CN116048129B - 污染物排放的监测方法、装置、电子设备和存储介质 - Google Patents
污染物排放的监测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116048129B CN116048129B CN202310316277.4A CN202310316277A CN116048129B CN 116048129 B CN116048129 B CN 116048129B CN 202310316277 A CN202310316277 A CN 202310316277A CN 116048129 B CN116048129 B CN 116048129B
- Authority
- CN
- China
- Prior art keywords
- pollution
- monitoring
- data
- pollutant
- pollution source
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 194
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 112
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims description 47
- 238000001914 filtration Methods 0.000 claims description 32
- 239000002245 particle Substances 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000001413 cellular effect Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 82
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 19
- 238000001514 detection method Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 8
- 239000012855 volatile organic compound Substances 0.000 description 8
- 239000010865 sewage Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000002912 waste gas Substances 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000001819 mass spectrum Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003016 pheromone Substances 0.000 description 2
- 238000001157 Fourier transform infrared spectrum Methods 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000011835 investigation 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
- 239000010815 organic waste Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001196 time-of-flight mass spectrum Methods 0.000 description 1
- 238000006276 transfer reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种污染物排放的监测方法、装置、电子设备和存储介质，涉及污染物监测技术领域，该方法包括：获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据；其中，污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，污染物排放监测数据至少包括环境参数和图像监测数据；基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。本申请提升了污染源位置的定位精度，从而提升污染监测的效果。
Description
技术领域
本申请涉及污染物监测技术领域，尤其是涉及一种污染物排放的监测方法、装置、电子设备和存储介质。
背景技术
目前为了加强对企业和工业园区的污染物排放监测的管理，现有技术中通常采用一种基于固定站点监测的人工抽验方案和基于走航监测的监测方案，但是现有技术主要存在地面取样点和道路因素导致的空间分辨率不足、较少考虑到气体监测中气象因素的影响和不能快速找到隐秘的污染气体排放口的问题，从而无法及时有效的对环境监测进行辅助支持。
发明内容
本申请的目的在于提供一种污染物排放的监测方法、装置、电子设备和存储介质，提升了污染源位置的定位精度，从而提升污染监测的效果。
第一方面，本发明提供一种污染物排放的监测方法，方法包括：获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据；其中，污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，污染物排放监测数据至少包括环境参数和图像监测数据；基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。
在可选的实施方式中，基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置，包括：通过粒子滤波，基于污染物排放监测数据、污染源预设虚拟位置和气象数据，根据离散的后验概率质量分布模拟连续的污染源位置对应的后验概率密度；气象数据包括风向数据、风速数据的至少一种；基于后验概率密度在目标监测区域内进行溯源定位，确定污染源位置。
在可选的实施方式中，通过粒子滤波，基于污染物排放监测数据、污染源预设虚拟位置和气象数据，根据离散的后验概率质量分布模拟连续的污染源位置对应的后验概率密度，包括：通过粒子滤波第步滤波时的污染物排放监测数据对应的第/>个数据样本的状态、第/>步滤波时的气象数据和气象数据对应的权重因子，确定污染源位置对应的后验分布：；其中，/>为第/>步粒子滤波时的第/>个数据样本的状态，用于表征污染源预设虚拟位置；/>在第/>步粒子滤波时的气象数据；/>是为污染源预设虚拟位置的可能性归一化之后的大小且满足/>；/>是狄克拉函数，满足：/>。
在可选的实施方式中，方法还包括：在粒子滤波时，对污染物排放监测数据对应的数据样本进行更新处理；其中，更新处理的规则为：，是数据样本的提议分布，用于选择/>时刻数据样本所对应的污染源位置。
在可选的实施方式中，方法还包括：如果在进行溯源定位过程中，污染源位置不随时间发生变化，则基于提议分布确定污染源位置对应的后验分布时，提议分布为上一时刻估计的后验分布。
在可选的实施方式中，方法还包括：向无人机下发污染源位置和巡检指令，以使无人机进行二次巡查，并通过无人机配置的图像采集设备进行拍照取证。
在可选的实施方式中，方法还包括：基于污染源排放清单和预设的缓冲半径进行缓冲区分析，得到污染物缓冲区分析结果；基于污染物缓冲区分析结果进行叠加，得到目标监测区域内污染物排放的测试区域重要性空间分布情况；基于元胞蚁群算法对环境进行离散化建模，将地理环境进行网格化，得到网格化后的目标监测区域；根据贝叶斯先验概率，基于网格化后的目标监测区域内重点区域地标信息和后验概率的贝叶斯元胞蚁群算法，确定污染巡查路线。
第二方面，本发明提供一种污染物排放的监测装置，装置包括：无人机数据获取模块，用于获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据；其中，污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，污染物排放监测数据至少包括环境参数和图像监测数据；污染监测定位模块，用于基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。
第三方面，本发明提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现前述实施方式任一项的污染物排放的监测方法。
第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现前述实施方式任一项的污染物排放的监测方法。
本申请提供的污染物排放的监测方法、装置、电子设备和存储介质，该方法首先获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据，进而基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。其中，前述污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，污染物排放监测数据至少包括环境参数和图像监测数据。该方法通过无人机进行检测获取数据，并通过获取无人机拍摄到的数据进行污染源的溯源定位，可以提升定位精度，向环境监测部门提供更加准确的数据支持。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种污染物排放的监测方法的流程图；
图2为本申请实施例提供的一种具体的污染物排放的监测方法的流程图；
图3为本申请实施例提供的一种污染物排放的监测装置的结构图；
图4为本申请实施例提供的一种电子设备的结构图。
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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
随着对环保的重视，以及环保需求的逐渐提升，目前针对污染物排放的方案主要包括人工抽检和走航监测。
针对基于固定站点监测的人工抽检方案，目前通常是基于区域工业重污染企业清单，并结合群众举报信息，对区域内重点企业污染气体排放进行定期抽检，利用区域固定环境监测站点，以及企业污染源废气排口安装有机污染物在线检测设备，建立工业园区大气污染气体在线快速监测与应用体系。环境监测站点以及企业污染源废气排口检测设备布设点代表采样点位，利用PTR-TOF-MS、气袋法、气相色谱仪等在线监测技术对企业污染源排口中污染气体总量，组分分类、污染气体特征以及对大气环境的影响进行分析，建立健全多污染源远程分布式污染气体在线快速监测新技术及监测方法体系，结合人工采样比对，建立污染气体在线监测方法体系和优化操作参数，建立区域有机废气的污染气体成分谱库，准确判断污染物成分及来源、为实现快速、实时的污染气体检测提供技术数据，实时分析废气排口的各种污染气体浓度。
针对基于走航监测的监测方案，走航监测系统通过移动监测车边走边测、实时监测分析在线数据、建立地理位置-类型-浓度关联性等手段，快速建立区域大气污染气体时空“画像”，创建区域大气“动态直读”模式，为实现大气污染气体精细化管理提供重要抓手。利用单光子电离飞行时间质谱仪等设备进行大气污染气体走航监测，常用的在线监测分析技术主要包括气相色谱-质谱/氢火焰离子化检测器、傅里叶变换红外光谱、质子转移反应质谱和单光子电离飞行时间质谱等。采用移动监测车对重点区域进行走航观测，走航车速控制在20km/h左右，走航观测期间，走航路线的制定综合考虑区域工业企业分布特征，包括生活区的重要交通干道及重点工业区的周边道路，尤其对重点区域进行较长时间的监测，真实反映不同时段不同区域的大气污染情况，明确区域的污染气体总浓度、污染气体物种排放特征以及区域多次走航的分布规律，实现对重点区域内污染气体排放情况的全面把握。
上述现有技术中存在以下缺点：
1)因地面取样点、道路因素导致数据空间分辨率不足
夜间工业园区的污染气体浓度数据主要基于固定站点或走航监测获取，基于固定站点所获取的数据在空间呈现的数据是点格式，固定监测点的数量决定工业园区内污染气体数据空间分辨率。走航监测获取大气污染气体数据在空间上受到走航路线的限制，道路的通达性对于走航监测有较大影响，进而影响获取数据的空间分辨率。
环境监测站点建设成本相对高，企业污染源废气排口安装污染物在线检测设备较少，走航监测受道路通达性影响较大，目前监测所得到的大气环境数据的空间分辨率不足，那么也就造成了无法做到区域大气环境的高时空精细化监测，影响对区域大气污染气体监测全面覆盖，无法实现精细化管控目标，进而会影响区域大气污染气体浓度的时空动态趋势分析、污染来源追踪的精准定位。
2)较少考虑到气体监测中气象因素影响
对于企业夜间偷排污染气体的监测，常用手段主要是基于固定监测站点的污染气体数据以及走航监测的污染气体数据，通过实时监测各污染气体浓度，监测工业园区夜间污染气体浓度异常区域。然而，监测企业夜间偷排污染气体不仅是监测污染气体的浓度以及组分等特征，更重要的是溯源追踪。
目前的监测手段在溯源分析中缺少对区域气象因素影响的考虑，例如：在风向、风速的影响下，走航监测获得的污染气体数据并不一定来源于当前位置企业，风向、风速等气象因素对污染气体溯源追踪有极大影响，很大可能会造成对夜间排放污染气体企业定位的误差，从而不能为环境监测部门提供准确的数据支持。将气象因素纳入污染气体排放溯源分析中，通过大尺度污染团的运动轨迹拟合分析，小尺度污染成因的解析，有利用实时分析污染扩散，实现污染溯源的精准定位，及时处置。
3)不能快速找到隐秘的污染气体排放口
企业污染气体排放应符合相应的规范标准，包括排放气体类型、对排放气体的处理、排放气体总量、排放气体时间、排放口设置、排放数量、排放方式等，均有详细且严格的规定，其中，气体排污口要遵循便于采集样品、便于监测计量、便于日常监管的原则，不得擅自变更，不得擅自停用或拆除无组织废气收集处理装置。但是部分企业为了逃离污染气体排放管控，增加生产的同时减少向环保部门缴纳的环保税，会在夜间偷偷排放污染气体。部分排气口较为隐秘，基于站点监测数据以及走航监测数据的人工抽检方式，不能及时发现排气口进行取证，从而未能及时有效对环境监测进行辅助支持。
基于此，本申请实施例提供了一种污染物排放的监测方法、装置、电子设备和存储介质，可以提升定位精度，向环境监测部门提供更加准确的数据支持。
参见图1所示，本申请实施例提供了一种污染物排放的监测方法，该方法主要包括以下步骤：
步骤S102，获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据。
上述污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线。在一种实施方式中，该污染巡查录像可以为地面控制中心的电子设备根据污染源排放清单确定，并将该路线发送至无人机的；也可以为无人机搭载的处理器根据污染源排放清单确定的。
在一种实施方式中，污染物可以包括PM2.5、PM10、SO2、挥发性有机物（VOCs）、氮氧化物（NOx）等污染气体，污染物排放监测数据为通过无人机上述搭载北斗定位导航装置、红外摄像头、风速传感器、温湿度传感器、PM2.5、PM10、SO2、挥发性有机物（VOCs）、氮氧化物（NOx）等污染气体监测仪器获取的数据。可选的，污染物排放监测数据至少包括环境参数和图像监测数据，环境参数为无人机飞行区域内的环境参数，例如，无人机在飞行区域内所处的经纬度信息、飞行区域内建筑所处位置信息、飞行区域内是否有障碍物等，图像监测数据为在飞行区域内针对污染物排放的图像数据。
步骤S104，基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。
上述气象数据可以为目标监测区域内的风速数据、风向数据、降雨数据等数据。通过考虑气象数据，可以更加准确的对污染源位置进行溯源定位，从而使得污染源位置定位的准确性更高。
本申请实施例提供的污染物排放的监测方法，通过无人机进行检测获取数据，并通过获取无人机拍摄到的数据进行污染源的溯源定位，可以提升定位精度，向环境监测部门提供更加准确的数据支持。
为便于理解，以下对本申请实施例提供的污染物排放的监测方法进行详细说明。
首先，为了提升后续污染源位置的定位准确性，首先需要保证前期数据获取的准确性，并且保证获取的数据质量。在一可选的实施方式中，可以预先确定无人机在目标监测区域的飞行路线，在具体实施时，可以包括以下步骤：
步骤1.1），基于污染源排放清单和预设的缓冲半径进行缓冲区分析，得到污染物缓冲区分析结果；
步骤1.2），基于污染物缓冲区分析结果进行叠加，得到目标监测区域内污染物排放的测试区域重要性空间分布情况；
步骤1.2），基于元胞蚁群算法对环境进行离散化建模，将地理环境进行网格化，得到网格化后的目标监测区域；
步骤1.4），根据贝叶斯先验概率，基于网格化后的目标监测区域内重点区域地标信息和后验概率的贝叶斯元胞蚁群算法，确定污染巡查路线。
在一种示例中，可以结合污染源排放清单，模拟工业园区各污染气体排放情况，基于排放气体重点区域，设置贝叶斯经验概率，改进元胞蚁群算法，设置无人机最优路径，无人机按照飞行路线，定期不定期的进行污染气体浓度监测。在具体实现时，可以进一步包括步骤1-A至1-D：
步骤1-A：基于污染源排放清单，假设各涉气企业均处于污染排放状态，基于各企业主要排放气体，以500m为缓冲半径做缓冲区分析；
步骤1-B：将PM2.5、PM10、SO2、VOCs、NOx等气体排放缓冲区分析结果进行叠加分析，得到无人机飞行区域内气体排放测试区域重要性空间分布情况；
步骤1-C：基于元胞蚁群算法规划无人机飞行路线，对环境进行离散化建模，将地理环境进行网格化，网格化以后的结果被称为灰度矩阵；根据贝叶斯先验概率，基于区域内重点区域地标信息，使用后验概率的贝叶斯元胞蚁群算法计算无人机最佳规划路线。进一步，该步骤可以包括以下步骤（1）至步骤（3）：
（1）在贝叶斯元胞的可行区域内，根据信息素矩阵计算备选节点的概率，并将其视为路径选择的先验概率：
其中，是可行区域/>中第/>个节点的信息素。
（2）确定贝叶斯元胞可行区域中，备选节点的条件概率/>，备选节点的条件概率考虑三方面因素：
目标节点的引力场与无人机到目标节点的距离成反比；
区域气体排放测试区域重要程度；
无人机排查区域内排污企业的数量、与排污企业的距离。
针对排污企业目标节点的引力场构造启发函数：
距离排污企业目标节点的距离越近，/>越大；
取决于无人机飞行区域内气体排放测试区域重要性空间分布情况，排查区域内气体排放权重越高，/>越大；
无人机和排污企业的距离，定义条件概率为：
表示预测区域内排污企业的数量，为了防止距离过远，无人机飞行路径需要一定的距离限制，这里设定为/>，节点/>和排污企业的最小距离越小，条件概率/>越小。
其中，为/>的重要程度。得到元胞可行区域内节点的条件概率：
其中，事件G表示路径规划成功找到最优解，后验概率表示在可行区域内选择节点/>后，路径规划可以达到全局最优解的概率。
（3）确定贝叶斯元胞可行区域中，备选节点的后验概率/>，表达式为：
在贝叶斯元胞模型的可行区域内选择移动方向k使得：
步骤1-D：无人机按照规划飞行路线，定期不定期的开展污染物监测，获取污染物监测数据（环境参数和图像检测数据）。可选的，该污染物监测可以为夜间污染气体浓度监测。
当无人机获取环境参数和图像检测数据后，可以利用无线远传的方式将环境参数和图像检测数据回传到地面控制中心。在一种实施方式中，可以首先检测传感器与地面控制中心采用串口输出的通信方式进行连接，其串口波特率可以为9600bit/s；无人机上配置的传感器与红外摄像头采集的污染气体数据，通过无线远传的方式发送至地面控制中心，地面控制中心支持空间展示功能，能够实时显示区域内大气环境数据。
进一步，当地面控制中心获取到污染物监测数据后，可以基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。在一种实施方式中，该步骤可以具体包括以下步骤2.1）和步骤2.2）：
步骤2.1），通过粒子滤波，基于污染物排放监测数据、污染源预设虚拟位置和气象数据，根据离散的后验概率质量分布模拟连续的污染源位置对应的后验概率密度；气象数据包括风向数据、风速数据的至少一种；
步骤2.2，）基于后验概率密度在目标监测区域内进行溯源定位，确定污染源位置。
进一步，针对上述步骤2.1），通过粒子滤波，基于污染物排放监测数据、污染源预设虚拟位置和气象数据，根据离散的后验概率质量分布模拟连续的污染源位置对应的后验概率密度，在具体实施时，可以通过粒子滤波第k步滤波时的污染物排放监测数据对应的第i个数据样本的状态、第k步滤波时的气象数据和气象数据对应的权重因子，确定污染源位置对应的后验分布：；
其中，为第/>步粒子滤波时的第/>个数据样本的状态，用于表征污染源预设虚拟位置；/>在第/>步粒子滤波时的气象数据；/>为污染源预设虚拟位置的可能性归一化之后的大小且满足/>；/>是狄克拉函数，满足：/>。
进一步，在粒子滤波时，还可以对污染物排放监测数据对应的数据样本进行更新处理；其中，更新处理的规则为：，/>是数据样本的提议分布，用于选择/>时刻数据样本所对应的污染源位置。
如果在进行溯源定位过程中，污染源位置不随时间发生变化，则基于提议分布确定污染源位置对应的后验分布时，提议分布为上一时刻估计的后验分布。
当确定污染源位置后，可以向无人机下发污染源位置和巡检指令，以使无人机进行二次巡查，并通过无人机配置的图像采集设备进行拍照取证。
图2示出了一种具体的污染物排放的监测方法，该污染物排放可以应用于针对企业的污染气体夜间偷排的监测，在具体实施时，可以包括以下步骤S1至步骤S5：
步骤S1：无人机搭载北斗定位导航装置，红外摄像头，风速传感器，温湿度传感器，PM2.5、PM10、SO2、挥发性有机物（VOCs）、氮氧化物（NOx）等污染气体监测仪器；
步骤S2：结合污染源排放清单，模拟工业园区各污染气体排放情况，结合贝叶斯规划方法，设置最优路径，无人机按照飞行路线，定期不定期的进行污染气体浓度监测；
步骤S3：利用无线远传的方式将环境参数和图像信息回传到地面控制中心；
步骤S4：地面控制中心将数据上传至云平台，利用 HYSPLIT 模型，结合风向、风速等气象数据，进行实时污染溯源分析，精准定位污染源；
步骤S5：基于云平台快速计算溯源定位结果，再次进行无人机巡查，寻找污染气体排放口，红外摄像头进行拍照取证。
针对步骤S2和步骤S3，前述已经详细说明，此处不再赘述。
针对步骤S1，在具体实施时，还可以采用以下具体方式实现：
步骤1A 无人机搭载北斗定位导航装置，红外摄像头，风速传感器，高度测距仪，检测传感器等仪器；
步骤1B 无人机装置采用纯电动六轴多旋翼无人机，适用于-20~60℃工作温度，起降抗风能力达到6级，实用性强，飞行安全性高；
步骤1C 北斗导航定位装置用于实时记录飞行轨迹与地理坐标；
步骤1D 通过红外摄像头实时采集夜间影像数据；
步骤1E 利用风速传感器实时获取区域风速、风向等数据；
步骤1F 高度测距仪能够准确控制废气取样点高度，同时可避免无人机碰撞烟囱等其他障碍物；
步骤1G 检测传感器包括PM2.5传感器、PM10传感器、SO2传感器、VOCs传感器、NOx传感器。
针对上述步骤S4，地面控制中心将数据上传至云平台，使用基于粒子滤波的方法，结合气象因素对园区内大气排放源位置进行估计，精准定位污染源，包括步骤4A至步骤：
步骤4A，考虑到由于估算过程的大量积分运算难以实现，因此使用粒子滤波方法，根据离散的后验概率质量分布模拟连续的后验概率密度，结合气象条件实现对气体源位置的估计。
步骤4B，第步时的第/>个粒子的状态，表示是对源位置的假设，用/>表示，用/>在第/>步时的气象条件，/>为污染源预设虚拟位置的可能性归一化之后的大小且满足：
基于气象因素等带权重的因子，源位置的后验分布可以近似为：
其中是狄克拉函数，满足：
粒子的权重通过序列重要性采样的方法进行迭代更新，在k时刻，其更新规则如下：
是粒子的提议分布，用于选择/>时刻粒子的位置。其中，该粒子也即所采用的数据样本。
步骤4C，假设在定位过程中，气体源的位置不随时间发生变化，则：
提议分布选用上一个时刻估计的后验分布：
针对上述步骤S5，基于云平台快速计算溯源定位结果，再次进行无人机巡查，寻找污染气体排放口，红外摄像头进行拍照取证：
步骤5A，基于云计算平台快速计算能力进行溯源分析，获取污染源精确定位；
步骤5B，无人机一次飞行结束后，平台立即传回大气污染溯源结果；
步骤5C，无人机进行二次巡查，并利用红外摄像头进行拍照取证。
综上，本申请实施例基于园区气体排放测试区域重要程度改进基于蚁群算法的贝叶斯无人机规划方法。基于无人机搭载的大气污染气体传感器，贝叶斯规划方法优化的无人机航行路线，能够连续获取监测区域可能存在的大气污染气体浓度数据；采用无人机方式监测气体浓度，能够解决因地面取样点、道路因素导致的大气环境数据空间分辨率不足问题，为后续影响大气污染气体浓度的时空动态趋势分析、污染来源追踪的精准定位奠定数据基础。
并且，本申请充分考虑了污染源定位时气象因素的影响。现基于无人机监测污染气体的浓度数据，结合风向、风速等气象数据，基于粒子滤波的方法对园区内大气排放源位置进行估计，精准定位污染源，充分考虑气象因素对夜间排放污染气体企业定位的影响，实时分析污染扩散，提高定位精度，向环境监测部门提供更加准确的数据支持。
此外，还可以对污染气体排放口的排查与取证。基于无人机实时传输的大气污染数据与云计算平台快速计算能力进行大气污染溯源分析，无人机第一次巡查结束后，基于云计算平台快速模拟的溯源结果，立即进行第二次巡查，快速查找隐秘排气口，利用红外摄像头进行拍照取证，提高企业夜间污染气体排放监测效率。
基于上述方法实施例，本申请实施例还提供一种污染物排放的监测装置，参见图3所示，该装置主要包括以下部分：
无人机数据获取模块32，用于获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据；其中，污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，污染物排放监测数据至少包括环境参数和图像监测数据；
污染监测定位模块34，用于基于污染物排放监测数据和气象数据对目标监测区域内污染源位置进行溯源定位，确定污染源位置。
本申请实施例提供的污染物排放的监测装置，通过无人机进行检测获取数据，并通过获取无人机拍摄到的数据进行污染源的溯源定位，可以提升定位精度，向环境监测部门提供更加准确的数据支持。
在一可行的实施方式中，上述污染监测定位模块34，还用于：
通过粒子滤波，基于污染物排放监测数据、污染源预设虚拟位置和气象数据，根据离散的后验概率质量分布模拟连续的污染源位置对应的后验概率密度；气象数据包括风向数据、风速数据的至少一种；
基于后验概率密度在目标监测区域内进行溯源定位，确定污染源位置。
在一可行的实施方式中，上述污染监测定位模块34，还用于：
通过粒子滤波第k步滤波时的污染物排放监测数据对应的第i个数据样本的状态、第k步滤波时的气象数据和气象数据对应的权重因子，确定污染源位置对应的后验分布：
；
其中，为第/>步粒子滤波时的第/>个数据样本的状态，用于表征污染源预设虚拟位置；/>在第/>步粒子滤波时的气象数据；/>为污染源预设虚拟位置的可能性归一化之后的大小且满足/>；/>是狄克拉函数，满足：/>。
在一可行的实施方式中，上述装置还包括，更新处理模块，用于：
在粒子滤波时，对污染物排放监测数据对应的数据样本进行更新处理；其中，更新处理的规则为：，/>是数据样本的提议分布，用于选择/>时刻数据样本所对应的污染源位置。
在一可行的实施方式中，上述装置还包括，提议分布确定模块，用于：
如果在进行溯源定位过程中，污染源位置不随时间发生变化，则基于提议分布确定污染源位置对应的后验分布时，提议分布为上一时刻估计的后验分布。
在一可行的实施方式中，上述装置还包括，二次巡查模块，用于：
向无人机下发污染源位置和巡检指令，以使无人机进行二次巡查，并通过无人机配置的图像采集设备进行拍照取证。
在一可行的实施方式中，上述装置还包括，无人机路线确定模块，用于：
基于污染源排放清单和预设的缓冲半径进行缓冲区分析，得到污染物缓冲区分析结果；
基于污染物缓冲区分析结果进行叠加，得到目标监测区域内污染物排放的测试区域重要性空间分布情况；
基于元胞蚁群算法对环境进行离散化建模，将地理环境进行网格化，得到网格化后的目标监测区域；
根据贝叶斯先验概率，基于网格化后的目标监测区域内重点区域地标信息和后验概率的贝叶斯元胞蚁群算法，确定污染巡查路线。
本申请实施例提供的污染物排放的监测装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，污染物排放的监测装置的实施例部分未提及之处，可参考前述污染物排放的监测方法实施例中相应内容。
本申请实施例还提供了一种电子设备，如图4所示，为该电子设备的结构示意图，其中，该电子设备100包括处理器41和存储器40，该存储器40存储有能够被该处理器41执行的计算机可执行指令，该处理器41执行该计算机可执行指令以实现上述任一项污染物排放的监测方法。
在图4示出的实施方式中，该电子设备还包括总线42和通信接口43，其中，处理器41、通信接口43和存储器40通过总线42连接。
其中，存储器40可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口43（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线42可以是ISA（IndustryStandard Architecture，工业标准体系结构）总线、PCI（Peripheral ComponentInterconnect，外设部件互连标准）总线或EISA（Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线42可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
处理器41可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器41读取存储器中的信息，结合其硬件完成前述实施例的污染物排放的监测方法的步骤。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述污染物排放的监测方法，具体实现可参见前述方法实施例，在此不再赘述。
本申请实施例所提供的污染物排放的监测方法、装置、电子设备和存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (7)
1.一种污染物排放的监测方法，其特征在于，所述方法包括：
获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据；其中，所述污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，所述污染物排放监测数据至少包括环境参数和图像监测数据；所述污染巡查路线的确定包括：基于污染源排放清单和预设的缓冲半径进行缓冲区分析，得到污染物缓冲区分析结果；基于所述污染物缓冲区分析结果进行叠加，得到目标监测区域内污染物排放的测试区域重要性空间分布情况；基于元胞蚁群算法对环境进行离散化建模，将地理环境进行网格化，得到网格化后的目标监测区域；根据贝叶斯先验概率，基于网格化后的目标监测区域内重点区域地标信息和后验概率的贝叶斯元胞蚁群算法，确定所述污染巡查路线；
基于所述污染物排放监测数据和气象数据对所述目标监测区域内污染源位置进行溯源定位，确定污染源位置；
基于所述污染物排放监测数据和气象数据对所述目标监测区域内污染源位置进行溯源定位，确定污染源位置，包括：
通过粒子滤波第步滤波时的所述污染物排放监测数据对应的第/>个数据样本的状态、第/>步滤波时的气象数据和气象数据对应的权重因子，确定污染源位置对应的后验分布：
；
其中，为第/>步粒子滤波时的第/>个数据样本的状态，用于表征污染源预设虚拟位置；/>在第/>步粒子滤波时的气象数据；/>为污染源预设虚拟位置可能性归一化之后的大小且满足/>；/>是狄克拉函数，满足：/>；所述气象数据包括风向数据、风速数据的至少一种；
基于所述后验分布在所述目标监测区域内进行溯源定位，确定污染源位置。
2.根据权利要求1所述的污染物排放的监测方法，其特征在于，所述方法还包括：
在粒子滤波时，对所述污染物排放监测数据对应的数据样本进行更新处理；其中，更新处理的规则为：，/>是数据样本的提议分布，用于选择/>时刻数据样本所对应的污染源位置。
3.根据权利要求2所述的污染物排放的监测方法，其特征在于，所述方法还包括：
如果在进行溯源定位过程中，污染源位置不随时间发生变化，则基于所述提议分布确定所述污染源位置对应的后验分布时，所述提议分布为上一时刻估计的后验分布。
4.根据权利要求1所述的污染物排放的监测方法，其特征在于，所述方法还包括：
向无人机下发所述污染源位置和巡检指令，以使所述无人机进行二次巡查，并通过所述无人机配置的图像采集设备进行拍照取证。
5.一种污染物排放的监测装置，其特征在于，所述装置包括：
无人机数据获取模块，用于获取无人机按照污染巡查路线执行飞行任务时获取的污染物排放监测数据；其中，所述污染巡查路线为基于污染源排放清单模拟污染情境后确定的目标监测区域内的飞行路线，所述污染物排放监测数据至少包括环境参数和图像监测数据；所述污染巡查路线的确定包括：基于污染源排放清单和预设的缓冲半径进行缓冲区分析，得到污染物缓冲区分析结果；基于所述污染物缓冲区分析结果进行叠加，得到目标监测区域内污染物排放的测试区域重要性空间分布情况；基于元胞蚁群算法对环境进行离散化建模，将地理环境进行网格化，得到网格化后的目标监测区域；根据贝叶斯先验概率，基于网格化后的目标监测区域内重点区域地标信息和后验概率的贝叶斯元胞蚁群算法，确定所述污染巡查路线；
污染监测定位模块，用于基于所述污染物排放监测数据和气象数据对所述目标监测区域内污染源位置进行溯源定位，确定污染源位置；
所述污染监测定位模块，具体用于：
通过粒子滤波第步滤波时的所述污染物排放监测数据对应的第/>个数据样本的状态、第/>步滤波时的气象数据和气象数据对应的权重因子，确定污染源位置对应的后验分布：
；
其中，为第/>步粒子滤波时的第/>个数据样本的状态，用于表征污染源预设虚拟位置；/>在第/>步粒子滤波时的气象数据；/>为污染源预设虚拟位置可能性归一化之后的大小且满足/>；/>是狄克拉函数，满足：/>；所述气象数据包括风向数据、风速数据的至少一种；
基于所述后验分布在所述目标监测区域内进行溯源定位，确定污染源位置。
6.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至4任一项所述的污染物排放的监测方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至4任一项所述的污染物排放的监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310316277.4A CN116048129B (zh) | 2023-03-29 | 2023-03-29 | 污染物排放的监测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310316277.4A CN116048129B (zh) | 2023-03-29 | 2023-03-29 | 污染物排放的监测方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116048129A CN116048129A (zh) | 2023-05-02 |
| CN116048129B true CN116048129B (zh) | 2023-07-25 |
Family
ID=86116639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310316277.4A Active CN116048129B (zh) | 2023-03-29 | 2023-03-29 | 污染物排放的监测方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116048129B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN116773745B (zh) * | 2023-06-19 | 2024-01-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
| CN116934101B (zh) * | 2023-09-19 | 2023-11-24 | 湖北君邦环境技术有限责任公司 | 智慧园区辅助执法管理方法、装置、存储介质及电子设备 |
| CN117311395B (zh) * | 2023-11-30 | 2024-02-23 | 国家海洋环境监测中心 | 用于河道内污染巡检的无人机路径规划方法及系统 |
| CN118606860A (zh) * | 2024-05-31 | 2024-09-06 | 清环智源(北京)科技有限公司 | 一种基于走航设备的污染溯源方法、装置、设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148028A (zh) * | 2020-08-28 | 2020-12-29 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11226323B2 (en) * | 2018-04-27 | 2022-01-18 | International Business Machines Corporation | Air-pollution emission source monitoring |
| CN110727717B (zh) * | 2019-12-17 | 2020-05-12 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
| CN111898691B (zh) * | 2020-08-05 | 2023-11-14 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
| CN114518583A (zh) * | 2020-11-19 | 2022-05-20 | 青岛国数信息科技有限公司 | 一种多传感器数据融合探测预警系统及方法 |
| CN113155880B (zh) * | 2021-05-08 | 2023-06-27 | 电子科技大学 | 一种采用无人机和xrf技术对土壤重金属污染的检测方法 |
| CN113625760B (zh) * | 2021-08-26 | 2024-05-07 | 江苏省环境工程技术有限公司 | 一种无人机大气污染巡查系统及方法 |
| CN114088885B (zh) * | 2021-11-22 | 2023-05-23 | 安徽中科大赛悟科技有限公司 | 一种大气污染物走航检测系统 |
| CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制系统和方法 |
| CN114971031A (zh) * | 2022-05-31 | 2022-08-30 | 中科三清科技有限公司 | 大气污染排放的溯源方法、装置、电子设备及存储介质 |
| CN114819411B (zh) * | 2022-06-23 | 2022-09-13 | 航天宏图信息技术股份有限公司 | 一种基于走航监测车的大气污染物排放溯源方法和装置 |
-
2023
- 2023-03-29 CN CN202310316277.4A patent/CN116048129B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112148028A (zh) * | 2020-08-28 | 2020-12-29 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116048129A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116048129B (zh) | 污染物排放的监测方法、装置、电子设备和存储介质 | |
| CN112182064B (zh) | 一种污染物来源分析方法、装置、电子设备及存储介质 | |
| Ketzel et al. | Evaluation of the street pollution model OSPM for measurements at 12 streets stations using a newly developed and freely available evaluation tool | |
| CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
| CN112437876A (zh) | 一种提高大气污染物监测数据客观性的方法及系统 | |
| CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
| KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
| CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
| Qiu et al. | Estimating contaminant source in chemical industry park using UAV-based monitoring platform, artificial neural network and atmospheric dispersion simulation | |
| CN113655175A (zh) | 一种网格化空气监测方法、系统、计算机设备及存储介质 | |
| Bakirci | Smart city air quality management through leveraging drones for precision monitoring | |
| Handayani et al. | Implementation of multi sensor network as air monitoring using IoT applications | |
| CN117291343A (zh) | 一种基于空天地监测网络的大气污染防治管控系统 | |
| Hakala et al. | Observed coupling between air mass history, secondary growth of nucleation mode particles and aerosol pollution levels in Beijing | |
| Bakirci | Evaluating the impact of unmanned aerial vehicles (UAVs) on air quality management in smart cities: A comprehensive analysis of transportation-related pollution | |
| Shakhov et al. | On modeling air pollution detection with internet of vehicles | |
| CN116087134B (zh) | 一种全天候大气立体监测方法及系统 | |
| Aravindaguru et al. | Environmental Drones for Autonomous Air Pollution Investigation, Detection, and Remediation | |
| CN117312784A (zh) | 一种基于受体模型和大数据联用的污染源溯源方法 | |
| Dunea et al. | A Relational Database Structure for Linking Air Pollution Levels with Children's Respiratory Illnesses. | |
| CN111754373B (zh) | 一种空气质量分析方法、装置、电子设备及存储介质 | |
| CN117787557A (zh) | 一种污染溯源方法、装置、电子设备及存储介质 | |
| CN116297062B (zh) | 一种面向多维时空因子的pm2.5浓度精细化时空模拟与定量分析方法 | |
| CN111855898B (zh) | 一种空间分布式空气质量走航传感器平行性检定方法 | |
| RU2487892C1 (ru) | Система экологического контроля атмосферного воздуха промышленного региона |
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 |