CN115436573A - 一种大气污染源智能监测方法及装置 - Google Patents
一种大气污染源智能监测方法及装置 Download PDFInfo
- Publication number
- CN115436573A CN115436573A CN202211045426.XA CN202211045426A CN115436573A CN 115436573 A CN115436573 A CN 115436573A CN 202211045426 A CN202211045426 A CN 202211045426A CN 115436573 A CN115436573 A CN 115436573A
- Authority
- CN
- China
- Prior art keywords
- pollution
- position information
- pollution source
- monitoring
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 120
- 231100000719 pollutant Toxicity 0.000 claims abstract description 120
- 230000008859 change Effects 0.000 claims abstract description 60
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000009877 rendering Methods 0.000 claims description 22
- 239000000356 contaminant Substances 0.000 claims description 20
- 238000012806 monitoring device Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 5
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- 239000000460 chlorine Substances 0.000 claims description 3
- 229910052801 chlorine Inorganic materials 0.000 claims description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 239000002912 waste gas Substances 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 5
- 239000003546 flue gas Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002440 industrial waste Substances 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 150000002013 dioxins Chemical class 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009290 primary effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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 or the display, e.g. intermittent measurement or digital display
-
- 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 or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的大气污染源智能监测方法及装置，涉及环境监测领域；其方法包括：获取监测区域内各特征污染物的实时浓度监测数据；分别构建各特征污染物对应的基于地理位置信息的三维变化态势图；将污染源对应的多个特征污染物三维变化态势图进行图像融合获得污染数据三维态势图；确定污染数据三维态势图中各污染源的区域地理位置信息，获取污染中心的位置信息；当污染中心在设定监测时间内的偏移在预设范围内，则污染中心为污染源头。本方法能智能化监测区域内所有污染源，不仅能监测污染源的实时变化，且能探索不报备污染源，填补监管漏洞。
Description
技术领域
本发明涉及环境监测技术领域，具体涉及一种大气污染源智能监测方法及装置。
背景技术
重工业的发展不仅带动经济的迅速发展，同时随着人类经济活动和生产、在大量消耗能源时，也将大量的废气、烟尘物质排入大气，影响大气环境的质量，造成环境污染；随着大气中污染物的浓度增大到有害程度，会破坏生态系统和人类正常生存和发展的条件。当前大气污染的主要来源包括工业生产排放的废气、化石燃料燃烧烟气、汽车尾气和秸秆焚烧的烟气，各类排放到大气中的废气最终导致雾霾和酸雨的产生；随着政府对大气污染的治理，秸秆焚烧的现象逐渐减少、新能源汽车也逐步在市场上推广使用，对于工业废气和化石燃料燃烧的烟气也需要达到治理标准才能排放，整治大气污染取得了初步成效。
虽然各部门明确规定废气、烟气的排放标准，仍存在一些企业的废气不经过处理直接排放，例如，夜间偷排等，这类现象无法监管，污染源也无从查处。当前除了自行报备的企业可明确获知大气污染源，对于这类不遵守规定的企业产生的污染源无法查找污染源。因此，为了便于有关部门对污染源的统一管理，需要一种能够智能探索污染源的监测方法，准确查找监测区域内所有的污染源，填补监管漏洞。
发明内容
本发明目的在于提供一种大气污染源智能监测方法及装置，该方法通过对大气环境中各特征污染物的实时监测数据构建三维变化态势图，并根据不同污染源对应的特征污染物进行图像融合后确定污染中心，进而智能获取监测区域内所有可能的污染源，填补监管漏洞。
为达成上述目的，本发明提出如下技术方案：一种大气污染源智能监测方法，包括：
获取监测区域内大气污染的各特征污染物的实时浓度监测数据，所述实时监测数据由阵列布设在监测区域内的若干数据采集单元监测获得；
根据实时浓度监测数据分别构建各特征污染物对应的基于地理位置信息的三维变化态势图；
根据污染源的特征污染物分类，将对应污染源的多个三维变化态势图进行图像融合，获得对应污染源在监测区域内的污染数据三维态势图；
确定污染数据三维态势图中各污染源的区域地理位置信息，获取各污染源污染中心的位置信息；
计算并判断各污染中心的位置信息在设定监测时间内的偏移数据与预设误差阈值的大小，并当偏移数据不小于预设误差阈值时，判定该污染中心为污染源头，否则该污染中心并非污染源头。
进一步的，还包括：获取监测区域内已知的各污染源头的位置信息；
根据获取的已知各污染源头的位置信息校准判定的各污染源头的准确性；
根据已知各污染源头的位置信息与其对应判定的污染源头的位置信息的误差，校正其他判定污染源头的位置信息。
进一步的，将对应污染源的多个三维变化态势图进行图像融合的过程包括：
预设一位置信息的偏离范围；
分别获取各三维变化态势图中特征污染物的多个浓度中心的位置信息；
选定一特征污染物，确定该特征污染物的任一浓度中心在偏离范围内其他特征污染物浓度中心的特征污染物数量；
在三维变化态势图中删除在偏离范围内其他特征污染物数量少于两种的浓度中心，并同步在其他特征污染物的三维变化态势图中删除部分污染物浓度中心；其中，删除的部分污染物浓度中心为不属于选定特征污染物保留的浓度中心偏离范围内的其他污染物浓度中心；
根据地理位置信息，对保留的各特征污染物的三维变化态势图进行图像融合。
进一步的，还包括：根据污染源各特征污染物的浓度划分污染源的污染级别，预设各污染级别在污染数据三维态势图中的渲染颜色和报警级别；
根据预设的渲染颜色和确定的污染中心各特征污染物的实时浓度监测数据，对获取的污染数据三维态势图进行颜色渲染，并在任一污染中心的污染级别达到报警级别时发出警报。
进一步的，所述各特征污染物包括PM10、PM2.5、SO2、NO2、CO、O3、VOCs、氯气、硫化氢、氨气。
本发明另一技术方案在于提供一种大气污染源智能监测装置，该装置包括：
第一获取模块，用于获取监测区域内大气污染的各特征污染物的实时浓度监测数据，所述实时监测数据由阵列布设在监测区域内的若干数据采集单元监测获得；
构建模块，用于根据实时浓度监测数据分别构建各特征污染物对应的基于地理位置信息的三维变化态势图；
图像融合模块，用于根据污染源的特征污染物分类，将对应污染源的多个三维变化态势图进行图像融合，获得对应污染源在监测区域内的污染数据三维态势图；
第二获取模块，用于确定污染数据三维态势图中各污染源的区域地理位置信息，获取各污染源污染中心的位置信息；
计算模块，用于计算并判断各污染中心的位置信息在设定监测时间内的偏移数据与预设误差阈值的大小，并当偏移数据不小于预设误差阈值时，判定该污染中心为污染源头，否则该污染中心并非污染源头。
进一步的，还包括：第三获取模块，用于获取监测区域内已知的各污染源头的位置信息；
校准模块，用于根据获取的已知各污染源头的位置信息校准判定的各污染源头的准确性；
校正模块，用于根据已知各污染源头的位置信息与其对应判定的污染源头的位置信息的误差，校正其他判定污染源头的位置信息。
进一步的，所述图像融合模块将对应污染源的多个三维变化态势图进行图像融合的过程包括如下执行单元：
预设单元，用于预设一位置信息的偏离范围；
获取单元，用于分别获取各三维变化态势图中特征污染物的多个浓度中心的位置信息；
确定单元，用于选定一特征污染物，确定该特征污染物的任一浓度中心在偏离范围内其他特征污染物浓度中心的特征污染物数量；
删除单元，用于在三维变化态势图中删除在偏离范围内其他特征污染物数量少于两种的浓度中心，并同步在其他特征污染物的三维变化态势图中删除部分污染物浓度中心；其中，删除的部分污染物浓度中心为不属于选定特征污染物保留的浓度中心偏离范围内的其他污染物浓度中心；
融合单元，用于根据地理位置信息，对保留的各特征污染物的三维变化态势图进行图像融合。
进一步的，还包括：污染划分模块，用于根据污染源各特征污染物的浓度划分污染源的污染级别，预设各污染级别在污染数据三维态势图中的渲染颜色和报警级别；
颜色渲染及报警模块，用于根据预设的渲染颜色和确定的污染中心各特征污染物的实时浓度监测数据，对获取的污染数据三维态势图进行颜色渲染，并在任一污染中心的污染级别达到报警级别时发出警报。
本发明还公开一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在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时，实现如上述的大气污染源智能监测方法。
由以上技术方案可知，本发明的技术方案获得了如下有益效果：
本发明公开的大气污染源智能监测方法及装置，其方法包括：获取监测区域内各特征污染物的实时浓度监测数据；分别构建各特征污染物对应的基于地理位置信息的三维变化态势图；将污染源对应的多个特征污染物三维变化态势图进行图像融合获得污染数据三维态势图；确定污染数据三维态势图中各污染源的区域地理位置信息，获取污染中心的位置信息；当污染中心在设定监测时间内的偏移在预设范围内，则判定污染中心为污染源头。本发明方法能智能化监测区域内所有污染源，不仅能监测污染源的实时变化，且能探索不报备污染源，填补监管漏洞，保障规定的执行力度。
本方法还通过已知污染源的位置信息校验判定的污染中心准确率，且进一步采用已知污染源的位置信息校正污染数据三维态势图中污染中心的位置信息，纠正气象和地理因素造成的污染源数据偏差。另外，本方法在进行图像融合时通过对污染中心特征污染物的数量来判定污染源的准确性，即只有当预设偏离范围的特征污染物的数量不低于三种时才判定为污染源，否则不计为污染源，进而保证方法对污染源的判定准确度。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不表示按照真实参照物比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1为本发明实施例中大气污染源智能监测方法流程图；
图2为本发明实施例中三维变化态势图进行图像融合的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例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发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，除非上下文清楚地指明其它情况，否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件，并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
基于当前政府部门虽然规定了工业废气和化石燃料燃烧的烟气需要进行废气处理后再排放，但仍然存在一些企业不按照规定偷排废气的现象，导致政府部门存在监管漏洞。本发明旨在于针对上述问题，提出一种大气污染源智能监测方法及装置，该方法及装置通过实时监测区域内各特征污染物的浓度数据构建针对不同污染源的污染数据三维态势图，根据污染数据三维态势图确定污染源头；其中，污染源头为在设定监测时间内发生位置偏移不超过预设误差阈值的污染中心；本发明通过智能监测所有可能的污染源，加强政府部门的监管力度，促进大气污染的治理成效。
下面结合附图所示的具体实施例，对本发明公开的大气污染源智能监测方法及装置作进一步具体介绍。
结合图1所示的实施例，其公开的大气污染源智能监测方法，包括如下步骤：
步骤S102，获取监测区域内大气污染的各特征污染物的实时浓度监测数据，所述实时监测数据由阵列布设在监测区域内的若干数据采集单元监测获得；
监测区域采用“网定格、格定责、责定人”的理念，建立“横向到边、纵向到底”的区域网格化监控平台，数据采集单元布设在区域网格化监控平台的任一监测网格中，构成各个监测点；实施例中，数据采集单元选择微型环境空气质量监测系统，在全面掌握、分析污染源排放、气象因素的基础之上，微型环境空气质量监测系统采用因地制宜的灵活设点方法在划分的网格中部署，微型环境空气质量监测系统可采集的特征污染物包括在提供PM10、PM2.5、SO2、NO2、CO、O3、VOCs、氯气、硫化氢和氨气；可选的，数据采集单元还可以由对应检测各特征污染物的多个传感器和无信通信模块组成，特征污染物的实时浓度监测数据由无信通信模块统一收集。
步骤S104，根据各特征污染物的实时浓度监测数据分别构建基于地理位置信息的三维变化态势图；
三维变化态势图以各监测点地理位置信息的经纬度坐标和实施监测浓度构成空间坐标系，各特征污染物在监测区域内的实时浓度监测数据在对应的三维变化态势图中形成三维曲面；必然的，三维曲面包括多个凸起的山峰，峰顶即浓度高点。
步骤S106，根据污染源的特征污染物分类，将对应污染源的多个三维变化态势图进行图像融合，获得对应污染源在监测区域内的污染数据三维态势图；
该步骤目的在于区分不同的污染源，已知不同污染源对应的特征污染物不同，若将所有的特征污染源进行统一分析，则直接会导致监测区域内污染源的数量大大降低；例如，废弃物焚烧点的气体特征污染物至少包括NOx、CO、SO2、二噁英及恶臭物质等，水泥项目的气体特征污染物至少包括SO2、NOx、粉尘等，钢铁冶炼项目的气体特征污染物至少包括烟尘、SO2、NOx、粉尘、H2S、NH3等，因此本步骤着力在于对污染源进行分类管理。
可选的，一些实施例也根据各特征污染物的实时浓度监测数据预先判定监测区域可能存在的污染源种类，对这类污染源进行优先分析处理，有助提升数据分析效率。
具体的，如图2所示，将对应污染源的多个三维变化态势图进行图像融合的过程包括如下步骤：
步骤S202，预设一位置信息的偏离范围；例如，以某一位置为圆心、半径1千米范围的区域。
步骤S204，分别获取各三维变化态势图中特征污染物的多个浓度中心的位置信息；本方案中为获取该特征污染物三维曲面的多个凸起山峰峰顶的经纬度数据。
步骤S206，选定一特征污染物，确定该特征污染物的任一浓度中心在偏离范围内其他特征污染物浓度中心的特征污染物数量；
上述步骤具体实施时，先确定一类待分析的污染源，选出对应该污染源的多个特征污染物的三维变化态势图；随后，分别将各个三维变化态势图中特征污染物对应的多个浓度中心的位置信息保留在对应的集合中；然后，挑选其中一个特征污染物对应的浓度中心位置信息集合，对集合中所有元素分别构建误差区间；最后，依次判断各个误差区间内包含的其他集合中元素的个数，以及元素分布的集合数；该集合数即对应步骤S206中的特征污染物数量。
步骤S208，在三维变化态势图中删除在偏离范围内其他特征污染物数量少于两种的浓度中心，并同步在其他特征污染物的三维变化态势图中删除部分污染物浓度中心；其中，删除的部分污染物浓度中心为不属于选定特征污染物保留的浓度中心偏离范围内的其他污染物浓度中心；
本步骤旨在于清理污染源判定过程的低贡献数据，让三维变化态势图中的数据变化更直管，进而图像融合时对污染源的判定结果更明确。已知，一种污染源的出现必然伴随不少于三种特征污染物的出现，故本实施例中，对只具有一/两种以下特征污染物构成的污染物山峰不进行污染源统计。原因在于，一种和/或两种特征污染物突然的浓度增大或积聚虽然指示一定的污染现象，这类现象的出现主要归因为监测区域的地理位置因素和气象因素、少量归因于实时检测数据的故障，显然不属于污染源存在的判定情况。
步骤S210，根据地理位置信息，对保留的各特征污染物的三维变化态势图进行图像融合。
可选的，本步骤的图像融合为合并在选定特征污染物浓度中心误差范围内的多种特征污染物的山峰体积，并在合并山峰上标注该浓度中心所具有的特征污染物的名称及浓度。
步骤S108，确定污染数据三维态势图中各污染源的区域地理位置信息，获取各污染源污染中心的位置信息；
不同污染源头由于监测区域的地理环境和气象因素的影响，各特征污染物具有不同传播效果，进而各污染源具有不同的波峰效果；确定污染源的区域地理位置信息，主要是确定污染源影响的空间范围，并最终根据确定的空间范围确定污染源的污染中心。由于任一特征污染物的监测数据在三维变化态势图中表现为三维曲面，故最终获得的对任一类污染源的污染数据在污染数据三维态势图中也表现为三维曲面，任一污染源的污染中心即为山峰高点处；获取各污染源污染中心的位置信息，在方案中即为获取山峰高点处的经纬度数据。
步骤S110，计算并判断各污染中心的位置信息在设定监测时间内的偏移数据与预设误差阈值的大小，并当偏移数据不小于预设误差阈值时，判定该污染中心为污染源头，否则该污染中心并非污染源头。
基于地理环境及气象因素的影响，通过特征污染物实时监测浓度判断污染源及污染中心的方案存在一定的误判几率，因此需要在连续时间内持续监测该污染中心，如连续半个小时内该污染中心的经纬度数据的变化范围在预设误差阈值内，则可确定该污染中心为该污染源的污染源头。
作为一可选的实施方式，实施例公开的大气污染源智能监测方法还包括：获取监测区域内已知的各污染源头的位置信息；根据获取的已知各污染源头的位置信息校准判定的各污染源头的准确性；根据已知各污染源头的位置信息与其对应判定的污染源头的位置信息的误差，校正其他判定污染源头的位置信息。具体的：根据污染数据三维态势图，构建包括各污染源的污染中心位置信息的第一数据集合；根据监测区域内已知的各污染源头的位置信息，构建包括各已知污染源头位置信息的第二数据集合，必然的，第二数据集合中的元素个数不超过第一数据集合中的元素个数；判定第二数据集合和第一数据集合中元素的重合率，通过该重合率判定实施例监测方法的准确率。准确率判定时，若第二数据集合中的一元素与第一数据集合中的一元素的偏离范围不超过预设的偏离范围，也判定该元素重合；可选的，预设的偏离范围可与步骤S202的偏离范围相等，也可以小于该偏离范围。
采用第二数据集合中元素校正第一数据集合的元素位置信息时，可先选出判定为重合的元素，计算两元素的位置信息偏差作为训练集训练一校正因子，再以第二数据集合中未与第一数据集合中重合的元素作为测试集，验证校正因子的准确性，进而应用于第一数据集合中其他元素的校正。本质上，该校正因子校正的偏移也是由于地理位置因素和气象因素导致的，但是实施例公开的方法避免采集这两类数据进一步复杂污染源监测的计算过程，直接应用已知污染源头的位置信息，计算及应用成本更低。
作为另一可选的实施方式，实施例公开的大气污染源智能监测方法在步骤S210图像融合后，还包括：根据污染源各特征污染物的浓度划分污染源的污染级别，预设各污染级别在污染数据三维态势图中的渲染颜色和报警级别；根据预设的渲染颜色和确定的污染中心各特征污染物的实时浓度监测数据，对获取的污染数据三维态势图进行颜色渲染，并在任一污染中心的污染级别达到报警级别时发出警报。该实施方式一方面用于将本方法的监测成果进行可视化展示时，明确区分各污染级别，例如污染级别从低到高依次用绿色、黄色、橙色、红色、紫色、褐红色作为渲染颜色；另一方面用做警示提示，帮助工作人员及时治理高污染区域的污染源头。
本发明上述实施例公开的大气污染源智能监测方法，实时统计各监测点的浓度监测数据构建污染数据三维态势图，有效分析与推测监测区域内整体的排放情况，不仅填补监管漏洞，且能实现对热点排放区域整体监控、污染物扩散趋势推算以及排放源解析等功能。本方法还能够同时结合物联网、智能采集系统、地理信息系统、动态图表系统等先进技术，整合、共享、开发，建立全面化、精细化、信息化、智能化的区域环境在线监测平台，实现对控制污染源无组织排放，减少大气污染等综合管理，为制定节能减排方案提供可靠的数据信息和科学的辅助管理决策；为环保部门的环境决策、环境管理、污染防治提供详实的数据资料和科学依据。
在本发明的实施例中，还提供一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的大气污染源智能监测方法。
上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，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)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体，如调制的数据信号和载波。
这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应于不同的步骤可以通过不同的模块来实现。
在本实施例中，就提供了这样一种装置/系统，该装置可以称为一种大气污染源智能监测装置，所述装置包括：第一获取模块，用于获取监测区域内大气污染的各特征污染物的实时浓度监测数据，所述实时监测数据由阵列布设在监测区域内的若干数据采集单元监测获得；构建模块，用于根据各特征污染物的实时浓度监测数据分别构建基于地理位置信息的三维变化态势图；图像融合模块，用于根据污染源的特征污染物分类，将对应污染源的多个三维变化态势图进行图像融合，获得对应污染源在监测区域内的污染数据三维态势图；第二获取模块，用于确定污染数据三维态势图中各污染源的区域地理位置信息，获取各污染源污染中心的位置信息；计算模块，用于计算并判断各污染中心的位置信息在设定监测时间内的偏移数据与预设误差阈值的大小，并当偏移数据不小于预设误差阈值时，判定该污染中心为污染源头，否则该污染中心并非污染源头。
该装置用于实现上述实施例中监测方法的步骤，已经进行说明的，在此不再赘述。
例如，该大气污染源智能监测装置还具有实现判定污染源头准确性和校正污染源头的多个功能模块，即还包括：第三获取模块，用于获取监测区域内已知的各污染源头的位置信息；校准模块，用于根据获取的已知各污染源头的位置信息校准判定的各污染源头的准确性；校正模块，用于根据已知各污染源头的位置信息与其对应判定的污染源头的位置信息的误差，校正其他判定污染源头的位置信息。
又例如，大气污染源智能监测装置的图像融合模块将对应污染源的多个三维变化态势图进行图像融合的过程包括如下执行单元：预设单元，用于预设一位置信息的偏离范围；获取单元，用于分别获取各三维变化态势图中特征污染物的多个浓度中心的位置信息；确定单元，用于选定一特征污染物，确定该特征污染物的任一浓度中心在偏离范围内其他特征污染物浓度中心的特征污染物数量；删除单元，用于在三维变化态势图中删除在偏离范围内其他特征污染物数量少于两种的浓度中心，并同步在其他特征污染物的三维变化态势图中删除部分污染物浓度中心；其中，删除的部分污染物浓度中心为不属于选定特征污染物保留的浓度中心偏离范围内的其他污染物浓度中心；融合单元，用于根据地理位置信息，对保留的各特征污染物的三维变化态势图进行图像融合。
又例如，大气污染源智能监测装置还具有区别污染源头污染级别和发出警报的功能模块，即还包括：污染划分模块，用于根据污染源各特征污染物的浓度划分污染源的污染级别，预设各污染级别在污染数据三维态势图中的渲染颜色和报警级别；颜色渲染及报警模块，用于根据预设的渲染颜色和确定的污染中心各特征污染物的实时浓度监测数据，对获取的污染数据三维态势图进行颜色渲染，并在任一污染中心的污染级别达到报警级别时发出警报。
本发明公开的大气污染源智能监测方法及装置，通过对大气环境中各特征污染物的实时监测数据构建三维变化态势图，根据不同污染源对应的特征污染物进行图像融合后确定污染中心，进而智能获取监测区域内所有可能的污染源，不仅能监测污染源的实时变化情况，且能探索不报备污染源，填补监管漏洞，保障规定的执行力度。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种大气污染源智能监测方法，其特征在于，包括：
获取监测区域内大气污染的各特征污染物的实时浓度监测数据，所述实时监测数据由阵列布设在监测区域内的若干数据采集单元监测获得；
根据实时浓度监测数据分别构建各特征污染物对应的基于地理位置信息的三维变化态势图；
根据污染源的特征污染物分类，将对应污染源的多个三维变化态势图进行图像融合，获得对应污染源在监测区域内的污染数据三维态势图；
确定污染数据三维态势图中各污染源的区域地理位置信息，获取各污染源污染中心的位置信息；
计算并判断各污染中心的位置信息在设定监测时间内的偏移数据与预设误差阈值的大小，并当偏移数据不小于预设误差阈值时，判定该污染中心为污染源头，否则该污染中心并非污染源头。
2.根据权利要求1所述的大气污染源智能监测方法，其特征在于，还包括：
获取监测区域内已知的各污染源头的位置信息；
根据获取的已知各污染源头的位置信息校准判定的各污染源头的准确性；
根据已知各污染源头的位置信息与其对应判定的污染源头的位置信息的误差，校正其他判定污染源头的位置信息。
3.根据权利要求1所述的大气污染源智能监测方法，其特征在于，将对应污染源的多个三维变化态势图进行图像融合的过程包括：
预设一位置信息的偏离范围；
分别获取各三维变化态势图中特征污染物的多个浓度中心的位置信息；
选定一特征污染物，确定该特征污染物的任一浓度中心在偏离范围内其他特征污染物浓度中心的特征污染物数量；
在三维变化态势图中删除在偏离范围内其他特征污染物数量少于两种的浓度中心，并同步在其他特征污染物的三维变化态势图中删除部分污染物浓度中心；其中，删除的部分污染物浓度中心为不属于选定特征污染物保留的浓度中心偏离范围内的其他污染物浓度中心；
根据地理位置信息，对保留的各特征污染物的三维变化态势图进行图像融合。
4.根据权利要求1所述的大气污染源智能监测方法，其特征在于，还包括：
根据污染源各特征污染物的浓度划分污染源的污染级别，预设各污染级别在污染数据三维态势图中的渲染颜色和报警级别；
根据预设的渲染颜色和确定的污染中心各特征污染物的实时浓度监测数据，对获取的污染数据三维态势图进行颜色渲染，并在任一污染中心的污染级别达到报警级别时发出警报。
5.根据权利要求1所述的大气污染源智能监测方法，其特征在于，所述各特征污染物包括PM10、PM2.5、SO2、NO2、CO、O3、VOCs、氯气、硫化氢、氨气。
6.一种大气污染源智能监测装置，其特征在于，包括：
第一获取模块，用于获取监测区域内大气污染的各特征污染物的实时浓度监测数据，所述实时监测数据由阵列布设在监测区域内的若干数据采集单元监测获得；
构建模块，用于根据实时浓度监测数据分别构建各特征污染物对应的基于地理位置信息的三维变化态势图；
图像融合模块，用于根据污染源的特征污染物分类，将对应污染源的多个三维变化态势图进行图像融合，获得对应污染源在监测区域内的污染数据三维态势图；
第二获取模块，用于确定污染数据三维态势图中各污染源的区域地理位置信息，获取各污染源污染中心的位置信息；
计算模块，用于计算并判断各污染中心的位置信息在设定监测时间内的偏移数据与预设误差阈值的大小，并当偏移数据不小于预设误差阈值时，判定该污染中心为污染源头，否则该污染中心并非污染源头。
7.根据权利要求6所述的大气污染源智能监测装置，其特征在于，还包括：
第三获取模块，用于获取监测区域内已知的各污染源头的位置信息；
校准模块，用于根据获取的已知各污染源头的位置信息校准判定的各污染源头的准确性；
校正模块，用于根据已知各污染源头的位置信息与其对应判定的污染源头的位置信息的误差，校正其他判定污染源头的位置信息。
8.根据权利要求6所述的大气污染源智能监测装置，其特征在于，所述图像融合模块将对应污染源的多个三维变化态势图进行图像融合的过程包括如下执行单元：
预设单元，用于预设一位置信息的偏离范围；
获取单元，用于分别获取各三维变化态势图中特征污染物的多个浓度中心的位置信息；
确定单元，用于选定一特征污染物，确定该特征污染物的任一浓度中心在偏离范围内其他特征污染物浓度中心的特征污染物数量；
删除单元，用于在三维变化态势图中删除在偏离范围内其他特征污染物数量少于两种的浓度中心，并同步在其他特征污染物的三维变化态势图中删除部分污染物浓度中心；其中，删除的部分污染物浓度中心为不属于选定特征污染物保留的浓度中心偏离范围内的其他污染物浓度中心；
融合单元，用于根据地理位置信息，对保留的各特征污染物的三维变化态势图进行图像融合。
9.根据权利要求6所述的大气污染源智能监测装置，其特征在于，还包括：
污染划分模块，用于根据污染源各特征污染物的浓度划分污染源的污染级别，预设各污染级别在污染数据三维态势图中的渲染颜色和报警级别；
颜色渲染及报警模块，用于根据预设的渲染颜色和确定的污染中心各特征污染物的实时浓度监测数据，对获取的污染数据三维态势图进行颜色渲染，并在任一污染中心的污染级别达到报警级别时发出警报。
10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在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时，实现如权利要求1-5中任一项所述的大气污染源智能监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045426.XA CN115436573B (zh) | 2022-08-30 | 2022-08-30 | 一种大气污染源智能监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045426.XA CN115436573B (zh) | 2022-08-30 | 2022-08-30 | 一种大气污染源智能监测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115436573A true CN115436573A (zh) | 2022-12-06 |
| CN115436573B CN115436573B (zh) | 2023-06-02 |
Family
ID=84245415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211045426.XA Active CN115436573B (zh) | 2022-08-30 | 2022-08-30 | 一种大气污染源智能监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115436573B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116359218A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种工业聚集区大气污染移动监测系统 |
| CN117054353A (zh) * | 2023-08-17 | 2023-11-14 | 山西低碳环保产业集团有限公司 | 一种大气污染源区域定位分析方法及系统 |
| CN117058549A (zh) * | 2023-08-21 | 2023-11-14 | 中科三清科技有限公司 | 一种多行业二次污染动态来源解析系统及解析方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006349468A (ja) * | 2005-06-15 | 2006-12-28 | Ritsumeikan | 土壌汚染分布推定システム、土壌汚染分布推定方法、及び土壌汚染分布推定プログラム |
| CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
| CN111121862A (zh) * | 2019-09-29 | 2020-05-08 | 广西中遥空间信息技术有限公司 | 一种空天地一体化的大气环境监测系统及方法 |
| CN112257354A (zh) * | 2020-10-30 | 2021-01-22 | 大连理工大学 | 一种动态风场条件下的空气污染源逆向定位方法 |
| US11109194B1 (en) * | 2020-06-27 | 2021-08-31 | Sas Institute Inc. | Location network analysis tool for predicting contamination change |
| CN114386735A (zh) * | 2020-11-10 | 2022-04-22 | 南京环宝信息技术有限公司 | 一种基于大数据分析实现的快速大气污染溯源方法 |
-
2022
- 2022-08-30 CN CN202211045426.XA patent/CN115436573B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006349468A (ja) * | 2005-06-15 | 2006-12-28 | Ritsumeikan | 土壌汚染分布推定システム、土壌汚染分布推定方法、及び土壌汚染分布推定プログラム |
| CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
| CN111121862A (zh) * | 2019-09-29 | 2020-05-08 | 广西中遥空间信息技术有限公司 | 一种空天地一体化的大气环境监测系统及方法 |
| US11109194B1 (en) * | 2020-06-27 | 2021-08-31 | Sas Institute Inc. | Location network analysis tool for predicting contamination change |
| CN112257354A (zh) * | 2020-10-30 | 2021-01-22 | 大连理工大学 | 一种动态风场条件下的空气污染源逆向定位方法 |
| CN114386735A (zh) * | 2020-11-10 | 2022-04-22 | 南京环宝信息技术有限公司 | 一种基于大数据分析实现的快速大气污染溯源方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116359218A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种工业聚集区大气污染移动监测系统 |
| CN116359218B (zh) * | 2023-06-02 | 2023-08-04 | 北京建工环境修复股份有限公司 | 一种工业聚集区大气污染移动监测系统 |
| CN117054353A (zh) * | 2023-08-17 | 2023-11-14 | 山西低碳环保产业集团有限公司 | 一种大气污染源区域定位分析方法及系统 |
| CN117054353B (zh) * | 2023-08-17 | 2024-03-19 | 山西低碳环保产业集团有限公司 | 一种大气污染源区域定位分析方法及系统 |
| CN117058549A (zh) * | 2023-08-21 | 2023-11-14 | 中科三清科技有限公司 | 一种多行业二次污染动态来源解析系统及解析方法 |
| CN117058549B (zh) * | 2023-08-21 | 2024-02-20 | 中科三清科技有限公司 | 一种多行业二次污染动态来源解析系统及解析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115436573B (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115436573B (zh) | 一种大气污染源智能监测方法及装置 | |
| CN112749478A (zh) | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 | |
| CN111125641B (zh) | 一种大气污染异常识别与成因分析方法、装置及存储介质 | |
| CN110909483A (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 | |
| CN106339974A (zh) | 一种市区大气污染物排放清单的建立方法 | |
| CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
| CN111930864B (zh) | 基于监测数据的网格化清单优化方法和装置 | |
| CN114218976B (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和系统 | |
| CN109085100B (zh) | 污染物浓度的确定方法及装置 | |
| CN116626233A (zh) | 基于多源数据融合的大气污染溯源方法、终端及存储介质 | |
| CN114819704A (zh) | 一种移动源污染物排放溯源方法及系统 | |
| CN109213840B (zh) | 基于多维特征深度学习的热点网格识别方法 | |
| CN114002381A (zh) | 一种大气污染溯源扩散分析方法及装置 | |
| Shiogama et al. | MIROC6 Large Ensemble (MIROC6-LE): experimental design and initial analyses | |
| Saniei et al. | Air quality classification and its temporal trend in Tehran, Iran, 2002-2012 | |
| CN114295778A (zh) | 一种基于火电厂烟气排放质量评价方法及评价系统 | |
| CN109613179B (zh) | 累积高值区的确定方法 | |
| CN114842380B (zh) | 一种火灾监测方法、装置、系统、存储器和处理器 | |
| Kaur et al. | Air pollution detection using modified traingularmutation based particle swarm optimization | |
| CN114689802B (zh) | 一种空气污染立体监测展示系统及方法 | |
| CN112129887A (zh) | 城市温室气体排放量的核算方法和装置 | |
| CN110555586A (zh) | 一种基于热点网格的生态监测方法及装置 | |
| CN112505247B (zh) | 空气质量分析方法、装置、设备及存储介质 | |
| Nejadkoorki et al. | INTEGRATING PASSIVE SAMPLING AND INTERPOLATION TECHNIQUES TO ASSESS THE SPATIO-TEMPORAL VARIABILITY OF URBAN POLLUTANTS USING LIMITED DATA SETS. | |
| CN109521155B (zh) | 质控方法及装置 |
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 |