CN114881437A - 基于多源数据的大气臭氧健康评估方法、装置、存储介质 - Google Patents
基于多源数据的大气臭氧健康评估方法、装置、存储介质 Download PDFInfo
- Publication number
- CN114881437A CN114881437A CN202210430433.5A CN202210430433A CN114881437A CN 114881437 A CN114881437 A CN 114881437A CN 202210430433 A CN202210430433 A CN 202210430433A CN 114881437 A CN114881437 A CN 114881437A
- Authority
- CN
- China
- Prior art keywords
- data
- environment
- source
- atmospheric ozone
- calculating
- 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
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 59
- 230000036541 health Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 230000005183 environmental health Effects 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 26
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 description 35
- 241000282414 Homo sapiens Species 0.000 description 7
- 239000002243 precursor Substances 0.000 description 7
- 238000012952 Resampling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 230000006378 damage Effects 0.000 description 5
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- KAKZBPTYRLMSJV-UHFFFAOYSA-N Butadiene Chemical compound C=CC=C KAKZBPTYRLMSJV-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 231100000206 health hazard Toxicity 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006552 photochemical reaction Methods 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 206010007269 Carcinogenicity Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010043275 Teratogenicity Diseases 0.000 description 1
- BZHJMEDXRYGGRV-UHFFFAOYSA-N Vinyl chloride Chemical group ClC=C BZHJMEDXRYGGRV-UHFFFAOYSA-N 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000007670 carcinogenicity Effects 0.000 description 1
- 231100000260 carcinogenicity Toxicity 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 208000015606 cardiovascular system disease Diseases 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- TUJKJAMUKRIRHC-UHFFFAOYSA-N hydroxyl Chemical compound [OH] TUJKJAMUKRIRHC-UHFFFAOYSA-N 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007886 mutagenicity Effects 0.000 description 1
- 231100000299 mutagenicity Toxicity 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000211 teratogenicity Toxicity 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (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
本发明涉及环境监测技术领域，具体涉及一种基于多源数据的大气臭氧健康评估方法、装置、存储介质。其中方法包括：获取待监测环境的多源环境数据；对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；通过预设的方法计算待测环境的大气臭氧环境健康综合评价值G，由于本申请采集了环境的多源环境数据，通过对多源数据的综合处理后得到评估结果，从而使得评估结果更加准确。
Description
技术领域
本发明涉及环境监测技术领域，具体涉及一种基于多源数据的大气臭氧健康评估方法、装置、存储介质。
背景技术
近地面臭氧(O3)主要是由人类活动排放产生的挥发性有机物和氮氧化物等在太阳光照射下，经复杂的光化学反应产生的二次污染物。近年来，中国主要城市区域O3浓度呈持续上升趋势，部分城市地区O3污染逐渐取代颗粒物污染成为首要污染物。
近年来,我国科研机构陆续开展了许多空气污染与健康效应的调查研究,证实大气污染会增加我国居民心血管系统和呼吸系统疾病的患病和死亡风险。研究进一步证实，我国O3对于非意外总死亡及心血管系统疾病影响显著,与地域关系不大,受季节影响明显。但上述研究仅关注地表O3，而忽视了O3前体物的危害。O3的前体物挥发性有机物(VOCs)，在光化学反应作用下，能与氮氧化合物和氢氧自由基等生成O3。长期暴露在一定浓度的VOCs环境下会导致呼吸系统、神经系统、消化系统及循环系统发生病变，另外还有一些毒性较强的VOCs，如苯、氯乙烯和1,3-丁二烯对人体具有致癌性、致畸性和致突变。
现有技术中虽然环境保护部门会定期对城市的空气或者排放物质进行检测，例如检测大气中臭氧的含量是否达标。由于臭氧会与环境中的多种元素反应，并且受环境中其他元素的影响，因此现有的仅仅采集空气中臭氧含量来确定环境健康情况是不够准确和全面的，因此得到的大气臭氧健康评估结果也不够准确定。
发明内容
本发明主要解决的技术问题是现有的大气臭氧健康评估方法果由于考虑的因素不够全面从而导致评估结果不够准确。
一种基于多源数据的大气臭氧健康评估方法,包括：
获取待监测环境的多源环境数据；
对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；
通过以下公式计算待测环境的大气臭氧环境健康综合评价值G；
其中，M_i表示第i项环境数据，W_i表示第i项环境数据对应的权重，n表示环境数据的项数。
一种基于多源数据的大气臭氧健康评估装置，包括：
获取模块，用于获取待监测环境的多源环境数据；
预处理模块，用于对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；
计算模块，用于通过以下公式计算待测环境的大气臭氧环境健康综合评价值G。
一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上所述的方法。
依据上述实施例的基于多源数据的大气臭氧健康评估方法，该方法包括：获取待监测环境的多源环境数据；对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；通过预设的方法计算待测环境的大气臭氧环境健康综合评价值G，由于本申请采集了环境的多源环境数据，通过对多源数据的综合处理后得到评估结果，从而使得评估结果更加准确。
附图说明
图1为本申请实施例的臭氧健康评估方法流程图；
图2为本申请实施例的臭氧健康等级评估方法流程图；
图3a为本申请实施例的环境监测站点O3月均值(点状矢量数据)示意图；
图3b为本申请实施例的离空间插值O3月均值(栅格数据)示意图；
图4a为本申请实施例的哨兵-5p数据NO2(栅格数据)示意图；
图4b为本申请实施例的哨兵-5p数据HCHO(栅格数据)；
图5a为本申请实施例的排放源VOCs(面状矢量数据示意图；
图5b为本申请实施例的栅格化后排放源VOCs(栅格数据)；
图6a为本申请实施例的排放源NOx(面状矢量数据)；
图6b为本申请实施例的栅格化后排放源NOx(栅格数据)；
图7a为本申请实施例的植被指数NDVI(栅格数据)；
图7b为本申请实施例的数字高程DEM(栅格数据)；
图8a为本申请实施例的站点气温数据(点状矢量数据)；
图8b为本申请实施例的空间插值气温数据(栅格数据)；
图9为采用本申请实施例方法确定的某区域一段时间内臭氧健康评估等级示意图；
图10为采用本申请实施例方法确定的某区域另一段时间内臭氧健康评估等级示意图；
图11为本申请实施例的臭氧健康评估装置结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
由于O3及VOCs主要由人类活动排放影响，同时受到地表分布及气象因素的影响。污染源排放清单数据能够反映城市人类经济生产活动VOCs、NOx的排放强度。污染物在大气中的扩散、输送和一系列的物理、化学变化在很大程度上取决于当时当地风向、风速、降水量数据。低风速情况下，利于污染物的聚集。
本申请利用Sentinel5p卫星(即哨兵卫星)采集的HCHO、NO2数据、地表O3数据、污染物排放清单数据(VOCs、NO2)、气象数据(风速、风向、降雨)、地表数据(植被、高程)多源数据，采用熵权法构建大气臭氧环境健康风险评价指标。基于多源数据的大气臭氧环境健康风险评价，使得大气臭氧环境健康风险评估结果更加科学、准确，为“宜居健康城市”建设提供数据支撑。
实施例一：
请参考图1，本实施例提供一种基于多源数据的大气臭氧健康评估方法,具体包括：
步骤101：获取待监测环境的多源环境数据。
本申请将O3、前体物VOCs、NOx(氮氧化合物的总称，通常包括NO和NO2)作为联合评价指标，能够充分反映地表O3及其前体物VOCs对人体健康的危害。申请人还考虑到地表VOCs监测站点的稀缺，以Sentinel5p卫星的HCHO数据表示地表VOCs浓度的高低，进而能够对VOCs危害进行大范围评估。最后考虑到人为排放(源排放清单数据)，地表数据(植被、高程)，气象数据(风速、降雨)对O3与VOCs气体聚集与传输的影响。
具体的，本实施例中获取待测环境的多源环境数据包括：
(1)通过环境站点监测获取待监测环境的O3数据，然后经过反距离空间插值，获取3KM*3KM待监测地表大气O3监测数据，并计算月均值，环境监测站点数据与反距离空间插值的样例数据如附图3a和图3b所示。
(2)通过卫星监测获取待监测环境的NO2、HCHO数据。具体的，获取哨兵-5p数据NO2、HCHO对流层柱浓度产品数据，对卫星影像进行地理校正与空间重采样，获取3KM*3KM臭氧前体物数据。哨兵-5p数据NO2、HCHO样例数据分别如附图4a和图4b所示。
(3)污染源排放清单数据处理。获取2018年待监测区域一个省级区域内污染普查数据石油、化工等排放源中VOCs、NOx、根据其经纬度，获取3KM*3KM矢量网格范围内VOCs、NOx的排放量总和数据。经过矢量栅格化，获取排放源VOCs、NOx排放清单数据。排放源VOCs及栅格化后样例数据分别如附图5a和5b所示。排放源NOx及栅格化后样例数据分别如图6a和图6b所示。
(4)地表数据处理。通过遥感影像获取待监测环境中的归一化植被指数NDVI和数学高程DEM，经过地理校正与重采样，例如获得浙江省3KM*3KM网格大小植被指数数据。获取DEM(数学高程模型，是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型，是数字地形模型)数据，经过重采样，获取3KM*3KM地形数据。植被指数与数字高程样例数据分别如附图7a和图7b所示。
(5)气象数据处理。获取气象监测站点一年的风速、降雨、气温数据，进行反距离空间插值，获取3KM*3KM网格内气象数据，并进行均值计算。以气温样例数据为例，如附图8a站点气温数据(点状矢量数据)，图8b为本申请实施例的空间插值气温数据(栅格数据)。
本实施例中，采集下表中的十项环境数据，采集任意一项环境数据时，在待监测环境区域中设置多个采集点，在每个采集点分别采集该项环境数据，得到多个该项环境数据；对采集的多个点的环境数据进行归一化处理后，采用反距离空间插值将多个该项环境数据排列成m行n列的矩阵形式进行保存。
采用上述方法采集的数据类型、数据的时间分辨率、数据结构以及数据单位如下表所示：
步骤102：对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值。具体的包括：
步骤1021：根据上述十项环境数据对健康评估结果的影响，将采集的O3、NO2、HCHO、VOCs、NOx和气温确定为正相关指数，将采集的归一化植被指数NDVI、数字高程DEM、风速和降雨确定为负相关指标。
步骤1022：对确定为正相关指数的环境数据中每一项环境数据中的多个采集点对应的数据采用下列公式(1)进行归一化处理；对确定为负相关指标的环境数据中每一项环境数据中的多个采集点对应的数据采用下列公式(2)进行归一化处理，使得处理后的各项环境数据在[0-1]范围内；
其中，xj表示第j个采集点的环境数据，xmax表示多个采集点的环境数据中的最大值，xmin表示多个采集点的环境数据中的最小值，x′j表示xj归一化处理后的值。经过归一化处理，可以消除不同数据量纲上的差异，获得值范围为[0-1]的标准指标数据。
换言之，具体对每项环境数据分别进行以下处理以完成归一化：
(1)监测站点采集的O3归一化。计算空间插值后监测站点O3的最小值、最大值，按公式(1)进行归一化处理。经过归一化处理，获得值为[0-1]范围的站点臭氧监测数据M_O3，假设其为(行：m，列：n大小)矩阵。
(2)哨兵-5p采集的NO2归一化。计算重采样后哨兵-5p卫星NO2的最小值、最大值，按公式(1)进行归一化处理。经过归一化处理，获得值为[0-1]范围的NO2监测数据M_NO2，假设其为(行：m，列：n大小)矩阵。
(3)哨兵-5p HCHO归一化。计算重采样后哨兵-5p卫星HCHO的最小值、最大值，按公式(1)进行归一化处理。经过归一化处理，获得值为[0-1]范围的HCHO监测数据M_HCHO，假设其为(行：m，列：n大小)矩阵。
(4)排放源VOCs归一化。计算栅格化后排放源VOCs的最小值、最大值，按公式(1)进行归一化处理。经过归一化处理，获得值为[0-1]范围的排放源VOCs监测数据M_VOCs，假设其为(行：m，列：n大小)矩阵。
(5)排放源NOx归一化。计算栅格化后排放源NOx的最小值、最大值，按公式(1)进行归一化处理。经过归一化处理，获得值为[0-1]范围的排放源NOx监测数据M_NOx，假设其为(行：m，列：n大小)矩阵。
(6)气象温度T归一化。计算空间插值后气象温度T的最小值、最大值，按公式(1)进行归一化处理。经过归一化处理，获得值为[0-1]范围的气象温度监测数据M_T，假设其为(行：m，列：n大小)矩阵。
(7)植被指数NDVI归一化。计算重采样后植被指数的最小值、最大值，按公式(2)进行归一化处理。经过归一化处理，获得值为[0-1]范围的植被指数M_NDVI，假设其为(行：m，列：n大小)矩阵。
(8)数字高程DEM归一化。计算重采样后数字高程的最小值、最大值，按公式(2)进行归一化处理。经过归一化处理，获得值为[0-1]范围的数字高程M_DEM，假设其为(行：m，列：n大小)矩阵。
(9)气象风速归一化。计算空间插值后气象风速数据的最小值、最大值，按公式(2)进行归一化处理。经过归一化处理，获得值为[0-1]范围的气象风速数据M_WD，假设其为(行：m，列：n大小)矩阵。
(10)气象降雨归一化。计算空间插值后气象降雨数据的最小值、最大值，按公式(2)进行归一化处理。经过归一化处理，获得值为[0-1]范围的气象风速数据M_RN，假设其为(行：m，列：n大小)矩阵。
本实施例中采用熵权法计算每项数据的权重，熵权法是一种利用多源数据的信息熵计算各类数据权重的方法。根据信息熵的概念，数据源信息熵越小，所提供的信息越多，权重就越大。反之，权重就越小。熵权法可以客观的计算每类数据的权重，目前在的生态环境监测、评价中应用广泛是一种利用多源数据的信息熵计算各类数据权重的方法。根据信息熵的概念，数据源信息熵越小，所提供的信息越多，权重就越大。反之，权重就越小。熵权法可以客观的计算每类数据的权重，目前在的生态环境监测、评价中应用广泛，具体方法包括：
对于任意一项环境数据，采用下列公式(3)计算每个元素的概率值，其中pi表示矩阵中任意一个元素xi的概率值，m、n分别为矩阵的行和列；
利用下列公式(4)计算常数；
k＝1/log2(m*n) 公式(4)
利用下列公式(5)计算该项环境数据中所有元素的概率值；
利用下列公式(6)计算该项环境数据中第j个元素的权重值Wj。公式(6)中D表示环境数据的种类数，本实施例中D＝10；
依次采用上述公式(3)、(4)、(5)、(6)完成对所有项的环境数据的权重进行计算。
换言之，本实施例采用下列方法计算每项环境数据的权重，包括：
(1)监测站点O3权重计算。计算归一化后监测站点M_O3所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得监测站点O3的指标权重W_O3。
(2)哨兵-5p NO2权重计算。计算归一化后监测站点M_NO2所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得哨兵-5p NO2的指标权重W_NO2。
(3)哨兵-5p HCHO权重计算。计算归一化后监测站点M_HCHO所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得哨兵-5p HCHO的指标权重W_HCHO。
(4)排放源VOCs权重计算。计算归一化后监测站点M_VOCs所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得排放源VOCs指标权重W_VOCs。
(5)排放源NOx权重计算。计算归一化后监测站点M_NOx所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得排放源NOx指标权重W_NOx。
(6)植被指数NDVI权重计算。计算归一化后植被指数M_NDVI所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得植被指数指标权重W_NDVI。
(7)数字高程DEM权重计算。计算归一化后数字高程M_DEM所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得数字高程指标权重W_DEM。
(8)气象风速WD权重计算。计算归一化后气象风速M_WD所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得气象风速指标权重W_WD。
(9)气象降雨RN权重计算。计算归一化后气象降雨M_RN所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得气象降雨指标权重W_RN。
(10)气象温度T权重计算。计算归一化后气象温度M_T所有元素的和，根据公式(3)计算每个元素的概率值P；根据矩阵行、列大小(m、n)，利用公式(4)计算常数K；利用公式(5)计算所有元素的概率k*P*log2P的和Hj，利用公式(6)获得气象温度指标权重W_T。
步骤103：通过预设的计算方法计算待测环境的大气臭氧环境健康综合评价值G。具体的，本实施例通过下列公式计算健康综合评价值G：
其中，M_i表示第i项环境数据，W_i表示第i项环境数据对应的权重，n表示环境数据的项数，本实施例中n＝10，即表示采集的环境数据为上述表中的十项，M_i表示第i项环境数据，例如i＝1时，M_i为臭氧的监测数据M_O3，此时对应的W_i为W_O3。
进一步的，本实施例中还计算环境健康综合评价值G的均值u、方差std、最小值min、最大值max；将大气臭氧环境健康危险等级确定为以下五个等级以及确定每个危险等级对应的臭氧健康的取值范围，具体危险等级和取值范围如下表所示：
最后判断待监测环境的大气臭氧健康评估值所处的取值范围从而确定大气臭氧环境健康危险等级。
本实施例以2006年浙江省5月份为例，采用上述方法得到的浙江省5月份臭氧大气环境健康危害等级如图9所示，浙江省5月份臭氧大气环境健康危害等级如图10所示。
本申请中相对于现有技术的进步主要体现在以下方面：
(1)首次将O3、前体物VOCs、NOx作为联合评价指标，能够充分反映地表O3及其前体物VOCs对人体健康的危害。
(2)以Sentinel5p卫星的HCHO数据表示地表VOCs浓度的高低，将VOCs危害评估由点扩展到面。
(3)充分考虑了人类生产活动、地表覆盖、气象因子。
(4)引入了权重，在考虑到多种影响健康评估结果的环境数据的基础上，还进一步的引入了每个环境数据的权重，最后依据权重计算得到的健康评估值更加精确。
实施例二：
本实施例提供一种基于多源数据的大气臭氧健康评估装置，如图11所示，其包括：获取模块201、预处理模块202、计算模块203。其中获取模块201用于获取待监测环境的多源环境数据；预处理模块202用于对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；计算模块203用于通过以下公式计算待测环境的大气臭氧环境健康综合评价值G；具体的数据处理方法以及计算方法和上述实施例一中相同，此处不再赘述。
进一步的，本实施例还包括危险等级评估模块204和输出模块205，危险等级评估模块204用于根据待监测环境的大气臭氧健康评估值所处的取值范围确定大气臭氧环境健康危险等级；输出模块205用于输出大气臭氧环境健康危险等级，输出模块205可以采用显示器，起到输出显示的作用，方便本领域技术人员查看评估的等级结果。
实施例三：
本实施例提供一种计算机可读存储介质，介质上存储有程序，程序能够被处理器执行以实现如上述实施例一提供的方法。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种基于多源数据的大气臭氧健康评估方法,其特征在于，包括：
获取待监测环境的多源环境数据；
对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；
通过以下公式计算待测环境的大气臭氧环境健康综合评价值G；
其中，M_i表示第i项环境数据，W_i表示第i项环境数据对应的权重，n表示环境数据的项数。
2.如权利要求1所述的基于多源数据的大气臭氧健康评估方法,其特征在于，所述获取待测环境的多源环境数据包括：
通过站点监测获取待监测环境的O3数据；
通过卫星监测获取待监测环境的NO2、HCHO数据；
获取待监测环境的污染源排放清单，对清单数据进行处理，获取待监测环境中污染源排放中的VOCs、NOx数据；
通过遥感影像获取待监测环境中的归一化植被指数NDVI和数学高程DEM；
通过气象监测站点获取待监测环境一段时间内的风速、降雨和气温数据。
3.如权利要求2所述的基于多源数据的大气臭氧健康评估方法,其特征在于，还包括：对获取的多源环境数据进行归一化处理包括：
将采集的O3、NO2、HCHO、VOCs、NOx和气温确定为正相关指数，将采集的归一化植被指数NDVI、数字高程DEM、风速和降雨确定为负相关指标。
4.如权利要求3所述的基于多源数据的大气臭氧健康评估方法,其特征在于，采集任意一项环境数据时，在待监测环境区域中设置多个采集点，在每个采集点分别采集该项环境数据，得到多个该项环境数据；对采集的多个点的环境数据进行归一化处理后，采用反距离空间插值将多个该项环境数据排列成m行n列的矩阵形式进行保存。
5.如权利要求4所述的基于多源数据的大气臭氧健康评估方法,其特征在于，所述对获取的多源环境数据进行归一化处理包括：
对确定为正相关指数的环境数据中每一项环境数据中的多个采集点对应的数据采用下列公式(1)进行归一化处理；对确定为负相关指标的环境数据中每一项环境数据中的多个采集点对应的数据采用下列公式(2)进行归一化处理，使得处理后的各项环境数据在[0-1]范围内；
其中，xj表示第j个采集点的环境数据，xmax表示多个采集点的环境数据中的最大值，xmin表示多个采集点的环境数据中的最小值，x′j表示xj归一化处理后的值。
6.如权利要求4所述的基于多源数据的大气臭氧健康评估方法,其特征在于，所述计算每项环境数据的权重值包括：
对于任意一项环境数据，采用下列公式(3)计算每个元素的概率值，其中pi表示矩阵中任意一个元素xi的概率值，m、n分别为矩阵的行和列；
利用下列公式(4)计算常数；
k＝1/log2(m*n) 公式(4)
利用下列公式(5)计算该项环境数据中所有元素的概率值；
利用下列公式(6)计算该项环境数据中第j个元素的权重值Wj，公式(6)中D表示环境数据的种类数；
依次采用上述公式(3)、(4)、(5)、(6)完成对所有项的环境数据的权重进行计算。
7.如权利要求1所述的基于多源数据的大气臭氧健康评估方法,其特征在于，还包括：计算所述环境健康综合评价值G的均值u、方差std、最小值min、最大值max；
将大气臭氧环境健康危险等级确定为以下五个等级以及确定每个危险等级对应的臭氧健康的取值范围，具体包括：
极低-(min，u-std)、低-(u-std，u)、轻度-(u，u+std)、中度-(u+std，u+2*std)、重度-(u+2*std，max)；
判断待监测环境的大气臭氧健康评估值所处的取值范围从而确定大气臭氧环境健康危险等级。
8.一种基于多源数据的大气臭氧健康评估装置，其特征在于，包括：
获取模块，用于获取待监测环境的多源环境数据；
预处理模块，用于对获取的多源环境数据进行归一化处理，并计算每项环境数据的权重值；
计算模块，用于通过以下公式计算待测环境的大气臭氧环境健康综合评价值G；
其中，其中，M_i表示第i项环境数据，W_i表示第i项环境数据对应的权重，n表示环境数据的项数。
9.如权利要求8所述的基于多源数据的大气臭氧健康评估装置，其特征在于，还包括：
危险等级评估模块，用于根据待监测环境的大气臭氧健康评估值所处的取值范围确定大气臭氧环境健康危险等级；
输出模块，用于输出所述大气臭氧环境健康危险等级。
10.一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210430433.5A CN114881437A (zh) | 2022-04-22 | 2022-04-22 | 基于多源数据的大气臭氧健康评估方法、装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210430433.5A CN114881437A (zh) | 2022-04-22 | 2022-04-22 | 基于多源数据的大气臭氧健康评估方法、装置、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114881437A true CN114881437A (zh) | 2022-08-09 |
Family
ID=82671832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210430433.5A Pending CN114881437A (zh) | 2022-04-22 | 2022-04-22 | 基于多源数据的大气臭氧健康评估方法、装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114881437A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115879770A (zh) * | 2023-02-17 | 2023-03-31 | 深圳市国家气候观象台(深圳市天文台) | 一种污染气象风险指数计算方法、系统、终端及存储介质 |
| CN118115179A (zh) * | 2024-04-30 | 2024-05-31 | 北京中科三清环境技术有限公司 | 识别人为源与天然源贡献浓度的方法与装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339102A (ja) * | 2004-05-26 | 2005-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 環境リスクアセスメント評価を行うための装置、方法及びプログラム |
| CN107066831A (zh) * | 2017-05-19 | 2017-08-18 | 君晟合众（北京）科技有限公司 | 一种区域综合环境评价方法、装置及系统 |
| WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
| CN112365168A (zh) * | 2020-11-16 | 2021-02-12 | 南京雨后地软环境技术有限公司 | 一种基于主分量分析评价环境空气质量的方法 |
| CN113435729A (zh) * | 2021-06-22 | 2021-09-24 | 重庆市生态环境科学研究院 | 一种消落带生态环境综合评价方法及系统 |
| CN114038511A (zh) * | 2021-10-26 | 2022-02-11 | 武汉理工大学 | 一种沥青VOCs优控污染物筛选方法及其应用 |
-
2022
- 2022-04-22 CN CN202210430433.5A patent/CN114881437A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005339102A (ja) * | 2004-05-26 | 2005-12-08 | Nippon Telegr & Teleph Corp <Ntt> | 環境リスクアセスメント評価を行うための装置、方法及びプログラム |
| CN107066831A (zh) * | 2017-05-19 | 2017-08-18 | 君晟合众（北京）科技有限公司 | 一种区域综合环境评价方法、装置及系统 |
| WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
| CN112365168A (zh) * | 2020-11-16 | 2021-02-12 | 南京雨后地软环境技术有限公司 | 一种基于主分量分析评价环境空气质量的方法 |
| CN113435729A (zh) * | 2021-06-22 | 2021-09-24 | 重庆市生态环境科学研究院 | 一种消落带生态环境综合评价方法及系统 |
| CN114038511A (zh) * | 2021-10-26 | 2022-02-11 | 武汉理工大学 | 一种沥青VOCs优控污染物筛选方法及其应用 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115879770A (zh) * | 2023-02-17 | 2023-03-31 | 深圳市国家气候观象台(深圳市天文台) | 一种污染气象风险指数计算方法、系统、终端及存储介质 |
| CN118115179A (zh) * | 2024-04-30 | 2024-05-31 | 北京中科三清环境技术有限公司 | 识别人为源与天然源贡献浓度的方法与装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Amos et al. | Determining the use of Sentinel-2A MSI for wildfire burning & severity detection | |
| Van Damme et al. | Evaluating 4 years of atmospheric ammonia (NH3) over Europe using IASI satellite observations and LOTOS‐EUROS model results | |
| Zhu et al. | Spatiotemporally mapping of the relationship between NO2 pollution and urbanization for a megacity in Southwest China during 2005–2016 | |
| Suganuma et al. | Stand biomass estimation method by canopy coverage for application to remote sensing in an arid area of Western Australia | |
| CN114881437A (zh) | 基于多源数据的大气臭氧健康评估方法、装置、存储介质 | |
| Banfai et al. | Forty years of lowland monsoon rainforest expansion in Kakadu National Park, Northern Australia | |
| Jathanna et al. | Patterns and determinants of habitat occupancy by the Asian elephant in the Western Ghats of Karnataka, India | |
| Gorai et al. | Spatial variation of ground level ozone concentrations and its health impacts in an urban area in India | |
| Asmuß et al. | On the potential of Sentinel-1 for high resolution monitoring of water table dynamics in grasslands on organic soils | |
| Billmire et al. | Santa Ana winds and predictors of wildfire progression in southern California | |
| Ares et al. | Detection of process‐related changes in plant patterns at extended spatial scales during early dryland desertification | |
| Prieto-Blanco et al. | Satellite-driven modelling of net primary productivity (NPP): Theoretical analysis | |
| Morante-Carballo et al. | Forest fire assessment using remote sensing to support the development of an action plan proposal in Ecuador | |
| Syrakov et al. | Simulation of European air quality by WRF–CMAQ models using AQMEII-2 infrastructure | |
| Kato et al. | Determining the initial Fukushima reactor accident-derived cesium-137 fallout in forested areas of municipalities in Fukushima Prefecture | |
| Winkler et al. | Changes in land use and management led to a decline in Eastern Europe’s terrestrial carbon sink | |
| Rodriguez et al. | Modeling the fate of atmospheric reduced nitrogen during the Rocky Mountain Atmospheric Nitrogen and Sulfur Study (RoMANS): Performance evaluation and diagnosis using integrated processes rate analysis | |
| Levin et al. | Limitations of the radon tracer method (RTM) to estimate regional greenhouse gas (GHG) emissions–a case study for methane in Heidelberg | |
| Sibanda et al. | Assessing the aftermath of the fast track land reform programme in Zimbabwe on land-use and land-cover changes | |
| Khodayar et al. | An improved perspective in the spatial representation of soil moisture: Potential added value of SMOS disaggregated 1 km resolution “all weather” product | |
| dos Santos et al. | Analysis of atmospheric aerosol (PM2. 5) in Recife city, Brazil | |
| Bahşi et al. | Estimation of emissions from crop residue burning in Türkiye using remotely sensed data and the Google Earth Engine platform | |
| Lozano et al. | Does fire regime affect both temporal patterns and drivers of vegetation recovery in a resilient Mediterranean landscape? A remote sensing approach at two observation levels | |
| Oner et al. | Evaluation of NOx emissions for Turkey using satellite and ground-based observations | |
| Kovács | Nighttime Light Emissions Explain the Decline in NO 2 during a COVID-19-Induced Total Lockdown in France |
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 |