CN114443787A - 大气污染特征识别方法和装置 - Google Patents
大气污染特征识别方法和装置 Download PDFInfo
- Publication number
- CN114443787A CN114443787A CN202111307600.9A CN202111307600A CN114443787A CN 114443787 A CN114443787 A CN 114443787A CN 202111307600 A CN202111307600 A CN 202111307600A CN 114443787 A CN114443787 A CN 114443787A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- atmospheric pollution
- spatial
- geographic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000010276 construction Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 239000003344 environmental pollutant Substances 0.000 description 11
- 231100000719 pollutant Toxicity 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Library & Information Science (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种大气污染特征识别方法和装置,属于环境科学领域。该方法包括:获取设定区域的大气污染指标的基于二维网格存储的空间分布数据;构建所述设定区域的二维空间数据网格,所述二维空间数据网格中的每个第一地理网格,与所述空间分布数据的二维网格存在第一对应关系;根据所述二维空间数据网格,构建空间拓扑关系数据网格,所述空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识存在第二对应关系,所述第二地理网格与所述第一地理网格一一对应;根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。采用本发明,可以提高识别效率。
Description
技术领域
本发明涉及环境科学领域,尤其涉及一种大气污染特征识别方法和装置。
背景技术
一般来说,大气污染形势的分析,主要由一些专业人士(如各级环保局的预报员),通过预览大量的气象条件数据、污染物数据(如各种气象体分布图、污染物分布图),通过他们的专业知识和经验,人工分析大气污染的形势变化,总结出相应的结论,最后再通过各种媒体渠道,发布相关信息(如实时空气质量播报、未来空气质量预报等)。
所以,看懂污染物分布图,并能从分布图数据中识别出污染的空间分布特征,总结出相关结论,对于空气质量预报员来说,是一项非常必要的工作。但是,目前现有的这种方式,存在以下问题:
1.通过污染物分布图,完成大气污染形势的判别,需要专业的知识和相关经验,普通人无法完成。
2.由于污染物种类多,并且每一个时刻对应一张图,人工去分析每一张污染物分布图的特征时,任务繁重,耗费大量时间。
3.受人为因素影响,不同的人对污染分布图的识别会有所不同,增加污染分布图识别结论的不一致性。
4.人工识别污染物分布图,有些需求无法实现,有些识别过程也会存在误差。例如,人工识别如图1所示的空气质量(AQI,Air Quality Index)预报分布图时,由于图中仅示出了省级区域,受限于所展示的地图,可能无法通过人工识别AQI平均污染等级达到轻度污染的市级区域。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种大气污染特征识别方法和装置。
技术方案如下:
根据本发明的一方面,提供了一种大气污染特征识别方法,所述方法包括:
获取设定区域的大气污染指标的基于二维网格存储的空间分布数据;所述空间分布数据的每个二维网格,用于存储对应地理位置处的大气污染指标数据;所述设定区域包括至少一个目标区域;
构建所述设定区域的二维空间数据网格,所述二维空间数据网格中的每个第一地理网格,与所述空间分布数据的二维网格存在第一对应关系;
根据所述二维空间数据网格,构建空间拓扑关系数据网格,所述空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识存在第二对应关系,所述第二地理网格与所述第一地理网格一一对应;
根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述构建所述设定区域的二维空间数据网格,包括:
获取设定分辨率,所述设定分辨率不高于所述空间分布数据的分辨率;
根据所述设定分辨率,在所述设定区域中构建二维空间数据网格;
对所述二维空间数据网格中每个第一地理网格,建立与所述空间分布数据的二维网格的第一对应关系。
可选的,所述设定分辨率等于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的一个二维网格对应。
可选的,所述设定分辨率低于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的多个二维网格对应。
可选的,所述根据所述二维空间数据网格,构建空间拓扑关系数据网格,包括:
根据所述二维空间数据网格的第一地理网格,构建空间拓扑关系数据网格的第二地理网格;
确定每个第二地理网格所处地理位置的地理位置标识;
对所述每个第二地理网格,建立与地理位置标识的第二对应关系。
可选的,所述根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征,包括:
遍历所述二维空间数据网格的每个第一地理网格进行取数操作;
其中,所述取数操作包括:对于当前的第一地理网格,根据所述第一对应关系,在所述空间分布数据中,获取对应二维网格中存储的大气污染指标数据;根据所述第二对应关系,在所述空间拓扑关系数据网格中,获取对应的第二地理网格上的地理位置标识;将当前获取的大气污染指标数据与当前获取的地理位置标识相对应,建立地理位置标识与大气污染指标数据的第三对应关系;
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,识别所述至少一个目标区域的所述大气污染指标的空间分布特征,包括:
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,获取所述至少一个目标区域对应的目标大气污染指标数据;
根据所述目标大气污染指标数据和预设的统计规则,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述方法还包括:
根据所述至少一个目标区域的所述大气污染指标的空间分布特征以及预设模板,生成大气污染特征文本。
根据本发明的另一方面,提供了一种大气污染特征识别装置,所述装置包括:
获取模块,用于获取设定区域的大气污染指标的基于二维网格存储的空间分布数据;所述空间分布数据的每个二维网格,用于存储对应地理位置处的大气污染指标数据;所述设定区域包括至少一个目标区域;
构建模块,用于构建所述设定区域的二维空间数据网格,所述二维空间数据网格中的每个第一地理网格,与所述空间分布数据的二维网格存在第一对应关系;根据所述二维空间数据网格,构建空间拓扑关系数据网格,所述空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识存在第二对应关系,所述第二地理网格与所述第一地理网格一一对应;
识别模块,用于根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述构建模块用于:
获取设定分辨率,所述设定分辨率不高于所述空间分布数据的分辨率;
根据所述设定分辨率,在所述设定区域中构建二维空间数据网格;
对所述二维空间数据网格中每个第一地理网格,建立与所述空间分布数据的二维网格的第一对应关系。
可选的,所述设定分辨率等于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的一个二维网格对应。
可选的,所述设定分辨率低于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的多个二维网格对应。
可选的,所述构建模块用于:
根据所述二维空间数据网格的第一地理网格,构建空间拓扑关系数据网格的第二地理网格;
确定每个第二地理网格所处地理位置的地理位置标识;
对所述每个第二地理网格,建立与地理位置标识的第二对应关系。
可选的,所述识别模块用于:
遍历所述二维空间数据网格的每个第一地理网格进行取数操作;
其中,所述取数操作包括:对于当前的第一地理网格,根据所述第一对应关系,在所述空间分布数据中,获取对应二维网格中存储的大气污染指标数据;根据所述第二对应关系,在所述空间拓扑关系数据网格中,获取对应的第二地理网格上的地理位置标识;将当前获取的大气污染指标数据与当前获取的地理位置标识相对应,建立地理位置标识与大气污染指标数据的第三对应关系;
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述识别模块用于:
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,获取所述至少一个目标区域对应的目标大气污染指标数据;
根据所述目标大气污染指标数据和预设的统计规则,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述装置还包括生成模块,所述生成模块用于:
根据所述至少一个目标区域的所述大气污染指标的空间分布特征以及预设模板,生成大气污染特征文本。
根据本发明的另一方面,提供了一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上述大气污染特征识别方法。
根据本发明的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行上述大气污染特征识别方法。
本发明实施例中,终端可以对设定区域构建二维空间数据网格,将二维空间数据网格作为空间分布数据和空间拓扑关系数据网格之间的桥梁,根据地理网格以及二维网格之间的对应关系,识别目标区域的大气污染指标的空间分布特征。相比于传统人工分析大气污染特征的方法,本发明提供的大气污染特征识别方法可以提高识别效率。
附图说明
在下面结合附图对于示例性实施例的描述中,本发明的更多细节、特征和优点被公开,在附图中:
图1示出了根据本发明示例性实施例的空气质量预报分布图;
图2示出了根据本发明示例性实施例的实施环境示意图;
图3示出了根据本发明示例性实施例的大气污染特征识别方法的流程图;
图4示出了根据本发明示例性实施例的设定区域示意图;
图5示出了根据本发明示例性实施例的二维空间数据网格示意图;
图6示出了根据本发明示例性实施例的第一地理网格与二维网格的对应关系示意图;
图7示出了根据本发明示例性实施例的空间拓扑关系数据网格示意图;
图8示出了根据本发明示例性实施例的大气污染特征识别方法的流程图;
图9示出了根据本发明示例性实施例的北京周边空气质量预报分布图;
图10示出了根据本发明示例性实施例的大气污染特征文本;
图11示出了根据本发明示例性实施例的京津冀区域PM2.5实况浓度分布图;
图12示出了根据本发明示例性实施例的大气污染特征文本;
图13示出了根据本发明示例性实施例的大气污染特征识别装置的示意性框图;
图14示出了根据本发明示例性实施例的大气污染特征识别装置的示意性框图;
图15示出了能够用于实现本发明的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
为了清楚描述本发明实施例提供的方法,下面对所使用的技术进行介绍。
1.GIS(Geographic Information Systems,地理信息系统)技术
GIS是一种特定的十分重要的空间信息系统。它是在计算机硬件、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、处理、分析、显示和描述的技术。在本发明的一种可能的实施方式中,可以基于GIS技术搭建空气质量展示系统。
WebGIS(网络地理信息系统)是指工作在Web网上的GIS,是传统的GIS在网络上的延伸和发展,具有传统GIS的特点,可以实现空间数据的检索、查询、制图输出、编辑等GIS基本功能,同时也是Internet上地理信息发布、共享和交流协作的基础。
本发明基于GIS技术实现大气污染特征识别方法,通过借助现代计算机强大的运算能力,自动识别污染物分布图,解决实际问题。
2.WebGL(Web Graphics Library,全球广域网图形库)
WebGL是一个JavaScript API(JavaScript Application ProgrammingInterface,Java脚本应用程序接口),可在任何兼容的Web浏览器中渲染高性能的交互式3D和2D图形,而无需使用插件。WebGL通过引入一个与OpenGL ES 2.0(一种为嵌入式设备设计的开放图形库)非常一致的API来做到这一点,该API可以在HTML5<canvas>元素(超文本标记语言中的一种元素,用于构建显示窗口)中使用。这种一致性使API可以利用用户设备提供的硬件图形加速。
本发明提供的大气污染特征识别方法可以设置在基于WebGL网页端的应用系统中。
3.大气污染
大气污染是环境污染的一种主要组成部分,大气污染受多种因素的影响,包括气象条件、每天的不同时间、每周的不同天数、工业活动和交通密集度等。
大气污染物是指由气态物质、挥发性物质、半挥发性物质和颗粒物质的混合物造成的大气污染的物质,大气污染物包括:二氧化硫SO2、二氧化氮NO2、可吸入颗粒物PM10、细颗粒物PM2.5、一氧化碳CO、臭氧O3等。
大气污染指标,也即是大气污染常规分析指标,是指对一个地区的大气质量水平、发展趋势以及污染物的排放控制等状况进行定时定点重复监测的项目。
本发明实施例提供了一种大气污染特征识别方法,该方法可以由终端、服务器和/或其他具备处理能力的设备完成。本发明实施例提供的方法可以由上述任一设备完成,也可以由多个设备共同完成,本发明对此不作限定。
本实施例以如图2所示的实施环境为例,该实施环境可以包括终端和服务器。终端可以执行大气污染特征识别的处理,可以用于数据的显示和命令输入,并且,终端可以与服务器进行通信,获取处理所需的数据。服务器可以为应用系统提供后台服务,可以包括存储服务器和处理服务器。其中,存储服务器可以用于存储数据库,处理服务器可以用于执行应用系统的相应处理,处理服务器可以与存储服务器进行数据交互。当然,存储与处理都可以由一个服务器完成,本发明实施例以由一个服务器实现为例。
下面将参照图3所示的大气污染特征识别方法的流程图,对大气污染特征识别方法进行介绍。
步骤301,终端获取设定区域的大气污染指标的基于二维网格存储的空间分布数据。
其中,上述空间分布数据可以是空间分布图像数据,空间分布图像数据的像素点即为二维网格的一种形式。空间分布图像数据的每个像素点,可以用于存储对应地理位置处的大气污染指标数据。示例性的,空间分布图像数据可以是PNG(Portable NetworkGraphics,便携式网络图形)格式的图片数据。其中的一个像素点可以包括R(red)、G(green)、B(blue)、A(alpha)四个通道,用于存储对应地理位置处至少一个时刻的大气污染指标数据。本实施例以空间分布图像数据为例进行介绍,当然,空间分布数据还可以是其他格式的以二维网格形式存储的数据,本实施例对此不作限定。
设定区域可以包括至少一个目标区域。目标区域可以是指待识别大气污染特征的区域。设定区域和目标区域可以是以行政区域划分的区域,行政区域还可以细分为省级、市级、区县级等行政区域。当然,还可以根据实际需要进行区域划分,例如,将北京市划分为第一区域,将北京市周围的区域(如天津市、河北省)划分为第二区域。本实施例对具体的区域划分不作限定,可以支持任意设定。
在一种可能的实施方式中,服务器可以在数据库中存储有多个大气污染指标在多个时刻上的空间分布图像数据。
用户可以在终端上设置区域,并且还可以设置关注的目标区域、大气污染指标、时刻。为了方便介绍,本实施例以一个大气污染指标以及一个指定时刻为例,需要说明的是,实际应用中可以通过本发明提供的方法实现多个大气污染指标以及多个指定时刻的识别。
在用户设定完毕后,终端可以获取设定区域对应的经纬度数据,然后可以向服务器发送该经纬度数据。示例性的,如图4所示的设定区域示意图,该设定区域的经度可以在107.06度至127.22度之间,纬度在32.16度至45.46度之间,表示京津冀及周边。
然后,服务器可以在数据库中,查找上述经纬度数据对应的空间分布图像数据,获取用户设定的大气污染指标在指定时刻上的空间分布图像数据,并向终端返回数据。进而,终端可以从服务器返回的数据中,获取相应的空间分布图像数据。
步骤302,终端构建设定区域的二维空间数据网格。
其中,二维空间数据网格中的每个第一地理网格,与空间分布数据的二维网格可以存在第一对应关系。
具体的,步骤302的处理可以如下:终端获取设定分辨率;根据设定分辨率,在设定区域中构建二维空间数据网格;对二维空间数据网格中每个第一地理网格,建立与空间分布数据的二维网格的第一对应关系。
在一种可能的实施方式中,用户可以在终端上设置地理网格的分辨率,称为设定分辨率。受限于空间分布数据的精度,设定分辨率不高于空间分布数据的分辨率。
因此,设定分辨率可以包括两种情况,第一种情况可以是指,设定分辨率等于空间分布数据的分辨率;第二种情况可以是指,设定分辨率低于空间分布数据的分辨率。
终端可以按照设定分辨率,将设定区域的经纬度划分多份,构建多个地理网格。为了表述清楚,将二维空间数据网格的地理网格称为第一地理网格。例如,分辨率可以为420*350,表示在经度方向共有420个网格,每0.048度一个数据网格;在纬度方向共350个网格,每0.038度一个数据网格。二维空间数据网格如图5所示,为了清楚示意,图5减少了网格的密度,实际应用中的网格可以更加密集。
然后,终端可以建立每个第一地理网格与空间分布图像数据的像素点的对应关系。为了表述清楚,将此处的对应关系称为第一对应关系。对于不同的设定分辨率,上述第一对应关系也会不同。下面分别对上述两种情况的设定分辨率,介绍相应的对应关系。第一地理网格与像素点的对应关系如图6所示。
对于上述第一种情况,由于设定分辨率与空间分布数据的分辨率相等,终端可以对第一地理网格与像素点建立一一对应的关系,也即是一个第一地理网格与空间分布数据的一个二维网格对应。例如,终端可以将第一地理网格的序号设置为对应像素点的序号。
对于上述第二种情况,由于设定分辨率低于空间分布数据的分辨率,终端可以对第一地理网格与像素点建立一对多的对应关系,也即是一个第一地理网格与空间分布数据的多个二维网格对应。例如,终端可以建立一个对应关系表,其中可以存储第一地理网格与多个像素点的对应关系,终端可以通过该对应关系表进行查找。
本实施例对上述第一对应关系的具体形式不作限定。
步骤303,终端根据二维空间数据网格,构建空间拓扑关系数据网格。
其中,空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识可以存在第二对应关系,第二地理网格与第一地理网格一一对应。
具体的,上述步骤303的处理可以如下:终端根据二维空间数据网格的第一地理网格,构建空间拓扑关系数据网格的第二地理网格;确定每个第二地理网格所处地理位置的地理位置标识;对每个第二地理网格,建立与地理位置标识的第二对应关系。
在一种可能的实施方式中,终端可以建立与第一地理网格相同的另一地理网格,用来构建空间拓扑关系数据网格。为了表述清楚,将空间拓扑关系数据网格的地理网格称为第二地理网格。由于第二地理网格与第一地理网格一一对应,可以将第二地理网格的序号设置为与之对应的第一地理网格的序号。
在此之前,用户可以预先对地理位置标识进行设置。示例性的,当以省级行政区划为单位时,地理位置标识可以如下表1所示:
表1省级行政区划地理位置标识表
名称 | 北京市 | 天津市 | 河北省 | 山东省 | 山西省 | 内蒙古 | 辽宁省 |
代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
本实施例对具体的地理位置标识不作限定。
当第二地理网格建立完成时,终端可以遍历每个第二地理网格,获取当前的第二地理网格的经纬度数据,并根据经纬度数据,确定当前的第二地理网格所处的地理位置,并将该地理位置的标识填充至当前的第二地理网格,得到如图7所示的空间拓扑关系数据网格,此时第二地理网格与地理位置标识的第二对应关系可以是矩阵的形式。本实施例对第二对应关系的具体形式不作限定。
在确定当前的第二地理网格所处的地理位置的过程中,如果该第二地理网格同时属于多个行政区,则以面积占比最大的行政区作为所处的地理位置。
步骤304,终端根据空间分布数据、二维空间数据网格和空间拓扑关系数据网格,识别至少一个目标区域的大气污染指标的空间分布特征。
在一种可能的实施方式中,终端可以根据空间分布数据、二维空间数据网格和空间拓扑关系数据网格之间的对应关系,从空间分布数据中获取目标区域的大气污染指标数据,并识别所获取的大气污染指标数据的特征,得到目标区域中该大气污染指标的空间分布特征。
具体的,如图8所示的大气污染特征识别方法的流程图,上述步骤304的处理可以如步骤801-802所示:
步骤801,遍历二维空间数据网格的每个第一地理网格进行取数操作。
其中,取数操作可以包括:
步骤8011,对于当前的第一地理网格,根据第一对应关系,在空间分布数据中,获取对应二维网格中存储的大气污染指标数据;
步骤8012,根据第二对应关系,在空间拓扑关系数据网格中,获取对应的第二地理网格上的地理位置标识;
步骤8013,将当前获取的大气污染指标数据与当前获取的地理位置标识相对应,建立地理位置标识与大气污染指标数据的第三对应关系。
对应于上述设定分辨率的两种情况,取数操作也可以具有不同的处理,下面将分别对两种情况进行介绍:
对于上述第一种情况,也即是一个第一地理网格与空间分布图像数据的一个像素点对应,终端可以根据当前第一地理网格序号,获取相同序号的像素点中存储的大气污染指标数据,同时,可以获取相同序号的第二地理网格对应的地理位置标识。然后,终端可以将获取的大气污染指标数据计入该地理位置标识之下,如下表2所示:
表2第三对应关系示意表
名称 | 代号 | 污染指标 |
北京市 | 1 | 36.0、28.56、36.3、... |
天津市 | 2 | 48.0、28、36.3、... |
河北省 | 3 | 26.0、28.5、36.3、... |
山东省 | 4 | 16.0、28.1、36.3、... |
山西省 | 5 | 25.0、21.3、14.7、... |
内蒙古 | 6 | 46.0、43.1、25.4、... |
辽宁省 | 7 | 45.0、26.1、24.6、... |
本实施例对第三对应关系的具体形式不作限定。
对于上述第二种情况,也即是一个第一地理网格与空间分布图像数据的多个像素点对应,终端可以根据上述第一对应关系,查找当前第一地理网格相对应的多个像素点,并获取多个像素点中存储的大气污染指标数据。同时,终端可以获取相同序号的第二地理网格对应的地理位置标识。在建立地理位置标识与大气污染指标数据的第三对应关系时,终端可以将获取的大气污染指标数据计入该地理位置标识之下,也即是与上面的第一种情况相同。
或者,在另一种可能的实施方式中,终端还可以根据预设的映射规则,将获取的多个大气污染指标数据映射为一个大气污染指标数据,然后再基于映射后的大气污染指标数据,建立地理位置标识与大气污染指标数据的第三对应关系。预设的映射规则可以包括均值映射、最大值映射或最小值映射,本实施例对具体的映射规则不作限定。
其中,均值映射可以是指计算多个大气污染指标数据的平均值,将该平均值作为映射后的大气污染指标数据。最大值映射可以是指获取多个大气污染指标数据中的最大值,将该最大值作为映射后的大气污染指标数据。最小值映射可以是指获取多个大气污染指标数据中的最小值,将该最小值作为映射后的大气污染指标数据。
在基于最后一个第一地理网格的处理完成后,表示遍历结束,终端可以跳转至步骤802。
步骤802,根据第三对应关系以及至少一个目标区域的地理位置标识,识别至少一个目标区域的大气污染指标的空间分布特征。
具体的,步骤802的处理可以如下:终端根据第三对应关系以及至少一个目标区域的地理位置标识,获取至少一个目标区域对应的目标大气污染指标数据;根据目标大气污染指标数据和预设的统计规则,识别至少一个目标区域的大气污染指标的空间分布特征。
在一种可能的实施方式中,终端可以根据目标区域的地理位置标识,在第三对应关系中,查找该地理位置标识之下的大气污染指标数据。将目标区域的大气污染指标数据称为目标大气污染指标数据,用于表示用户所关注的大气污染指标数据。
然后,终端可以根据预设的统计规则对目标大气污染指标数据进行计算,得到大气污染指标的空间分布特征。预设的统计规则可以包括以下一种或多种:平均值统计、最大值统计、最小值统计、目标特征的面积占比统计。本实施例对具体的统计规则不作限定。
例如,当统计规则为平均值统计时,可以统计目标大气污染指标数据的数量,并根据统计的数量和目标大气污染指标数据的数值计算平均值,所使用的公式可以如下:
其中,P为目标区域中大气污染指标(如PM2.5)的平均值,n为目标大气污染指标数据的数量,vk为任一目标大气污染指标数据。
又例如,当统计规则为最大值统计时,可以统计目标大气污染指标数据中的最大值。当关注的目标区域有多个时,还可以在多个目标区域中统计最大值,并获取最大值所处的地理位置,表示污染指标数值最高点的位置。最小值统计同理,此处不再赘述。
还例如,当预设的统计规则为目标特征(如数值大于阈值,表示重度污染)的面积占比统计时,可以获取符合目标特征的第二地理网格。然后,终端可以统计获取的第二地理网格的面积以及所有第二地理网格的总面积,计算获取的第二地理网格的面积与总面积的比值,得到目标特征在设定区域中的面积占比。本实施例对目标特征的设置不作限定。
可选的,终端还可以根据至少一个目标区域的大气污染指标的空间分布特征以及预设模板,生成大气污染特征文本。
其中,大气污染特征文本可以用于描述大气污染指标的空间分布特征。
在一种可能的实施方式中,终端确定上述空间分布特征后,可以结合上述第二地理网格与地理位置标识的第二对应关系,再根据不同污染指标特征描述的预设模板,生成大气污染特征文本。
示例性的,如图9所示的北京周边空气质量(AQI)预报分布图,通过上述方法确定AQI的空间分布特征后,根据预设模板生成如图10所示的大气污染特征文本“本分布图中,AQI预报最高值出现在青岛市,其空气质量等级为中度污染,天津市、石家庄市、唐山市空气质量以良到轻度污染为主,廊坊、沧州、衡水、德州、聊城、邢台地区空气质量为良,承德、张家口、大同、张家口、朔州、阳泉、秦皇岛地区空气质量为优”。其中,下划线部分的文本为可替换文本,可替换文本可以基于空间分布特征确定;下划线之外的文本可以是预设模板。
如图11所示的京津冀区域PM2.5实况浓度分布图,通过上述方法确定PM2.5的空间分布特征后,根据预设模板生成如图12所示的大气污染特征文本“本分布图中天津市PM2.5污染最严重,其平均浓度为112μg/m3,北京市的PM2.5平均浓度为86μg/m3,河北省、辽宁省的PM2.5平均浓度为60μg/m3,内蒙古、山西省等地区PM2.5处于优良水平。”与图10同理,下划线部分的文本为可替换文本,可替换文本可以基于空间分布特征确定;下划线之外的文本可以是预设模板。
本实施例对具体的预设模板不作限定。
此外,终端在确定上述空间分布特征之后,还可以基于上述空间分布特征,对原空间分布图像数据中的图像信息进行增强处理。例如,对青岛市区域的空间范围标识增强,如加黑加粗省市边界、设置城市显示标签为反差明显的颜色,可以使读图者一眼看到整张分布图中污染特征的焦点所在,节省读图的分析时间。本实施例对具体的增强处理不作限定。
综上所述,本发明可以实现污染分布图的自动识别,通过对分布图数据进行空间统计分析,再结合实际的分析结论常用的模板,自动生成每一张分布图数据的特征描述,这种方式相比人眼通过主观判断,更加精确、迅速,大大的提升了预报员的工作效率,有效的解决实际的问题。并且,读图者只需要看输出的结论,就可以了解污染分布图中污染物的空间分布特征,这让非专业人员也可以准确解读污染物分布图。
本发明实施例中,终端可以对设定区域构建二维空间数据网格,将二维空间数据网格作为空间分布数据和空间拓扑关系数据网格之间的桥梁,根据地理网格以及二维网格之间的对应关系,识别目标区域的大气污染指标的空间分布特征。相比于传统人工分析大气污染特征的方法,本发明提供的大气污染特征识别方法可以提高识别效率。
本发明实施例提供了一种大气污染特征识别装置1300,该装置用于实现上述大气污染特征识别方法。如图13所示的大气污染特征识别装置的示意性框图,该装置包括:
获取模块1301,用于获取设定区域的大气污染指标的基于二维网格存储的空间分布数据;所述空间分布数据的每个二维网格,用于存储对应地理位置处的大气污染指标数据;所述设定区域包括至少一个目标区域;
构建模块1302,用于构建所述设定区域的二维空间数据网格,所述二维空间数据网格中的每个第一地理网格,与所述空间分布数据的二维网格存在第一对应关系;根据所述二维空间数据网格,构建空间拓扑关系数据网格,所述空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识存在第二对应关系,所述第二地理网格与所述第一地理网格一一对应;
识别模块1303,用于根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述构建模块1302用于:
获取设定分辨率,所述设定分辨率不高于所述空间分布数据的分辨率;
根据所述设定分辨率,在所述设定区域中构建二维空间数据网格;
对所述二维空间数据网格中每个第一地理网格,建立与所述空间分布数据的二维网格的第一对应关系。
可选的,所述设定分辨率等于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的一个二维网格对应。
可选的,所述设定分辨率低于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的多个二维网格对应。
可选的,所述构建模块1302用于:
根据所述二维空间数据网格的第一地理网格,构建空间拓扑关系数据网格的第二地理网格;
确定每个第二地理网格所处地理位置的地理位置标识;
对所述每个第二地理网格,建立与地理位置标识的第二对应关系。
可选的,所述识别模块1303用于:
遍历所述二维空间数据网格的每个第一地理网格进行取数操作;
其中,所述取数操作包括:对于当前的第一地理网格,根据所述第一对应关系,在所述空间分布数据中,获取对应二维网格中存储的大气污染指标数据;根据所述第二对应关系,在所述空间拓扑关系数据网格中,获取对应的第二地理网格上的地理位置标识;将当前获取的大气污染指标数据与当前获取的地理位置标识相对应,建立地理位置标识与大气污染指标数据的第三对应关系;
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,所述识别模块1303用于:
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,获取所述至少一个目标区域对应的目标大气污染指标数据;
根据所述目标大气污染指标数据和预设的统计规则,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
可选的,如图14所示的大气污染特征识别装置的示意性框图,所述装置还包括生成模块1304,所述生成模块1304用于:
根据所述至少一个目标区域的所述大气污染指标的空间分布特征以及预设模板,生成大气污染特征文本。
本发明实施例中,终端可以对设定区域构建二维空间数据网格,将二维空间数据网格作为空间分布数据和空间拓扑关系数据网格之间的桥梁,根据地理网格以及二维网格之间的对应关系,识别目标区域的大气污染指标的空间分布特征。相比于传统人工分析大气污染特征的方法,本发明提供的大气污染特征识别方法可以提高识别效率。
本发明示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本发明实施例的方法。
本发明示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本发明实施例的方法。
本发明示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本发明实施例的方法。
参考图15,现将描述可以作为本发明的服务器或客户端的电子设备1500的结构框图,其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理PDA、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图15所示,电子设备1500包括计算单元1501,其可以根据存储在只读存储器(ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(RAM)1503中的计算机程序,来执行各种适当的动作和处理。在RAM 1503中,还可存储设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。
电子设备1500中的多个部件连接至I/O接口1505,包括:输入单元1506、输出单元1507、存储单元1508以及通信单元1509。输入单元1506可以是能向电子设备1500输入信息的任何类型的设备,输入单元1506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1507可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1508可以包括但不限于磁盘、光盘。通信单元1509允许电子设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501执行上文所描述的各个方法和处理。例如,在一些实施例中,大气污染特征识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到电子设备1500上。在一些实施例中,计算单元1501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行大气污染特征识别方法。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本发明使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (12)
1.一种大气污染特征识别方法,其特征在于,所述方法包括:
获取设定区域的大气污染指标的基于二维网格存储的空间分布数据;所述空间分布数据的每个二维网格,用于存储对应地理位置处的大气污染指标数据;所述设定区域包括至少一个目标区域;
构建所述设定区域的二维空间数据网格,所述二维空间数据网格中的每个第一地理网格,与所述空间分布数据的二维网格存在第一对应关系;
根据所述二维空间数据网格,构建空间拓扑关系数据网格,所述空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识存在第二对应关系,所述第二地理网格与所述第一地理网格一一对应;
根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
2.根据权利要求1所述的大气污染特征识别方法,其特征在于,所述构建所述设定区域的二维空间数据网格,包括:
获取设定分辨率,所述设定分辨率不高于所述空间分布数据的分辨率;
根据所述设定分辨率,在所述设定区域中构建二维空间数据网格;
对所述二维空间数据网格中每个第一地理网格,建立与所述空间分布数据的二维网格的第一对应关系。
3.根据权利要求2所述的大气污染特征识别方法,其特征在于,所述设定分辨率等于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的一个二维网格对应。
4.根据权利要求2所述的大气污染特征识别方法,其特征在于,所述设定分辨率低于所述空间分布数据的分辨率;一个第一地理网格与所述空间分布数据的多个二维网格对应。
5.根据权利要求1所述的大气污染特征识别方法,其特征在于,所述根据所述二维空间数据网格,构建空间拓扑关系数据网格,包括:
根据所述二维空间数据网格的第一地理网格,构建空间拓扑关系数据网格的第二地理网格;
确定每个第二地理网格所处地理位置的地理位置标识;
对所述每个第二地理网格,建立与地理位置标识的第二对应关系。
6.根据权利要求1所述的大气污染特征识别方法,其特征在于,所述根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征,包括:
遍历所述二维空间数据网格的每个第一地理网格进行取数操作;
其中,所述取数操作包括:对于当前的第一地理网格,根据所述第一对应关系,在所述空间分布数据中,获取对应二维网格中存储的大气污染指标数据;根据所述第二对应关系,在所述空间拓扑关系数据网格中,获取对应的第二地理网格上的地理位置标识;将当前获取的大气污染指标数据与当前获取的地理位置标识相对应,建立地理位置标识与大气污染指标数据的第三对应关系;
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
7.根据权利要求6所述的大气污染特征识别方法,其特征在于,所述根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,识别所述至少一个目标区域的所述大气污染指标的空间分布特征,包括:
根据所述第三对应关系以及所述至少一个目标区域的地理位置标识,获取所述至少一个目标区域对应的目标大气污染指标数据;
根据所述目标大气污染指标数据和预设的统计规则,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
8.根据权利要求1所述的大气污染特征识别方法,其特征在于,所述方法还包括:
根据所述至少一个目标区域的所述大气污染指标的空间分布特征以及预设模板,生成大气污染特征文本。
9.一种大气污染特征识别装置,其特征在于,所述装置包括:
获取模块,用于获取设定区域的大气污染指标的基于二维网格存储的空间分布数据;所述空间分布数据的每个二维网格,用于存储对应地理位置处的大气污染指标数据;所述设定区域包括至少一个目标区域;
构建模块,用于构建所述设定区域的二维空间数据网格,所述二维空间数据网格中的每个第一地理网格,与所述空间分布数据的二维网格存在第一对应关系;根据所述二维空间数据网格,构建空间拓扑关系数据网格,所述空间拓扑关系数据网格中的每个第二地理网格与所处地理位置的地理位置标识存在第二对应关系,所述第二地理网格与所述第一地理网格一一对应;
识别模块,用于根据所述空间分布数据、所述二维空间数据网格和所述空间拓扑关系数据网格,识别所述至少一个目标区域的所述大气污染指标的空间分布特征。
10.根据权利要求9所述的大气污染特征识别装置,其特征在于,所述装置还包括生成模块,所述生成模块用于:
根据所述至少一个目标区域的所述大气污染指标的空间分布特征以及预设模板,生成大气污染特征文本。
11.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-8中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307600.9A CN114443787B (zh) | 2021-11-05 | 2021-11-05 | 大气污染特征识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307600.9A CN114443787B (zh) | 2021-11-05 | 2021-11-05 | 大气污染特征识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114443787A true CN114443787A (zh) | 2022-05-06 |
CN114443787B CN114443787B (zh) | 2022-11-18 |
Family
ID=81363055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111307600.9A Active CN114443787B (zh) | 2021-11-05 | 2021-11-05 | 大气污染特征识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114443787B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115512002A (zh) * | 2022-10-21 | 2022-12-23 | 中科三清科技有限公司 | 空气质量分布图的绘制方法、装置和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207282A1 (en) * | 2013-01-18 | 2014-07-24 | Irobot Corporation | Mobile Robot Providing Environmental Mapping for Household Environmental Control |
US20150371431A1 (en) * | 2013-01-29 | 2015-12-24 | Andrew Robert Korb | Methods for analyzing and compressing multiple images |
CN106228007A (zh) * | 2016-07-19 | 2016-12-14 | 武汉大学 | 突发事件污染源追溯方法 |
US20180321208A1 (en) * | 2017-05-04 | 2018-11-08 | International Business Machines Corporation | Determining the net emissions of air pollutants |
CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和系统 |
CN111930864A (zh) * | 2020-07-15 | 2020-11-13 | 中科三清科技有限公司 | 基于监测数据的网格化清单优化方法和装置 |
CN112487115A (zh) * | 2020-11-13 | 2021-03-12 | 北京软通智慧城市科技有限公司 | 污染源的确定方法、装置、设备及存储介质 |
CN112559665A (zh) * | 2020-12-18 | 2021-03-26 | 中科三清科技有限公司 | 空气质量模式预报数据可视化方法及装置 |
-
2021
- 2021-11-05 CN CN202111307600.9A patent/CN114443787B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207282A1 (en) * | 2013-01-18 | 2014-07-24 | Irobot Corporation | Mobile Robot Providing Environmental Mapping for Household Environmental Control |
US20150371431A1 (en) * | 2013-01-29 | 2015-12-24 | Andrew Robert Korb | Methods for analyzing and compressing multiple images |
CN106228007A (zh) * | 2016-07-19 | 2016-12-14 | 武汉大学 | 突发事件污染源追溯方法 |
US20180321208A1 (en) * | 2017-05-04 | 2018-11-08 | International Business Machines Corporation | Determining the net emissions of air pollutants |
CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和系统 |
CN111930864A (zh) * | 2020-07-15 | 2020-11-13 | 中科三清科技有限公司 | 基于监测数据的网格化清单优化方法和装置 |
CN112487115A (zh) * | 2020-11-13 | 2021-03-12 | 北京软通智慧城市科技有限公司 | 污染源的确定方法、装置、设备及存储介质 |
CN112559665A (zh) * | 2020-12-18 | 2021-03-26 | 中科三清科技有限公司 | 空气质量模式预报数据可视化方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115512002A (zh) * | 2022-10-21 | 2022-12-23 | 中科三清科技有限公司 | 空气质量分布图的绘制方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114443787B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990086B (zh) | 遥感影像建筑物检测方法、装置及计算机可读存储介质 | |
WO2017206484A1 (zh) | 地理数据呈现方法及装置 | |
CN102147807A (zh) | 基于gis的海量雷电数据时空分析方法 | |
CN103995896A (zh) | 海量气象数据三维可视化分析工具系统 | |
CN111862292A (zh) | 输电线路走廊的数据渲染方法、装置和计算机设备 | |
CN110826454B (zh) | 一种遥感影像变化检测方法及装置 | |
CN107741964A (zh) | 一种兴趣点显示方法、装置、设备和介质 | |
CN116071651B (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
CN115372877B (zh) | 基于无人机的变电站的避雷器泄露电流表计巡检方法 | |
CN116628123B (zh) | 基于空间数据库的动态切片生成方法和系统 | |
CN108256020B (zh) | 异常路线的检测方法、装置、服务器及存储介质 | |
CN116739191B (zh) | 热点网格识别方法、装置、存储介质及电子设备 | |
CN114443787B (zh) | 大气污染特征识别方法和装置 | |
CN111582518A (zh) | 电力巡检报告自动生成方法、装置及终端设备 | |
CN112066997A (zh) | 高清航线地图的导出方法及系统 | |
CN115439753A (zh) | 一种基于dem的陡峭河岸识别方法及系统 | |
US10198158B2 (en) | Map with different degrees of overlapping geocoded pixels | |
CN113420109B (zh) | 一种街道界面渗透率的测量方法、计算机及存储介质 | |
CN117095216B (zh) | 基于对抗生成网络的模型训练方法、系统、设备及介质 | |
US9483846B2 (en) | Data interpolation and classification method for map data visualization | |
CN112097776A (zh) | 用于提高航线地图渲染效率的方法及系统 | |
CN110954869B (zh) | 一种沙尘气象灾害数据的动画显示方法、装置及系统 | |
CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
CN110457705B (zh) | 一种兴趣点数据处理方法、装置、设备和存储介质 | |
CN115239843B (zh) | 空气质量分布图的绘制方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |