zh) 一种pm2.5区域性重污染原因识别系统
Zhu et al. A data-driven approach for optimal design of integrated air quality monitoring network in a chemical cluster
Kumar et al. Machine learning classification model to label sources derived from factor analysis receptor models for source apportionment
CN105824871A (zh) 一种图片检测方法与设备
Lu et al. Feature fusion improves performance and interpretability of machine learning models in identifying soil pollution of potentially contaminated sites

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