CN115132290B - 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 - Google Patents
一种基于多源卫星遥感识别VOCs固定源排放区域的方法 Download PDFInfo
- Publication number
- CN115132290B CN115132290B CN202211068275.XA CN202211068275A CN115132290B CN 115132290 B CN115132290 B CN 115132290B CN 202211068275 A CN202211068275 A CN 202211068275A CN 115132290 B CN115132290 B CN 115132290B
- Authority
- CN
- China
- Prior art keywords
- vocs
- target
- troposphere
- region
- area
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0039—Specially adapted to detect a particular component for O3
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0047—Specially adapted to detect a particular component for organic compounds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
- G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital by measuring the rate of variation of the concentration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Abstract
本公开属于气体识别领域,具体而言涉及一种基于多源卫星遥感识别VOCs固定源排放区域的方法,包括:获取对流层O3柱浓度;将目标区域划分成多个目标子区域,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的极值区域和高值区域,将所述高值区域作为第一VOCs固定源重点治理区域;基于所述高值区域的对流层O3垂直廓线的平均高度,通过后向轨迹模型获取传输路径,所述传输路径以排放源为起点,以所述高值区域为终点;对所述传输路径的起点聚类,得到主要传输路径;根据VOCs排放行业密度大小,对所述主要传输路径经过的目标子区域进行排列,得到第二VOCs固定源重点治理区域。以大区域内识别集中排放区域以针对性地治理。
Description
技术领域
本公开属于气体识别领域,具体而言涉及一种基于多源卫星遥感识别VOCs固定源排放区域的方法。
背景技术
全球O3污染较为严重,环境中近地面的O3少量来自于平流层的输入,大部分来自于人类活动排放的VOCs和NOx进行的光化学反应。因此对于O3前体物VOCs的管控尤为重要。固定源的VOCs排放行业多、强度大、浓度高、污染物种类复杂,识别VOCs固定源源排放重点区域更是重中之重。
目前,针对排放重点区域的控制主要基于源清单数据,以及对餐饮、工业园等密集区集中控制;且目前大区域内布设的VOCs及O3监测设备的密度很小,无法通过地面监测,识别哪些餐饮、工业园等密集区更应重点管控。
发明内容
本公开正是基于现有技术的上述需求而提出的,本公开要解决的技术问题是提供一种基于多源卫星遥感识别VOCs固定源排放区域的方法以大区域内识别集中排放区域以针对性地治理。
为了解决上述问题,本公开提供的技术方案包括:
提供了一种基于多源卫星遥感识别VOCs固定源排放区域的方法,包括:获取对流层O3柱浓度;将目标区域划分成多个目标子区域,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的极值区域和高值区域,将所述高值区域作为第一VOCs固定源重点治理区域;基于所述高值区域的对流层O3垂直廓线的平均高度,通过后向轨迹模型获取传输路径,所述传输路径以排放源为起点,以所述高值区域为终点;对所述传输路径的起点聚类,得到主要传输路径;根据VOCs排放行业密度大小,对所述主要传输路径经过的目标子区域进行排列,得到第二VOCs固定源重点治理区域。
优选的,所述获取对流层O3柱浓度,包括,获取目标区域的热红外数据和O3柱浓度;基于所述热红外数据,通过统计模型或反演物理模型得到对流层O3垂直廓线;基于对流层O3垂直廓线和O3柱浓度得到对流层O3柱浓度。
优选的,所述对流层O3垂直廓线具有第一分辨率,所述O3柱浓度具有第二分辨率;所述基于对流层O3垂直廓线和O3柱浓度得到对流层O3柱浓度,包括:获取第一分辨率和第二分辨率中较大的分辨率;以较小的分辨率为基准,通过对分辨率较大的数据重采样,使得两个分辨率相同;基于相同的分辨率匹配对流层O3垂直廓线和对流层O3垂直廓线的时空对应关系,得到对流层O3柱浓度。
优选的,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的极值区域,包括:根据所述目标区域中的目标子区域的对流层O3柱浓度,将所述目标区域中的目标子区域降序排列形成第一序列;将所述第一序列中前a%的目标子区域确定为对流层O3柱浓度的极值区域,其中a为第一系数。
优选的,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的高值区
域,包括:所述目标区域去除所述极值区域之外的剩余区域中,以任一目标子区域为中央目
标子区域,若中央目标子区域的对流层O3柱浓度占所述中央目标子区域的周边目标子区域
的对流层O3柱浓度均值的比例大于或等于b%,则所述中央目标子区域为相对高值区域,表
示为:,其中c m 为中央目标子区域的对流层O3柱浓
度,Ave()为求取均值,c m+i 为中央目标子区域的周边目标子区域的对流层O3柱浓度,且n≥
6,m为中央目标子区域的编号。
优选的,所述周边目标子区域包括围绕且与所述中央目标子区域相邻的多个区域中的非极值区域,所述多个区域中非极值区域的个数不少于6个。
优选的,所述根据VOCs排放行业密度大小,对所述主要传输路径经过的目标子区
域进行排列,包括:根据POI分词得到VOCs排放行业的分类,基于所述分类获取所述主要传
输路径经过的目标子区域中VOCs排放行业的种类个数;获取所述主要传输路径经过的目标
子区域中的VOCs排放行业的排放量权重,和其中各个目标子区域中各个种类的VOCs排放行
业的数量;根据VOCs排放行业的种类个数、VOCs排放行业的排放量权重和各个目标子区域
中各个种类的VOCs排放行业的数量,得到所述主要传输路径经过的目标子区域中的VOCs排
放行业密度,表示为:,其中n为目标子区域j中涉及到的VOCs排放行业的种
类数,ωj对应VOCs排放行业的排放量权重,xj为目标子区域j中对应VOCs排放行业的数量。
优选的,所述得到第二VOCs固定源重点治理区域包括:以由大到小的顺序排列所述主要传输路径经过的目标子区域中的VOCs排放行业密度形成第二序列;将所述第二序列前e%的目标子区域确定为第二VOCs固定源重点治理区域,其中e为第二系数。
优选的,所述目标子区域为像元。
与现有技术相比,本公开基于卫星传感器等获取目标区域对流层O3柱浓度,通过O3廓线的获取高值区域O3的平均高度,以平均高度为输入通过后向轨迹模型得到该高度气团的来源轨迹,进而获得在一定区域内同时具有一定精度的排放区域,具有针对性的对排放量较大的区域进行重点治理。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本公开的实施例中的基于多源卫星遥感识别VOCs固定源排放区域的方法的步骤流程图;
图2为本公开的实施例中S1的分步步骤流程图;
图3为本公开的实施例中S2的分步步骤流程图;
图4为本公开的实施例中S5的分步步骤流程图;
图5为周边子区域和中央目标子区域的分布示意图。
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,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本公开实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接可以是机械连接,也可以是电连接可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本公开中的具体含义。
全文中描述使用的术语“顶部”、“底部”、“在……上方”、“下”和“在……上”是相对于装置的部件的相对位置,例如装置内部的顶部和底部衬底的相对位置。可以理解的是装置是多功能的,与它们在空间中的方位无关。
为便于对本申请实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本申请实施例的限定。
本实施例提供了一种基于多源卫星遥感识别VOCs固定源排放区域的方法,如图1-5所示。
如图1所示,所述基于多源卫星遥感识别VOCs固定源排放区域的方法包括:
S1获取对流层O3柱浓度。
如图2所示,所述S1包括:
S101获取目标区域的热红外数据和O3柱浓度。
通过Aqua(水)卫星搭载的AIRS传感器,或Suomi-NPP搭载的CrIS传感器监测数据可覆盖目标区域,由传感器获取星载热红外数据。通过Sentinel-5P卫星搭载的TROPOMI传感器监测目标区域内的O3柱浓度,以得到具有第二分辨率O3柱浓度。
S102基于所述热红外数据,通过统计模型或反演物理模型得到对流层O3垂直廓线。
通过历史数据建立统计模型或物理反演模型得到热红外数据和对流层O3垂直廓线的对应关系,基于该对应关系得到与热红外数据获取时间段相对应相应时间段的对流层O3垂直廓线,所述对流层O3垂直廓线为对流层的O3随高度变化的轮廓曲线图。所述对流层O3垂直廓线具有第一分辨率。
S103基于对流层O3垂直廓线和O3柱浓度得到对流层O3柱浓度。
首先获取第一分辨率和第二分辨率中较大的分辨率;其次以较小的分辨率为基准,通过对分辨率较大的数据重采样,使得两个分辨率相同;最后基于相同的分辨率匹配对流层O3垂直廓线和对流层O3垂直廓线的时空对应关系,得到对流层O3柱浓度。
换言之,通过对流层O3垂直廓线和O3柱浓度之间进行时空匹配,得到对流层O3柱浓度。为了完成对流层O3垂直廓线和O3柱浓度之间的空间匹配,需要对其中一者的分辨率进行处理,以使得二者具有相同的分辨率。具体而言,能够对分辨率较大的数据进行重采样,使其形成与较小分辨率数据相同的分辨率,再进行时空匹配。
示例性的,所述第一分辨率为14×14km,所述第二分辨率为3.5×7km。基于上述数据,应针对于分辨率为14×14km的对流层O3垂直廓线进行重采样,使其变成分辨率为3.5×7km的数据。通过时空匹配以得到对流层O3柱浓度。
S2将目标区域划分成多个目标子区域,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的极值区域和高值区域。
所述目标子区域为像元。
如图3所示,所述S2包括:
S201根据所述目标区域中的目标子区域的对流层O3柱浓度,将所述目标区域中的目标子区域降序排列形成第一序列。
S202将所述第一序列中前a%的目标子区域确定为对流层O3柱浓度的极值区域,其中a为第一系数。
所述极值区域中可能存在因为异常导致的柱浓度值偏高的数据,为了保证结果的准确性,通过上述方法步骤得到的所述极值区域中所包含的目标子区域不再考虑。
S203基于所述目标子区域中的对流层O3柱浓度和所述极值区域得到高值区域。
目标区域去除所述极值区域之外的剩余区域中,任一目标子区域m的对流层O3柱浓度占其周边目标子区域的对流层O3柱浓度均值的b%时,该目标子区域属于相对高值区域。换言之,即遍历(1-a%)n个目标子区域中的所有目标子区域,判断是否满足任一目标子区域m的对流层O3柱浓度占其周边目标子区域的对流层O3柱浓度均值的比例大于或等于b%。反之,则该目标子区域不属于高值区域。
所述周边子区域包括非极值区域中的任一目标子区域所相邻8个围绕该目标子区域的多个区域,且所述多个区域中非极值区域的个数不少于6个。
筛选所述高值区域的过程表示为:
其中c m 为目标子区域m的对流层O3柱浓度,Ave()为求取均值,c m+i 为中央目标子区域m的周边目标子区域的对流层O3柱浓度,且n≥6。
在实施例的一个实施方式中,先对目标子区域进行分组,设置使呈三行三列的9个目标子区域为一组,位于中间的目标子区域为中央目标子区域,判断中央目标子区域是否为高值区域。与中央目标子区域相邻的8个子区域中,统计非极值区域的目标子区域的个数,若个数大于等于6个,则进行中央目标子区域是否为高值区域进行判断,若个数小于6个,则以预定的顺序判断下一个中央目标子区域是否为高值区域。
具体过程如下,以下描述针对同一组中的各个目标子区域,在描述过程中,将不再进行限定。如图5所示,中央目标子区域m位于第二行第二列,m指代所述中心目标子区域的编号,所述中心目标子区域m的围绕目标子区域由左至右、由上至下分别为m+1,m+2,m+3,…,m+8,且这8个目标子区域均不是极值区域,则对中央目标子区域进行是否为高值区域的判断,表示为:
由此得到的高值区域作为第一VOCs固定源重点治理区域。
S3基于所述高值区域的对流层O3垂直廓线的平均高度,通过后向轨迹模型获取传输路径,所述传输路径以排放源为起点,以所述高值区域为终点。
根据对流层O3的垂直廓线分布,选定O3浓度的高值区域的平均高度作为气团高度输入值,输入到Hysplit后向轨迹模型中,得到传输路径。所述传输路径以目标区域中的排放源所在的区域为起点,以上述得到的高值区域为终点。
S4对所述传输路径的起点聚类,得到主要传输路径。
通过对起点的聚类简化传输路径,将多条传输路径减少为主要的几条,以方便后续计算,以减少对不必要目标子区域的治理。
S5根据VOCs排放行业密度大小,对所述主要传输路径经过的目标子区域进行排列。
如图4所示,所述S5包括:
S501根据POI分词得到VOCs排放行业的分类,基于所述分类获取所述主要传输路径经过的目标子区域中VOCs排放行业的种类个数。
S502获取所述主要传输路径经过的目标子区域中的VOCs排放行业的排放量权重,和其中各个目标子区域中各个种类的VOCs排放行业的数量。
S503根据VOCs排放行业的种类个数、VOCs排放行业的排放量权重和各个目标子区
域中各个种类的VOCs排放行业的数量,得到所述主要传输路径经过的目标子区域中的VOCs
排放行业密度,表示为:,其中n为目标子区域j中涉及到的VOCs排放行业的
种类数,ωj对应VOCs排放行业的排放量权重,xj为目标子区域j中对应VOCs排放行业的数
量。
S504以由大到小的顺序排列所述主要传输路径经过的目标子区域中的VOCs排放行业密度形成第二序列。
S505将所述第二序列前e%的目标子区域确定为第二VOCs固定源重点治理区域,其中e为第二系数。
通过上述步骤能够得到所述目标区域中的VOCs固定源重点治理区域,具有针对性的对当地的排放和环境等进行治理和改善,以有效减轻污染。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,包括:
获取对流层O3柱浓度;
将目标区域划分成多个目标子区域,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的极值区域和高值区域,将所述高值区域作为第一VOCs固定源重点治理区域;
其中,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的极值区域,包括:根据所述目标区域中的目标子区域的对流层O3柱浓度,将所述目标区域中的目标子区域降序排列形成第一序列;将所述第一序列中前a%的目标子区域确定为对流层O3柱浓度的极值区域,其中a为第一系数;
其中,基于所述目标子区域中的对流层O3柱浓度获取所述目标区域中的高值区域,包括:所述目标区域去除所述极值区域之外的剩余区域中,以任一目标子区域为中央目标子区域,若中央目标子区域的对流层O3柱浓度占所述中央目标子区域的周边目标子区域的对流层O3柱浓度均值的比例大于或等于b%,则所述中央目标子区域为高值区域;
基于所述高值区域的对流层O3垂直廓线的平均高度,通过后向轨迹模型获取传输路径,所述传输路径以排放源为起点,以所述高值区域为终点;
对所述传输路径的起点聚类,得到主要传输路径;
根据VOCs排放行业密度大小,对所述主要传输路径经过的目标子区域进行排列,得到第二VOCs固定源重点治理区域。
2.根据权利要求1所述的一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,所述获取对流层O3柱浓度,包括,
获取目标区域的热红外数据和O3柱浓度;
基于所述热红外数据,通过统计模型或反演物理模型得到对流层O3垂直廓线;
基于对流层O3垂直廓线和O3柱浓度得到对流层O3柱浓度。
3.根据权利要求2所述的一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,
所述对流层O3垂直廓线具有第一分辨率,所述O3柱浓度具有第二分辨率;
所述基于对流层O3垂直廓线和O3柱浓度得到对流层O3柱浓度,包括:
获取第一分辨率和第二分辨率中较大的分辨率;
以较小的分辨率为基准,通过对分辨率较大的数据重采样,使得两个分辨率相同;
基于相同的分辨率匹配对流层O3垂直廓线和对流层O3垂直廓线的时空对应关系,得到对流层O3柱浓度。
5.根据权利要求4所述的一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,
所述周边目标子区域包括围绕且与所述中央目标子区域相邻的多个区域中的非极值区域,所述多个区域中非极值区域的个数不少于6个。
6.根据权利要求4所述的一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,
所述根据VOCs排放行业密度大小,对所述主要传输路径经过的目标子区域进行排列,包括:
根据POI分词得到VOCs排放行业的分类,基于所述分类获取所述主要传输路径经过的目标子区域中VOCs排放行业的种类个数;
获取所述主要传输路径经过的目标子区域中的VOCs排放行业的排放量权重,和其中各个目标子区域中各个种类的VOCs排放行业的数量;
7.根据权利要求1所述的一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,所述得到第二VOCs固定源重点治理区域包括:
以由大到小的顺序排列所述主要传输路径经过的目标子区域中的VOCs排放行业密度形成第二序列;
将所述第二序列前e%的目标子区域确定为第二VOCs固定源重点治理区域,其中e为第二系数。
8.根据权利要求1所述的一种基于多源卫星遥感识别VOCs固定源排放区域的方法,其特征在于,所述目标子区域为像元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211068275.XA CN115132290B (zh) | 2022-09-02 | 2022-09-02 | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211068275.XA CN115132290B (zh) | 2022-09-02 | 2022-09-02 | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115132290A CN115132290A (zh) | 2022-09-30 |
CN115132290B true CN115132290B (zh) | 2022-12-02 |
Family
ID=83387246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211068275.XA Active CN115132290B (zh) | 2022-09-02 | 2022-09-02 | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115132290B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102735632A (zh) * | 2012-06-26 | 2012-10-17 | 中国科学院合肥物质科学研究院 | 利用天空散射光测量大气污染气体水平分布和近地面竖直分布的装置及方法 |
CN109284706A (zh) * | 2018-09-12 | 2019-01-29 | 北京英视睿达科技有限公司 | 基于多源卫星遥感数据的热点网格工业聚集区域识别方法 |
CN114218976A (zh) * | 2021-09-27 | 2022-03-22 | 中国环境科学研究院 | 臭氧前体物高值区精细化排放源追溯定位方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9557296B2 (en) * | 2014-08-27 | 2017-01-31 | The United States Of America, As Represented By The Secretary Of The Navy | Method for the extraction and electrochemical detection of explosives and explosive components in soils using electrodes, filter paper, and electrolyte |
-
2022
- 2022-09-02 CN CN202211068275.XA patent/CN115132290B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102735632A (zh) * | 2012-06-26 | 2012-10-17 | 中国科学院合肥物质科学研究院 | 利用天空散射光测量大气污染气体水平分布和近地面竖直分布的装置及方法 |
CN109284706A (zh) * | 2018-09-12 | 2019-01-29 | 北京英视睿达科技有限公司 | 基于多源卫星遥感数据的热点网格工业聚集区域识别方法 |
CN114218976A (zh) * | 2021-09-27 | 2022-03-22 | 中国环境科学研究院 | 臭氧前体物高值区精细化排放源追溯定位方法和系统 |
Non-Patent Citations (1)
Title |
---|
哈尔滨市主城区大气VOCs变化趋势与来源解析;马跃男;《中国优秀硕士学位论文全文数据库》;20200315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115132290A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298560A (zh) | 一种大气污染排放控制效果的评估方法、装置及存储介质 | |
CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
CN110909483B (zh) | 一种基于网格化数据的点源大气污染物排放清单校验方法 | |
CN105674901A (zh) | 基于统计学分段的大气气溶胶反演方法 | |
CN114997534B (zh) | 基于视觉特征的相似降雨预报方法和设备 | |
CN108540988B (zh) | 一种场景划分方法及装置 | |
CN106408583A (zh) | 一种多边缘缺陷检测方法及装置 | |
CN111930864B (zh) | 基于监测数据的网格化清单优化方法和装置 | |
CN112102432A (zh) | 空气质量垂直分布图绘制方法、装置及存储介质 | |
CN116340723B (zh) | 基于大数据的乡村水污染快速溯源方法及系统 | |
CN111896680A (zh) | 基于卫星遥感数据的温室气体排放分析方法及系统 | |
Wan et al. | ACOMCD: A multiple cluster detection algorithm based on the spatial scan statistic and ant colony optimization | |
CN105761408A (zh) | 输电线路山火卫星的动态阈值监测方法及系统 | |
CN111126710A (zh) | 一种大气污染物预测方法 | |
CN115132290B (zh) | 一种基于多源卫星遥感识别VOCs固定源排放区域的方法 | |
CN114723188A (zh) | 水质预测方法、装置、计算机设备和存储介质 | |
CN116402408B (zh) | 一种基于站点浓度差异的本外地排放贡献估算方法 | |
CN108957594B (zh) | 一种商遥卫星轨道总云量预报修正方法及修正系统 | |
CN106546958B (zh) | 一种优化的雷达数据同化方法 | |
CN113298302B (zh) | 一种针对疾病预测的不规则形状时空扫描方法 | |
CN115223000B (zh) | 面向耕地资源监测的深度学习样本制作方法 | |
CN116304391A (zh) | 一种地图区域框选后的推荐选区生成方法及系统 | |
CN116165351A (zh) | 一种空气成分的在线监测方法及系统 | |
CN113688493B (zh) | 一种基于污染过程分型的大气污染潜在源区识别方法 | |
CN115271332A (zh) | 一种旱情监测方法 |
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 |