CN115271548B - 二次污染物源解析方法、装置和电子设备 - Google Patents
二次污染物源解析方法、装置和电子设备 Download PDFInfo
- Publication number
- CN115271548B CN115271548B CN202211154722.3A CN202211154722A CN115271548B CN 115271548 B CN115271548 B CN 115271548B CN 202211154722 A CN202211154722 A CN 202211154722A CN 115271548 B CN115271548 B CN 115271548B
- Authority
- CN
- China
- Prior art keywords
- sub
- source
- region
- target
- source class
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 130
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 130
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000001228 spectrum Methods 0.000 claims abstract description 30
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 13
- 239000000356 contaminant Substances 0.000 claims description 10
- 239000000443 aerosol Substances 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 description 16
- 238000004590 computer program Methods 0.000 description 12
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000006552 photochemical reaction Methods 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000013064 chemical raw material Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 239000004964 aerogel Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 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
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 150000003377 silicon compounds Chemical class 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000000007 visual effect 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
- G06Q10/06395—Quality analysis or management
-
- 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
- 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)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本申请提供一种二次污染物源解析方法、装置和电子设备，属于源解析领域。该方法包括：使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献；获取目标区域的各个子区域的排放清单和源谱数据；对于每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中目标源类的各个子源类对应的目标二次污染物的生成潜势；根据各个子区域中各个子源类对应的目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重；根据目标区域的目标源类对受体点的目标二次污染物的浓度贡献，及各个子区域的各个子源类的生成权重，确定各个子区域的各个子源类对受体点的目标二次污染物的浓度贡献。采用本申请，可便捷地实现源解析。
Description
技术领域
本申请涉及大气污染物的源解析技术领域，尤其涉及一种二次污染物源解析方法、装置和电子设备。
背景技术
O3是一种由氮氧化物（NOx）和挥发性有机物（Volatile Organic Compounds，VOCs）在光照条件下经过一系列光化学反应生成的二次污染物。O3污染已经成为空气质量改善和达标的关键因素之一，但O3的生成与NOx和VOCs的浓度呈现一种非线性关系，使得O3的预防和控制变得十分复杂。另外，二次有机气溶胶（Secondary Organic Aerosols，SOA）也主要是来自VOCs在大气中与氧化剂发生反应生成的，SOA的生成会影响PM2.5的浓度及化学组分，会加重与PM2.5污染相关的健康危害。因此识别不同排放源对O3和SOA的贡献对O3和PM2.5管控十分重要。
相关技术中，单独的O3或SOA源解析技术包括观测法、数值模式和受体模型等方法，源解析结果精度不足，不确定性较大。
发明内容
根据本申请实施例的一方面，提供了一种二次污染物源解析方法，包括：
使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献；
获取目标区域的各个子区域的排放清单和源谱数据；
对于各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中目标源类的各个子源类对应的目标二次污染物的生成潜势；
根据各个子区域中各个子源类对应的目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重；
根据目标区域的目标源类对受体点的目标二次污染物的浓度贡献，以及各个子区域的各个子源类的生成权重，确定各个子区域的各个子源类对受体点的目标二次污染物的浓度贡献。
可选地，该二次污染物源解析方法，还包括：对于各个子区域中的至少一个子区域，
获取该子区域的人口和/或道路空间分布数据；
根据人口和/或道路空间分布数据确定至少一个网格单元的人口和/或道路的占比；
对于至少一个网格单元中每个网格单元，根据该网格单元的占比和该子区域对受体点的目标二次污染物的浓度贡献，确定该网格单元对受体点的目标二次污染物的浓度贡献。
可选地，对于每个子区域的每个子源类，该子区域的该子源类的生成权重为：该子区域的该子源类对应的目标二次污染物的生成潜势与总生成潜势之比，其中，总生成潜势为各个子区域的各个子源类对应的目标二次污染物的生成潜势之和。
可选地，对于各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中目标源类的各个子源类对应的目标二次污染物的生成潜势，包括：
从该子区域的排放清单中，获取目标源类的各个子源类的一次污染物的排放量，其中，该一次污染物为生成上述目标二次污染物的一次污染物；
从该子区域的源谱数据中，获取各个子源类的组分及其质量占比；
根据各个子源类的上述一次污染物的排放量，以及各个子源类的组分及其质量占比，确定该子区域中各个子源类对应的目标二次污染物的生成潜势。
可选地，上述目标二次污染物包括：臭氧和/或二次有机气溶胶。
可选地，目标区域为市级行政区，子区域为区县级行政区。
根据本申请实施例的另一方面，提供了一种二次污染物源解析装置，包括：
第一确定模块，用于使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献；
第一获取模块，用于获取目标区域的各个子区域的排放清单和源谱数据；
第二确定模块，用于对于所述各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中所述目标源类的各个子源类对应的所述目标二次污染物的生成潜势；
第三确定模块，用于根据所述各个子区域中所述各个子源类对应的所述目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重；
第四确定模块，用于根据所述目标区域的所述目标源类对所述受体点的所述目标二次污染物的浓度贡献，以及所述各个子区域的各个子源类的生成权重，确定各个子区域的各个子源类对所述受体点的所述目标二次污染物的浓度贡献。
可选地，二次污染物源解析装置，还包括：
第二获取模块，用于获取子区域的人口和/或道路空间分布数据；
第五确定模块，用于根据子区域的所述人口和/或道路空间分布数据确定至少一个网格单元的人口和/或道路的占比；
第六确定模块，用于根据网格单元的占比和子区域对所述受体点的所述目标二次污染物的浓度贡献，确定该网格单元对所述受体点的所述目标二次污染物的浓度贡献。
根据本申请实施例的又一方面，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本申请实施例的方法。
根据本申请实施例的再一方面，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所述计算机执行本申请实施例的方法。
本申请实施例中提供的一个或多个技术方案，利用源排放清单数据以及源谱数据对空气质量模型的结果进一步精细化解析，可以更精确地识别二次污染物的来源。在数据获取方面，源排放清单数据可为子区域本地的编制清单，源谱数据可包括但不限于本地实测数据或文献研究收集数据等，获取难度较低；基于子源类的排放清单数据以及源谱数据确定子源类对应的二次污染物的生成潜势，基于生成潜势确定子源类的生成权重，相较于数值模式和受体模型等方法，计算方法简便，并且不需要大量的计算资源，能够较快得到合理的结果。
附图说明
在下面结合附图对于示例性实施例的描述中，本申请的更多细节、特征和优点被公开，在附图中：
图1示出了根据本申请示例性实施例的二次污染物源解析方法的流程图；
图2示出了根据本申请示例性实施例的二次污染物源解析方法的流程图；
图3示出了根据本申请示例性实施例的目标省的城市的示意图；
图4示出了根据本申请示例性实施例的城市I的区县的示意图；
图5示出了根据本申请示例性实施例的二次污染物源解析装置的示意性框图；
图6示出了能够用于实现本申请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申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请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申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
应当理解，本申请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。本申请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，本申请中提及的“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，本申请中提及的“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”。
本申请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。
随着光化学反应的加剧，臭氧污染形势加剧，SOA污染日益严重，SOA占细颗粒物（PM2.5）的比例越来越高。大气中VOCs是参与光化学反应的重要物种，对流层O3的主要来源是VOCs和氮氧化物（NOx）经过光化学反应生成的，而SOA也是来源于天然源及人为源VOCs与大气中的氧化剂等发生光化学反应生成的。因此，通过VOCs排放研究O3和SOA的来源十分重要。
基于观测的方法对O3和SOA进行源解析主要是对O3和SOA前体物VOCs进行监测，再利用实时观测数据以及O3或SOA与VOCs的关系等数据，计算出O3生成潜势（Ozone FormationPotential，OFP）和SOA生成潜势（SOA Formation Potential，SOAFP），定量解析各污染源对O3或SOA形成的贡献。但基于此方法得到的臭氧来源是没有考虑地理因素及气象等因素，而这些因素对大气中O3和SOA的状态影响较大，因此观测法对O3和SOA来源的定量识别有较大的不确定性。
基于空气质量模型的方法是以数值模式的方式对O3或SOA前体物从排放到生成O3或SOA经历的大气物理化学过程进行描述。目前针对O3源解析应用较多的是基于CMAQ模型的ISAM（The Integrated Source Apportionment Method）源解析和基于CAMx模型的OSAT（Ozone Source Apportionment Technology）方法；针对SOA的源解析多是基于CAMx模型的PSAT（Particulate Source Apportionment Technology）。这些模型可充分考虑污染物的排放、扩散、化学反应及去除等大气物理化学过程，适用于计算O3、PM2.5等区域复合型大气污染过程。但在利用空气质量模型进行源解析时，由于计算资源、空间占用、模型运行时间等限制，一般对排放源的分类较粗，比如常见的只对固定燃烧源、工艺过程源、居民源、电厂、交通源、其他等大类源进行解析，而对于如工艺过程源中细分的行业并不容易进行快速解析；对区域的解析一般也只解析到城市水平，较快地实现区县的区域解析对三代模型计算速度等要求较高，不易实现。
在实际应用中，如果想对数值模式的源解析结果再进行细分，需要人工进一步细分污染源，才能达到精细化来源解析。因此，根据数值模式的O3或SOA源解析结果，如何较合理的对源类进一步细分，达到精细化来源解析对管控O3和PM2.5十分重要。
以下参照附图描述本申请的方案。本说明书的实施例可以运行在任何具有计算和存储能力的设备上，如手机、平板电脑、PC(Personal Computer，个人电脑)、笔记本、服务器等设备；还可以由运行在两个或两个以上设备的逻辑节点来实现本说明书实施例中的各项功能。该设备可作为客户端或服务器。
图1示出了根据本申请示例性实施例的二次污染物源解析方法的流程图，如图1所示，该方法包括步骤S101至步骤S105。
步骤S101，使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献。
使用空气质量模型可确定多个区域的多个源类对受体点的二次污染物的浓度贡献，对于M个区域、N个源类，区域-源类对受体点的二次污染物的浓度贡献可表示为如式（1）所示的矩阵。
式（1）中，A表示M个区域、N个源类对受体点的二次污染物的浓度贡献矩阵，AMN表示区域M的源N对受体点的二次污染物的浓度贡献。
利用空气质量模型进行源解析时，由于计算资源、空间占用、模型运行时间等限制，一般对排放源的分类较粗，因此，在申请实施例中，对M个区域中至少一个区域、N个源类至少一个源类进行进一步精细化源解析。
区域可包括多个区域，示例性的，区域可为市级行政区、子区域可为区县级行政区，例如，使用空气质量模型确定一省内各个城市对受体点的二次污染物的浓度贡献，进一步对城市B进行精细化源解析，以确定城市B的各个区县对受体点的二次污染物的浓度贡献。
源类可包括多个子源类。源类可进行一次或多次分类，子源类可为源类的次级分类或次次分类等。源类可包括父源类，本实施例对此不作限定。作为一种示例，源类和子源类按照行业划分，源类为父类行业，子源类为其子行业。如常见的源类划分有化石燃料固定燃烧源、工艺过程源、移动源、溶剂使用源、农业源、扬尘源、储存运输源等。化石燃料固定燃烧源又包括电厂、金属冶炼等不同行业的固定燃烧源等二级源，二级源又可按照燃料种类分为煤炭、煤气等三级源；工艺过程源包括纺织业、食品制造业、医药制造业、汽车制造业、家具制造业、印刷和记录媒介复制业、化学原料和化学制品制造业等约40个二级源，进而根据产品种类又可以进行细分，如化学原料和化学制品制造业又可按照苯、农药、合成树脂等产品的不同进行分类；移动源包括载客汽车、载货汽车、工程机械和农业机械等二级源类，载客载货汽车可根据使用燃料的不同分为汽油车和柴油车等。
步骤S102，获取目标区域的各个子区域的排放清单和源谱数据。
示例性的，以城市B为目标区域，目标区域的子区域包括城市B的各个区县。
作为一种实施方式，子区域的排放清单记录有各个子源类的一次污染物的排放量，通常排放清单数据为该子区域的编制清单数据，数据获取成本低。一般标准的编制清单包括各个子区域不同子源类的一次污染物排放信息。其中，该一次污染物为生成上述目标二次污染物的一次污染物。示例性的，二次污染物为臭氧，对应的一次污染物包括VOCs。
作为一种实施方式，子区域的源谱数据记录有各个子源类的组分及其质量占比，源谱数据由文献调研或者子区域的实测数据得到，数据获取成本低。
步骤S103，对于各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中目标源类的各个子源类对应的目标二次污染物的生成潜势。
作为一种实施方式，在步骤S103中，对于每个子区域，从子区域的排放清单中，获取目标源类的各个子源类的一次污染物的排放量，其中，该一次污染物为生成上述目标二次污染物的一次污染物；从子区域的源谱数据中，获取各个子源类的组分及其质量占比；根据各个子源类的上述一次污染物的排放量，以及各个子源类的组分及其质量占比，确定该子区域中各个子源类对应的目标二次污染物的生成潜势。例如，臭氧生成潜势（OFP）、SOA生成潜势（SOAFP）。
作为一种示例，组分i的O3生成潜势（OFP）如式（2）所示，组分i的SOA生成潜势（SOAFP）如式（3）所示。
式（2）和（3）中，OFPi为组分i的OFP；EVOC表示清单中VOCs的排放量；Fi表示组分i的质量占比，来自源谱数据；MIRi表示组分i的最大增量反应活性（单位为g/g），MIR值参考现有技术；SOAFPi为组分i的SOAFP；FACi表示组分i的SOA生成系数；FVOCi为组分i参与氧化反应的占比。
将子区域的各个子源类的各个组分的OFP或SOAFP求和，得到子区域的各个子源类对应的OFP或SOAFP。子区域p的子源类q的OFP可表示为OFPpq，子区域p的子源类q的SOAFP可表示为SOAFPpq。
子区域p对应的OFP可表示为OFPp，OFPp为子区域p的各个子源类对应的OFP之和。子区域p对应的SOAFP可表示为SOAFPp，SOAFPp为子区域p的各个子源类对应的SOAFP之和。
目标区域的子源类q对应的OFP为各个子区域的子源类q对应的OFP之和。目标区域的子源类q对应的SOAFP为各个子区域的子源类q对应的SOAFP之和。
步骤S104，根据各个子区域中各个子源类对应的目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重。
作为一种实施方式，对于每个子区域的每个子源类，该子区域的该子源类的生成权重为：该子区域的该子源类对应的目标二次污染物的生成潜势与总生成潜势之比，其中，总生成潜势为各个子区域的各个子源类对应的目标二次污染物的生成潜势之和。
作为一种示例，子区域p的子源类q的OFP生成权重Dpq如式（4）所示，子区域p的子源类q的SOAFP生成权重Dpq如式（5）所示。
式（4）和（5）中，
表示目标区域的各个子区域的各个子源类对应的OFP之和，
表示目标区域的各个子区域的各个子源类对应的SOAFP之和。
在目标区域包括P个子区域、目标源类包括Q个子源类的情况下，生成权重可用矩阵D表示，矩阵D如式（6）所示。
式（6）中，DPQ表示子区域P的子源类Q的生成权重（SOAFP和/或OFP）。
步骤S105，根据目标区域的目标源类对受体点的目标二次污染物的浓度贡献，以及各个子区域的各个子源类的生成权重，确定各个子区域的各个子源类对受体点的目标二次污染物的浓度贡献。
目标区域的目标源类对受体点的目标二次污染物的浓度贡献，为目标区域的各个子区域的各个子源类（属于目标源类）对受体点的目标二次污染物的浓度贡献之和。各个子区域的各个子源类对受体点的目标二次污染物的浓度贡献可为，其生成权重与目标区域的目标源类对受体点的目标二次污染物的浓度贡献的乘积。
示例性的，确定各个子区域的各个子源类对受体点的目标二次污染物的浓度贡献如式（7）所示。
在一些实施例中，该二次污染物源解析方法，还包括：对于各个子区域中的至少一个子区域，获取该子区域的人口和/或道路空间分布数据；根据人口和/或道路空间分布数据确定至少一个网格单元的人口和/或道路的占比；对于至少一个网格单元中每个网格单元，根据该网格单元的占比和该子区域对受体点的目标二次污染物的浓度贡献，确定该网格单元对受体点的目标二次污染物的浓度贡献。
作为一种示例，获取子区域的人口空间分布数据，人口空间分布数据可为1KM*1KM的网格单元内的人口数量，网格单元的人口的占比为网格单元与子区域的总人口之比。
作为一种示例，获取子区域的道路空间分布数据，道路空间分布数据可为1KM*1KM的网格单元内的道路数量，网格单元的道路的占比为网格单元与子区域的总道路之比。
在一些实施例中，目标区域为市级行政区，子区域为区县级行政区。
图2示出了根据本公开实施例的二次污染物源解析方法的流程图，如图2所示，该方法包括步骤S201至步骤S206。
步骤S201，使用空气质量模型确定目标省的各个城市的目标源类对受体点的臭氧的浓度贡献。
参考图3所示，目标省包括城市A至城市P。在本实施例中，可进一步对城市A至城市P进行精细化源解析。下面以对城市I进行精细化源解析为例进行说明。对于其他城市，可采用相同的方法进行精细化源解析。
步骤S202，获取城市I的各个区县的排放清单和源谱数据。
参考图4所示，城市I包括区县I1至I8。
作为一种实施方式，区县I1至I8的排放清单记录有各个子源类的VOCs的排放量。
作为一种实施方式，区县I1至I8的源谱数据记录有各个子源类的组分及其质量占比。
步骤S203，对于各个区县中的每个区县，根据该区县的排放清单和源谱数据，确定该区县中目标源类的各个子源类对应的臭氧的生成潜势。
作为一种实施方式，在步骤S203中，对于每个区县，从区县的排放清单中，获取目标源类的各个子源类的VOCs的排放量；从区县的源谱数据中，获取各个子源类的组分及其质量占比；根据各个子源类的VOCs的排放量，以及各个子源类的组分及其质量占比，确定该区县中各个子源类对应的臭氧的生成潜势。
作为一种示例，组分i的O3生成潜势（OFP）如式（2）所示。将区县的各个子源类的各个组分的OFP求和，得到区县的各个子源类对应的OFP。区县p的子源类q的OFP可表示为OFPpq。区县p对应的OFP可表示为OFPp，OFPp为区县p的各个子源类对应的OFP之和。城市I的子源类q对应的OFP为各个区县的子源类q对应的OFP之和。
作为一种示例，目标源类为行业A，目标源类的子源类为行业A的细分行业，称为子行业，示例性的，子行业A1、A2等。如目标源类工艺过程源（行业A）中可分为多个子行业，包括医药制造业、食品制造业、金属制品业、橡胶和塑料制造业等子行业。
步骤S204，根据各个区县中各个子源类对应的臭氧的生成潜势，确定各个区县的各个子源类的生成权重。
作为一种实施方式，对于每个区县的每个子源类，该区县的该子源类的生成权重为：该区县的该子源类对应的臭氧的生成潜势与总生成潜势之比，其中，总生成潜势为各个区县的各个子源类对应的臭氧的生成潜势之和。
作为一种示例，区县p的子源类q的OFP生成权重Dpq如式（4）所示。
步骤S205，根据城市I的目标源类对受体点的臭氧的浓度贡献，以及各个区县的各个子源类的生成权重，确定各个区县的各个子源类对受体点的臭氧的浓度贡献。
城市I的目标源类对受体点的臭氧的浓度贡献，为城市I的各个区县的各个子源类（属于目标源类）对受体点的臭氧的浓度贡献之和。各个区县的各个子源类对受体点的臭氧的浓度贡献可为，其生成权重与城市I的目标源类对受体点的臭氧的浓度贡献的乘积。
示例性的，确定各个区县的各个子源类对受体点的臭氧的浓度贡献如式（7）所示。
进一步的，可对区县进行进一步精细化源解析。对于区县I1至I8中的至少一个区县，可根据区县的人口和/或道路空间分布数据进行进一步精细化源解析。下面以对一个区县（例如区县I1）进行进一步精细化源解析为例进行说明。
步骤S206，获取区县I1的人口和/或道路空间分布数据，根据人口和/或道路空间分布数据确定每个网格单元的人口和/或道路的占比，对于每个网格单元，根据该网格单元的占比和区县I1对受体点的臭氧的浓度贡献，确定该网格单元对受体点的臭氧的浓度贡献。
作为一种示例，获取区县I1的人口空间分布数据，人口空间分布数据可为1KM*1KM的网格单元内的人口数量，网格单元的人口的占比为网格单元与区县I1的总人口之比。
作为一种示例，获取区县I1的道路空间分布数据，道路空间分布数据可为1KM*1KM的网格单元内的道路数量，网格单元的道路的占比为网格单元与区县I1的总道路之比。
作为一种实施方式，区县I1对受体点的臭氧的浓度贡献，为区县I1的各个子源类对受体点的臭氧的浓度贡献之和。
应当理解，此处对臭氧的源解析方法进行了示例性说明，SOA的源解析方法与此类似，本申请实施例对此不作赘述。
图5示出了根据本申请示例性实施例的二次污染物源解析装置的示意性框图，如图5所示，二次污染物源解析装置，包括：
第一确定模块510，用于使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献；
第一获取模块520，用于获取目标区域的各个子区域的排放清单和源谱数据；
第二确定模块530，用于对于各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中目标源类的各个子源类对应的目标二次污染物的生成潜势；
第三确定模块540，用于根据各个子区域中各个子源类对应的目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重；
第四确定模块550，用于根据目标区域的目标源类对受体点的目标二次污染物的浓度贡献，以及目标区域的各个子区域的各个子源类（属于目标源类）的生成权重，确定各个子区域的各个子源类对受体点的目标二次污染物的浓度贡献。
在一些实施例中，二次污染物源解析装置，还包括：
第二获取模块，用于获取子区域的人口和/或道路空间分布数据；
第五确定模块，用于根据子区域的所述人口和/或道路空间分布数据确定至少一个网格单元的人口和/或道路的占比；
第六确定模块，用于根据网格单元的占比和子区域对所述受体点的所述目标二次污染物的浓度贡献，确定该网格单元对所述受体点的所述目标二次污染物的浓度贡献。
使用空气质量模型可确定多个区域的多个源类对受体点的二次污染物的浓度贡献，对于M个区域、N个源类，区域-源类对受体点的二次污染物的浓度贡献可表示为如式（1）所示的矩阵。
区域可包括多个区域，示例性的，区域可为市级行政区、子区域可为区县级行政区，例如，使用空气质量模型确定一省内各个城市对受体点的二次污染物的浓度贡献，进一步对城市B进行精细化源解析，以确定城市B的各个区县对受体点的二次污染物的浓度贡献。
源类可包括多个子源类。源类可进行一次或多次分类，子源类可为源类的次级分类或次次分类等。源类可包括父源类，本实施例对此不作限定。
作为一种实施方式，对于每个子区域的每个子源类，该子区域的该子源类的生成权重为：该子区域的该子源类对应的目标二次污染物的生成潜势与总生成潜势之比，其中，总生成潜势为各个子区域的各个子源类对应的目标二次污染物的生成潜势之和。
作为一种实施方式，第二确定模块530，用于对于各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中目标源类的各个子源类对应的目标二次污染物的生成潜势，具体包括：
从该子区域的排放清单中，获取目标源类的各个子源类的一次污染物的排放量，其中，该一次污染物为生成上述目标二次污染物的一次污染物；
从该子区域的源谱数据中，获取各个子源类的组分及其质量占比；
根据各个子源类的上述一次污染物的排放量，以及各个子源类的组分及其质量占比，确定该子区域中各个子源类对应的目标二次污染物的生成潜势。
本申请示例性实施例，基于空气质量模型对二次污染物（包括但不限于O3和SOA）的区域及源类解析结果约束的条件下，进一步对不同区域中的子区域（区县、网格）以及不同源类中的子源类（例如，行业）进行源解析，满足二次污染物精细化源解析。尤其是城市O3和SOA的源解析。
本申请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申请实施例的方法。
本申请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申请实施例的方法。
本申请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申请实施例的方法。
参考图6，现将描述可以作为本申请的服务器或客户端的电子设备600的结构框图，其是可以应用于本申请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、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/或者要求的本申请的实现。
如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器（ROM）602中的计算机程序或者从存储单元608加载到随机访问存储器（RAM）603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606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607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608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600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601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601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601执行上文所描述的各个方法和处理。例如，在一些实施例中，二次污染物源解析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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。在一些实施例中，计算单元601可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行二次污染物源解析方法。
用于实施本申请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。
在本申请的上下文中，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。
如本申请使用的，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 (10)
1.一种二次污染物源解析方法，其特征在于，包括：
使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献；
获取所述目标区域的各个子区域的排放清单和源谱数据；
对于所述各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中所述目标源类的各个子源类对应的所述目标二次污染物的生成潜势；
根据所述各个子区域中所述各个子源类对应的所述目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重；
根据所述目标区域的所述目标源类对所述受体点的所述目标二次污染物的浓度贡献，以及所述各个子区域的各个子源类的生成权重，确定各个子区域的各个子源类对所述受体点的所述目标二次污染物的浓度贡献。
2.如权利要求1所述的二次污染物源解析方法，其特征在于，还包括：对于所述各个子区域中的至少一个子区域，
获取该子区域的人口和/或道路空间分布数据；
根据所述人口和/或道路空间分布数据确定至少一个网格单元的人口和/或道路的占比；
对于所述至少一个网格单元中每个网格单元，根据该网格单元的占比和该子区域对所述受体点的所述目标二次污染物的浓度贡献，确定该网格单元对所述受体点的所述目标二次污染物的浓度贡献。
3.如权利要求1所述的二次污染物源解析方法，其特征在于，对于每个子区域的每个子源类，该子区域的该子源类的生成权重为：该子区域的该子源类对应的所述目标二次污染物的生成潜势与总生成潜势之比，其中，所述总生成潜势为所述各个子区域的所述各个子源类对应的所述目标二次污染物的生成潜势之和。
4.如权利要求1所述的二次污染物源解析方法，其特征在于，对于所述各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中所述目标源类的各个子源类对应的所述目标二次污染物的生成潜势，包括：
从该子区域的排放清单中，获取所述目标源类的各个子源类的一次污染物的排放量，其中，所述一次污染物为生成所述目标二次污染物的一次污染物；
从该子区域的源谱数据中，获取所述各个子源类的组分及其质量占比；
根据各个子源类的所述一次污染物的排放量，以及所述各个子源类的组分及其质量占比，确定该子区域中各个子源类对应的所述目标二次污染物的生成潜势。
5.如权利要求1至4中任一项所述的二次污染物源解析方法，其特征在于，所述目标二次污染物包括：臭氧和/或二次有机气溶胶。
6.如权利要求1至4中任一项所述的二次污染物源解析方法，其特征在于，所述目标区域为市级行政区，所述子区域为区县级行政区。
7.一种二次污染物源解析装置，其特征在于，包括：
第一确定模块，用于使用空气质量模型确定目标区域的目标源类对受体点的目标二次污染物的浓度贡献；
第一获取模块，用于获取所述目标区域的各个子区域的排放清单和源谱数据；
第二确定模块，用于对于所述各个子区域中的每个子区域，根据该子区域的排放清单和源谱数据，确定该子区域中所述目标源类的各个子源类对应的所述目标二次污染物的生成潜势；
第三确定模块，用于根据所述各个子区域中所述各个子源类对应的所述目标二次污染物的生成潜势，确定各个子区域的各个子源类的生成权重；
第四确定模块，用于根据所述目标区域的所述目标源类对所述受体点的所述目标二次污染物的浓度贡献，以及所述各个子区域的各个子源类的生成权重，确定各个子区域的各个子源类对所述受体点的所述目标二次污染物的浓度贡献。
8.如权利要求7所述的二次污染物源解析装置，其特征在于，还包括：
第二获取模块，用于获取子区域的人口和/或道路空间分布数据；
第五确定模块，用于根据子区域的所述人口和/或道路空间分布数据确定至少一个网格单元的人口和/或道路的占比；
第六确定模块，用于根据网格单元的占比和子区域对所述受体点的所述目标二次污染物的浓度贡献，确定该网格单元对所述受体点的所述目标二次污染物的浓度贡献。
9.一种电子设备，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1-6中任一项所述的方法。
10.一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所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211154722.3A CN115271548B (zh) | 2022-09-22 | 2022-09-22 | 二次污染物源解析方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211154722.3A CN115271548B (zh) | 2022-09-22 | 2022-09-22 | 二次污染物源解析方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115271548A CN115271548A (zh) | 2022-11-01 |
| CN115271548B true CN115271548B (zh) | 2022-12-09 |
Family
ID=83757416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211154722.3A Active CN115271548B (zh) | 2022-09-22 | 2022-09-22 | 二次污染物源解析方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115271548B (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11772033B2 (en) * | 2016-12-15 | 2023-10-03 | Alejandro Fidel Brito | Apparatus and method for reducing pollution emitted by an industrial exhaust source |
| CN118133554A (zh) * | 2019-03-06 | 2024-06-04 | 生态环境部环境工程评估中心 | 一种基于calpuff-cmb耦合模型的大气污染源解析方法 |
| CN111798932B (zh) * | 2020-07-03 | 2021-06-15 | 中科三清科技有限公司 | 一种污染物监测数据的处理方法、装置、存储介质及终端 |
-
2022
- 2022-09-22 CN CN202211154722.3A patent/CN115271548B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115271548A (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102324392B1 (ko) | 지역별 미세먼지 농도 예측방법 및 시스템 | |
| CN111798932B (zh) | 一种污染物监测数据的处理方法、装置、存储介质及终端 | |
| Zheng et al. | Infrastructure shapes differences in the carbon intensities of Chinese cities | |
| Sharp et al. | Potential for integrating diffusion of innovation principles into life cycle assessment of emerging technologies | |
| Li et al. | An integrated source apportionment methodology and its application over the Yangtze River Delta region, China | |
| CN115271547B (zh) | 臭氧污染的源解析方法、装置和电子设备 | |
| CN112711893B (zh) | 污染源对pm2.5贡献计算方法、装置和电子设备 | |
| CN112581107B (zh) | 污染排放控制方法、装置及可存储介质 | |
| CN111899817A (zh) | 污染物源解析方法和装置 | |
| CN115271258B (zh) | 臭氧主控污染物的预测方法、装置及电子设备 | |
| Cheng et al. | A new statistical modeling and optimization framework for establishing high-resolution PM10 emission inventory–I. Stepwise regression model development and application | |
| Tang et al. | Chinese industrial air pollution emissions based on the continuous emission monitoring systems network | |
| Kunugi et al. | Cost-efficient strategy for reducing PM 2.5 levels in the Tokyo metropolitan area: An integrated approach with air quality and economic models | |
| Liu et al. | Heavy metal pollution and ecological risk assessment in brownfield soil from Xi’an, China: An integrated analysis of man-land interrelations | |
| Ma et al. | Neighborhood Emission Mapping Operation (NEMO): A 1-km anthropogenic emission dataset in the United States | |
| Millstein et al. | Revised estimates of construction activity and emissions: Effects on ozone and elemental carbon concentrations in southern California | |
| CN115271548B (zh) | 二次污染物源解析方法、装置和电子设备 | |
| Li et al. | Variable effects of spatial resolution on modeling of nitrogen oxides | |
| Rahi et al. | Smart platforms of air quality monitoring: A logical literature exploration | |
| Wu et al. | Air Quality Forecasting with Inversely Updated Emissions for China | |
| Sullivan | Residential sorting and the incidence of local public goods: Theory and evidence from air pollution | |
| 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 | |
| CN113672873B (zh) | 污染物源解析方法、装置、电子设备及存储介质 | |
| CN114896952B (zh) | 一种大气污染源排放清单编制方法及装置 | |
| CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 |
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 |