CN114088633B - 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 - Google Patents

一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 Download PDF

Info

Publication number
CN114088633B
CN114088633B CN202111373589.6A CN202111373589A CN114088633B CN 114088633 B CN114088633 B CN 114088633B CN 202111373589 A CN202111373589 A CN 202111373589A CN 114088633 B CN114088633 B CN 114088633B
Authority
CN
China
Prior art keywords
methane
coal mine
emission
area
methane emission
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
CN202111373589.6A
Other languages
English (en)
Other versions
CN114088633A (zh
Inventor
陈翠红
毛慧琴
韩舸
裴志鹏
史天奇
周伟
王飞
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.)
Satellite Application Center for Ecology and Environment of MEE
Original Assignee
Satellite Application Center for Ecology and Environment of MEE
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 Satellite Application Center for Ecology and Environment of MEE filed Critical Satellite Application Center for Ecology and Environment of MEE
Priority to CN202111373589.6A priority Critical patent/CN114088633B/zh
Publication of CN114088633A publication Critical patent/CN114088633A/zh
Application granted granted Critical
Publication of CN114088633B publication Critical patent/CN114088633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G01J2003/2826—Multispectral imaging, e.g. filter imaging
    • 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
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种星地协同监测的煤矿区甲烷排放异常识别和核算方法，属于遥感技术领域。本发明首先根据卫星的光谱数据识别出甲烷排放区域，并结合高分辨率卫星影像，识别出甲烷排放设施。然后使用甲烷走航观测器进行走航观测，建立坐标系，使用高斯扩散模型对甲烷扩散进行建模。使用遗传算法对高斯扩散模型中的参数进行结算，最终求得确切的甲烷排放强度。一方面，卫星遥感可以从宏观上提供全国覆盖的甲烷空间分布及长时间序列变化信息，定位甲烷排放高值区域，检测煤矿区域甲烷异常排放信号；另一方面，结合灵活性高的车载移动监测，获取煤矿区甲烷浓度，反演煤矿区甲烷排放通量，为煤矿区甲烷减排提供数据支撑。

Description

一种星地协同监测的煤矿区甲烷排放异常识别和核算方法
技术领域
本发明涉及卫星遥感技术领域，特别是指一种煤矿区甲烷排放识别方法。
背景技术
甲烷(CH4)是全球第二大温室气体。相较于二氧化碳，CH4在大气中存续时间较短，由于其吸收热红外辐射的效率更高，在20年时间尺度内，CH4的全球增温潜势是二氧化碳的84倍。CH4对目前人类感知的全球变暖的贡献率约为四分之一。减少人为造成的CH4排放是短期内减缓气候变暖速度的最有效和直接的途径之一。我国是世界上人为甲烷气体排放量最大的国家，其中煤炭行业排放最高，占比约1/3。2010至2015年间，中国煤炭行业的甲烷排放增长量占到了世界甲烷排放总增长量的11％-24％。关注我国煤炭行业，对重点煤炭地区甲烷减排有效管控，是控制甲烷排放不断增长、减缓气候变化的重要途径。
目前我国煤炭生产企业甲烷排放核算主要采用联合国气候变化框架公约(UNFCC)推荐的基于活动水平、排放因子的“自下而上”方法。但受统计数据的限制，煤炭甲烷排放估算结果通常存在很大的不确定性，且无法捕捉到甲烷异常泄露排放源。
发明内容
为解决现有技术中的问题，本发明提供一种煤矿区甲烷排放识别方法，根据卫星的遥感数据识别出甲烷排放区域，结合地面走航资料，反演获取煤矿区甲烷排放量，为煤矿区甲烷减排提供数据支撑。
本发明提供技术方案如下：
一种煤矿区甲烷排放识别方法，所述方法包括：
获取利用高光谱卫星遥感监测得到的甲烷浓度空间分布图；
根据所述甲烷浓度空间分布图上各个像元的甲烷浓度确定甲烷排放异常区域；
选取静风条件下的甲烷排放异常区域作为甲烷排放热点区域；
利用土地覆盖数据和高分辨率光学卫星遥感监测得到的多光谱遥感影像数据，在所述甲烷排放热点区域内识别出煤矿区；
获取由车载观测平台在所述煤矿区进行走航观测得到的各个测量点的甲烷浓度、风速、风向、大气温度、大气湿度和大气压强；
根据各个测量点的甲烷浓度确定甲烷排放泄露源，并结合风速和风向，利用高斯扩散模型反演煤矿区的甲烷排放通量。
进一步的，所述根据所述甲烷浓度空间分布图上各个像元的甲烷浓度确定甲烷排放异常区域，包括：
对于甲烷浓度空间分布图上的每个像元，将该像元的甲烷浓度与周围一定范围内的若干个像元的甲烷浓度进行比较，若该像元的甲烷浓度大于周围一定范围内的所有像元的甲烷浓度，则将该像元作为甲烷排放异常区域。
进一步的，所述选取静风条件下的甲烷排放异常区域作为甲烷排放热点区域，包括：
选取风速小于2m/s的甲烷排放异常区域作为甲烷排放热点区域。
进一步的，所述车载观测平台在所述煤矿区的上风向区域和下风向区域进行走航观测。
进一步的，所述高斯扩散模型为：
Figure BDA0003363017340000021
其中，(x,y,z)为测量点坐标，C(x,y,z)为(x,y,z)坐标处的甲烷浓度，q为排放强度，u为风速，H为甲烷排放泄露源的有效排放高度，σy和σz分别为水平扩散参数和垂直扩散参数，B为甲烷的背景浓度，α为地面反射系数，σy＝a·xb，σz＝c·xd，a，b为水平扩散系数，c，d为垂直扩散系数。
进一步的，所述利用高斯扩散模型反演煤矿区的甲烷排放通量，包括：
以煤矿区的排气口为坐标原点，以风向为X轴，以水平方向上垂直于风向的方向为Y轴，以垂直于XOY平面的方向为Z轴建立坐标系；
根据测量点的甲烷浓度C(x,y,z)以及风速和风向，采用遗传算法对参数(q、α、B、z、a、b、c、d)进行迭代求解。
进一步的，所述高光谱卫星包括TROPOMI、PRISMA、GF5卫星，所述高分辨率光学卫星包括GF-1、GF-2、GF-6卫星。
进一步的，选择甲烷浓度最高的测量点作为甲烷排放泄露源。
本发明具有以下有益效果：
本发明首先根据卫星的光谱数据识别出甲烷排放区域，卫星遥感数据对煤矿区甲烷高排放区域有很好的敏感性，经过大量的数据分析和异常检测，可以探测大排放量的点源，并且位置定位准确，结合高分辨率卫星影像，可识别出甲烷排放设施。然后使用甲烷走航观测器进行走航观测，建立坐标系，使用高斯扩散模型对甲烷扩散进行建模。使用遗传算法对高斯扩散模型中的参数进行结算，最终求得确切的甲烷排放强度。
本发明利用卫星遥感获取覆盖全国的甲烷空间分布及长时间序列变化信息，定位甲烷排放高值区域，结合地面走航资料，反演获取甲烷排放量，为煤矿区甲烷减排提供数据支撑。
附图说明
图1为本发明的煤矿区甲烷排放识别方法的流程图；
图2为甲烷排放热点区域以及煤矿区的多光谱遥感影像示意图；
图3为甲烷走航观测结果示意图；
图4为排放坐标系示意图；
图5为高斯扩散模型反演煤矿区甲烷排放通量的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种煤矿区甲烷排放识别方法，如图1所示，该方法包括：
S100：获取利用高光谱卫星遥感监测得到的甲烷浓度空间分布图。
本步骤所述的高光谱卫星包括但不限于TROPOMI、PRISMA、GF5等，通过高光谱卫星的遥感影像，进行甲烷浓度反演，得到甲烷浓度空间分布图。
S200：根据甲烷浓度空间分布图上各个像元的甲烷浓度确定甲烷排放异常区域。
本步骤不限制获取甲烷排放异常区域的方式，其中一个实现示例为：
对于甲烷浓度空间分布图上的每个像元，将该像元的甲烷浓度与周围一定范围内(例如3*3范围)的若干个像元的甲烷浓度进行比较，若该像元的甲烷浓度大于周围一定范围内的所有像元的甲烷浓度，则将该像元作为甲烷排放异常区域。
S300：选取静风条件下的甲烷排放异常区域作为甲烷排放热点区域。
本步骤中，静风条件可以为风速小于2m/s，即选取风速小于2m/s的甲烷排放异常区域作为甲烷排放热点区域。
以TROPOMI卫星为例，图2展示了2020年山西某地区的甲烷浓度空间分布图，其中左侧图片中的三角形区域为甲烷排放热点区域。
S400：利用土地覆盖数据和高分辨率光学卫星遥感监测得到的多光谱遥感影像数据，在甲烷排放热点区域内识别出煤矿区。
本步骤利用土地覆盖数据和多光谱遥感影像数据，在甲烷排放热点区域内，根据煤矿企业的解译特征，去除农田、水体、居民区域，识别煤矿企业，得到煤矿区。煤矿区的多光谱遥感影像如图2中右侧图片所示。
识别煤矿企业的方法可以通过目视解译方法，也可以根据煤矿企业的光谱特征自动提取，本发明对此不做限制。
前述的高分辨率光学卫星包括但不限于GF-1、GF-2、GF-6等。
S500：获取由车载观测平台在煤矿区进行走航观测得到的各个测量点的甲烷浓度、风速、风向、大气温度、大气湿度和大气压强。
本步骤根据车载观测平台的特点，装载甲烷走航观测仪器，结合煤矿区周边区域地形、风场，设计走航观测路线，主要在煤矿区上风向区域和下风向区域开展连续高频率的车载甲烷走航观测，并实时测量甲烷浓度、记录风速、风向、大气温度、大气湿度、大气压强等气象数据。
甲烷走航观测仪器包括但不限于光腔衰荡仪器技术(CRDS)、离轴积分腔输出光谱技术(OA-ICOS)移动温室气体分析仪，图3展示了山西某地区走航实验观测结果图。
S600：根据各个测量点的甲烷浓度确定甲烷排放泄露源，并结合风速和风向，利用高斯扩散模型反演煤矿区的甲烷排放通量。
本步骤中，可以选择甲烷浓度最高的测量点作为甲烷排放泄露源。
高斯扩散模型为：
Figure BDA0003363017340000051
其中，(x,y,z)为测量点坐标，C(x,y,z)为(x,y,z)坐标处的甲烷浓度，q为排放强度，u为风速，H为甲烷排放泄露源的有效排放高度，σy和σz分别为水平扩散参数和垂直扩散参数，B为甲烷的背景浓度，α为地面反射系数，σy＝a·xb，σz＝c·xd，a，b为水平扩散系数，c，d为垂直扩散系数。
反演过程为：
以煤矿区的排气口为坐标原点，以风向为X轴，以水平方向上垂直于风向的方向为Y轴，以垂直于XOY平面的方向为Z轴建立坐标系，如图4所示。
根据测量点的甲烷浓度C(x,y,z)以及风速和风向，采用遗传算法对参数(q、α、B、z、a、b、c、d)进行迭代求解，如图5所示。
本发明首先根据卫星的光谱数据识别出甲烷排放区域，卫星遥感数据对煤矿区甲烷高排放区域有很好的敏感性，经过大量的数据分析和异常检测，可以探测大排放量的点源，并且位置定位准确，结合高分辨率卫星影像，可识别出甲烷排放设施。然后使用甲烷走航观测器进行走航观测，建立坐标系，使用高斯扩散模型对甲烷扩散进行建模。使用遗传算法对高斯扩散模型中的参数进行结算，最终求得确切的甲烷排放强度。
本发明还可以通过对多个煤矿的甲烷源进行多次的排放检测，建立趋势关系，确定差异化较大的区域，在特定的时间去进行重点检测。基于长期的走航观测实验，统计分析不同类型煤矿企业、不同月份、不同季节甲烷浓度和排放的时空变化特征，确定甲烷排放重点关注的区域和时间段。
本发明通过卫星遥感和地面走航观测结合，反演甲烷排放量。一方面，卫星遥感可以从宏观上提供全国覆盖的甲烷空间分布及长时间序列变化信息，定位甲烷排放高值区域，检测煤矿区域甲烷异常排放信号；另一方面，结合灵活性高的车载移动监测，获取煤矿区甲烷浓度，反演煤矿区甲烷排放通量，为煤矿区甲烷减排提供数据支撑。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种煤矿区甲烷排放识别方法，其特征在于，所述方法包括：
获取利用高光谱卫星遥感监测得到的甲烷浓度空间分布图；
根据所述甲烷浓度空间分布图上各个像元的甲烷浓度确定甲烷排放异常区域；
选取风速小于2m/s的甲烷排放异常区域作为甲烷排放热点区域；
利用土地覆盖数据和高分辨率光学卫星遥感监测得到的多光谱遥感影像数据，在所述甲烷排放热点区域内识别出煤矿区；
获取由车载观测平台在所述煤矿区进行走航观测得到的各个测量点的甲烷浓度、风速、风向、大气温度、大气湿度和大气压强；
根据各个测量点的甲烷浓度确定甲烷排放泄露源，并结合风速和风向，利用高斯扩散模型反演煤矿区的甲烷排放通量；
所述根据所述甲烷浓度空间分布图上各个像元的甲烷浓度确定甲烷排放异常区域，包括：
对于甲烷浓度空间分布图上的每个像元，将该像元的甲烷浓度与周围3*3范围内的若干个像元的甲烷浓度进行比较，若该像元的甲烷浓度大于周围3*3范围内的所有像元的甲烷浓度，则将该像元作为甲烷排放异常区域；
所述高斯扩散模型为：
Figure FDA0003785767950000011
其中，(x,y,z)为测量点坐标，C(x,y,z)为(x,y,z)坐标处的甲烷浓度，q为排放强度，u为风速，H为甲烷排放泄露源的有效排放高度，σy和σz分别为水平扩散参数和垂直扩散参数，B为甲烷的背景浓度，α为地面反射系数，σy＝a·xb，σz＝c·xd，a，b为水平扩散系数，c，d为垂直扩散系数；
所述利用高斯扩散模型反演煤矿区的甲烷排放通量，包括：
以煤矿区的排气口为坐标原点，以风向为X轴，以水平方向上垂直于风向的方向为Y轴，以垂直于XOY平面的方向为Z轴建立坐标系；
根据测量点的甲烷浓度C(x,y,z)以及风速和风向，采用遗传算法对参数(q、α、B、z、a、b、c、d)进行迭代求解。
2.根据权利要求1所述的煤矿区甲烷排放识别方法，其特征在于，所述车载观测平台在所述煤矿区的上风向区域和下风向区域进行走航观测。
3.根据权利要求1或2所述的煤矿区甲烷排放识别方法，其特征在于，所述高光谱卫星包括TROPOMI、PRISMA、GF5卫星，所述高分辨率光学卫星包括GF-1、GF-2、GF-6卫星。
4.根据权利要求3所述的煤矿区甲烷排放识别方法，其特征在于，选择甲烷浓度最高的测量点作为甲烷排放泄露源。
CN202111373589.6A 2021-11-19 2021-11-19 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法 Active CN114088633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111373589.6A CN114088633B (zh) 2021-11-19 2021-11-19 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111373589.6A CN114088633B (zh) 2021-11-19 2021-11-19 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法

Publications (2)

Publication Number Publication Date
CN114088633A CN114088633A (zh) 2022-02-25
CN114088633B true CN114088633B (zh) 2022-09-27

Family

ID=80302031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111373589.6A Active CN114088633B (zh) 2021-11-19 2021-11-19 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法

Country Status (1)

Country Link
CN (1) CN114088633B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115032332B (zh) * 2022-04-28 2023-04-28 武汉大学 一种基于车载系统测量强点源碳排放的方法
CN114839327B (zh) * 2022-07-01 2023-01-17 北京英视睿达科技股份有限公司 一种卫星监测目标区域排放源co2小时排放量方法和系统
CN116312849A (zh) * 2023-01-13 2023-06-23 中南大学 基于随机森林模型和卫星遥感的全覆盖甲烷浓度测算方法
CN116630826B (zh) * 2023-07-25 2023-10-03 中国石油大学(华东) 基于卫星遥感观测的甲烷排放重点区域识别定位方法
CN117629907A (zh) * 2023-11-23 2024-03-01 北京英视宇辰科技有限公司 一种高分辨率遥感识别甲烷泄露方法、系统、设备及介质
CN117556262B (zh) * 2024-01-08 2024-05-14 中国科学院空天信息创新研究院 大气甲烷排放强度监测方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021817A (zh) * 2016-06-22 2016-10-12 西南石油大学 一种海相气田高含硫天然气集输装置泄漏快速模拟方法
CN106845371A (zh) * 2016-12-31 2017-06-13 中国科学技术大学 一种城市路网机动车尾气排放遥感监控系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258116A (zh) * 2013-04-18 2013-08-21 国家电网公司 一种大气污染物扩散模型的构建方法
CN107436343A (zh) * 2017-07-31 2017-12-05 南京南瑞集团公司 一种模拟计算敏感区域污染物浓度的方法
US10775258B2 (en) * 2018-03-13 2020-09-15 International Business Machines Corporation Heuristic based analytics for gas leak source identification
CN108648127B (zh) * 2018-04-28 2022-04-29 北京航空航天大学 一种城市空气污染热点区域锁定方法
CN111461405A (zh) * 2020-03-09 2020-07-28 平安国际智慧城市科技股份有限公司 污染物的扩散预测方法、装置、设备及存储介质
CN111428348B (zh) * 2020-03-09 2024-01-05 海油总节能减排监测中心有限公司 一种甲烷逸散因子的确定方法
CN111537023B (zh) * 2020-05-13 2021-05-07 浙江大学 一种工业园区大气污染物扩散模拟与溯源方法
CN112749478B (zh) * 2020-12-11 2024-02-09 江苏汇环环保科技有限公司 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法
CN112686531B (zh) * 2020-12-29 2021-11-09 生态环境部卫星环境应用中心 一种结合卫星遥感与车载观测的大气污染企业识别方法
CN113674166A (zh) * 2021-07-30 2021-11-19 中国环境科学研究院 一种废弃物焚烧处理产生的甲烷排放的核算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021817A (zh) * 2016-06-22 2016-10-12 西南石油大学 一种海相气田高含硫天然气集输装置泄漏快速模拟方法
CN106845371A (zh) * 2016-12-31 2017-06-13 中国科学技术大学 一种城市路网机动车尾气排放遥感监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
The Comparison of Lagrangian and Gaussian Models in Predicting of Air Pollution Emission Using Experimental Study,a Case Study: Ammonia Emission;Mohsen Asadi et al.;《Environ Model Assess》;20160414;全文 *

Also Published As

Publication number Publication date
CN114088633A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN114088633B (zh) 一种星地协同监测的煤矿区甲烷排放异常识别和核算方法
Morin et al. Combining eddy-covariance and chamber measurements to determine the methane budget from a small, heterogeneous urban floodplain wetland park
Viatte et al. Methane emissions from dairies in the Los Angeles Basin
Eckhardt et al. Estimation of the vertical profile of sulfur dioxide injection into the atmosphere by a volcanic eruption using satellite column measurements and inverse transport modeling
Crawford et al. Spatial variability of carbon dioxide in the urban canopy layer and implications for flux measurements
CN110927120B (zh) 一种植被覆盖度预警方法
CN111487216A (zh) 一种二氧化碳通量反演方法、系统
CN116050612A (zh) 基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质
CN112131789B (zh) 一种基于随机森林算法的多光谱降水检测系统及方法
Lian et al. Sensitivity to the sources of uncertainties in the modeling of atmospheric CO 2 concentration within and in the vicinity of Paris
Babenhauserheide et al. Net CO 2 fossil fuel emissions of Tokyo estimated directly from measurements of the Tsukuba TCCON site and radiosondes
CN114817825B (zh) 一种基于超光谱遥感的排放源co2快速成像方法
CN114077798B (zh) 估算小尺度区域大气污染物网格浓度的方法
CN115480032A (zh) 基于地面遥感测量的点源排放强度预测方法
CN113532652A (zh) 一种基于浮标和大气再分析数据的红外遥感传感器绝对定标方法
CN113065098A (zh) 基于卫星遥感和地气系统数据的pm2.5浓度检测方法及装置
CN115880597B (zh) 一种基于遥感技术的岩溶区落水洞提取方法
CN108132096B (zh) 一种基于激光雷达的林窗太阳辐射监测方法
KR102220151B1 (ko) 항공 라이더 결측지역 보완 시스템 및 이를 이용한 보완방법, 상기 보완방법을 수행하는 프로그램 기록매체
Bateman et al. Preliminary observations from robot-enabled surface methane concentration monitoring at a MSW landfill
CN114005027A (zh) 一种基于无人机影像的城市单木检测系统及方法
Kang et al. Wind resource assessment and potential development of wind farms along the entire coast of South Korea using public data from the Korea meteorological administration
CN113670454A (zh) 一种自动观测气象卫星热红外通道在轨场地辐射定标方法
Zhou et al. Source characterization of airborne emissions using a sensor network: Examining the impact of sensor quality, quantity, and wind climatology
CN110930447A (zh) 基于Android的无人值守雪深测量方法

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