CN113961732A - 基于智能数据挖掘的大气环境自动化分析方法 - Google Patents
基于智能数据挖掘的大气环境自动化分析方法 Download PDFInfo
- Publication number
- CN113961732A CN113961732A CN202111270504.1A CN202111270504A CN113961732A CN 113961732 A CN113961732 A CN 113961732A CN 202111270504 A CN202111270504 A CN 202111270504A CN 113961732 A CN113961732 A CN 113961732A
- Authority
- CN
- China
- Prior art keywords
- aqi
- air quality
- quality monitoring
- data
- rendering
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000007418 data mining Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 70
- 238000009877 rendering Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 238000012732 spatial analysis Methods 0.000 claims abstract description 3
- 238000012216 screening Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种基于智能数据挖掘的大气环境自动化分析方法,包括S1:采集空气质量监测站点的空气质量监测数据和路网中每个路段的交通流量数据;S2:基于空间分析方法,根据空气质量监测数据和空气质量监测站点编码的关联建立第一图层,根据交通流量数据和路网道路ID的关联建立第二图层;S3:在第一图层中输入优化的空间插值参数,并基于反距离权重插值方法进行空间插值得到AQI值,再根据AQI值进行对应渲染得到AQI渲染图;S4:基于交通流量数据对第二图层进行分段渲染得到交通流量渲染图;S5:按AQI值进行降序排列并和AQI渲染图、交通流量渲染图相结合得到AQI示意图;S6:实时动态更新S1中数据库,读取制图模块将AQI示意图导出。
Description
技术领域
本发明涉及环保技术领域,特别涉及基于智能数据挖掘的大气环境自动化分析方法。
背景技术
空气质量是建设生态文明的重要指标,受到广泛关注。十九大报告提出着力解决突出环境问题,其中包括“持续实施大气污染防治行动,打赢蓝天保卫战”。将不同维度的大气质量监测数据进行可视化制图展示,可以为环保部门提供高可读性、直观性的决策支持。
现阶段,在专题图制图技术方面,基于每日及每小时的监测数据手动制图需要消耗大量的人力,且耗时长,重复性高。因此迫切需要研究一种自动化技术为实时空气质量监测数据制图提供高效的技术支持,以满足快速制图的需求。
发明内容
针对现有技术中可视化制图耗费时间较长的问题,本发明提出一种基于智能数据挖掘的大气环境自动化分析方法,通过一种优化的空间插值分析方法,对多维度的每日及每小时空气质量监测数据进行可视化制图。
为了实现上述目的,本发明提供以下技术方案:
基于智能数据挖掘的大气环境自动化分析方法,具体包括以下步骤:
S1:采集空气质量监测站点的空气质量监测数据和路网中每个路段的交通流量数据,分别形成第一数据表和第二数据表,并保存到数据库;
S2:基于空间分析方法,根据空气质量监测数据和空气质量监测站点编码的关联建立第一图层,根据交通流量数据和路网道路ID的关联建立第二图层;
S3:在第一图层中输入优化的空间插值参数,并基于反距离权重插值方法进行空间插值得到AQI值,再根据AQI值进行对应渲染得到AQI渲染图;
S4:基于交通流量数据对第二图层进行分段渲染得到交通流量渲染图;
S5:判断及筛选AQI值大于预设报警值对应的空气质量监测站点,按AQI值进行降序排列并和AQI渲染图、交通流量渲染图相结合得到AQI示意图;
S6:实时动态更新S1中数据库,读取制图模块将AQI示意图导出。
优选的,所述S1中,空气质量监测站点和路网中每个路段均拥有唯一编码。
优选的,所述S2具体包括以下步骤:
S2-1:基于创建要素图层方法,创建一个用于与第一数据表建立关联关系的临时图层,通过添加连接的方法,将第一数据表连接到临时图层,建立起空气质量监测数据与空气质量监测站点的关联关系;
S2-2:再将S2-1中的临时图层另存为带有时间标识的第一图层,以便用于进行空间插值操作,动态实现带有时间标识的第一图层命名;
S2-3:重复S2-1及S2-2操作,建立起交通流量数据与路网的关联关系,并生成带有时间标识的第二图层,以便用于进行路网流量分段颜色渲染操作,动态实现带有时间标识的第二图层命名。
优选的,所述S3中,优化空间插值参数的方法为:
S3-1:将监测污染源得到的AQI2值,按照经验值30%影响系数累加到在同一个网格中的空气质量监测站点监测AQI1值中,即优化空间插值参数的公式为AQI=AQI1+0.3*AQI2。
优选的,所述S3中,基于反距离权重插值方法得到AQI值包括:
计算所有离散点与所求网格点(A,B)的距离,然后找出离所求网格点最近的N个离散点的距离,
公式(1)中,Di表示第i个空气质量监测站点到网格点的距离,x0表示网格点(A,B)的X轴坐标,y0表示网格点(A,B)的Y轴坐标,xi表示第i个空气质量监测站点的X轴坐标,yi表示第i个空气质量监测站点的Y轴坐标;
根据计算出的距离,对网格点的AQI值进行估算:
公式(2)中,Z(A,B)为网格点(A,B)上的估算值,N为参与计算的样本个数,Zi为第i个空气质量监测站点的AQI值,P表示距离的幂。
优选的,所述S5包括以下步骤:
S5-1:基于Python语言的第三方库,将S1中第一数据表读取到数据帧中,基于第三方库的数据分析功能,实现AQI值降序排列,并筛选出AQI值大于预设报警值的值;
S5-2:将AQI值大于预设报警值的空气质量监测站点进行序号编码,从数据帧中写入txt;
S5-3:基于Python语言以二进制形式读取S5-2中的txt,基于制图模块API操作地图文档mxd中的文字,再以二进制形式将txt写入预设的用于超标展示的地图文档文本框中,并与AQI渲染图、交通流量渲染图相结合,从而得到AQI示意图。
优选的,所述S6具体包括以下步骤:
S6-1:基于制图模块API的替换数据库接口,实时生成AQI示意图;
S6-2:基于制图模块API操作地图文档mxd中的文字,实现地图制图要素中标题时间动态更新;
S6-3:基于制图模块API中的JPEG接口,将AQI示意图导出为JPEG格式的图片。
优选的,还包括S7:
通过SpringBoot实现基于Restful接口,导出JPEG格式的图片;
接口规范如下:
规定接口通讯协议为Http协议;
规定接口的请求方式为GET请求。
综上所述,由于采用了上述技术方案,与现有技术相比,本发明至少具有以下有益效果:
本发明基于空间插值分析的实时空气质量监测数据自动化制图,一是实现了将不同维度的大气质量监测数据进行可视化展示,为环保部门提供了高可读性、直观性的决策支持。二是实现了超标站点的筛选及排序,添加了超标站点所在区县乡镇文字展示功能,形成图文对照,更加清晰直观。三是自动化制图节省了人力,避免了大量重复工作,极大提高了工作效率,满足快速制图的需求。
附图说明:
图1为根据本发明示例性实施例的基于智能数据挖掘的大气环境自动化分析方法示意图。
图2为根据本发明示例性实施例的反距离权重空间插值示意图。
图3为根据本发明示例性实施例的AQI渲染图。
图4为根据本发明示例性实施例的交通流量渲染图。
图5为根据本发明示例性实施例的每日空气质量监测数据示意图。
图6为根据本发明示例性实施例的每小时空气质量监测数据示意图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本发明提供一种基于智能数据挖掘的大气环境自动化分析方法,具体包括以下步骤:
S1:采集空气质量监测站点的空气质量监测数据及路网的交通流量数据,分别形成第一数据表和第二数据表,并保存到数据库。
本实施例中,通过建立标准的接口规范,让业务系统根据接口规范提供相应的接口,利用Java语言编写基于Http协议的调用程序获取每个空气质量监测站点数据和交通流量数据。根据本实施例中数据的必要字段规范,规定其返回的数据字段,规定如表1所示:
表1.数据字段规定
本实施例中,每个空气质量监测站点均拥有唯一编号,例如1000005、1000006等。路网中每个路段也拥有唯一编号,例如11610、11611等。根据表1中的数据字段规定,形成规定字段格式的数据表,如表2及表3所示。表2为AQI(AirQualityIndex,空气质量指数)及IAQI(IndividualAirQualityIndex,空气质量分指数)监测数据表(第一数据表),表3为路网交通流量数据表(第二数据表)。
表2.AQI及IAQI监测数据表
站点编码 | iCOIAQI | iNO2IAQI | iO3IAQI | iPM10IAQI | iPM25IAQI | iS02IAQI | AQI |
1000005 | 85 | 91 | 55 | 60 | 77 | 60 | 85 |
1000006 | 75 | 100 | 50 | 56 | 80 | 45 | 77 |
…… | …… | …… | …… | …… | …… | …… | …… |
表3.路网交通流量数据表
道路ID | 交通流量 |
11610 | 5533 |
11610 | 12460 |
…… | …… |
S2:基于空间分析方法,根据空间质量监测数据和空气质量监测站点编码的关联建立第一图层,根据交通流量数据和路网道路ID的关联建立第二图层,
本实施例中,将每个空气质量监测站点及路网中每个路段的唯一编号作为主键用于空间连接。
S2-1:基于创建要素图层方法,创建一个用于与第一数据表建立关联关系的临时图层,通过添加连接的方法(基于站点编码字段),将第一数据表连接到临时图层,建立起空气质量监测数据与空气质量监测站点的关联关系;
S2-2:由于添加连接方法为临时性连接,因此基于复制要素方法,将S2-1中的临时图层另存为带有时间标识的第一图层,以便用于进行空间插值操作,例如,在本实施例中,“AQIdatetime_layer”(datetime带有时间维度,表示不同时刻的数据来源),即通过输入时间参数,动态实现带有时间标识的图层命名;
S2-3:重复S2-1及S2-2操作,建立起交通流量数据与路网的关联关系,并生成带有时间标识的第二图层,以便用于进行路网流量分段颜色渲染操作,例如,在本实施例中,第二图层命名为“LWdatetime_layer”,通过输入的时间参数,动态实现带有时间标识的图层命名。
S3:在第一图层中输入优化的空间插值参数,并基于反距离权重插值方法进行空间插值,再根据AQI值进行对应渲染得到AQI渲染图。
S3-1:基于空气质量监测站点的AQI1值和污染源(施工工地及安装了在线监测重点工业)的AQI2值,从而对空间参数进行优化。例如将污染源得到的AQI2值,按照经验值30%影响系数累加到在同一个网格中的空气质量监测站点监测AQI1值中,得到优化的空间插值参数AQI=监测站点AQI1+0.3*AQI2;本实施例中,该经验值(0.3)累加仅用于每日空气质量指数AQI制图。
S3-2:利用反距离权重插值方法进行空间插值,反距离权重法是非规则分布点变成规则分布点常用的网格化方法。
如图2所示,反距离权重插值使用一组采样点的线性权重组合来确定像元值。首先计算所有离散数据点与所求网格点(A,B)的距离,然后找出离网格点(A,B)最近的N个离散点的距离,对网格点(A,B)进行值估算。
公式(1)中,Di表示第i个空气质量监测站点到网格点(A,B)的距离,x0表示网格点(A,B)的X轴坐标,y0表示网格点(A,B)的Y轴坐标,xi表示第i个空气质量监测站点的X轴坐标,yi表示第i个空气质量监测站点的Y轴坐标。
根据计算出的距离,对网格点值进行估算:
公式(2)中,Z(A,B)为网格点(A,B)上的估算值,N为参与计算的样本个数,Zi为离散点i上的观测值,P表示距离的幂。
S3-3:基于Arcpy的Idw接口实现反距离权重插值(如表4所示),生成栅格表面,按照得到的AQI值进行分段颜色颜色渲染,得到AQI渲染图,如图3所示。
例如将AQI值为【0,50】的区域渲染为绿色,将AQI值为(50,100)的区域渲染为黄色,将AQI值为【100,150】的区域渲染为橙色,将AQI值为(150,200)的区域渲染为红色。
表4.反距离权重插值参数说明
S4:基于交通流量数据对第二图层进行分段渲染得到交通流量渲染图。
本实施例中,根据交通流量数据,按照预先设定好的分级渲染规则(如表5所示)对第二图层进行分段渲染得到交通流量渲染图,如图4所示;
表5.交通流量数据分级渲染规则
车辆分段等级(辆) | RGB |
0-2万 | (56,168,0) |
2-4万 | (255,255,0) |
4-6万 | (255,170,0) |
6-8万 | (255,0,0) |
8-10万 | (128,0,0) |
S5:判断及筛选AQI值大于预设报警值对应的空气质量监测站点,读取空气质量监测站点所在区县乡镇属性,按AQI值进行降序排列并和AQI渲染图、交通流量渲染图相结合得到AQI示意图。
S5-1:基于Python语言的第三方库,将S1中第一数据表读取到数据帧中,基于第三方库的数据分析功能,实现AQI值降序排列,并筛选出AQI值大于预设报警值的值;
本实施例中,设置预设报警值为100,判断并筛选出AQI值大于预设报警值对应的空气质量监测站点,读取所在区县乡镇属性,按AQI值进行降序排列展示,优先设置展示条数不大于10条;
S5-2:基于Python语言的第三方库,将AQI及IAQI值大于预设报警值的空气质量监测站点对应的区县乡镇进行序号编码,从数据帧中写入txt,实现空气质量监测预警数据属性的存储,为专题图展示超标文字信息做准备;
S5-3:基于Python语言以二进制形式读取S5-2中的txt,基于制图模块API操作地图文档mxd中的文字,再以二进制形式将txt写入预设的用于超标展示的地图文档文本框中,并与AQI渲染图、交通流量渲染图相结合,从而得到AQI示意图。
S6:实时动态更新数据库,读取制图模块将AQI示意图导出为指定格式的地图。
S6-1:基于制图模块API的替换数据库接口,实现制图文档mxd中的空间插值图层动态替换为实时生成的AQI示意图;
S6-2:基于制图模块API操作地图文档mxd中的文字,实现地图制图要素中标题时间动态更新。
S6-3:基于制图模块API中的JPEG接口,实现地图文档mxd中AQI示意图导出为JPEG格式的图片。
S7:利用SpringBoot,基于Restful标准接口推送出显示图,如图5和图6所示。图5为每日空气质量监测示意图,图6为每小时空气质量监测示意图。
本实施例中,Restful标准接口推送出显示图G,根据请求参数返回相应类型的图片。
接口规范如下:
规定接口通讯协议为Http协议;
规定接口的请求方式为GET请求;
表5.规定接口的请求参数
字段 | 运算符 | 参数名 |
type | = | 类型(co,no2,o3,pm10,pm25,so2) |
time | = | 时间(YYYY-MM-ddhh:00:00) |
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (8)
1.基于智能数据挖掘的大气环境自动化分析方法,其特征在于,具体包括以下步骤:
S1:采集空气质量监测站点的空气质量监测数据和路网中每个路段的交通流量数据,分别形成第一数据表和第二数据表,并保存到数据库;
S2:基于空间分析方法,根据空气质量监测数据和空气质量监测站点编码的关联建立第一图层,根据交通流量数据和路网道路ID的关联建立第二图层;
S3:在第一图层中输入优化的空间插值参数,并基于反距离权重插值方法进行空间插值得到AQI值,再根据AQI值进行对应渲染得到AQI渲染图;
S4:基于交通流量数据对第二图层进行分段渲染得到交通流量渲染图;
S5:判断及筛选AQI值大于预设报警值对应的空气质量监测站点,按AQI值进行降序排列并和AQI渲染图、交通流量渲染图相结合得到AQI示意图;
S6:实时动态更新S1中数据库,读取制图模块将AQI示意图导出。
2.如权利要求1所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,所述S1中,空气质量监测站点和路网中每个路段均拥有唯一编码。
3.如权利要求1所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,所述S2具体包括以下步骤:
S2-1:基于创建要素图层方法,创建一个用于与第一数据表建立关联关系的临时图层,通过添加连接的方法,将第一数据表连接到临时图层,建立起空气质量监测数据与空气质量监测站点的关联关系;
S2-2:再将S2-1中的临时图层另存为带有时间标识的第一图层,以便用于进行空间插值操作,动态实现带有时间标识的第一图层命名;
S2-3:重复S2-1及S2-2操作,建立起交通流量数据与路网的关联关系,并生成带有时间标识的第二图层,以便用于进行路网流量分段颜色渲染操作,动态实现带有时间标识的第二图层命名。
4.如权利要求1所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,所述S3中,优化空间插值参数的方法为:
S3-1:将监测污染源得到的AQI2值,按照经验值30%影响系数累加到在同一个网格中的空气质量监测站点监测AQI1值中,即优化空间插值参数的公式为AQI=AQI1+0.3*AQI2。
5.如权利要求1所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,所述S3中,基于反距离权重插值方法得到AQI值包括:
计算所有离散点与所求网格点(A,B)的距离,然后找出离所求网格点最近的N个离散点的距离,
公式(1)中,Di表示第i个空气质量监测站点到网格点的距离,x0表示网格点(A,B)的X轴坐标,y0表示网格点(A,B)的Y轴坐标,xi表示第i个空气质量监测站点的X轴坐标,yi表示第i个空气质量监测站点的Y轴坐标;
根据计算出的距离,对网格点的AQI值进行估算:
公式(2)中,Z(A,B)为网格点(A,B)上的估算值,N为参与计算的样本个数,Zi为第i个空气质量监测站点的AQI值,P表示距离的幂。
6.如权利要求1所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,所述S5包括以下步骤:
S5-1:基于Python语言的第三方库,将S1中第一数据表读取到数据帧中,基于第三方库的数据分析功能,实现AQI值降序排列,并筛选出AQI值大于预设报警值的值;
S5-2:将AQI值大于预设报警值的空气质量监测站点进行序号编码,从数据帧中写入txt;
S5-3:基于Python语言以二进制形式读取S5-2中的txt,基于制图模块API操作地图文档mxd中的文字,再以二进制形式将txt写入预设的用于超标展示的地图文档文本框中,并与AQI渲染图、交通流量渲染图相结合,从而得到AQI示意图。
7.如权利要求1所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,所述S6具体包括以下步骤:
S6-1:基于制图模块API的替换数据库接口,实时生成AQI示意图;
S6-2:基于制图模块API操作地图文档mxd中的文字,实现地图制图要素中标题时间动态更新;
S6-3:基于制图模块API中的JPEG接口,将AQI示意图导出为JPEG格式的图片。
8.如权利要求7所述的基于智能数据挖掘的大气环境自动化分析方法,其特征在于,还包括S7:
通过SpringBoot实现基于Restful接口,导出JPEG格式的图片;
接口规范如下:
规定接口通讯协议为Http协议;
规定接口的请求方式为GET请求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111270504.1A CN113961732A (zh) | 2021-10-29 | 2021-10-29 | 基于智能数据挖掘的大气环境自动化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111270504.1A CN113961732A (zh) | 2021-10-29 | 2021-10-29 | 基于智能数据挖掘的大气环境自动化分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113961732A true CN113961732A (zh) | 2022-01-21 |
Family
ID=79468330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111270504.1A Pending CN113961732A (zh) | 2021-10-29 | 2021-10-29 | 基于智能数据挖掘的大气环境自动化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113961732A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018022A (zh) * | 2022-08-10 | 2022-09-06 | 北京市生态环境监测中心 | 网格化环境监测数据的质量控制方法、装置、设备及介质 |
CN115292249A (zh) * | 2022-10-08 | 2022-11-04 | 太极计算机股份有限公司 | 一种大气海洋四维数据集的构建方法及系统 |
CN115879595A (zh) * | 2022-09-13 | 2023-03-31 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317842A (zh) * | 2014-10-11 | 2015-01-28 | 国家电网公司 | 基于地理信息技术智能数据提取生成专题图引擎 |
CN105389753A (zh) * | 2015-11-04 | 2016-03-09 | 江西理工大学 | 农地承包经营权属一张图服务系统及其实现方法 |
CN110489499A (zh) * | 2019-05-31 | 2019-11-22 | 武汉大学 | 一种在线智能专题地图编制方法 |
CN112559619A (zh) * | 2020-12-07 | 2021-03-26 | 中科三清科技有限公司 | 空间分布图绘制方法、装置、电子设备以及可读存储介质 |
CN113553532A (zh) * | 2021-09-22 | 2021-10-26 | 青岛恒天翼信息科技有限公司 | 一种基于气象数据解析和渲染的综合展示系统 |
-
2021
- 2021-10-29 CN CN202111270504.1A patent/CN113961732A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317842A (zh) * | 2014-10-11 | 2015-01-28 | 国家电网公司 | 基于地理信息技术智能数据提取生成专题图引擎 |
CN105389753A (zh) * | 2015-11-04 | 2016-03-09 | 江西理工大学 | 农地承包经营权属一张图服务系统及其实现方法 |
CN110489499A (zh) * | 2019-05-31 | 2019-11-22 | 武汉大学 | 一种在线智能专题地图编制方法 |
CN112559619A (zh) * | 2020-12-07 | 2021-03-26 | 中科三清科技有限公司 | 空间分布图绘制方法、装置、电子设备以及可读存储介质 |
CN113553532A (zh) * | 2021-09-22 | 2021-10-26 | 青岛恒天翼信息科技有限公司 | 一种基于气象数据解析和渲染的综合展示系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018022A (zh) * | 2022-08-10 | 2022-09-06 | 北京市生态环境监测中心 | 网格化环境监测数据的质量控制方法、装置、设备及介质 |
CN115879595A (zh) * | 2022-09-13 | 2023-03-31 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115879595B (zh) * | 2022-09-13 | 2023-10-24 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115292249A (zh) * | 2022-10-08 | 2022-11-04 | 太极计算机股份有限公司 | 一种大气海洋四维数据集的构建方法及系统 |
CN115292249B (zh) * | 2022-10-08 | 2023-02-28 | 太极计算机股份有限公司 | 一种大气海洋四维数据集的构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113961732A (zh) | 基于智能数据挖掘的大气环境自动化分析方法 | |
CN107193918B (zh) | 一种基于开源地图的分布式gis状态监控系统 | |
CN107038259B (zh) | 一种构造交通路网数据的作业方法及其系统 | |
CN112288247B (zh) | 一种基于空间交互关系的土壤重金属风险识别方法 | |
CN111552995A (zh) | 基于bim-3dgis和数据自动解析技术的轨道交通施工可视化监测管理系统 | |
CN104091005B (zh) | 一种架空送电线路工程测量内外业一体化系统 | |
CN110852557A (zh) | 一种基于gis的垃圾填埋场的选址方法及装置 | |
CN114092025B (zh) | 一种临时用地全生命周期监测方法 | |
CN112579845A (zh) | 工业大数据展示地理信息系统平台 | |
CN116821223B (zh) | 基于数字孪生的工业可视化控制平台及方法 | |
CN115293570A (zh) | 一种基于gis国土空间规划系统及方法 | |
CN113268678A (zh) | 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 | |
CN113050472A (zh) | 基于管网预警分析技术的智慧污水零直排动态监管系统 | |
CN114491108B (zh) | 一种基于多源遥感应用数据的在线分类系统及方法 | |
Dai et al. | A GIS-based approach to spatial allocation of area source solvent emissions | |
CN109614752A (zh) | 城市公共交通仿真决策支撑系统数据动态可视化展示的方法及装置 | |
CN113222540A (zh) | 一种生态保护红线的管理系统 | |
CN110688439A (zh) | 一种基于区域地理编码自动识别企业信息和分析的方法 | |
Garrett et al. | Package ‘rgr’ | |
CN111861196A (zh) | 基于“三线一单”的建设项目环境影响评价辅助分析系统 | |
CN108596492A (zh) | 一种城乡航测管理信息系统 | |
CN111221929A (zh) | 一种在电子地图上按照行业分类标识地点的方法及系统 | |
CN117784243B (zh) | 基于亚地震断裂系统拓扑结构的连通性评价方法 | |
CN117667952B (zh) | 基于多源属性表的数据空间化方法、系统、设备及介质 | |
JP5210092B2 (ja) | 環境情報集計装置、環境情報集計方法および環境情報集計プログラム |
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 |