CN114359002A - 基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统 - Google Patents

Abstract

本发明公开了一种基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统，该方法包括获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；采集城市污染源数据，并提取污染源信息；根据提取的污染点位信息和污染源信息建立污染点源关系；根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。本发明通过将移动式大气监测站测得的大气污染数据趋势挖掘与城市污染源数据、交通数据挖掘结果，建立映射关系，实现城市污染情况展示、污染成因的定性及周边疑似污染源的识别；并基于线下调研和人工反馈的污染物排放数值分数调整判定范围和精度，从而提高污染溯源的准确性。

Description

基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统

技术领域

本发明涉及空气环境污染溯源技术领域，具体涉及一种基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统。

背景技术

随着国家对环境监测行业的投入加大，环境监测行业通常采用的出现环境污染就“一刀切”地关停现象是亟待解决的重要问题。

目前环境监测行业对空气污染溯源和治理还停留在人为管理层面，缺少科学地、针对性的对城市污染数据进行数据挖掘，无法准确的对环境污染进行溯源。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统。

为了达到上述发明目的，本发明采用的技术方案为：

第一方面，本发明提出了一种基于移动监测趋势挖掘的大气污染小尺度溯源方法，包括以下步骤：

获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；

采集城市污染源数据，并提取污染源信息；

根据提取的污染点位信息和污染源信息建立污染点源关系；

根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。

进一步地，所述获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息，具体包括：

获取标准固定站的污染监测数据，对被监测目标区域内的所有固定站监测数据按照阈值过滤，取出大于阈值的污染点位信息；

获取移动式监测站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到移动式监测站的污染点位信息；

将标准固定站的污染点位信息和移动式监测站的污染点位信息进行合并。

进一步地，所述获取标准固定站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到标准固定站的污染点位信息，具体包括：

获取所有标准固定站的污染监测数据，对数据进行平滑滤波；

计算所有标准固定站的污染监测数据均值和方差，并根据计算的污染监测数据均值和方差设置污染监测数据阈值；

遍历各个标准固定站的污染监测数据，提取出大于污染监测数据阈值且大于设定污染监测数值的污染监测数据，作为对应标准固定站的污染点位信息。

进一步地，所述获取移动式监测站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到移动式监测站的污染点位信息，具体包括：

获取所有移动式监测站的污染监测数据，对数据进行平滑滤波；

对各个移动式监测站的污染监测数据按照显著性权重查找峰值；

计算各个移动式监测站的污染监测数据的峰值均值，并提取大于峰值均值的污染监测数据，作为对应移动式监测站的污染点位信息。

进一步地，所述污染源信息具体包括：

污染源的位置信息、污染源的污染物信息、及污染源的污染物排放数值分数。

进一步地，所述根据提取的污染点位信息和污染源信息建立污染点源关系具体包括：

计算污染点位信息中每一种污染点与污染源信息中每一个污染源之间的距离；

遍历计算的所有距离，提取每一种污染点的对应距离小于设定距离阈值的污染源信息；

根据每一种污染点与提取的污染源的距离，以及污染源的污染物排放数值分数，计算每一种污染点与污染源的每一种污染物的相关性系数，表示为：

式中，I表示污染点与污染源的污染物相关性系数，S表示污染源的污染物排放数值分数，k表示模型系数，D表示每一种污染点与提取的污染源的距离；

根据污染点位信息、污染源信息及计算的相关性系数建立污染点源关系。

进一步地，所述根据污染点源关系生成网格气泡，具体包括：

遍历污染点源关系，提取相关性系数大于设定系数阈值且污染监测数据大于设定污染监测数值的关系数据；

根据污染源信息中的位置信息将提取的关系数据进行网格化划分，并将所有关系按照网格行列分组；

遍历每个分组下的所有关系数据，提取相关性系数大于所有相关性系数均值设定比例的关系数据；

将每个分组下提取的关系数据按照相关性系数进行排序，生成每个分组对应的网格气泡。

进一步地，所述提取相关性系数大于所有相关性系数均值设定比例的关系数据还包括：

判断每个分组下提取的关系数据中是否存在多个污染源名称相同的关系数据；

若是，则将所有污染源名称相同的关系数据的污染物相关性系数取均值作为该污染源的污染物相关性系数；

否则，不作处理。

第二方面，本发明提出了一种基于移动监测趋势挖掘的大气污染小尺度溯源系统，包括：

污染点位提取模块，用于获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；

污染源提取模块，用于采集城市污染源数据，并提取污染源信息；

污染点源关系建立模块，用于根据提取的污染点位信息和污染源信息建立污染点源关系；

溯源生成模块，用于根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。

第三方面，本发明提出了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的基于移动监测趋势挖掘的大气污染小尺度溯源方法。

本发明具有以下有益效果：

本发明通过将移动式大气监测站测得的大气污染数据趋势挖掘与城市污染源清单数据、交通数据挖掘结果，建立映射关系，实现城市污染情况展示、污染成因的定性及周边疑似污染源的识别；并基于线下调研和人工反馈的污染物排放数值分数调整判定范围和精度，从而提高污染溯源的准确性，从而实现城市空气质量的全面域监测、空气污染溯源和治理。

附图说明

图1为本发明实施例1提供的一种基于移动监测趋势挖掘的大气污染小尺度溯源方法流程示意图；

图2为本发明实施例2提供的一种基于移动监测趋势挖掘的大气污染小尺度溯源系统结构示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1

如图1所示，本发明实施例提供了一种基于移动监测趋势挖掘的大气污染小尺度溯源方法，包括以下步骤S1至步骤S4：

S1、获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；

在本步骤中，本发明获取任意时刻时间戳（如一小时）和对应时间戳的标准固定站和移动式监测站的污染监测数据，从而可以从中找出存在污染且污染明显的点位和对应污染物，找出污染点位附近指定范围内可能对此污染物存在显著贡献的污染源。

本发明获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息，具体包括以下分步骤S1-1至步骤S1-3：

S1-1、获取标准固定站的污染监测数据，对被监测目标区域内的所有固定站监测数据按照阈值过滤，取出大于阈值的污染点位信息；

具体而言，本发明首先获取所有标准固定站的污染监测数据，对数据进行平滑滤波；其中对于获取的所有标准固定站的污染监测数据，采用Savitzky-Golay滤波器对污染监测数据进行平滑滤波，去除毛刺数据并保留数据整体走势，其中Savitzky-Golay滤波器的参数设置为分割窗宽度为15，阶数为2。

然后计算所有标准固定站的污染监测数据均值和方差，并根据计算的污染监测数据均值和方差设置污染监测数据阈值；其中污染监测数据阈值设置为污染监测数据均值加上两倍污染监测数据方差。

最后遍历各个标准固定站的污染监测数据，提取出大于污染监测数据阈值且大于设定污染监测数值的污染监测数据，作为对应标准固定站的污染点位信息。其中设定污染监测数值可以设置为50。由于标准固定站比移动式监测站的污染监测数据更为可靠，但标准固定站每小时仅有一个监测数据，因此将所有标准固定站的污染监测数据的显著性权重设置为1。

S1-2、获取移动式监测站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到移动式监测站的污染点位信息；

具体而言，本发明首先获取所有移动式监测站的污染监测数据，对数据进行平滑滤波；其中对于指定时间戳的所有移动式监测站的污染监测数据，需要按照移动式监测站编号对每个站的监测数据进行处理。每一组数据均包含了6种污染物的监测数据。故对于每一个站点，还需要对其每种污染物的数值进行处理。以PM_2.5为例，取一个移动式监测站的指定小时的PM_2.5数据，其原始数据网格化，每个网格内仅保留一个监测均值作为该网格监测值。再采用Savitzky-Golay滤波器对网格化后的均值污染监测数据进行平滑滤波，去除毛刺数据并保留网格数据整体走势，其中Savitzky-Golay滤波器的参数设置为分割窗宽度为15，阶数为2。

然后对各个移动式监测站的污染监测数据查找峰值；其中使用python的scipy库中的find_peaks程序查找峰值，设置查找参数：距离为10，宽度为1。find_peaks程序执行结果中有每个峰值点的显著性值。

最后计算各个移动式监测站的污染监测数据的峰值均值，并提取大于峰值均值的污染监测数据，作为对应移动式监测站的污染点位信息。其中具体根据峰值点坐标的对应网格监测数据，计算各个移动式监测站的峰值点污染监测数据均值，并提取大于峰值均值的污染监测数据，经此过滤后，剩余的数据即为该站点在本时间戳范围内对污染监测到的数个峰值点，污染监测数据所携带的经纬度信息即为此站点测得的污染点位信息。

S1-3、将标准固定站的污染点位信息和移动式监测站的污染点位信息进行合并。

具体而言，将标准固定站和移动式监测站的所有污染点位信息合并至一张污染点位表中。污染点位表每行包含的信息：污染点位的经纬度、主要污染物类型、每一种污染物类型的检测数值、污染点位来源。直接合并固定站、移动站两种类型的污染点位信息，通过污染点位来源来区分。

S2、采集城市污染源数据，并提取污染源信息；

在本步骤中，本发明采集城市的多种污染源数据并进行预处理，其中污染源数据包括工地扬尘数据、工厂数据、运渣车实时数据、运渣车驻点数据、道路扬尘数据、交通拥堵数据等。每个污染源信息均包含了污染源的位置信息、污染源的污染物信息、及污染源的污染物排放数值分数。污染物排放数值分数是根据该污染源的规模、行业等信息，以及针对污染源的溯源，线下去验证时是否命中，从而定时更新的一个半动态分数。例如：某工地如果属于大型工地，并且正处于基坑开挖阶段，经线下验证其规模、阶段均属实，则其对应的每一种污染物的排放数值分数=建筑行业该污染物的基础分+规模分+基坑开挖阶段对应该污染物的分数+线下验证分数。将所有污染源信息全部合并至一张污染源表中。污染源表每行包括该污染源的名字、类型、经纬度、该污染源对每一种污染物的排放分数。

S3、根据提取的污染点位信息和污染源信息建立污染点源关系；

在本步骤中，本发明根据提取的污染点位信息和污染源信息建立污染点源关系具体包括以下分步骤S3-1至步骤S3-4：

S3-1、计算污染点位信息中每一种污染点与污染源信息中每一个污染源之间的距离；

S3-2、遍历计算的所有距离，提取每一种污染点的对应距离小于设定距离阈值的污染源信息；其中距离阈值可以设置为750米，即仅保留每个污染点750米以内的污染源信息；

S3-3、根据每一种污染点与提取的污染源的距离，以及污染源的污染物排放数值分数，计算每一种污染点与污染源的每一种污染物的相关性系数，表示为：

式中，I表示污染点与污染源的污染物相关性系数，S表示污染源的污染物排放数值分数，k表示模型系数，D表示每一种污染点与提取的污染源的距离；

S3-4、根据污染点位信息、污染源信息及计算的相关性系数建立污染点源关系。其中污染点源关系的信息包括污染源名字、污染源至污染点距离、污染源对该污染点一种污染物的贡献强度、贡献强度对应的污染物种类、污染源种类、该污染点出对应污染物的污染值、污染源坐标、污染点纬度、污染点经度、污染点来源(包括移动站、固定站、特殊气泡)和峰值显著性。

S4、根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。

在本步骤中，本发明根据污染点源关系生成网格气泡，具体包括以下分步骤S4-1至步骤S4-4：

S4-1、遍历污染点源关系，提取相关性系数大于设定系数阈值且污染监测数据大于设定污染监测数值的关系数据；

具体而言，本发明设定系数阈值为0.1，设定污染监测数值为50，对污染点源关系数据进行过滤，仅保留距离750米以内，贡献强度0.1以上且污染值50以上的关系数据。

S4-2、根据污染源信息中的位置信息将提取的关系数据进行网格化划分，并将所有关系按照网格行列分组；

具体而言，本发明根据污染点纬度和污染点经度将提取的关系数据进行网格化划分，并将所有关系按照网格行列分组，得到每个关系数据所在的网格行列号。

S4-3、遍历每个分组下的所有关系数据，提取相关性系数大于所有相关性系数均值设定比例的关系数据；

具体而言，本发明根据每个网格内所有关系数据中的峰值显著性信息来确定该网格的污染物，从每个分组下的所有关系数据中提取相关性系数大于所有相关性系数均值的0.8倍的关系数据。

S4-4、将每个分组下提取的关系数据按照相关性系数进行排序，生成每个分组对应的网格气泡。

具体而言，本发明在每个分组下提取的关系数据中的所有污染物即为该网格内气泡的污染物。

由于污染点源关系中均为污染源与监测峰值之间的关系数据，因此一个网格内可能存在多个峰值，本发明将多个峰值的位置信息取均值，即得到该网格内气泡的中心点位置信息。

本发明提取相关性系数大于所有相关性系数均值设定比例的关系数据还包括：

判断每个分组下提取的关系数据中是否存在多个污染源名称相同的关系数据；

若是，则将所有污染源名称相同的关系数据的污染物相关性系数取均值作为该污染源的污染物相关性系数；

否则，不作处理。

具体而言，本发明按照网格分组后，每组下的所有关系数据再按照污染源名称聚合，以达到污染源去重的目的。聚合时，对于同一个网格下相同名字的多个关系数据，其污染贡献强度取均值。经此处理，每个网格内的污染源均不会出现重复。去重后将该网格内新的关系数据按照新的污染贡献强度排序，此时所得的污染源列表即为该网格的溯源结果。

气泡半径的值默认取该网格内所有关系数据中最大的距离的数值。但由于气泡中心点是由多个峰值决定，必然存在一部分污染源处于气泡范围外的可能性。故需要重新计算气泡中心点与溯源结果中的各个污染源的距离，去除半径外的污染源。

经过以上步骤生成的气泡，其种类均为普通气泡，通过bubble_type字段记录气泡种类，与数据挖掘结果直接生成的特殊气泡区分。

对于几种特殊的污染源：运渣车驻点、道路扬尘、交通拥堵等可能会直接生成特殊气泡的污染源，那么直接在特殊污染源所在的网格生成特殊气泡，由于这三种特殊污染源都属于交通因素，所以其污染物固定为pm2.5,pm10,no2。特殊气泡的污染源默认是其自身对应的污染源，如：一个运渣车驻点，其污染源默认就是运渣车驻点。如果其出现在了溯源结果中，则从特殊气泡中删除对应的气泡信息。特殊气泡仅作为污染预警信息，均直接指定半径300米，气泡中心点即为数据挖掘结果的中心点，污染源名称为该气泡所在路段名称。其中数据挖掘是对挖掘出的地理位置取平均位置，该位置即为此处的中心点。

将多种气泡数据合并输出，即为当前时间的大气污染小尺度溯源结果。由于气泡的字段结构都是相同的，都包含了：气泡的中心点经纬度、半径、污染源信息、主要污染物、污染值、污染强度、气泡类型。所以在移动站所生成普通气泡后继续添加气泡数据即可。

实施例2

如图2所示，本发明实施例提供了一种基于移动监测趋势挖掘的大气污染小尺度溯源系统，包括：

污染点位提取模块，用于获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；

污染源提取模块，用于采集城市污染源数据，并提取污染源信息；

污染点源关系建立模块，用于根据提取的污染点位信息和污染源信息建立污染点源关系；

溯源生成模块，用于根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。

实施例3

本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的基于移动监测趋势挖掘的大气污染小尺度溯源方法。

本发明实施例提供的电子设备具有实施例1所描述的大气六参差异化的多模型融合校准方法的有益效果。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (10)

1.一种基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，包括以下步骤：

获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；

采集城市污染源数据，并提取污染源信息；

根据提取的污染点位信息和污染源信息建立污染点源关系；

根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。

2.根据权利要求1所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息，具体包括：

获取标准固定站的污染监测数据，对被监测目标区域内的所有固定站监测数据按照阈值过滤，取出大于阈值的污染点位信息；

获取移动式监测站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到移动式监测站的污染点位信息；

将标准固定站的污染点位信息和移动式监测站的污染点位信息进行合并。

3.根据权利要求2所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述获取标准固定站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到标准固定站的污染点位信息，具体包括：

获取所有标准固定站的污染监测数据，对数据进行平滑滤波；

计算所有标准固定站的污染监测数据均值和方差，并根据计算的污染监测数据均值和方差设置污染监测数据阈值；

遍历各个标准固定站的污染监测数据，提取出大于污染监测数据阈值且大于设定污染监测数值的污染监测数据，作为对应标准固定站的污染点位信息。

4.根据权利要求2所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述获取移动式监测站的污染监测数据，对数据进行平滑滤波后提取峰值污染点，得到移动式监测站的污染点位信息，具体包括：

获取所有移动式监测站的污染监测数据，对数据进行平滑滤波；

对各个移动式监测站的污染监测数据按照显著性权重查找峰值；

计算各个移动式监测站的污染监测数据的峰值均值，并提取大于峰值均值的污染监测数据，作为对应移动式监测站的污染点位信息。

5.根据权利要求1所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述污染源信息具体包括：

污染源的位置信息、污染源的污染物信息、及污染源的污染物排放数值分数。

6.根据权利要求1所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述根据提取的污染点位信息和污染源信息建立污染点源关系具体包括：

计算污染点位信息中每一种污染点与污染源信息中每一个污染源之间的距离；

遍历计算的所有距离，提取每一种污染点的对应距离小于设定距离阈值的污染源信息；

根据每一种污染点与提取的污染源的距离，以及污染源的污染物排放数值分数，计算每一种污染点与污染源的每一种污染物的相关性系数，表示为：

式中，I表示污染点与污染源的污染物相关性系数，S表示污染源的污染物排放数值分数，k表示模型系数，D表示每一种污染点与提取的污染源的距离；

根据污染点位信息、污染源信息及计算的相关性系数建立污染点源关系。

7.根据权利要求1所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述根据污染点源关系生成网格气泡，具体包括：

遍历污染点源关系，提取相关性系数大于设定系数阈值且污染监测数据大于设定污染监测数值的关系数据；

根据污染源信息中的位置信息将提取的关系数据进行网格化划分，并将所有关系按照网格行列分组；

遍历每个分组下的所有关系数据，提取相关性系数大于所有相关性系数均值设定比例的关系数据；

将每个分组下提取的关系数据按照相关性系数进行排序，生成每个分组对应的网格气泡。

8.根据权利要求7所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法，其特征在于，所述提取相关性系数大于所有相关性系数均值设定比例的关系数据还包括：

判断每个分组下提取的关系数据中是否存在多个污染源名称相同的关系数据；

若是，则将所有污染源名称相同的关系数据的污染物相关性系数取均值作为该污染源的污染物相关性系数；

否则，不作处理。

9.一种基于移动监测趋势挖掘的大气污染小尺度溯源系统，其特征在于，包括：

污染点位提取模块，用于获取标准固定站和移动式监测站的污染监测数据，并提取污染点位信息；

污染源提取模块，用于采集城市污染源数据，并提取污染源信息；

污染点源关系建立模块，用于根据提取的污染点位信息和污染源信息建立污染点源关系；

溯源生成模块，用于根据污染点源关系生成网格气泡，并与交通数据挖掘结果生成的特殊污染源气泡合并，得到监测区域的大气污染小尺度溯源结果。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的基于移动监测趋势挖掘的大气污染小尺度溯源方法。

Images