CN115907509A - 一种大区域协同发布的aqhi指标体系构建方法与系统 - Google Patents
一种大区域协同发布的aqhi指标体系构建方法与系统 Download PDFInfo
- Publication number
- CN115907509A CN115907509A CN202211273237.8A CN202211273237A CN115907509A CN 115907509 A CN115907509 A CN 115907509A CN 202211273237 A CN202211273237 A CN 202211273237A CN 115907509 A CN115907509 A CN 115907509A
- Authority
- CN
- China
- Prior art keywords
- aqhi
- data
- index
- model
- index system
- 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
- 238000010276 construction Methods 0.000 title description 7
- 230000036541 health Effects 0.000 claims abstract description 65
- 230000000007 visual effect Effects 0.000 claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 34
- 239000013618 particulate matter Substances 0.000 claims description 26
- 239000003344 environmental pollutant Substances 0.000 claims description 23
- 231100000719 pollutant Toxicity 0.000 claims description 21
- 239000000809 air pollutant Substances 0.000 claims description 15
- 231100001243 air pollutant Toxicity 0.000 claims description 15
- 230000034994 death Effects 0.000 claims description 15
- 231100000517 death Toxicity 0.000 claims description 15
- 238000012800 visualization Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 239000000356 contaminant Substances 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 3
- 238000013502 data validation Methods 0.000 claims 2
- 238000002790 cross-validation Methods 0.000 claims 1
- 238000012106 screening analysis Methods 0.000 claims 1
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000003915 air pollution Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 230000001154 acute effect Effects 0.000 description 7
- 230000007774 longterm Effects 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000005183 environmental health Effects 0.000 description 4
- 230000008821 health effect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 201000006306 Cor pulmonale Diseases 0.000 description 1
- 241001658031 Eris Species 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Abstract
本发明涉及信息处理与空气质量健康风险监测技术领域，公开了一种大区域协同发布的AQHI指标体系构建方法与系统，该方法包括如下步骤：S1、构建一网络信息化系统；S2、构建AQHI指标体系模型，并交叉验证该模型，将其程序化，导入到程序服务器中；S3、导入各局部区域的数据，得到标准化数据导入给程序服务器；S4、程序云服务器得到大区域的AQHI指标体系结果，确定大区域通用性AQHI分级及健康建议；S5、各订阅用户接受WEB服务器实时发布的可视化结果或预警信息；S6、WEB服务器根据用户的设定，实时在大区域或局部区域内向各订阅用户推送。本发明可覆盖全国范围，跨区域实现具有可比性的数据处理和发布。
Description
技术领域
本发明属于信息处理与空气质量监测技术领域，具体涉及一种大区域协同发布的AQHI（空气质量健康指数）指标体系构建方法与系统。
背景技术
空气质量与人们的健康息息相关，随着社会发展，空气污染目前已经成为全世界面临的主要环境问题和公共卫生问题之一。空气质量对于人们健康的影响越来越受到重视，国内国际均对这一领域的技术问题进行了多方面的研究，也制定和发布了一些相关的政策指引，致力于提高对人民生命健康的安全保障。截至待目前为止，空气质量指数AQI是我国全国范围内统一向公众发布的大气污染预警的唯一健康指导性指标。但AQI在健康风险预警中存在不足，因此，国内国际都在研究新的指标体系即空气质量健康指数（AQHI）体系。空气质量健康指数AQHI是选择多种空气污染物的综合健康效应估计空气污染的健康影响，能够准确地反映污染物短期波动所致的急性健康效应，相比于其他指标更加综合评估空气污染对健康的影响。
目前，国内国际均出现了空气质量预报、空气质量发布及排行榜等公共服务产品，但是其均需要依据空气质量健康指数指标体系及采集的空气质量监测数据才能生成。最早开展空气质量健康风险指数研究的是南非，2007年南非开普半岛科技大学等基于“动态空气污染预报系统计划（Development of the Dynamic Air Pollution PredictionSystem, DAPPS）”研发出了APIS，并在南非开普敦市开展试点工作[9]；2008年加拿大政府基于APIS，对其加以改善在全球首次推出并发布了AQHI，同时传统的AQI被取代；随后Sicard等于2010年提出了ARI方法，并先后应用于法国东南部、希腊及荷兰。目前国际上的AQHI多建立在污染程度较低的地区。同时受制于数据的可得性，现有研究并未充分探讨指数对各类健康结局的适用性。
近些年，我国研究人员也对空气质量健康风险指数研究进行了探索，先后在我国香港、上海、北京、广州等地探索构建了AQHI。2012年陈仁杰等首先在上海构建了AQHI，随后有学者研究了AQHI在上海、北京、广州、兰州等地的构建；我国香港在2013年以AQHI取代API对外发布正式实施；2015年Hu等探索了中国北京、上海、广州等6地HAQI，旨在比较HAQI与AQI等的不同。随后，2016年广东省环境保护厅提出了建设AQHI新指标的规划；2019年7月浙江省丽水市生态环境局在北京顺利通过丽水市AQHI项目评审会，并于7月28日首先发布了试点县（云和县）的AQHI。我国目前尚无针对全国范围的AQHI，目前已有的广州、深圳、济南、丽水等城市的 AQHI，其指标体系具备较强的地方性，未充分考虑我国不同地区污染水平差异较大的特点，因此并不能在大区域范围推广应用，也不能实现跨区域的信息协同、使计算出（对外发布）的结果能够在不同区域之间进行对比。例如，现有技术中，中国发明专利申请202210084569.5公开的一种基于大数据的空气质量健康指数平台，其采用CS架构，通过获取本地逐日大气污染物浓度历史数据、同期气象数据以及居民健康数据，实时获取本地大气污染物数据，空气质量监测站点的地理位置和监测时间信息；构建暴露—反应关系评估模型，估算各项大气污染物与不同健康结局效应的暴露—反应关系系数β值,构建AQHI模型，实时获取AQHI,并进行分级预警,将实时获取的AQHI及其分级预警信息发送给本区域的用户。此外，该发明申请也不能提供指数变化的趋势分析，以及根据不同地区、同时期的趋势变化进行对比展示、直观和客观的进行对比、排名，并其进一步为长期趋势预测和进行未来的趋势预测打下基础，为预报（预警）提供技术支持。
因此，由于目前空气质量健康指数AQHI体系及采集的空气成分监测数据缺乏统一的标准，导致各地区、各城市之间单独生成发布的空气质量信息往往不具备可比性，在大区域（例如全国）范围内，需要建立一套标准统一的指标体系方法与数据采集标准，才能实现各个区域之间分析结果的可比性，避免误导社会公众，也避免影响各地方政府在制定大气环境治理政策时出现决策依据的偏差。
因此，研究开发一种新的可覆盖全国范围的大区域协同发布的AQHI指标体系构建方法与系统，通过网络实时发布更为全面、精准、公正的监测分析结果与预警信息，正确引导公众及政府的进行科学应对，具有重要的社会价值和意义。
发明内容
本发明的目的是针对现有技术的不足，提供一种可覆盖全国范围的大区域协同发布的AQHI指标体系构建方法与系统，通过构建新的指标体系、算法和标准化数据采集与处理，构建跨区域实现具有可比性的AQHI指标体系、数据处理平台和发布系统，由系统自动生成AQHI指标体系的可视化结果或预警信息，实时在大区域、局部区域内协同发布各区域均衡比较的排行和更为精准的预警信息。同时，能够提供长期的趋势分析，并且根据不同地区长期趋势，进行未来的趋势预测，为预报（预警）提供技术支持。
本发明解决其技术问题采用的技术方案是：
一种大区域协同发布的AQHI指标体系构建方法与系统，其特征在于：
S1、构建一网络信息化系统（其包括：数据云服务器、程序云服务器、WEB服务器+多个前端机+多个智能终端），并在程序云服务器中，设定组成大区域（国家）的各个局部区域（特定城市）；
S2、根据各局部区域可比性、数据通用性（共享）、模型普适性原则，构建AQHI指标体系模型，并交叉验证该模型，将其程序化，导入到程序服务器中；具体为：
S21、构建AQHI体系指数模型，包括：
设定纳入跨区域通用性空气污染物种类；
设定跨区域通用性暴露—反应关系的分析模型；
设定跨区域通用性分级阈值的分析模型；
设定跨区域通用性多套待筛选分级指数的筛选分析模型；
S22、设定AQHI体系指数模型验证顺序
健康风险指示能力验证；
AQHI计算结果与AQI计算结果的比较验证；
AQHI计算结果与重污染事件的比较验证；
S23：将实时获取的各区域空气污染物的实时监测数据分别代入到各分析模型，并将其计算获得的结果分别与对应的实际发生的数据相比较，从多套待筛选分级指数中，筛选出符合度高的一套或者多套分级指数；
S3、导入各局部区域的数据，到数据服务器中，进行分析处理、得到标准化数据，导入给程序服务器；
S31：各数据云服务器定时自动采集、处理数据，得到大气污染监测或预报数据，并导入到程序云服务器中；
S4、程序云服务器根据AQHI指标体系模型程序和导入的数据，进行实现指数监测和趋势分析运算得到各局部区域的AQHI指标体系结果，同时将各局部AQHI指标体系的结果进行汇总、比较计算，得到大区域的AQHI指标体系结果，确定大区域通用性AQHI分级及健康建议；
S41：程序云服务器根据刷新的数据，根据内置的分级预警模型，进行快速清理与串联运算，定时计算、刷新指数监测和趋势分析结果，自动生成AQHI指标体系的可视化结果或预警信息，并输出至WEB服务器；
S5、各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域等信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息；
S51：WEB服务器实时在大区域和局部区域内，同步向订阅用户协同发布AQHI指标体系的可视化结果或预警信息；
S6、WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息，并且进一步根据用户的设定，实时在大区域或局部区域内向各订阅用户推送。
一种实施前述的方法的大区域协同发布的AQHI指标体系系统，其特征在于：其为一网络信息化系统，其根据AQHI监测数据及内置程序生成指数监测可视化数据和趋势分析可视化数据，其包括基于互联网连接的：数据云服务器、程序云服务器、WEB服务器、多个前端机、多个智能终端，并在程序云服务器中，设定组成大区域（国家）的各个局部区域（特定城市）；所述的程序云服务器中内置有经过交叉验证的AQHI指标体系模型程序；所述的程序云服务器根据AQHI指标体系模型程序和导入的数据，进行分析、比较计算，得到大区域的AQHI指标体系结果，以可视化的方式输出得到大区域通用性AQHI分级及健康建议；WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息；各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域等信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息。
与现有技术相比，本发明具有以下突出优点：
（1）本发明提供的可覆盖全国范围的大区域协同发布的AQHI指标体系构建方法与系统，通过构建新的指标体系、算法和标准化数据采集与处理，构建跨区域实现具有可比性的AQHI指标体系、数据处理平台和发布系统，由系统自动生成AQHI指标体系的可视化结果或预警信息，实时在大区域、局部区域内协同发布各区域均衡比较的排行和更为精准的预警信息。同时，能够提供长期的趋势分析，并且根据不同地区长期趋势，进行未来的趋势预测，为预报（预警）提供技术支持。
（2）本发明解决了如下的技术问题：构建具有通用性、普适性、可比性AQHI指标体系模型，通过信息化系统，分布式数据采集，采用新的指标体系模型，集中数据处理和分析，定制化输出；以兼顾大区域（全国）、局部区域（各城市）的AQHI指标体系的可视化结果或预警信息发布；通过新的指标体系、算法和标准化数据采集与处理，构建出跨区域实现具有可比性的AQHI指标体系、数据处理平台和发布系统；由系统自动生成AQHI指标体系的可视化结果或预警信息，实时在大区域、局部区域内协同发布各区域均衡比较的预警信息。
（3）本发明提供的可覆盖全国范围的大区域协同发布的AQHI指标体系构建方法与系统，基于面对全国范围构建AQHI的通用性需求，充分考虑了我国不同地区污染水平差异较大的特点，在目前已有的广州、深圳、济南、丽水等城市的 AQHI的基础上 ，通过多个方面的改进，使新构建的指标体系具备大区域内的通用性，克服了各地方性体系的不足，使其能在全国的大区域范围推广应用，也可以实现跨区域的信息协同，使计算出（对外发布）的结果能够在不同区域之间进行客观的数据指标对比。
（4）本发明提供的大区域协同发布的AQHI指标体系构建方法与系统，能基于大区域范围内采集的实时数据，提供不同时间长度的指数变化的趋势分析，以及根据不同地区、同时期的趋势变化进行对比展示、直观和客观的进行对比、排名，并进一步为长期趋势预测和进行未来的趋势预测打下基础，为不同时间长度的预报（预警）提供技术支持。
（5）本发明通过指标体系、污染物、模型改进、数据处理等多方面的改进，为目前空气质量健康指数（AQHI）体系及采集的空气成分监测数据处理提供一个统一的标准，使各地区、各城市之间单独生成发布的空气质量信息具备可比性，在大区域（例如全国）范围内，可以建立一套标准统一的指标体系方法与数据采集标准，从而实现各个区域之间分析结果的可比性，避免误导社会公众，也避免影响各地方政府在制定大气环境治理政策时出现决策依据的偏差。
（6）本发明具有较强的跨区域通用性、普适性，采用本发明的技术方案，可以建设面向全国的大气污染急性健康数据管理与共享平台，形成环境健康数据库与技术体系。基于“互联网+”实现大气污染急性健康风险在线监测、风险评估及预警，并利用可视化系统动态展示全国、重点城市、区县风险等级，支持各地区可视化决策；能够支持各点位用户通过调用数据和简单设置参数后一键导出本地AQHI，有利于为各区域地方推进落实空气健康风险评估和预警提供技术支撑。
附图说明
图1是本发明实施例AQHI全国协同发布系统页面及流程示意图；
图2是本发明实施例AQHI体系构建方法的流程示意图；
图3是本发明实施例AQHI自动化计算工具包的模块及流程示意图；
图4是本发明实施例全国AQHI监测系统主要监测站点分布示意图。
图5是本发明实施例全国分布模块的页面及功能示意图。
图6是本发明实施例重点城市功能模块的页面示意图。
图7是本发明实施例城市排名模块的页面示意图。
图8是本发明实施例城市对比模块的页面示意图。
图9是本发明实施例合肥市试点AQHI发布平台的系统页面示意图。
图10是本发明实施例江苏省试点AQHI发布平台的系统页面示意图。
图11是本发明实施例河南省省域AQHI发布平台的系统页面示意图。
具体实施方式
下面结合附图和具体实施例对本发明进一步说明。
实施例：
请参见附图1-2，本发明提供的大区域协同发布的AQHI指标体系构建方法，其包括如下步骤：
S1、构建一网络信息化系统，其包括：数据云服务器、程序云服务器、WEB服务器、多个前端机、多个智能终端，并在程序云服务器中，设定组成大区域（整个国家）的各个局部区域（例如某特定城市）；
S2、根据各局部区域可比性、数据通用性（共享）、模型普适性原则，构建AQHI指标体系模型，并交叉验证该模型，将其程序化，导入到程序服务器中；具体为：
S21、构建AQHI体系指数模型，包括：
设定纳入跨区域通用性空气污染物种类；
设定跨区域通用性暴露—反应关系的分析模型；
设定跨区域通用性分级阈值的分析模型；
设定跨区域通用性多套待筛选分级指数的筛选分析模型；
S22、设定AQHI体系指数模型验证顺序
健康风险指示能力验证；
AQHI计算结果与AQI计算结果的比较验证；
AQHI计算结果与重污染事件的比较验证；
S23、将实时获取的各区域空气污染物的实时监测数据分别代入到各分析模型，并将其计算获得的结果分别与对应的实际发生的数据相比较，从多套待筛选分级指数中，筛选出符合度高的一套或者多套分级指数；
S3、导入各局部区域的数据，到数据服务器中，进行分析处理、得到标准化数据，导入给程序服务器；
S31、各数据云服务器定时自动采集、处理数据，得到大气污染监测或预报数据，并导入到程序云服务器中；
S4、程序云服务器根据AQHI指标体系模型程序和导入的数据，进行实现指数监测和趋势分析运算得到各局部区域的AQHI指标体系结果，同时将各局部AQHI指标体系的结果进行汇总、比较计算，得到大区域的AQHI指标体系结果，确定大区域通用性AQHI分级及健康建议；
S41、程序云服务器根据刷新的数据，根据内置的分级预警模型，进行快速清理与串联运算，定时计算、刷新指数监测和趋势分析结果，自动生成AQHI指标体系的可视化结果或预警信息，并输出至WEB服务器；
S5、各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域等信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息；
S51、WEB服务器实时在大区域和局部区域内，同步向订阅用户协同发布AQHI指标体系的可视化结果或预警信息；
S6、WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息，并且进一步根据用户的设定，实时在大区域或局部区域内向各订阅用户推送。
一种实施前述的方法的大区域协同发布的AQHI指标体系系统，其为一网络信息化系统，其根据AQHI监测数据及内置程序生成指数监测可视化数据和趋势分析可视化数据，其包括基于互联网连接的：数据云服务器、程序云服务器、WEB服务器、多个前端机、多个智能终端，并在程序云服务器中，设定组成大区域（国家）的各个局部区域（特定城市）；所述的程序云服务器中内置有经过交叉验证的AQHI指标体系模型程序；所述的程序云服务器根据AQHI指标体系模型程序和导入的数据，进行分析、比较计算，得到大区域的AQHI指标体系结果，以可视化的方式输出得到大区域通用性AQHI分级及健康建议；WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息；各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域等信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息。
实施例1
本实施例是面向全国区域范围，在前述实施例提供方案的基础上，具体提供能够覆盖全国的大区域协同发布的AQHI指标体系构建方法与系统。
请参见附图1-11，本发明实施例提供的方案，是基于环境健康风险评估5省5市试点，遴选的21个城市开展空气质量健康指数发布试点工作采集的数据和建设的信息化系统为基础，详细说明空气质量健康指数AQHI指标体系的构建方法，以及建成的数据共享和协同发布WEB平台。
本实施例提供的大区域协同发布的AQHI指标体系构建方法与系统，其包括如下步骤及内容：
一、构建信息化系统
参见附图1，构建一大区域协同发布的AQHI指标体系系统，其为一网络信息化系统，其根据AQHI监测数据及内置程序生成指数监测可视化数据和趋势分析可视化数据，其包括基于互联网连接的：数据云服务器、程序云服务器、WEB服务器、多个前端机、多个智能终端，并在程序云服务器中，设定组成大区域（国家）的各个局部区域（特定城市）；所述的程序云服务器中内置有经过交叉验证的AQHI指标体系模型程序；所述的程序云服务器根据AQHI指标体系模型程序和导入的数据，进行分析、比较计算，得到大区域的AQHI指标体系结果，以可视化的方式输出得到大区域通用性AQHI分级及健康建议；WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息；各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域等信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息。
二、进行AQHI的构建与验证
具体AQHI构建与验证工作流程如附图2所示。
2.1暴露—反应关系计算模型及方法
2.1.1 采集的数据来源和内容
主要收集数据类型包括：2013-2018年全国280个区县死因数据，根据ICD-10划分为非意外总死亡（ICD-10：A00-R99）、循环系统疾病（ICD-10：I00-I99）和呼吸系统（ICD-10：J00-J99）逐日死亡例数；2013-2018年北京、天津市15所医院分院逐日全因（ICD-10：A00-Z99）门诊数据。此外，计算AQHI过程中还利用了2013-2018年北京市13所医院分院逐日非意外、循环系统疾病和呼吸系统疾病住院数据，以及2013-2018年山东省14个城市逐日冠心病住院数据（ICD-10：I20-I25）。
其中不同类型健康结局指标匹配了同期空气污染物日均浓度数据以及温度、湿度数据小时值数据。为构建适用于全国范围的AQHI，环境所收集并利用了全国635个区县PM2.5，O3，NO2和SO2共4种污染物的逐日污染均值浓度，单位均为μg/m3。计算AQHI实时值时，收集PM2.5、O3、NO2、SO2的当小时、前1小时、前2小时的浓度数据；计算AQHI日值时，收集前1日PM2.5、O3、NO2、SO2的小时浓度数据；计算AQHI预测值时，收集PM2.5、O3、NO2、SO2未来3日的预测浓度数据。
2.1.2 暴露—反应关系计算
首先，用中国280区县死因和空气污染数据，考虑各空气污染物独立健康效应，建立了双污染物与非意外死亡之间的暴露—反应关系模型，见式1。双污染物模型中各变量自由度及滞后调整见表1。
对于总体人群来讲，因非意外情况下疾病死亡的情况属于小概率事件，该分布近似服从泊松分布(Poisson distribution)，故拟合泊松回归的半参数广义相加模型（GAM）建立暴露—反应关系。基本模型如下：
式1
式1中，
Y t —— 第t日中国280区县死亡人数；
E(
Y t )——第t日中国280区县死亡人数的期望值；
β——回归系数，即空气污染物的单位增量所导致的中国280区县死亡的超额死亡率；
AP t ——
t日空气污染物浓度；
tmean—— 当日温度日均值；
rh—— 当日相对湿度均值；
time—— 长期时间趋势；
dow—— 星期几效应；
表1 双污染物模型中各变量自由度及滞后调整
2.2.2 ER值的计算
2.2.2.1 实时值计算
设通过式1计算得到的四种各污染物
β值为：PM2.5：0.00018-0.00033；O3:0.00021-0.00044；NO2: 0.00009-0.00044；SO2: 0.00017-0.00054；
即ER实时值计算公式为：
（式2）
式2中：
ER j，t ——
j地区
t时的
ER；
PM 2.5 、O 3 、NO 2 、SO 2 ——
j地区污染物PM2.5、O3、NO2、SO2在
t-2时至
t时的算术平均浓度；如缺少任意污染物的3小时算术平均浓度数据，则
t时段
ER缺失。
β1~β4的取值分别为：β1: 0.00018-0.00033、β2: 0.00021-0.00044、β3:0.00009-0.00044、β4:0.00017-0.00054
2.2.2.2 日值计算
ER日值按式2计算，式中：
ER j，t ——
j地区
t日的
ER，ER值四舍五入保留一位小数；
PM 2.5 、O 3 、NO 2 、SO 2 ——
j地区污染物PM2.5、O3、NO2、SO2在
t-1日的24小时算术平均浓度；如任意污染物在
t-1日的日均浓度数据缺失，则
t日
ER缺失。
2.2.2.3 预报值计算
ER预报值按式2计算，式中：
ER j，t ——
j地区
t日的
ER；
PM 2.5 、O 3 、NO 2 、SO 2 ——
j地区污染物PM2.5、O3、NO2、SO2在
t日的浓度；如任意污染物在
t日的浓度数据缺失，则
t日
ER缺失。
2.2.3 进行AQHI验证
2.2.3.1 健康风险指示能力
根据北京市天津市11家医院的总疾病别门诊数据，北京30家医院的总疾病别住院数据和山东省14城市冠心病住院数据，全国280区县的总疾病别、循环系统疾病、呼吸系统疾病死因数据以及31省57城市107区县9997名小学生的肺功能变化数据验证AQHI是否能准确预测相对的健康风险。
2.2.3.2 AQHI与AQI比较
通过AQI与AQHI进行对比验证AQHI的准确性与先进性，可以通过比较两者频率分布A趋势是否基本一致，或者通过比较AQHI各级别、各污染物浓度分布与AQI各级别的阈值是否一致，最后也可以通过比较两者暴露—反应关系结果，判断AQHI风险指示能力是否优于AQI。
2.2.3.3 AQHI与重污染事件关系
AQHI可灵敏指示重污染事件，因此可通过观测AQHI结果是否与重污染事件发生一致来验证AQHI计算是否准确。
2.2 AQHI分级及健康建议
2.2.1 AQHI分级
根据ER的数值，将AQHI分为五级健康风险，分别为：一级（ER<=2.0） 二级（2.0<ER<=5.0）、三级（5.0<ER<=10.0）、四级（10.0<ER<=20.0）、五级（ER>20.0）。
空气质量健康指数级别根据表1规定进行划分。
表1 AQHI计算方法
2.2.2 健康活动（户外活动）建议
根据AQHI等级，给出敏感人群（心肺疾病患者和老人及儿童）和健康人群相关健康建议，具体见表2。
表2 AQHI分级及其健康建议
三、自动化计算（风险预警）工具包
参见附图3，基于我国大气污染与健康的暴露—反应关系构建和验证了适用于我国人群的AQHI，该指数可结合大气污染物浓度得到实时或预报的AQHI信息，提示可能造成的人群健康风险等级。环境所开发形成了“我国大气污染的急性健康风险研究平台”，同步配套开发的技术指南和软件工具包已投入试点使用。建立集成了多维度环境与健康相关数据、暴露—反应关系、风险评估和预警工具及可视化分析的大气污染急性健康数据管理与共享平台，形成环境健康数据库与技术体系。基于“互联网+”实现大气污染急性健康风险在线监测、风险评估及预警，并利用可视化系统动态展示全国、重点城市、区县风险等级，支持各地区可视化决策。
其中风险预警工具包已嵌套入“我国大气污染的急性健康风险研究平台”上，能够支持各点位用户通过调用数据和简单设置参数后一键导出本地AQHI，有利于为各地方推进落实健康风险评估和预警提供技术支撑，如图2所示。工具包目前包括任务管理模块、文件上传模块、参数设定模块和计算模块，还可对于基于系统导出的AQHI计算结果与线下人工计算结果进行核对验证，发现系统结果准确、可靠。
四、大区域协同可视化发布平台
参见附图4，全国AQHI监测系统主要监测站点。
本发明提供的AQHI监测可视化平台能够实现指数监测和趋势分析两类可视化功能，全国主要监测站点可视化平台显示如图3所示。其中指数监测部分主要包括以下三个模块：1）依托百度地图展示全国主要城市及城市内监测点AQHI的全国分布情况展示模块。2）依托行政区划图展示各省、区AQHI均值的省份分布情况展示模块。3）展示城市日AQHI变化趋势和分布情况的重点城市展示模块。趋势分析部分主要包括以下两个模块：①展示城市/省AQHI排名情况的城市排名展示模块；②对不同城市AQHI日值变化趋势和分布情况进行对比的城市对比展示模块。
（1）全国分布情况展示功能模块：本模块可以查询全国范围或指定区域或指定城市在某个指定日期范围内的AQHI、PM2.5、SO2、NO2、O3数据并进行可视化展示。还具备动态播放功能，如图5所示。
（3）重点城市展示功能模块：本功能模块展示城市日AQHI变化趋势和分布情况，如图6所示。
（4）城市排名展示模块：本模块可以展示指定月份的AQHI城市/省份排名情况，同时在全国地图上展示月均值，如图7所示。
（5）城市对比展示模块：对选择的两个城市AQHI日值变化趋势和分布情况进行对比，如图8所示。
五、全国及各区域（城市）的试点应用
参见附图1，AQHI全国协同发布的工作页面。本发明根据各试点的实际情况和个性化需求，我国空气质量健康指数的共享目前主要采用两种方式：一是采用环境所提供指数数值，试点开发可视化界面的方式；二是采用支持试点自行对接空气污染数据并根据环境所提供计算方法计算指数并开发可视化界面的方式。
空气质量健康指数是卫生健康部门首个面向公众的环境健康指引类交流工具。目前，已有2个省级疾控中心、7个市级疾控中心在单位官方网站上实时发布当地空气污染健康指数，其中还有4个城市同时使用微信平台发布，实际试点发布城市24个。空气质量健康指数的发布受到了公众和媒体的广泛关注。该指数指导公众基于空气质量健康指数，积极采取科学合理的健康防护措施，有效降低空气污染对自身的健康影响。指数的发布满足了疾控中心提供了公共卫生服务的需求，满足了公众知晓需求，满足了政府的决策支撑需求。AQHI全国协同发布过程如图8所示，合肥市试点、江苏省试点以及河南省省域实时发布AQHI发布平台分别如图9、图10、图11所示。
上述实施例，所描述的仅仅是本发明一部分实施例，而不是全部实施例。在其他实施例中，在本发明所记载的范围内，选择其他类似的空气污染物、指数、数据、模型、信息化系统架构等得到技术方案，也可以达到本发明记载的技术效果，因此不再将其一一列出。同时，基于本发明上述实施例，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变更或修饰，都属于本申请权利要求的保护范围。
Claims (10)
1.一种大区域协同发布的AQHI指标体系构建方法，其特征在于，其包括如下步骤：
S1、构建一网络信息化系统，并在程序云服务器中，设定组成大区域的各个局部区域；
S2、根据各局部区域可比性、数据通用性、模型普适性原则，构建AQHI指标体系模型，并交叉验证该模型，将其程序化，导入到程序服务器中；
S3、导入各局部区域的数据，到数据服务器中，进行分析处理、得到标准化数据，导入给程序服务器；
S4、程序云服务器根据AQHI指标体系模型程序和导入的数据，进行实现指数监测和趋势分析运算得到各局部区域的AQHI指标体系结果，同时将各局部AQHI指标体系的结果进行汇总、比较计算，得到大区域的AQHI指标体系结果，确定大区域通用性AQHI分级及健康建议；
S5、各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息；
S6、WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息，并且进一步根据用户的设定，实时在大区域或局部区域内向各订阅用户推送。
2.根据权利要求1所述的大区域协同发布的AQHI指标体系构建方法，其特征在于，其还包括如下步骤：
S31：各数据云服务器定时自动采集、处理数据，得到大气污染监测或预报数据，并导入到程序云服务器中；
S41：程序云服务器根据刷新的数据，根据内置的分级预警模型，进行快速清理与串联运算，定时计算、刷新指数监测和趋势分析结果，自动生成AQHI指标体系的可视化结果或预警信息，并输出至WEB服务器；
S51：WEB服务器实时在大区域和局部区域内，同步向订阅用户协同发布AQHI指标体系的可视化结果或预警信息。
3.根据权利要求1所述的大区域协同发布的AQHI指标体系构建方法，其特征在于，所述的步骤S2，构建AQHI体系指数模型并验证，具体包括如下步骤：
S21、构建AQHI体系指数模型包括：
设定纳入跨区域通用性空气污染物种类；
设定跨区域通用性暴露—反应关系的分析模型；
设定跨区域通用性分级阈值的分析模型；
设定跨区域通用性多套待筛选分级指数的筛选分析模型；
S22、设定AQHI体系指数模型验证顺序
健康风险指示能力验证；
AQHI计算结果与AQI计算结果的比较验证；
AQHI计算结果与重污染事件的比较验证；
S23：将实时获取的各区域空气污染物的实时监测数据分别代入到各分析模型，并将其计算获得的结果分别与对应的实际发生的数据相比较，从多套待筛选分级指数中，筛选出符合度高的一套或者多套分级指数。
4.根据权利要求2所述的大区域协同发布的AQHI指标体系构建方法，其特征在于，所述的步骤S21构建AQHI体系指数模型，具体包括如下步骤：
S211：设定纳入跨区域通用性空气污染物种类为：PM2.5、O3、 NO2、 SO2，与分别对应的共存污染物O3、PM2.5、PM2.5、PM2.5；
其中污染物的分析对象类型包括：单污染物、双污染物；
S212：设定跨区域通用性暴露—反应关系的分析模型为式1：
式1
式1中，
Y t —— 第t日中国280区县死亡人数；
E(Y t )——第t日中国280区县死亡人数的期望值；
β——回归系数，即空气污染物的单位增量所导致的中国280区县死亡的超额死亡率；
AP t ——t日空气污染物浓度；
tmean —— 当日温度日均值；
rh ——当日相对湿度均值；
time —— 长期时间趋势；
dow —— 星期几效应；
S213：设定跨区域通用性分级阈值的分析模型包括多个ER值计算模型，包括ER实时值计算模型、日值计算模型和预报值计算模型，其中：
ER实时值计算模型为：
通过式1计算得到的四种各污染物β值为：PM2.5：0.00018-0.00033；O3:0.00021-0.00044；NO2:0.00009-0.00044；SO2:0.00017-0.00054；
则ER实时值计算公式为：
式2
式2中：
ER j，t —— j地区t时的ER， ER四舍五入保留一位小数；
PM 2.5 、O 3 、NO 2 、SO 2 —— j地区污染物PM2.5、O3、NO2、SO2在t－2时至t时的算术平均浓度；如缺少任意污染物的3小时算术平均浓度数据，则t时段ER缺失；
β1~β4的取值分别为：β1: 0.00018-0.00033、β2: 0.00021-0.00044、β3: 0.00009-0.00044、β4:0.00017-0.00054；
则日值计算模型为：
ER日值按式2计算，式中：
ER j，t ——j地区t日的ER；
PM 2.5 、O 3 、NO 2 、SO 2 ——j地区污染物PM2.5、O3、NO2、SO2在t－1日的24小时算术平均浓度；如任意污染物在t-1日的日均浓度数据缺失，则t日ER缺失；
则预报值计算模型为：
ER预报值按式2计算，式中：
ER j，t ——j地区t日的ER；
PM 2.5 、O 3 、NO 2 、SO 2 ——j地区污染物PM2.5、O3、NO2、SO2在t日的浓度；如任意污染物在t日的浓度数据缺失，则t日ER缺失；
S214：设定跨区域通用性多套待筛选分级指数的筛选分析模型为：
式3
式3中，
Y t —— 第t日中国280区县死亡人数/住院人数/门诊人数；
E(Y t )——第t日中国280区县死亡人数的期望值；
β——回归系数，即每增加一个AQHI级别，健康风险增加的系数；
AQHI t ——t日AQHI等级；
tmean —— 当日温度日均值；
rh ——当日相对湿度均值；
time —— 长期时间趋势；
dow —— 星期几效应；
根据所得暴露—反应关系，选择暴露—反应关系系数较大的分级方法。
5.根据权利要求4所述的大区域协同发布的AQHI指标体系构建方法，其特征在于，所述步骤S21中AQHI体系指数模型的交叉验证，具体包括如下步骤：
S215：健康风险指示能力验证，比较AQHI是否能准确预测相对的健康风险，包括：
功能改变风险数据验证；
门诊风险数据验证；
住院风险数据验证；
死亡风险数据验证；
S216：
AQHI计算结果与AQI计算结果的比较验证：
通过AQI与AQHI进行对比验证AQHI的准确性与先进性，可以通过比较两者频率分布A趋势是否基本一致，或者通过比较AQHI各级别、各污染物浓度分布与AQI各级别的阈值是否一致，最后也可以通过比较两者暴露—反应关系结果，判断AQHI风险指示能力是否优于AQI；
S217：
AQHI计算结果与重污染事件的比较验证：
通过观测AQHI结果是否与重污染事件发生一致来验证AQHI计算是否准确。
6.根据权利要求4所述的大区域协同发布的AQHI指标体系构建方法，其特征在于，步骤S4还包括：
S41：AQHI分级方法为：
根据ER的数值，将AQHI分为五级=，分别为：一级ER<=2.0、 二级2.0<ER<=5.0、三级5.0<ER<=10.0、四级10.0<ER<=20.0、五级ER>20.0；
S42：根据AQHI分级得到的各个等级，对应给出敏感人群和健康人群相关健康建议。
7.根据权利要求4所述的大区域协同发布的AQHI指标体系构建方法，其特征在于，步骤S6还包括如下步骤：
S61：WEB服务器根据收到的用户订阅信息，在系统中新建任务；
S62：引导用户进行所需地区的参数选择；
S63：将用户的请求转发给程序云服务器，调取内置程序与所需数据，自动匹配与计算，并将计算结果反馈给WEB服务器；
S64：WEB服务器在页面中生成所需地区的AQHI指标体系的可视化结果或预警信息，各该订阅用户推送。
8.一种实施权利要求1-7任一项所述的方法的大区域协同发布的AQHI指标体系系统，其特征在于：其为一网络信息化系统，其根据AQHI监测数据及内置程序生成指数监测可视化数据和趋势分析可视化数据，其包括基于互联网连接的：数据云服务器、程序云服务器、WEB服务器、多个前端机、多个智能终端，并在程序云服务器中，设定组成大区域的各个局部区域；所述的程序云服务器中内置有经过交叉验证的AQHI指标体系模型程序；所述的程序云服务器根据AQHI指标体系模型程序和导入的数据，进行分析、比较计算，得到大区域的AQHI指标体系结果，以可视化的方式输出得到大区域通用性AQHI分级及健康建议；WEB服务器根据各订阅用户的设定，自动生成AQHI指标体系的可视化结果或预警信息；各订阅用户通过各前端机或者智能终端，通过访问WEB服务器，设定其接受AQHI指标体系的区域信息；接受WEB服务器实时发布的AQHI指标体系的可视化结果或预警信息。
9.根据权利要求8所述的大区域协同发布的AQHI指标体系系统，其特征在于，其程序云服务器的内置程序还包括：指数监测结果可视化单元及趋势分析结果可视化单元；其中，指数监测结果可视化单元包括三个主要模块：基于百度地图展示全国主要城市及城市内监测点AQHI的全国分布情况展示模块；基于行政区划图展示各省、区AQHI均值的省份分布情况展示模块；展示城市日AQHI变化趋势和分布情况的重点城市展示模块；趋势分析结果可视化单元包括以下两个主要模块：展示城市/省AQHI排名情况的城市排名展示模块；对不同城市AQHI日值变化趋势和分布情况进行对比的城市对比展示模块。
10.根据权利要求8所述的大区域协同发布的AQHI指标体系系统，其特征在于，所述的各前端机级智能终端，内置有工具包程序，该程序包括：任务管理模块、文件上传模块、参数设定模块和计算模块，通过该工具包程序，用户可对于基于系统导出的AQHI计算结果与线下人工计算结果进行核对验证，各自独立验证系统输出结果的是否准确、可靠。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211273237.8A CN115907509A (zh) | 2022-10-18 | 2022-10-18 | 一种大区域协同发布的aqhi指标体系构建方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211273237.8A CN115907509A (zh) | 2022-10-18 | 2022-10-18 | 一种大区域协同发布的aqhi指标体系构建方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115907509A true CN115907509A (zh) | 2023-04-04 |
Family
ID=86491665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211273237.8A Pending CN115907509A (zh) | 2022-10-18 | 2022-10-18 | 一种大区域协同发布的aqhi指标体系构建方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115907509A (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004038602A1 (en) * | 2002-10-24 | 2004-05-06 | Warner-Lambert Company, Llc | Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications |
| CN102222172A (zh) * | 2011-06-28 | 2011-10-19 | 哈尔滨工业大学 | 一种跨界突发性水环境污染事故危害的实时定量判定方法 |
| KR101529549B1 (ko) * | 2014-02-05 | 2015-06-19 | 건국대학교 산학협력단 | 삼림욕 공기질 건강지수 제공시스템 |
| CN105527232A (zh) * | 2015-12-07 | 2016-04-27 | 太原理工大学 | 一种空气质量等级判别系统及控制方法 |
| CN107609337A (zh) * | 2017-10-19 | 2018-01-19 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种空气质量健康指数发布和个性化预警方法 |
| CN107863150A (zh) * | 2017-10-19 | 2018-03-30 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种基于Web的雾霾天气人群健康暴露反应关系分析方法 |
| CN108198629A (zh) * | 2018-03-06 | 2018-06-22 | 云南省疾病预防控制中心 | 一种传染病跨境输入传播风险自动评估系统及方法 |
| CN108681990A (zh) * | 2018-04-04 | 2018-10-19 | 高明合 | 一种实时雾霾预警方法及系统 |
| CN110161183A (zh) * | 2019-05-30 | 2019-08-23 | 广东柯内特环境科技有限公司 | 一种空气质量监测方法 |
| CN111325406A (zh) * | 2020-03-03 | 2020-06-23 | 广东省公共卫生研究院 | 一种基于小空间尺度的热相关健康风险预警方法 |
| CN113380404A (zh) * | 2021-03-01 | 2021-09-10 | 广州市疾病预防控制中心(广州市卫生检验中心、广州市食品安全风险监测与评估中心、广州医科大学公共卫生研究院) | 一种多区域空气质量健康指数融合的方法 |
| US20220004913A1 (en) * | 2017-07-07 | 2022-01-06 | Osaka University | Pain determination using trend analysis, medical device incorporating machine learning, economic discriminant model, and iot, tailormade machine learning, and novel brainwave feature quantity for pain determination |
| CN114236075A (zh) * | 2021-12-14 | 2022-03-25 | 中国地质调查局水文地质环境地质调查中心 | 一种地下水污染可视化监测和预警系统及方法 |
| CN114440386A (zh) * | 2022-01-25 | 2022-05-06 | 济南市疾病预防控制中心 | 一种基于aqhi的空气净化器 |
| CN114443982A (zh) * | 2021-05-06 | 2022-05-06 | 中南大学 | 一种大区域土壤重金属检测与时空分布特征分析方法及系统 |
| CN114462837A (zh) * | 2022-01-25 | 2022-05-10 | 济南市疾病预防控制中心 | 一种基于大数据的空气质量健康指数平台及其实现方法 |
| CN114997646A (zh) * | 2022-06-02 | 2022-09-02 | 复旦大学 | 基于手机信令数据的大气污染健康风险实时动态评价方法 |
-
2022
- 2022-10-18 CN CN202211273237.8A patent/CN115907509A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004038602A1 (en) * | 2002-10-24 | 2004-05-06 | Warner-Lambert Company, Llc | Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications |
| CN102222172A (zh) * | 2011-06-28 | 2011-10-19 | 哈尔滨工业大学 | 一种跨界突发性水环境污染事故危害的实时定量判定方法 |
| KR101529549B1 (ko) * | 2014-02-05 | 2015-06-19 | 건국대학교 산학협력단 | 삼림욕 공기질 건강지수 제공시스템 |
| CN105527232A (zh) * | 2015-12-07 | 2016-04-27 | 太原理工大学 | 一种空气质量等级判别系统及控制方法 |
| US20220004913A1 (en) * | 2017-07-07 | 2022-01-06 | Osaka University | Pain determination using trend analysis, medical device incorporating machine learning, economic discriminant model, and iot, tailormade machine learning, and novel brainwave feature quantity for pain determination |
| CN107609337A (zh) * | 2017-10-19 | 2018-01-19 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种空气质量健康指数发布和个性化预警方法 |
| CN107863150A (zh) * | 2017-10-19 | 2018-03-30 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种基于Web的雾霾天气人群健康暴露反应关系分析方法 |
| CN108198629A (zh) * | 2018-03-06 | 2018-06-22 | 云南省疾病预防控制中心 | 一种传染病跨境输入传播风险自动评估系统及方法 |
| CN108681990A (zh) * | 2018-04-04 | 2018-10-19 | 高明合 | 一种实时雾霾预警方法及系统 |
| CN110161183A (zh) * | 2019-05-30 | 2019-08-23 | 广东柯内特环境科技有限公司 | 一种空气质量监测方法 |
| CN111325406A (zh) * | 2020-03-03 | 2020-06-23 | 广东省公共卫生研究院 | 一种基于小空间尺度的热相关健康风险预警方法 |
| CN113380404A (zh) * | 2021-03-01 | 2021-09-10 | 广州市疾病预防控制中心(广州市卫生检验中心、广州市食品安全风险监测与评估中心、广州医科大学公共卫生研究院) | 一种多区域空气质量健康指数融合的方法 |
| CN114443982A (zh) * | 2021-05-06 | 2022-05-06 | 中南大学 | 一种大区域土壤重金属检测与时空分布特征分析方法及系统 |
| CN114236075A (zh) * | 2021-12-14 | 2022-03-25 | 中国地质调查局水文地质环境地质调查中心 | 一种地下水污染可视化监测和预警系统及方法 |
| CN114440386A (zh) * | 2022-01-25 | 2022-05-06 | 济南市疾病预防控制中心 | 一种基于aqhi的空气净化器 |
| CN114462837A (zh) * | 2022-01-25 | 2022-05-10 | 济南市疾病预防控制中心 | 一种基于大数据的空气质量健康指数平台及其实现方法 |
| CN114997646A (zh) * | 2022-06-02 | 2022-09-02 | 复旦大学 | 基于手机信令数据的大气污染健康风险实时动态评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 岳玎利;钟流举;周炎;区宇波;袁鸾;: "珠三角地区区域空气质量实况发布体系建设", 环境监测管理与技术, no. 03 * |
| 解淑艳;刘冰;李健军;: "全国环境空气质量数值预报预警系统建立探析", 环境监控与预警, no. 04 * |
| 韦正峥;张淑杰;邢晶晶;索文宇;黄炳昭;王建生;: "区域环境健康综合风险评价指标体系的构建及应用研究", 中国环境科学, no. 11 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Inequality of household consumption and air pollution-related deaths in China | |
| Brunekreef et al. | Effects of long-term exposure to traffic-related air pollution on respiratory and cardiovascular mortality in the Netherlands: the NLCS-AIR study. | |
| Shen et al. | Mediation pathways and effects of green structures on respiratory mortality via reducing air pollution | |
| Xu et al. | Combining AHP with GIS in synthetic evaluation of environmental suitability for living in China's 35 major cities | |
| Tan et al. | Estimation of ecosystem services provided by street trees in Kyoto, Japan | |
| CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
| Yap et al. | Association between long-term exposure to air pollution and specific causes of mortality in Scotland | |
| Chen et al. | Trade-offs and synergies of ecosystem services in the Yangtze River Delta, China: response to urbanizing variation | |
| CN114462837A (zh) | 一种基于大数据的空气质量健康指数平台及其实现方法 | |
| Muczyński et al. | Supporting tenant relocation in social housing management: Development of the dedicated geoinformation system in Poland | |
| Huang et al. | Changes and net ecosystem productivity of terrestrial ecosystems and their influencing factors in China from 2000 to 2019 | |
| CN114529154A (zh) | 人口规模预测指标体系的构建方法、预测方法、装置及系统 | |
| Xia et al. | Community time-activity trajectory modeling based on Markov chain simulation and Dirichlet regression | |
| CN113792905A (zh) | 基于块数据的精准提示网格社工采集任务预测方法 | |
| Feng et al. | The impact of medical infrastructure on regional innovation: An empirical analysis of China's prefecture-level cities | |
| CN115907509A (zh) | 一种大区域协同发布的aqhi指标体系构建方法与系统 | |
| CN113160018B (zh) | 一种社会救助统筹与预警分析系统 | |
| Zou et al. | Spatial decision support system for the potential evaluation of land consolidation projects | |
| Alguliyev et al. | The method of measuring the integration degree of countries on the basis of international relations | |
| Ginis et al. | Development of a geoinformation project as a tool for support decision making in the subject area | |
| Zhu | Research on the accurate identification method of college students with financial difficulties based on big data | |
| Dianta et al. | The geographic information system of the distribution of larva free rates in kediri city area | |
| Zhang et al. | Education equality and its influencing factors for migrant children in the compulsory education stage based on multi-source data: A case study of dalian, China | |
| Mehra | Estimating the impact of a select criteria pollutant (PM2. 5) on childhood asthma in Florida | |
| Luo et al. | Evaluation of air quality using the CMAQ modeling system |
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 |