CN114154828A - 大气污染区域传输分析方法和系统 - Google Patents
大气污染区域传输分析方法和系统 Download PDFInfo
- Publication number
- CN114154828A CN114154828A CN202111416946.2A CN202111416946A CN114154828A CN 114154828 A CN114154828 A CN 114154828A CN 202111416946 A CN202111416946 A CN 202111416946A CN 114154828 A CN114154828 A CN 114154828A
- Authority
- CN
- China
- Prior art keywords
- track
- contribution
- contribution ratio
- region
- transmission
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 95
- 238000004458 analytical method Methods 0.000 title claims abstract description 60
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 44
- 231100000719 pollutant Toxicity 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000003860 storage Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004904 shortening Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003915 air pollution Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000693 micelle Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例提供了一种大气污染区域传输分析方法和系统，涉及环境监测领域。所述方法，包括：在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，所述第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。本申请能够改善区域大气污染区域传输分析方法中，单次运算计算量大且耗时长的问题，达到减少区域大气污染区域传输分析方法中的单次运算计算量，且缩短计算时间的效果。
Description
技术领域
本申请的实施例涉及环境监测技术领域，尤其涉及一种大气污染区域传输分析方法和系统。
背景技术
区域传输污染是指在一些特殊的天气条件下，一个地区排放的污染物，可能随着上升气流进入高空，并在高空中随着气团较快地传输，结果可能在距离污染源很远的另一片局域，又随着下沉气团降到地表附近，导致了区域间的污染物传输。目前，区域大气污染传输分析方法，一般包括基于大气污染数值模拟模型的分析方法和基于气象气团轨迹模拟分析方法。
在实现本发明的过程中，发明人发现，区域大气污染区域传输分析方法中单次运算计算量大且耗时长。
发明内容
本申请的实施例提供了一种大气污染区域传输分析方法和系统，能够改善区域大气污染区域传输分析方法中，单次运算计算量大且耗时长的问题。
在本申请的第一方面，提供了一种大气污染区域传输分析方法，包括：
在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，所述第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；
解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；
根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。
通过采用以上技术方案，本申请实施例提供的大气污染区域传输分析方法中，在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；再根据每条轨迹上污染物浓度数据和第一贡献比，解析目标区域的大气污染区域传输贡献和传输轨迹；能够改善区域大气污染区域传输分析方法中，单次运算计算量大且耗时长的问题，达到减少区域大气污染区域传输分析方法中的单次运算计算量，且缩短计算时间的效果。
在一种可能的实现方式中，所述根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹，包括：
根据每条轨迹上所述污染物浓度数据，计算第二贡献比，所述第二贡献比为每条轨迹上各区域对所述目标区域的大气污染浓度贡献百分比；
根据所述第一贡献比和所述第二贡献比，计算第三贡献比，所述第三贡献比为解析出的各区域对所述目标区域的污染传输贡献百分比；
根据所述第三贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。
在一种可能的实现方式中，所述根据每条轨迹上所述污染物浓度数据，计算第二贡献比，包括：
根据每条轨迹上所述污染物浓度数据，计算所述污染物浓度数据的均值；
根据所述均值，计算每条轨迹上每个区域对目标区域的污染浓度值的贡献和总贡献；
根据所述贡献和总贡献，计算所述第二贡献比。
在一种可能的实现方式中，所述根据所述第一贡献比和所述第二贡献比，计算第三贡献比，包括：
根据所述第一贡献比和所述第二贡献比，通过加权算法，计算所述第三贡献比。
在一种可能的实现方式中，所述获取目标区域的气团来源轨迹和第一贡献比，包括：
获取区域的空气质量监测数据，所述空气质量监测数据包括历史空气质量监测数据或预测空气质量监测数据；
根据所述空气质量监测数据，基于后向轨迹模型，通过聚合分析，获取所述目标区域的气团来源轨迹和所述第一贡献比。
在一种可能的实现方式中，所述解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据，包括：
获取各所述所属区域的经纬度和气团途径的时间；
根据所述经纬度和所述时间，基于后向轨迹模型，通过聚合分析，解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据。
在一种可能的实现方式中，还包括：
基于地理信息系统，绘制所述目标区域的大气污染区域传输贡献和传输轨迹。
在本申请的第二方面，提供了一种大气污染区域传输分析系统，包括：
获取模块，用于在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，所述第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；
匹配模块，用于解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；
解析模块，用于根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。
在本申请的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如以上所述的方法。
在本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了本申请实施例中大气污染区域传输分析方法的流程图。
图2示出了丙城市某一时间段污染物传输贡献分析示意图。
图3示出了本申请实施例中大气污染区域传输分析系统的结构图。
图4示出了适于用来实现本申请实施例的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供的大气污染区域传输分析方法可以应用于环境监测技术领域。在一些实施例中，该大气污染区域传输分析方法可以由电子设备执行。
在区域大气污染传输分析方法中，即基于大气污染数值模拟模型的分析方法，需要精确的污染源清单和高性能计算集群，一般需要运行四至六小时，可预测未来三天逐小时的预测结果和每个小时污染来源。但是，基于此分析方法，可知其所需数据获取难度较大、数据更新时效性较差、计算资源需要较多。并且，该方法如果没有准确的数据源解析结果误差较大，无法针对区县等小尺度区域，也无法实现针对历史实际污染过程的分析。
同时，在另一区域大气污染传输分析方法中，即基于气象气团轨迹模拟分析方法，需要气象预测数据，可以显示污染气团传输轨迹。但是，基于此分析方法，可知其只能说明气团传输轨迹，无法说明目标周边的不同区域区县对目标区域在大气污染物浓度上的贡献。
综上所述，在区域大气污染传输分析方法中，存在决数据获取难和单词运算计算量大的问题。针对以上问题，本申请实施例提供了一种大气污染区域传输分析方法。
图1示出了本申请实施例中大气污染区域传输分析方法流程图。参见图1，本实施例中大气污染区域传输分析方法包括：
步骤101：在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，第一贡献比为每条轨迹的气团占气团来源轨迹中总气团的贡献比。
步骤102：解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据。
步骤103：根据每条轨迹上污染物浓度数据和第一贡献比，解析目标区域的大气污染区域传输贡献和传输轨迹。
通过采用以上技术方案，本申请实施例提供的大气污染区域传输分析方法中，在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；再根据每条轨迹上污染物浓度数据和第一贡献比，解析目标区域的大气污染区域传输贡献和传输轨迹；综上可见，基于气团传输量和大气污染浓度量直接运算，不涉及复杂的化学变化过程，可将计算量大大降低，由高性能计算集群降低为一台常规服务器，能够改善区域大气污染区域传输分析方法中，单次运算计算量大且耗时长的问题，达到减少区域大气污染区域传输分析方法中的单次运算计算量，且缩短计算时间的效果。
在步骤101中，预设时间段可根据研究需求和研究方向由人为自行设定。预设时间段也可以就研究目标，大气污染区域传输分析系统根据以往经验数据设定。例如，要预测未来三天逐小时的预测结果及每个小时污染来源，预设时间段是未来三天内每个小时。
其中，根据研究需要，还可以在预设时间段内设定获取数据的方式。例如，若研究大气污染区域传输过程中的实时详细数据，则需要每个小时内不间断的实时获取数据；若研究大气污染区域传输过程中的概略数据，则在每个小时内任取一时间点获取一次数据；再或在每个小时内获取多次数据，经平均值算法对数据进行处理获取数据的平均值，以便增加数据的精确度。
在本申请实施例中，目标区域为所要分析的区域，即出现污染天气的地区，可以根据范围分为县区、市区、省区或国家。气团来源轨迹指对目标区域来说到达目标区域的空气微团在大气中移动的实际路径。目标区域的气团来源轨迹包括多条。第一贡献比为，目标区域的气团来源轨迹中，每一条轨迹上的气团的区域传输贡献占据目标区域的气团来源轨迹的总气团的区域传输贡献的贡献比。
在本申请实施例中，目标区域的气团来源轨迹和第一贡献比，可以基于气团后向轨迹模型分析和空气质量监测数据的拟合分析获取。具体的，根据气象上污染气团传输经过轨迹(气团来源轨迹)上各城市空气质量监测数据，获取气团来源轨迹和第一贡献比。目标区域的第一贡献比，用于解析目标区域的大气污染区域传输贡献和传输轨迹。
可选的，后向轨迹模型选用美国国家海洋和大气管理局(National Oceanic andAtmospheric Administration，NOAA)的大气传输和扩散模型(Hybrid Single-ParticleLagrangian Integrated Trajectory model，HYSPLIT模型)。
在一些实施例中，步骤101包括：步骤A1-步骤A2。
步骤A1：获取区域的空气质量监测数据，空气质量监测数据包括历史空气质量监测数据或预测空气质量监测数据。
步骤A2：根据空气质量监测数据，基于后向轨迹模型，通过聚合分析，获取目标区域的气团来源轨迹和所述第一贡献比。
在本申请实施例中，区域的空气质量监测数据为在轨迹上的各个区域的空气质量监测数据。区域的空气质量监测数据，根据国家监测发布或其他途径获取的气象预测数据、气象再分析数据确定。这两类数据获取途径广泛，数据成熟较准确，可改善数据获取难的问题。
在本申请实施例中，可根据输入数据是历史数据还是预测数据，来计算历史或未来的污染传输贡献，并且，使用同一个分析模型即可实现，方便分析数据的任意切换。
例如，空气质量监测数据包括历史空气质量监测数据和预测空气质量监测数据，历史空气质量监测数据用于追溯目标区域的大气污染区域传输贡献和传输轨迹，预测空气质量监测数据用于预测目标区域的大气污染区域传输贡献和传输轨迹。
在本申请实施例中，后向轨迹模型自身支持输入历史气象产生过去的聚类结果，或输入预测气象数据产生未来的聚类结果，根据结果再结合城市实测和预测空气质量数据就能实现历史和未来传输贡献。
例如，以城市作为目标区域的基本单位，丙为目标区域。从国家监测发布的数据中获取历史空气质量监测数据，基于后向轨迹模型，通过聚合分析，目标区域的气团来源轨迹包括第一条轨迹和第二条轨迹。
图2示出了丙城市某一时间段污染物传输贡献分析示意图。参见图2，甲区域、乙区域和丙区域在第一条轨迹1上，丁区域、乙区域和丙区域在第二条轨迹2上。此时，第一条轨迹1的贡献比为25％，第二条轨迹2的贡献比为75％。
在步骤102中，基于气团后向轨迹模型分析和空气质量监测数据的拟合分析，解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据。
在一些实施例中，步骤102中包括：步骤B1-步骤B2。
步骤B1：获取各所属区域的经纬度和气团途径的时间。
步骤B2：根据经纬度和时间，基于后向轨迹模型，通过聚合分析，解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据。
在本申请实施例中，气团来源轨迹中的每一条轨迹由经纬度和时间组成的数据序列，通过经纬度可以匹配到经过城市，再对应时间就能够获取到当时城市的空气质量。
例如，在获知甲区域、乙区域和丙区域在第一条轨迹上，丁区域、乙区域和丙区域在第二条轨迹上后，根据经纬度和时间，基于后向轨迹模型，通过聚合分析获取轨迹上各个城市的污染物浓度数据，如细颗粒物(fine particulate matter，PM2.5)。具体地，甲区域PM2.5浓度值为10，乙区域PM2.5浓度值为8，丙区域PM2.5浓度值为3，丁区域PM2.5浓度值为5。
在步骤103中，目标区域的大气污染区域传输贡献，为目标区域的污染主要受哪些区域影响生成。传输轨迹，为目标区域的污染传输轨迹。
在一些实施例中，步骤103包括：步骤C1-步骤C3。
步骤C1：根据每条轨迹上污染物浓度数据，计算第二贡献比，第二贡献比为每条轨迹上各区域对目标区域的大气污染浓度贡献百分比。
步骤C2：根据第一贡献比和第二贡献比，计算第三贡献比，第三贡献比为解析出的各区域对目标区域的污染传输贡献百分比。
步骤C3：根据第三贡献比，解析目标区域的大气污染区域传输贡献和传输轨迹。
在一些实施例中，步骤C1包括：步骤c1-步骤c3。
步骤c1：根据每条轨迹上污染物浓度数据，计算污染物浓度数据的均值。
步骤c2：根据均值，计算每条轨迹上每个区域对目标区域的污染浓度值的贡献和总贡献
步骤c3：根据贡献和总贡献，计算所述第二贡献比。
在一些实施例中，步骤C2包括：步骤c4。
步骤c4：根据第一贡献比和第二贡献比，通过加权算法，计算第三贡献比。
在本申请实施例中，丙为目标区域。在获知甲区域、乙区域和丙区域在第一条轨迹上，丁区域、乙区域和丙区域在第二条轨迹上；第一条轨迹的贡献比为25％，第二条轨迹的贡献比为75％；以及甲区域PM2.5浓度值为10，乙区域PM2.5浓度值为8，丙区域PM2.5浓度值为3，丁区域PM2.5浓度值为5后，根据步骤C1-步骤C3解析目标区域的大气污染区域传输贡献和传输轨迹的过程如下：
1、求出每条轨迹上所有区域(包括目标区域)PM2.5参数的浓度均值(若某一区域此时无PM2.5浓度值，则不参与均值计算)：
第一条轨迹:(10+8+7)/3＝7
第二条轨迹:(10+5+3)/3＝6
2、计算每一条轨迹上每个区域对目标区域的污染浓度值的贡献和总贡献(浓度值-均值)：
第一条轨迹:
甲区域:10-7＝3
乙区域:8-7＝1
丙区域:3<7
浓度值小于均值，则说明该区域对目标区域没有污染浓度值的贡献，所有不参与计算；
总贡献:3+1＝4
第二条轨迹：
丁区域:5<6
乙区域:8-6＝2
丙区域:3<6
浓度值小于均值，则说明该区域对目标区域没有污染浓度值的贡献，所有不参与计算；
总贡献:2
3、计算每条轨迹上的区域对目标区域的贡献比(贡献/总贡献)：
第一条轨迹:
甲区域:3/4＝0.75
乙区域:1/4＝0.25
第二条轨迹：
乙区域:2/2＝1
4、计算轨迹上每个区域对目标区域总的贡献比(总贡献比*所属轨迹贡献比)：
甲区域:0.75*25％＝18.75％
乙区域:0.25*25％+1*75％＝81.25％
丙区域:0
丁区域:0
综上得出:甲区域对目标区域PM2.5参数的污染贡献比为18.75％，乙区域的为81.25％，即丙区域PM2.5参数的污染主要受甲区域和乙区域影响生成。
在本申请实施例中，通过上述方法，基于气团传输量和大气污染浓度量直接运算，不涉及复杂的化学变化过程，分析结果更符合环境分析人员客观了解的结果。同时，该方法还可将计算量大大降低，由高性能计算集群降低为一台常规服务器。如，只需要常规服务器即可在秒级运算出一个城市历史一段时间污染传输贡献。
在本申请实施例中，激光雷达数据也可显示远距离传输对本地污染过程。
在一些实施例中，所述方法还包括：步骤104。
步骤104：基于地理信息系统，绘制目标区域的大气污染区域传输贡献和传输轨迹。
在本申请实施例中，采用地理信息系统(Geographic Information System或Geo－Information system，GIS)可根据解析出的目标区域的大气污染区域传输贡献和传输轨迹，自动绘制目标区域的大气污染区域传输贡献和传输轨迹，实现可视化展示。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。
图3示出了本申请实施例的一种大气污染区域传输分析系统的结构图。参见图3，该大气污染区域传输分析系统包括获取模块301、匹配模块302和解析模块303。
获取模块301，用于在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，第一贡献比为每条轨迹的气团占气团来源轨迹中总气团的贡献比。
匹配模块302，用于解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据。
解析模块303，用于根据每条轨迹上污染物浓度数据和第一贡献比，解析目标区域的大气污染区域传输贡献和传输轨迹。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图4示出了适于用来实现本申请实施例的电子设备的结构示意图。如图4所示，图4所示的电子设备400包括：处理器401和存储器403。其中，处理器401和存储器403相连。可选地，电子设备400还可以包括收发器404。需要说明的是，实际应用中收发器404不限于一个，该电子设备400的结构并不构成对本申请实施例的限定。
处理器401可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器401也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线402可包括一通路，在上述组件之间传送信息。总线402可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器403可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器403用于存储执行本申请方案的应用程序代码，并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本申请实施例中，在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；解析每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；再根据每条轨迹上污染物浓度数据和第一贡献比，解析目标区域的大气污染区域传输贡献和传输轨迹；能够改善区域大气污染区域传输分析方法中，单次运算计算量大且耗时长的问题，达到减少区域大气污染区域传输分析方法中的单次运算计算量，且缩短计算时间的效果。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种大气污染区域传输分析方法，其特征在于，包括：
在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，所述第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；
解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；
根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。
2.根据权利要求1所述的方法，其特征在于，所述根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹，包括：
根据每条轨迹上所述污染物浓度数据，计算第二贡献比，所述第二贡献比为每条轨迹上各区域对所述目标区域的大气污染浓度贡献百分比；
根据所述第一贡献比和所述第二贡献比，计算第三贡献比，所述第三贡献比为解析出的各区域对所述目标区域的污染传输贡献百分比；
根据所述第三贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。
3.根据权利要求2所述的方法，其特征在于，所述根据每条轨迹上所述污染物浓度数据，计算第二贡献比，包括：
根据每条轨迹上所述污染物浓度数据，计算所述污染物浓度数据的均值；
根据所述均值，计算每条轨迹上每个区域对目标区域的污染浓度值的贡献和总贡献；
根据所述贡献和总贡献，计算所述第二贡献比。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一贡献比和所述第二贡献比，计算第三贡献比，包括：
根据所述第一贡献比和所述第二贡献比，通过加权算法，计算所述第三贡献比。
5.根据权利要求1所述的方法，其特征在于，所述获取目标区域的气团来源轨迹和第一贡献比，包括：
获取区域的空气质量监测数据，所述空气质量监测数据包括历史空气质量监测数据或预测空气质量监测数据；
根据所述空气质量监测数据，基于后向轨迹模型，通过聚合分析，获取所述目标区域的气团来源轨迹和所述第一贡献比。
6.根据权利要求1所述的方法，其特征在于，所述解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据，包括：
获取各所述所属区域的经纬度和气团途径的时间；
根据所述经纬度和所述时间，基于后向轨迹模型，通过聚合分析，解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据。
7.根据权利要求1所述的方法，其特征在于，还包括：
基于地理信息系统，绘制所述目标区域的大气污染区域传输贡献和传输轨迹。
8.一种大气污染区域传输分析系统，其特征在于，包括：
获取模块，用于在预设时间段内，获取目标区域的气团来源轨迹和第一贡献比，所述第一贡献比为每条轨迹的气团占所述气团来源轨迹中总气团的贡献比；
匹配模块，用于解析所述每条轨迹上各轨迹时刻点的所属区域，并匹配解析出的各区域的污染物浓度数据；
解析模块，用于根据每条轨迹上所述污染物浓度数据和所述第一贡献比，解析所述目标区域的大气污染区域传输贡献和传输轨迹。
9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111416946.2A CN114154828A (zh) | 2021-11-25 | 2021-11-25 | 大气污染区域传输分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111416946.2A CN114154828A (zh) | 2021-11-25 | 2021-11-25 | 大气污染区域传输分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114154828A true CN114154828A (zh) | 2022-03-08 |
Family
ID=80457793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111416946.2A Pending CN114154828A (zh) | 2021-11-25 | 2021-11-25 | 大气污染区域传输分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114154828A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111611296A (zh) * | 2020-05-20 | 2020-09-01 | 中科三清科技有限公司 | Pm2.5污染成因分析方法、装置、电子设备及存储介质 |
| CN111753426A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 颗粒物污染的源解析方法和装置 |
| CN111798932A (zh) * | 2020-07-03 | 2020-10-20 | 中科三清科技有限公司 | 一种污染物监测数据的处理方法、装置、存储介质及终端 |
| CN112182064A (zh) * | 2020-09-25 | 2021-01-05 | 中科三清科技有限公司 | 一种污染物来源分析方法、装置、电子设备及存储介质 |
| CN112988940A (zh) * | 2021-04-02 | 2021-06-18 | 中科三清科技有限公司 | 污染溯源方法及装置 |
| CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
| CN113688493A (zh) * | 2021-05-18 | 2021-11-23 | 武汉理工大学 | 一种基于污染过程分型的大气污染潜在源区识别方法 |
-
2021
- 2021-11-25 CN CN202111416946.2A patent/CN114154828A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111611296A (zh) * | 2020-05-20 | 2020-09-01 | 中科三清科技有限公司 | Pm2.5污染成因分析方法、装置、电子设备及存储介质 |
| CN111753426A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 颗粒物污染的源解析方法和装置 |
| CN111798932A (zh) * | 2020-07-03 | 2020-10-20 | 中科三清科技有限公司 | 一种污染物监测数据的处理方法、装置、存储介质及终端 |
| CN112182064A (zh) * | 2020-09-25 | 2021-01-05 | 中科三清科技有限公司 | 一种污染物来源分析方法、装置、电子设备及存储介质 |
| CN112988940A (zh) * | 2021-04-02 | 2021-06-18 | 中科三清科技有限公司 | 污染溯源方法及装置 |
| CN113688493A (zh) * | 2021-05-18 | 2021-11-23 | 武汉理工大学 | 一种基于污染过程分型的大气污染潜在源区识别方法 |
| CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 杨再东、朱云等: "基于曲面响应建模的PM2.5可控人为源贡献解析", 环境科学学报, vol. 38, no. 10, 31 October 2018 (2018-10-31), pages 3877 - 3887 * |
| 王怡然;袁自冰;赵恺辉;张舒;张夏夏;李文石;谢岩;杨雷峰;刘启汉;郁建珍;岳玎利;谭振威;: "粤港澳大湾区PM_(2.5)本地与非本地污染来源解析", 环境科学学报, no. 05, 31 May 2020 (2020-05-31), pages 1560 - 1574 * |
| 王晓琦;郎建垒;程水源;陈国磊;刘晓宇;: "京津冀及周边地区PM_(2.5)传输规律研究", 中国环境科学, no. 11, 20 November 2016 (2016-11-20), pages 3211 - 3217 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiao et al. | An improved deep learning model for predicting daily PM2. 5 concentration | |
| Deng et al. | A big data approach to improving the vehicle emission inventory in China | |
| Chae et al. | PM10 and PM2. 5 real-time prediction models using an interpolated convolutional neural network | |
| de Foy et al. | Satellite NO2 retrievals suggest China has exceeded its NOx reduction goals from the twelfth Five-Year Plan | |
| Jerrett et al. | Modeling the intraurban variability of ambient traffic pollution in Toronto, Canada | |
| Kim | The effects of transboundary air pollution from China on ambient air quality in South Korea | |
| CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
| Garcia et al. | Developing a methodology to predict PM10 concentrations in urban areas using generalized linear models | |
| US10330655B2 (en) | Air quality forecasting based on dynamic blending | |
| Akita et al. | The moving-window Bayesian maximum entropy framework: estimation of PM2. 5 yearly average concentration across the contiguous United States | |
| CN112669190B (zh) | 污染源异常排放行为的检测方法、装置及计算机设备 | |
| CN111753906B (zh) | 污染物传输轨迹的聚类方法、装置、电子设备及存储介质 | |
| Zhou et al. | Modeling discretionary lane-changing behavior on urban streets considering drivers’ heterogeneity | |
| Dong et al. | A gridded establishment dataset as a proxy for economic activity in China | |
| Wang et al. | Prediction of daily pm 2.5 concentration in china using partial differential equations | |
| Kabashnikov et al. | Localization of aerosol sources in East-European region by back-trajectory statistics | |
| CN113838303B (zh) | 停车场推荐方法、装置、电子设备及存储介质 | |
| Zhai et al. | Characteristics of operating mode distributions of light duty vehicles by road type, average speed, and driver type for estimating on-road emissions: Case study of Beijing | |
| Li et al. | A big data-based commuting carbon emissions accounting method—A case of Hangzhou | |
| Yoshikane et al. | Dispersion characteristics of radioactive materials estimated by wind patterns | |
| Han et al. | Developing a Regional Drive Cycle Using GPS-Based Trajectory Data from Rideshare Passenger Cars: A Case of Chengdu, China | |
| Leung et al. | An integrated web-based air pollution decision support system–a prototype | |
| Wang et al. | Hyperlocal environmental data with a mobile platform in urban environments | |
| Anowar et al. | Univariate or multivariate analysis for better prediction accuracy? A case study of heterogeneity in vehicle ownership | |
| CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 |
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 |