CN115094815A - 洒水作业控制方法、装置、电子设备及存储介质 - Google Patents
洒水作业控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115094815A CN115094815A CN202210705579.6A CN202210705579A CN115094815A CN 115094815 A CN115094815 A CN 115094815A CN 202210705579 A CN202210705579 A CN 202210705579A CN 115094815 A CN115094815 A CN 115094815A
- Authority
- CN
- China
- Prior art keywords
- watering
- candidate
- scheme
- concentration
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 81
- 231100000719 pollutant Toxicity 0.000 claims abstract description 81
- 239000002689 soil Substances 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 239000000356 contaminant Substances 0.000 claims description 6
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 24
- 239000000428 dust Substances 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000005507 spraying Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000005457 ice water Substances 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H3/00—Applying liquids to roads or like surfaces, e.g. for dust control; Stationary flushing devices
Abstract
本申请提出一种洒水作业控制方法、装置、电子设备及存储介质，该方法包括：根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场；根据多个候选洒水方案分别修改基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场；根据目标区域对应的污染源排放清单、基准气象背景场及每个候选洒水方案对应的气象背景场，确定出待预测时间内的洒水作业方案。本申请能有效避免洒水作业增加PM2.5和/或臭氧浓度的情况发生，对城市污染物的精细化治理具有重大意义。通过本申请确定出的洒水作业方案，既达到抑尘的目的，同时又能够有效降低目标污染物的浓度，改善空气质量，使洒水作业发挥出最大效用。
Description
技术领域
本申请属于计算机技术领域，具体涉及一种洒水作业控制方法、装置、电子设备及存储介质。
背景技术
为降低地面扬尘对空气质量的影响，通常会对地面进行洒水作业，洒水作业的主要作用是抑尘和压尘，洒水抑尘虽然可以降低PM10浓度，但是洒水的不利因素有可能会增加PM2.5和臭氧浓度。因此，对洒水作业进行科学管控，对大气污染的精细化治理意义很大。
相关技术中提供了一种抑尘洒水的控制方法，该方法通过收集洒水前后空气粉尘指标的变化情况，在保证洒水后空气粉尘指标稳定达标的前提下，减少人工投入，以降低劳动强度和成本。
但上述相关技术仅考虑了洒水对空气质量的有利因素，即降低粉尘浓度，未考虑洒水的不利因素，有可能造成PM2.5和臭氧浓度升高。
发明内容
本申请提出一种洒水作业控制方法、装置、电子设备及存储介质，通过本申请确定出的洒水作业方案，既达到抑尘的目的，同时又能够有效降低目标污染物的浓度，改善空气质量，使洒水作业发挥出最大效用。
本申请第一方面实施例提出了一种洒水作业控制方法，包括：
根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场；
根据多个候选洒水方案分别修改所述基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场；
根据所述目标区域对应的污染源排放清单、所述基准气象背景场及每个候选洒水方案对应的气象背景场，从所述多个候选洒水方案中确定出所述待预测时间内的洒水作业方案。
在本申请的一些实施例中，所述根据多个候选洒水方案分别修改所述基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场，包括：
根据第一候选洒水方案包括的目标洒水区域及目标洒水时间，将所述基准气象背景场中所述目标洒水区域在所述目标洒水时间的地表土壤湿度修改为预设洒水湿度；
其中，所述第一候选洒水方案为所述多个候选洒水方案中的任一方案。
在本申请的一些实施例中，所述根据所述目标区域对应的污染源排放清单、所述基准气象背景场及每个候选洒水方案对应的气象背景场，从所述多个候选洒水方案中确定出所述待预测时间内的洒水作业方案，包括：
根据所述目标区域对应的污染源排放清单和所述基准气象背景场，生成基准情景下的污染物分布数据；
根据所述污染源排放清单和每个候选洒水方案对应的气象背景场，分别生成每个候选洒水方案对应的污染物分布数据；
根据所述基准情景下的污染物分布数据及所述每个候选洒水方案对应的污染物分布数据，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案。
在本申请的一些实施例中，所述根据所述基准情景下的污染物分布数据及所述每个候选洒水方案对应的污染物分布数据，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案，包括：
从所述基准情景下的污染物分布数据中提取目标污染物的第一浓度；
从每个候选洒水方案对应的污染物分布数据中提取所述目标污染物的第二浓度；
根据所述第一浓度和每个候选洒水方案对应的第二浓度，确定所述待预测时间内是否适合进行洒水作业；
如果是，根据所述第一浓度和每个候选洒水方案对应的第二浓度，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案。
在本申请的一些实施例中，所述根据所述第一浓度和每个候选洒水方案对应的第二浓度，确定所述待预测时间内是否适合进行洒水作业，包括：
根据所述第一浓度和每个候选洒水方案对应的第二浓度，确定是否存在第二浓度小于所述第一浓度的候选洒水方案；
如果是，则确定所述待预测时间内适合进行洒水作业；
如果否，则确定所述待预测时间内的洒水作业方案为不进行洒水。
在本申请的一些实施例中，所述根据所述第一浓度和每个候选洒水方案对应的第二浓度，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案，包括：
确定第二浓度小于所述第一浓度的至少一个候选洒水方案；
从所述至少一个候选洒水方案中选择第二浓度最小的候选洒水方案；
将所述第二浓度最小的候选洒水方案确定为所述待预测时间内的洒水作业方案。
在本申请的一些实施例中，所述候选洒水方案包括目标洒水区域、目标洒水时间和洒水频次。
本申请第二方面的实施例提供了一种洒水作业控制装置，包括：
生成模块，用于根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场；
模拟模块，用于根据多个候选洒水方案分别修改所述基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场；
确定模块，用于根据所述目标区域对应的污染源排放清单、所述基准气象背景场及每个候选洒水方案对应的气象背景场，从所述多个候选洒水方案中确定出所述待预测时间内的洒水作业方案。
本申请第三方面的实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序以实现上述第一方面所述的方法。
本申请第四方面的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现上述第一方面所述的方法。
本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
在本申请实施例中，制定多个候选洒水方案，根据候选洒水方案修改基准气象背景场中的地表土壤湿度。依据污染源排放清单及候选洒水方案对应的修改后的气象背景场模拟出洒水后的污染物分布数据。对比洒水前的污染物分布数据和洒水后的污染物分布数据，来确定待预测时间内是否适合洒水作业，并在适合洒水作业的情况下确定出最优的洒水作业方案。该方法能够有效避免洒水作业增加PM2.5和/或臭氧浓度的情况发生，对城市污染物的精细化治理具有重大意义。通过本申请确定出的洒水作业方案，能够有效降低目标区域在待预测时间内目标污染物的污染浓度，通过洒水作业既达到抑尘的目的，同时又能够有效降低目标污染物的浓度，改善空气质量，使洒水作业发挥出最大效用。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变的明显，或通过本申请的实践了解到。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请一实施例所提供的一种洒水作业控制方法的流程图；
图2示出了本申请一实施例所提供的基于气象背景场和污染源排放清单模拟污染物时空分布的流程示意图；
图3示出了本申请一实施例所提供的一种洒水作业控制方法的另一流程图；
图4示出了本申请一实施例所提供的一种洒水作业控制装置的结构示意图；
图5示出了本申请一实施例所提供的一种电子设备的结构示意图；
图6示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
下面结合附图来描述根据本申请实施例提出的一种洒水作业控制方法、装置、电子设备及存储介质。
由于空气是流动的，在流动的过程中会造成道路、施工工地、裸地等区域的灰尘扬起，洒水作业可以降低这些区域扬尘对空气质量的影响，对降低PM10和PM2.5浓度有重要作用。但是洒水造成的近地面湿度增加和温度降低对臭氧和PM2.5的生成有重要影响。
现有研究表明，湿度和PM2.5浓度有一定的相关性，湿度越大，越有利于PM2.5的吸湿增长，对空气质量反而不利，同时地面温度对PM2.5浓度也有较大影响。对于臭氧来说，研究表明湿度和温度均对臭氧浓度有较大影响，温度降低不利于臭氧的生成，有利于降低臭氧浓度；湿度对臭氧生成的影响较为复杂，湿度过高或过低均不利于臭氧的生成。
洒水作业造成地面湿度增加后，地面水汽的蒸发，不仅会造成地面湿度的增加和温度的下降，同时地表湿度的变化会造成潜热通量和感热通量出现较大变化，进而会造成近地面层大气环流出现明显波动。近地面层温度、湿度和大气环流等的变化会对污染物的生成和聚集有较大影响。洒水作业虽然可以降低PM10浓度，但是洒水的不利因素有可能会增加PM2.5和臭氧浓度。因此，明确是否适合洒水及如何安排具体的洒水作业方案对大气污染的精细化治理意义很大。
本申请实施例提供了一种洒水作业控制方法，该方法制定多个候选洒水方案，依据候选洒水方案模拟出洒水后的污染物分布数据。对比洒水前的污染物分布数据和洒水后的污染物分布数据，来确定待预测时间内是否适合洒水作业，并在适合洒水作业的情况下确定出最优的洒水作业方案。该方法能够有效避免洒水作业增加PM2.5和臭氧浓度的情况发生，对城市污染物的精细化治理具有重大意义。
该方法可依赖于计算机程序实现，可运行于洒水作业控制装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，在本申请实施例中洒水作业控制装置可以为终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、服务器等处理设备。在不同的网络中该终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digitalassistant，PDA)、5G网络或未来演进网络中的终端设备等。
参见图1，该方法具体包括以下步骤：
步骤101：根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场。
用户在利用本申请实施例的方法来控制洒水作业之前，首先确定待预测时间和目标区域，并制定针对目标区域在待预测时间内的多个候选洒水作业方案。
其中，目标区域可以为一个城市、区/县、镇或村等。待预测时间可以为当前时间之后的未来时间，如明天、后天、未来三天或未来一周内等。候选洒水作业方案包括目标洒水区域、目标洒水时间和洒水频次等。其中，目标洒水区域可以为为上述目标区域中的部分区域，如目标区域中的具体道路、广场、施工工地或裸地等。目标洒水时间可以为待预测时间内的具体时刻，如假设待预测时间为明天，则目标洒水时间可以为明天8:00、9:00或13:00等。洒水频次可以用于表示待预测时间内洒水的次数及各次洒水作业之间的间隔时间，如在明天进行3次洒水，每次洒水作业之间间隔1小时。
例如，候选洒水方案可以为在2022年6月1日，在城市A的道路a进行3次洒水作业，分别在6月1日的8:00、9:00和10:00各洒水一次。或者，候选洒水方案可以为在2022年6月1日，在城市A的道路a进行3次洒水作业，分别在6月1日的12:00、14:00和16:00各洒水一次。
用户确定出目标区域和待预测时间，并制定出针对目标区域在待预测时间内的多个候选洒水方案之后，将目标区域、待预测时间和这多个候选洒水方案上传给用于洒水作业控制的终端。具体地，终端可以以网页或APP(Application，应用程序)的形式为用户提供洒水作业控制的服务。该网页或该APP的界面中包括供用户上传目标区域、待预测时间和候选洒水方案的接口，用户通过这些接口将目标区域、待预测时间和制定的多个候选洒水方案提交给终端。终端即可通过本申请实施例提供的方法来确定出待预设时间内是否适合在目标区域中进行洒水作业，并在适合进行洒水作业的情况下确定出对空气质量影响最小的最优洒水作业方案。
终端接收到用户提交的目标区域、待预测时间和多个候选洒水方案后，首先获取待预测时间内目标区域的气象预报数据及地形资料。其中，气象预报数据为GFS(全球预报系统)的气象预报数据。地形资料可以为目标区域所属的更大范围区域的地形资料，如可以为全球的地形资料、或目标区域所属国家的地形资料等。
终端根据目标区域和待预测时间，从GFS气象预报数据中提取出目标区域在待预测时间内的气象预报数据。以及从获取的地形资料中截取出目标区域的地形资料。然后终端根据目标区域在地形资料中设置评估模拟区域，设置投影方式，设置嵌套网格，设置水平格距和垂直格距。根据设置的网格点信息对气象预报数据和地形资料进行预处理，生成气象模式运行所需的初值场。对生成的初值场中的各项参数的数值不做任何更改，运行当前气象模式，生成环境模式所需的气象背景场，将此气象背景场作为未洒水的基准情景下的基准气象背景场。
其中，基准气象背景场中包括以下至少一项：各网格点上的地表温度、气压、位势高度、风向风速、经纬度、湿度以及地表土壤湿度、土壤温度、植被覆盖度、地形高度、地面粗糙度、海水表面温度、云水混合比、冰水混合比等。其中，根据设置的网格点信息对气象预报数据和地形资料进行预处理的过程采用的常规方式，在此不再赘述。设置投影方式可以采用兰勃特正形圆锥投影、极射赤面投影和墨卡托投影等，除了上述投影方式之外，还可以设置其它投影方式，在此不再赘述。
步骤102：根据多个候选洒水方案分别修改基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场。
终端通过上述步骤101的方式生成基准情景下的基准气象背景场后，根据用户提交的多个候选洒水方案，分别模拟出每个候选洒水方案对应的气象背景场。
模拟每个候选洒水方案对应的气象背景场的过程均相同，本申请实施例以第一候选洒水方案为例进行说明，第一候选洒水方案为上述多个候选洒水方案中的任一方案。
具体地，根据第一候选洒水方案包括的目标洒水区域及目标洒水时间，将基准气象背景场中目标洒水区域在目标洒水时间的地表土壤湿度修改为预设洒水湿度。
其中，预设洒水湿度为洒水后的地表土壤湿度，具体可以为1、0.95或0.98等。
终端使用ARCgis(嵌入式地理信息系统)对步骤101中设置的评估模拟区域的网格点进行识别，精确判断某一网格点是否为目标洒水区域。确定出所有属于目标洒水区域的网格点后，读取基准气象背景场中的地表土壤湿度，根据第一候选洒水方案中的目标洒水时间，将目标洒水区域中每个网格点在目标洒水时间的地表土壤湿度改为洒水后的预设洒水湿度，运行气象模式模拟出按照第一候选洒水方案洒水作业后的气象背景场。
对于其他每个候选洒水方案，都按照上述方式，分别模拟出按照其他每个候选洒水方案洒水作业后的气象背景场，得到多个洒水场景下的气象背景场。
步骤103：根据目标区域对应的污染源排放清单、基准气象背景场及每个候选洒水方案对应的气象背景场，从多个候选洒水方案中确定出待预测时间内的洒水作业方案。
本申请实施例具体通过如下步骤S1-S3的操作来确定待预测时间内的洒水作业方案，具体包括：
S1：根据目标区域对应的污染源排放清单和基准气象背景场，生成基准情景下的污染物分布数据。
其中，目标区域对应的污染源排放清单为影响目标区域空气质量的污染源的排放清单。例如，假设目标区域为城市A，则污染源排放清单可以为城市A中以及城市A周边的工厂的排放清单。污染源排放清单中包括污染源排放各种污染物的排放量。各种污染物包括PM10、PM2.5、NO2、SO2、CO、O3等。
本申请实施例通过空气质量模式来生成基准情景下的污染物分布数据。空气质量模式可以包括多尺度空气质量模型MODEL-3/CAMQ(Community Multiscale Air QualityModeling System)、大气化学传输模式CAMx(Community Atmosphere Model)和WRF-CHEM模式等，空气质量模式中包含复杂完善的气相化学和光化学机理，对污染物的时空分布有较好的模拟能力。空气质量模式在实际的模拟预测中，主要包括排放源处理系统(提供排放源输入)、气象模式(提供温、压、湿、风等气象背景场)和空气质量模式三部分。由空气质量模式可以模拟得出污染物的时空分布。图2示出了，采用空气质量模式模拟污染物时空分布的过程示意图。
具体地，在本步骤中运行排放源处理系统，将目标区域的污染源排放清单输入，然后基于污染源排放清单和基准气象背景场，运行空气质量模式，预报待预测时间内的污染物的空间分布，得到基准情景下的污染物分布数据。该污染物分布数据包括待预测时间内各种污染物的浓度与时间的映射关系。
S2：根据污染源排放清单和每个候选洒水方案对应的气象背景场，分别生成每个候选洒水方案对应的污染物分布数据。
按照与步骤S1相同的计算方式，分别基于每个候选洒水方案对应的气象背景场，结合目标区域的污染源排放清单，运行空气质量模式，分别模拟出每个候选洒水方案对应的污染物分布数据。
S3：根据基准情景下的污染物分布数据及每个候选洒水方案对应的污染物分布数据，从多个候选洒水方案中确定待预测时间内的洒水作业方案。
通过步骤S1模拟出未洒水的基准情景下的污染物分布数据，通过步骤S2模拟出每个候选洒水方案对应的污染物分布数据，之后，通过对比基准情景下的污染物分布数据与每个候选洒水方案对应的污染物分布数据，确定在待预测时间内在目标区域内洒水作业是否有助于降低目标区域的空气污染程度，并在确定洒水作业有利于优化空气质量的情况下，确定出最有利于优化空气质量的洒水作业方案。
具体地，预先确定目标污染物，该目标污染物为对目标区域空气质量影响较大的污染物，且该目标污染物的浓度能够受洒水作业的影响。在本申请实施例中，目标污染物可以为PM2.5或O3等。
确定目标污染物之后，从基准情景下的污染物分布数据中提取目标污染物的第一浓度，该第一浓度为目标区域在待预测时间内未进行洒水作业的情况下目标污染物的浓度。以及，分别从每个候选洒水方案对应的污染物分布数据中提取目标污染物的第二浓度。第二浓度为目标区域在待预测时间内按照候选洒水方案进行洒水作业后目标污染物的浓度。根据第一浓度和每个候选洒水方案对应的第二浓度，确定待预测时间内是否适合进行洒水作业。
具体地，根据第一浓度和每个候选洒水方案对应的第二浓度，确定是否存在第二浓度小于第一浓度的候选洒水方案。若某个候选洒水方案对应的第二浓度小于基准情景下的第一浓度，则表明在待预测时间内在目标区域按照该候选洒水方案进行洒水作业，会降低目标污染物的浓度，因此适合进行洒水作业。因此如果判断出存在小于第一浓度的第二浓度，则确定待预测时间内适合在目标区域内进行洒水作业。否则，确定待预测时间内的洒水作业方案为不进行洒水。
若通过上述方式确定出待预测时间内适合在目标区域内进行洒水作业，则进一步根据第一浓度和每个候选洒水方案对应的第二浓度，从多个候选洒水方案中确定待预测时间内的洒水作业方案。
具体地，从多个候选洒水方案中，确定出第二浓度小于第一浓度的至少一个候选洒水方案。从这至少一个候选洒水方案中选择出第二浓度最小的候选洒水方案。将第二浓度最小的候选洒水方案确定为待预测时间内的洒水作业方案。
确定出待预测时间内的洒水作业方案后，在待预测时间到达时，在目标区域内按照洒水作业方案进行洒水作业。该洒水作业方案包括目标洒水区域、目标洒水时间及洒水频次，在目标洒水时间到达时在目标洒水区域进行洒水作业，且在待预测时间内按照该洒水作业方案进行上述洒水频次的洒水作业。
通过本申请实施例确定出的洒水作业方案，能够有效降低目标区域在待预测时间内目标污染物的污染浓度，通过洒水作业既达到抑尘的目的，同时又能够有效降低目标污染物的浓度，改善空气质量，使洒水作业发挥出最大效用。
为了便于理解本申请实施例的洒水作业控制流程，下面结合附图进行说明。如图3所示，通过改变基准气象背景场中的地表土壤湿度，得到多个洒水情景下的气象背景场。图3中示意性地画出了情景1、情景2、情景3……气象背景场。基于基准气象背景场及排放源处理系统输入的污染源排放清单，运行空气质量模式，得到基准情景污染物浓度。以及基于情景1、情景2、情景3……气象背景场以及排放源处理系统输入的污染源排放清单，运行空气质量模式，分别得到情景1、情景2、情景3……污染物浓度。通过对比分析基准情景污染物浓度和情景1、情景2、情景3……污染物浓度，得出是否适合洒水以及最佳洒水频次。
为了更好的阐述本申请实施例的技术效果，结合具体实施案例进行进一步说明：
某地PM2.5浓度偏高，PM2.5是当地主要关注的污染物浓度。表1为按照本申请实施例的洒水作业控制方法提前一天预测的洒水及未洒水情景下PM2.5的浓度变化情况。在该实施案例中，如果次日上午8时对站点周边道路洒水一次，之后间隔3小时对站点周边道路洒水一次，17时后不再洒水。洒水会造成当日站点PM2.5浓度出现较大变化。
表12021年12月洒水和未洒水空气质量模式PM2.5浓度预报值
由表1可以看出，站点周边几条道路在上午8时洒水一次，间隔3小时洒水一次，直至17时，会造成站点PM2.5浓度出现较大波动。其中，12月1日、12月4日及12月6日洒水可以降低PM2.5浓度，因此可以安排洒水作业；其余日数洒水会造成站点PM2.5浓度出现不同程度的上升，不适合使用现行洒水方案进行洒水作业。可以任意设置洒水时间，进行定量评估，以确定是否适合洒水及具体洒水时间。
在本申请实施例中，制定多个候选洒水方案，根据候选洒水方案修改基准气象背景场中的地表土壤湿度。依据污染源排放清单及候选洒水方案对应的修改后的气象背景场模拟出洒水后的污染物分布数据。对比洒水前的污染物分布数据和洒水后的污染物分布数据，来确定待预测时间内是否适合洒水作业，并在适合洒水作业的情况下确定出最优的洒水作业方案。该方法能够有效避免洒水作业增加PM2.5和/或臭氧浓度的情况发生，对城市污染物的精细化治理具有重大意义。
本申请实施例提供了一种洒水作业控制装置，该装置用于执行上述任一实施例所提供的洒水作业控制方法。如图4所示，该装置包括：
生成模块201，用于根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场；
模拟模块202，用于根据多个候选洒水方案分别修改基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场；
确定模块203，用于根据目标区域对应的污染源排放清单、基准气象背景场及每个候选洒水方案对应的气象背景场，从多个候选洒水方案中确定出待预测时间内的洒水作业方案。
模拟模块202，用于根据第一候选洒水方案包括的目标洒水区域及目标洒水时间，将基准气象背景场中目标洒水区域在目标洒水时间的地表土壤湿度修改为预设洒水湿度；其中，第一候选洒水方案为多个候选洒水方案中的任一方案。
确定模块203，用于根据目标区域对应的污染源排放清单和基准气象背景场，生成基准情景下的污染物分布数据；根据污染源排放清单和每个候选洒水方案对应的气象背景场，分别生成每个候选洒水方案对应的污染物分布数据；根据基准情景下的污染物分布数据及每个候选洒水方案对应的污染物分布数据，从多个候选洒水方案中确定待预测时间内的洒水作业方案。
确定模块203，用于从基准情景下的污染物分布数据中提取目标污染物的第一浓度；从每个候选洒水方案对应的污染物分布数据中提取目标污染物的第二浓度；根据第一浓度和每个候选洒水方案对应的第二浓度，确定待预测时间内是否适合进行洒水作业；如果是，根据第一浓度和每个候选洒水方案对应的第二浓度，从多个候选洒水方案中确定待预测时间内的洒水作业方案。
确定模块203，用于根据第一浓度和每个候选洒水方案对应的第二浓度，确定是否存在第二浓度小于第一浓度的候选洒水方案；如果是，则确定待预测时间内适合进行洒水作业；如果否，则确定待预测时间内的洒水作业方案为不进行洒水。
确定模块203，用于确定第二浓度小于第一浓度的至少一个候选洒水方案；从至少一个候选洒水方案中选择第二浓度最小的候选洒水方案；将第二浓度最小的候选洒水方案确定为待预测时间内的洒水作业方案。
在本申请实施例中，候选洒水方案包括目标洒水区域、目标洒水时间和洒水频次。
本申请的上述实施例提供的洒水作业控制装置与本申请实施例提供的洒水作业控制方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种电子设备，以执行上述洒水作业控制方法。请参考图5，其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图5所示，电子设备40包括：处理器400，存储器401，总线402和通信接口403，所述处理器400、通信接口403和存储器401通过总线402连接；所述存储器401中存储有可在所述处理器400上运行的计算机程序，所述处理器400运行所述计算机程序时执行本申请前述任一实施方式所提供的洒水作业控制方法。
其中，存储器401可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口403(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
总线402可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器401用于存储程序，所述处理器400在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述洒水作业控制方法可以应用于处理器400中，或者由处理器400实现。
处理器400可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器400中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器400可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器400读取存储器401中的信息，结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的洒水作业控制方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的洒水作业控制方法对应的计算机可读存储介质，请参考图6，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的洒水作业控制方法。
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的洒水作业控制方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是：
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下示意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种洒水作业控制方法，其特征在于，包括：
根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场；
根据多个候选洒水方案分别修改所述基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场；
根据所述目标区域对应的污染源排放清单、所述基准气象背景场及每个候选洒水方案对应的气象背景场，从所述多个候选洒水方案中确定出所述待预测时间内的洒水作业方案。
2.根据权利要求1所述的方法，其特征在于，所述根据多个候选洒水方案分别修改所述基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场，包括：
根据第一候选洒水方案包括的目标洒水区域及目标洒水时间，将所述基准气象背景场中所述目标洒水区域在所述目标洒水时间的地表土壤湿度修改为预设洒水湿度；
其中，所述第一候选洒水方案为所述多个候选洒水方案中的任一方案。
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标区域对应的污染源排放清单、所述基准气象背景场及每个候选洒水方案对应的气象背景场，从所述多个候选洒水方案中确定出所述待预测时间内的洒水作业方案，包括：
根据所述目标区域对应的污染源排放清单和所述基准气象背景场，生成基准情景下的污染物分布数据；
根据所述污染源排放清单和每个候选洒水方案对应的气象背景场，分别生成每个候选洒水方案对应的污染物分布数据；
根据所述基准情景下的污染物分布数据及所述每个候选洒水方案对应的污染物分布数据，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案。
4.根据权利要求3所述的方法，其特征在于，所述根据所述基准情景下的污染物分布数据及所述每个候选洒水方案对应的污染物分布数据，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案，包括：
从所述基准情景下的污染物分布数据中提取目标污染物的第一浓度；
从每个候选洒水方案对应的污染物分布数据中提取所述目标污染物的第二浓度；
根据所述第一浓度和每个候选洒水方案对应的第二浓度，确定所述待预测时间内是否适合进行洒水作业；
如果是，根据所述第一浓度和每个候选洒水方案对应的第二浓度，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一浓度和每个候选洒水方案对应的第二浓度，确定所述待预测时间内是否适合进行洒水作业，包括：
根据所述第一浓度和每个候选洒水方案对应的第二浓度，确定是否存在第二浓度小于所述第一浓度的候选洒水方案；
如果是，则确定所述待预测时间内适合进行洒水作业；
如果否，则确定所述待预测时间内的洒水作业方案为不进行洒水。
6.根据权利要求4所述的方法，其特征在于，所述根据所述第一浓度和每个候选洒水方案对应的第二浓度，从所述多个候选洒水方案中确定所述待预测时间内的洒水作业方案，包括：
确定第二浓度小于所述第一浓度的至少一个候选洒水方案；
从所述至少一个候选洒水方案中选择第二浓度最小的候选洒水方案；
将所述第二浓度最小的候选洒水方案确定为所述待预测时间内的洒水作业方案。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述候选洒水方案包括目标洒水区域、目标洒水时间和洒水频次。
8.一种洒水作业控制装置，其特征在于，包括：
生成模块，用于根据目标区域的地形资料及待预测时间内目标区域的气象预报数据，生成基准气象背景场；
模拟模块，用于根据多个候选洒水方案分别修改所述基准气象背景场中的地表土壤湿度，模拟出每个候选洒水方案对应的气象背景场；
确定模块，用于根据所述目标区域对应的污染源排放清单、所述基准气象背景场及每个候选洒水方案对应的气象背景场，从所述多个候选洒水方案中确定出所述待预测时间内的洒水作业方案。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-7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，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210705579.6A CN115094815A (zh) | 2022-06-21 | 2022-06-21 | 洒水作业控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210705579.6A CN115094815A (zh) | 2022-06-21 | 2022-06-21 | 洒水作业控制方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115094815A true CN115094815A (zh) | 2022-09-23 |
Family
ID=83292223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210705579.6A Pending CN115094815A (zh) | 2022-06-21 | 2022-06-21 | 洒水作业控制方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115094815A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116879499A (zh) * | 2023-06-21 | 2023-10-13 | 清华大学 | 道路传感器布设位置的确定方法、装置及计算机设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346439A (zh) * | 2011-07-14 | 2012-02-08 | 交通运输部天津水运工程科学研究所 | 煤炭堆场智能洒水决策系统的运行方法 |
| KR20130000065A (ko) * | 2011-06-22 | 2013-01-02 | 주식회사 이도시앤에스 | 지피에스를 이용한 대기오염 제어 및 모니터링 시스템 |
| CN103485301A (zh) * | 2013-09-27 | 2014-01-01 | 北京市市政工程研究院 | 一种抑制道路扬尘降低pm2.5的模拟系统和方法 |
| CN106351166A (zh) * | 2016-08-30 | 2017-01-25 | 招商局重庆交通科研设计院有限公司 | 城市道路智能喷水除尘方法 |
| CN108797493A (zh) * | 2018-08-17 | 2018-11-13 | 河北工业大学 | 一种建筑工地扬尘的治理技术 |
| CN111882205A (zh) * | 2020-07-24 | 2020-11-03 | 中科三清科技有限公司 | 空气质量达标分析方法、装置、电子设备及存储介质 |
| CN112001074A (zh) * | 2020-08-19 | 2020-11-27 | 中科三清科技有限公司 | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 |
| CN114405219A (zh) * | 2022-02-21 | 2022-04-29 | 南昌工程学院 | 一种基于半监督学习的大气污染物治理方法 |
-
2022
- 2022-06-21 CN CN202210705579.6A patent/CN115094815A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130000065A (ko) * | 2011-06-22 | 2013-01-02 | 주식회사 이도시앤에스 | 지피에스를 이용한 대기오염 제어 및 모니터링 시스템 |
| CN102346439A (zh) * | 2011-07-14 | 2012-02-08 | 交通运输部天津水运工程科学研究所 | 煤炭堆场智能洒水决策系统的运行方法 |
| CN103485301A (zh) * | 2013-09-27 | 2014-01-01 | 北京市市政工程研究院 | 一种抑制道路扬尘降低pm2.5的模拟系统和方法 |
| CN106351166A (zh) * | 2016-08-30 | 2017-01-25 | 招商局重庆交通科研设计院有限公司 | 城市道路智能喷水除尘方法 |
| CN108797493A (zh) * | 2018-08-17 | 2018-11-13 | 河北工业大学 | 一种建筑工地扬尘的治理技术 |
| CN111882205A (zh) * | 2020-07-24 | 2020-11-03 | 中科三清科技有限公司 | 空气质量达标分析方法、装置、电子设备及存储介质 |
| CN112001074A (zh) * | 2020-08-19 | 2020-11-27 | 中科三清科技有限公司 | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 |
| CN114405219A (zh) * | 2022-02-21 | 2022-04-29 | 南昌工程学院 | 一种基于半监督学习的大气污染物治理方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116879499A (zh) * | 2023-06-21 | 2023-10-13 | 清华大学 | 道路传感器布设位置的确定方法、装置及计算机设备 |
| CN116879499B (zh) * | 2023-06-21 | 2024-02-13 | 清华大学 | 道路传感器布设位置的确定方法、装置及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Thiery et al. | Warming of hot extremes alleviated by expanding irrigation | |
| CN111401634B (zh) | 一种获取气候信息处理方法、系统、存储介质 | |
| CN107194139A (zh) | 大气污染源分级方法及计算设备 | |
| Baur et al. | The spatial dimension of urban greenhouse gas emissions: Analyzing the influence of spatial structures and LULC patterns in European cities | |
| Hussain et al. | Evaluation of CMIP5 models for projection of future precipitation change in Bornean tropical rainforests | |
| Ashayeri et al. | Predicting intraurban PM2. 5 concentrations using enhanced machine learning approaches and incorporating human activity patterns | |
| 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 | |
| Ho et al. | Study loading capacties of air pollutant emissions for developing countries: a case of Ho Chi Minh City, Vietnam | |
| Kitagawa et al. | Source apportionment modelling of PM2. 5 using CMAQ-ISAM over a tropical coastal-urban area | |
| CN115094815A (zh) | 洒水作业控制方法、装置、电子设备及存储介质 | |
| Gabusi et al. | Seasonal modelling assessment of ozone sensitivity to precursors in northern Italy | |
| Liang et al. | Madden–Julian Oscillation-induced extreme rainfalls constrained by global warming mitigation | |
| Wolf et al. | Dispersion of particulate matter (PM 2.5) from wood combustion for residential heating: optimization of mitigation actions based on large-eddy simulations | |
| CN114841437A (zh) | 预评估排放源对空气质量贡献的方法、装置和电子设备 | |
| Rafael et al. | Re-Naturing Cities: Evaluating the effects on future air quality in the city of Porto | |
| CN112001074B (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 | |
| CN117034660B (zh) | 一种街区尺度空气质量预报方法 | |
| CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
| CN114841438B (zh) | 预评估排放源对空气质量影响的方法、装置和电子设备 | |
| Yildiz et al. | Exploring climate change effects on drought patterns in Bangladesh using bias-corrected CMIP6 GCMs | |
| Majumdar et al. | Combining opensource GIS and meta-analysis to link rainfall trend and human activity: case study on Gumti and Khowai drainage systems, Tripura, India | |
| CN111177982A (zh) | 一种应急决策指挥系统及方法 | |
| Goodarzi et al. | Assessment of climate change using SDSM downscaling Model (A case study: West of Iran) | |
| Hassan et al. | Rainfall projection corresponding to climate scenarios based on Statistical Down-Scaling Model over Perlis, Malaysia | |
| Ku et al. | Simulating the effects of planning strategies on urban heat island and air pollution mitigation in an urban renewal area |
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 |