CN116758342B - 一种基于稀土矿产区域的大气污染等级评估方法及装置 - Google Patents
一种基于稀土矿产区域的大气污染等级评估方法及装置 Download PDFInfo
- Publication number
- CN116758342B CN116758342B CN202310637874.7A CN202310637874A CN116758342B CN 116758342 B CN116758342 B CN 116758342B CN 202310637874 A CN202310637874 A CN 202310637874A CN 116758342 B CN116758342 B CN 116758342B
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- mass concentration
- particle size
- inorganic
- elements
- 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
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 89
- 239000011707 mineral Substances 0.000 title claims abstract description 89
- 229910052761 rare earth metal Inorganic materials 0.000 title claims abstract description 83
- 150000002910 rare earth metals Chemical class 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000002245 particle Substances 0.000 claims abstract description 152
- 239000010438 granite Substances 0.000 claims abstract description 60
- 238000005070 sampling Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000033558 biomineral tissue development Effects 0.000 claims description 6
- 229910052720 vanadium Inorganic materials 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001089 mineralizing effect Effects 0.000 claims description 4
- 238000000105 evaporative light scattering detection Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 17
- 239000008277 atmospheric particulate matter Substances 0.000 abstract description 10
- 238000003915 air pollution Methods 0.000 description 11
- 239000000835 fiber Substances 0.000 description 11
- 239000012528 membrane Substances 0.000 description 11
- 239000010453 quartz Substances 0.000 description 11
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 11
- 238000013145 classification model Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000005303 weighing Methods 0.000 description 5
- 208000034699 Vitreous floaters Diseases 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010955 niobium Substances 0.000 description 2
- VLTRZXGMWDSKGL-UHFFFAOYSA-N perchloric acid Chemical compound OCl(=O)(=O)=O VLTRZXGMWDSKGL-UHFFFAOYSA-N 0.000 description 2
- 239000011669 selenium Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000010936 titanium Substances 0.000 description 2
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 239000004809 Teflon Substances 0.000 description 1
- 229920006362 Teflon® Polymers 0.000 description 1
- 229910052776 Thorium Inorganic materials 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052787 antimony Inorganic materials 0.000 description 1
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000002366 mineral element Substances 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 229910052758 niobium Inorganic materials 0.000 description 1
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 229910052716 thallium Inorganic materials 0.000 description 1
- BKVIYDNLLOSFOA-UHFFFAOYSA-N thallium Chemical compound [Tl] BKVIYDNLLOSFOA-UHFFFAOYSA-N 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于稀土矿产区域的大气污染等级评估方法及装置,获取大气颗粒物样品中各个无机元素对应的无机元素质量,计算无机元素质量浓度;对无机元素进行分类,计算各类无机元素质量浓度,得到地壳类元素质量浓度、典型城市污染元素质量浓度、花岗岩成矿元素质量浓度;根据每个大气颗粒物的大气颗粒物粒径进行粒径区间分类,计算每个粒径区间中大气颗粒物数量在所有大气颗粒物数量中的占比,得到第一占比、第二占比和第三占比,根据各类无机元素质量浓度和大气颗粒物数量在每个粒径区间中的占比,计算每个子区域的大气污染值,并进行等级划分,确认每个子区域的大气污染等级。本发明能提高大气污染等级评估的准确性。
Description
技术领域
本发明涉及环境保护技术领域,特别是涉及一种基于稀土矿产区域的大气污染等级评估方法及装置。
背景技术
在稀土矿产区域开发过程中,存在大规模的粉尘无组织排放的情况,容易对稀土矿产区域的大气污染造成严重影响,同时堆放的矿石、尾矿中的细小颗粒还会随着风发生漂浮,也会对大气造成污染,使得在稀土矿产区域环境的众多问题中,大气污染情况尤为突出;因此对稀土矿产区域环境开展科学、有效的大气污染等级的评估,既是矿山可持续发展的重要保障,又是对绿色矿山建设的推动。
现有在对稀土矿产区域环境进行大气污染等级评估时,普遍都是直接对稀土矿产区域中的空气漂浮物进行采样,测试空气漂浮物的浓度,基于空气漂浮物浓度直接评估出整个稀土矿产区域的大气污染等级;但由于稀土矿产区域中存在多个类型的区域,在不同类型区域中,其存在的大气污染可能不尽相同,且采用单一的空气漂浮物的浓度进行大气污染等级评估,评估方法较为单一,导致现有技术中对大气污染等级评估容易存在误差。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种基于稀土矿产区域的大气污染等级评估方法及装置,用以解决现有技术中存在的上述问题。本发明实施例基于多维度多特征数据对稀土矿产区域进行大气污染等级评估,能提高大气污染等级评估的准确性。
为了解决上述技术问题,本发明提供了一种基于稀土矿产区域的大气污染等级评估方法,包括:
将稀土矿产区域划分为多个子区域,采集每个子区域中的大气颗粒物样品,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素对应的无机元素质量,并根据所述无机元素质量,计算无机元素质量浓度;
对各个无机元素进行分类,得到地壳类元素、典型城市污染元素和花岗岩成矿元素,并基于所述无机元素质量浓度,分别计算地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度;
获取含有大气颗粒物样品的第一图像,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径;
根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,计算第一粒径区间中第一大气颗粒物数量在所有大气颗粒物数量中的第一占比、第二粒径区间中第二大气颗粒物数量在所有大气颗粒物数量中的第二占比,以及第三粒径区间中第三颗粒物数量在所有大气颗粒物数量中的第三占比;
根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算每个子区域对应的大气污染值,并对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
本发明提供的一种基于稀土矿产区域的大气污染等级评估方法,还包括:
获取所有子区域对应的大气污染等级,根据所述大气污染等级对所述稀土矿产区域进行空间插值,得到所述稀土矿产区域的第一大气污染等级分布图。
在一种可能的实现方式中,根据所述无机元素质量,计算无机元素质量浓度,具体包括:
获取大气颗粒物样品的采样体积,根据所述采样体积,计算所述大气颗粒物样品的标况体积;
将所述无机元素质量和所述标况体积代入到预设的无机元素质量浓度计算公式中,计算得到各个无机元素对应的无机元素质量浓度;
其中,所述无机元素质量浓度计算公式,如下所示:
Ni=Mi/V标;
V标=V实*2.694*(101.325+P)/(273+C);
式中,Ni为无机元素i对应的无机元素质量浓度,Mi为无机元素i对应的无机元素质量,V标为标况体积,V实为采样体积,P为采样时的实际大气压,C为采样时的环境温度。
在一种可能的实现方式中,对各个无机元素进行分类,具体包括:
设置地壳类元素集合、典型城市污染元素集合和花岗岩成矿元素集合;
获取所述大气颗粒物样品中的所有无机元素,从所述所有无机元素中任一选取第一无机元素,基于所述第一无机元素遍历所述地壳类元素集合、所述典型城市污染元素集合和所述花岗岩成矿元素集合,以使将所述第一无机元素分类到对应的元素集合中,直至所有无机元素分类完成。
在一种可能的实现方式中,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径,具体包括:
对所述第一图像进行图像预处理,得到第二图像,其中,所述图像预处理包括图像灰度化处理、中值滤波处理、分段线性增强处理和二值化处理;
对所述第二图像进行边缘识别,得到所述第二图像中每个大气颗粒物的大气颗粒物面积,并基于所述大气颗粒物面积,得到每个大气颗粒物对应的大气颗粒物粒径。
在一种可能的实现方式中,根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,具体包括:
设置第一粒径区间、第二粒径区间和第三粒径区间,其中,所述第一粒径区间为所述大气颗粒物粒径大于2.5μm,且所述大气颗粒物粒径小于或等于10μm的区间、所述第二粒径区间为所述大气颗粒物粒径大于10μm,且所述大气颗粒物粒径小于或等于40μm的区间,所述第三粒径区间为所述大气颗粒物粒径大于40μm,且所述大气颗粒物粒径小于或等于80μm的区间;
根据所述大气颗粒物粒径、所述第一粒径区间、所述第二粒径区间和所述第三粒径区间,对每个大气颗粒物进行粒径区间分类,得到每个大气颗粒物对应的粒径区间。
在一种可能的实现方式中,根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算大气污染值,具体包括:
分别对所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比设置权重值;
将所述权重值、所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比代入预设的大气污染度计算公式中,计算得到大气污染值;其中,所述大气污染值计算公式,如下所示:
式中,S为大气污染值,a1为地壳类元素质量浓度对应的第一权重值,a2为典型城市污染元素质量浓度对应的第二权重值,a3为花岗岩成矿元素质量浓度对应的第三权重值,b1为第一占比对应的第四权重值,b2为第二占比对应的第五权重值,b3为第三占比对应的第六权重值,W1为地壳类元素质量浓度,W2为典型城市污染元素质量浓度,W3为花岗岩成矿元素质量浓度,D1为第一占比,D2为第二占比,D3为第三占比。
本发明还提供了一种基于稀土矿产区域的大气污染等级评估装置,包括:无机元素质量浓度计算模块、无机元素分类模块、大气颗粒物粒径获取模块、大气颗粒物粒径分类模块和大气污染等级确定模块;
其中,所述无机元素质量浓度计算模块,用于将稀土矿产区域划分为多个子区域,采集每个子区域中的大气颗粒物样品,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素对应的无机元素质量,并根据所述无机元素质量,计算无机元素质量浓度;
所述无机元素分类模块,用于对各个无机元素进行分类,得到地壳类元素、典型城市污染元素和花岗岩成矿元素,并基于所述无机元素质量浓度,分别计算地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度;
所述大气颗粒物粒径获取模块,用于获取含有大气颗粒物样品的第一图像,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径;
所述大气颗粒物粒径分类模块,用于根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,计算第一粒径区间中第一大气颗粒物数量在所有大气颗粒物数量中的第一占比、第二粒径区间中第二大气颗粒物数量在所有大气颗粒物数量中的第二占比,以及第三粒径区间中第三颗粒物数量在所有大气颗粒物数量中的第三占比;
所述大气污染等级确定模块,用于根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算每个子区域对应的大气污染值,并对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
本发明提供的一种基于稀土矿产区域的大气污染等级评估装置,还包括:第一大气污染等级分布图生成模块;
其中,所述第一大气污染等级分布图生成模块,用于获取所有子区域对应的大气污染等级,根据所述大气污染等级对所述稀土矿产区域进行空间插值,得到所述稀土矿产区域的第一大气污染等级分布图。
在一种可能的实现方式中,所述无机元素质量浓度计算模块,用于根据所述无机元素质量,计算无机元素质量浓度,具体包括:
获取大气颗粒物样品的采样体积,根据所述采样体积,计算所述大气颗粒物样品的标况体积;
将所述无机元素质量和所述标况体积代入到预设的无机元素质量浓度计算公式中,计算得到各个无机元素对应的无机元素质量浓度;
其中,所述无机元素质量浓度计算公式,如下所示:
Ni=Mi/V标;
V标=V实*2.694*(101.325+P)/(273+C);
式中,Ni为无机元素i对应的无机元素质量浓度,Mi为无机元素i对应的无机元素质量,V标为标况体积,V实为采样体积,P为采样时的实际大气压,C为采样时的环境温度。
在一种可能的实现方式中,所述无机元素分类模块,用于对各个无机元素进行分类,具体包括:
设置地壳类元素集合、典型城市污染元素集合和花岗岩成矿元素集合;
获取所述大气颗粒物样品中的所有无机元素,从所述所有无机元素中任一选取第一无机元素,基于所述第一无机元素遍历所述地壳类元素集合、所述典型城市污染元素集合和所述花岗岩成矿元素集合,以使将所述第一无机元素分类到对应的元素集合中,直至所有无机元素分类完成。
在一种可能的实现方式中,所述大气颗粒物粒径获取模块,用于对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径,具体包括:
对所述第一图像进行图像预处理,得到第二图像,其中,所述图像预处理包括图像灰度化处理、中值滤波处理、分段线性增强处理和二值化处理;
对所述第二图像进行边缘识别,得到所述第二图像中每个大气颗粒物的大气颗粒物面积,并基于所述大气颗粒物面积,得到每个大气颗粒物对应的大气颗粒物粒径。
在一种可能的实现方式中,所述大气颗粒物粒径分类模块,用于根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,具体包括:
设置第一粒径区间、第二粒径区间和第三粒径区间,其中,所述第一粒径区间为所述大气颗粒物粒径大于2.5μm,且所述大气颗粒物粒径小于或等于10μm的区间,所述第二粒径区间为所述大气颗粒物粒径大于10μm,且所述大气颗粒物粒径小于或等于40μm的区间,所述第三粒径区间为所述大气颗粒物粒径大于40μm,且所述大气颗粒物粒径小于或等于80μm的区间;
根据所述大气颗粒物粒径、所述第一粒径区间、所述第二粒径区间和所述第三粒径区间,对每个大气颗粒物进行粒径区间分类,得到每个大气颗粒物对应的粒径区间。
在一种可能的实现方式中,所述大气污染等级确定模块,用于根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算大气污染值,具体包括:
分别对所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比设置权重值;
将所述权重值、所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比代入预设的大气污染度计算公式中,计算得到大气污染值;其中,所述大气污染值计算公式,如下所示:
式中,S为大气污染值,a1为地壳类元素质量浓度对应的第一权重值,a2为典型城市污染元素质量浓度对应的第二权重值,a3为花岗岩成矿元素质量浓度对应的第三权重值,b1为第一占比对应的第四权重值,b2为第二占比对应的第五权重值,b3为第三占比对应的第六权重值,W1为地壳类元素质量浓度,W2为典型城市污染元素质量浓度,W3为花岗岩成矿元素质量浓度,D1为第一占比,D2为第二占比,D3为第三占比。
本发明还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项所述的基于稀土矿产区域的大气污染等级评估方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的基于稀土矿产区域的大气污染等级评估方法。
本发明实施例一种基于稀土矿产区域的大气污染等级评估方法及装置,与现有技术相比,具有如下有益效果:
本发明的技术方案基于大气颗粒物的无机元素和大气颗粒物粒径两大维度,选取了地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度,以及大气颗粒物样品中大气颗粒物数量在不同粒径区域中的占比的六个特征,用于计算大气污染值,并确定大气污染等级,与现有技术相比,本发明的技术方案通过多维度多特征数据对矿产资源开发造成的大气污染情况进行的定性评价,能提高大气污染等级预测的准确性。
附图说明
图1是本发明提供的一种基于稀土矿产区域的大气污染等级评估方法的一种实施例的流程示意图;
图2是本发明提供的一种基于稀土矿产区域的大气污染等级评估装置的一种实施例的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
参见图1,图1是本发明提供的一种基于稀土矿产区域的大气污染等级评估方法的一种实施例的流程示意图,如图1所示,该方法包括步骤101-步骤105,具体如下:
步骤101:将稀土矿产区域划分为多个子区域,采集每个子区域中的大气颗粒物样品,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素对应的无机元素质量,并根据所述无机元素质量,计算无机元素质量浓度。
一实施例中,获取稀土矿产区域的遥感图像数据,将所述遥感图像数据输入到预训练的目标分类模型中,以使所述目标分类模型将所述稀土矿产区域划分为多个子区域,其中,所述多个子区域包括矿产区域、非矿产区域和尾砂堆区域。
一实施例中,所述目标分类模型的训练过程包括:构建初始神经网络分类模型;获取矿产区域图像样本集、非矿产区域图像样本集、尾矿堆区域图像样本集,以所述矿产区域图像样本集为模型输入、矿产区域作为模型输出训练所述初始神经网络分类模型;以所述非矿产区域图像样本集为模型输入,非矿产区域为模型输出训练所述初始神经网络分类模型,以所述尾矿堆区域图像样本集作为模型输入,尾矿堆区域为模型输出训练所述初始神经网络分类模型;直至模型收敛时,生成目标分类模型。
具体的,获取矿产区域图像样本集、非矿产区域图像样本集、尾矿堆区域图像样本集;分别对所述矿产区域图像样本集、所述非矿产区域图像样本集和所述尾矿堆区域图像样本集进行图像处理,生成模型样本集,按照预设比例将所述模型样本集划分为训练集和测试集,基于所述训练集对所述初始神经网络分类模型进行训练,基于所述测试集测试所述初始神经网络分类模型的模型效果。
一实施例中,将所述稀土矿产区域划分为多个子区域后,采集每个子区域中的大气颗粒物样品,并对所述大气颗粒物样品设置对应的样品标签,其中,所述样品标签包括采样位置及采样子区域类型。
一实施例中,在进行大气颗粒物采样前,将空白石英纤维滤膜置于温度为25±4℃,相对湿度42%±2%的恒温恒湿环境中至少48小时,然后用超微量天平对所述空白石英纤维滤膜进行称重(MSE3.6P-OCE-DM,精度为0.01‰)其中,所述称重数量至少三次,取三次称重重量的平均值作为空白石英纤维滤膜的重量,即采样前重量。
一实施例中,在进行大气颗粒物进行采样时,在每个子区域中选取采样位置,其中,采样位置应为周围空旷无遮挡的位置;通过低流量便携式采样器进行大气颗粒物采样,采样流速为5L/min,采样介质选择经采样前预处理过的石英纤维滤膜。
一实施例中,在进行大气颗粒物采样后,将采集有大气颗粒物样品的石英纤维滤膜置于温度为25±4℃,相对湿度42%±2%的恒温恒湿环境中,等待48小时后,同一环境条件下,使用微量天平对所述石英纤维滤膜进行多次称重,其中,所述称重数量至少为3次,取三次称重重量的平均值作为含有大气颗粒物的石英纤维滤膜的重量,即采样后重量。
一实施例中,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素质量;具体的,将已准确称重过的石英纤维滤膜用树脂剪刀剪成四等分,取其中一份置于特氟隆容器中,用浓硝酸、氢氟酸和高氯酸消解,采用ICP-MS PQ3(VG Elemental)测定石英纤维滤膜中各个无机元素含量,以使得到大气颗粒物样品中各个无机元素质量。
优选的,所述大气颗粒物样品中各个无机元素质量均为扣除空白石英纤维滤膜质重量后的质量。
一实施例中,根据所述无机元素质量,计算各个无机元素对应的无机元素质量浓度;具体的,获取大气颗粒物样品的采样体积,根据所述采样体积,计算所述大气颗粒物样品的标况体积;将所述无机元素质量和所述标况体积代入到预设的无机元素质量浓度计算公式中,计算得到各个无机元素对应的无机元素质量浓度。
一实施例中,所述无机元素质量浓度计算公式,如下所示:
Ni=Mi/V标;
V标=V实*2.694*(101.325+P)/(273+C);
式中,Ni为无机元素i对应的无机元素质量浓度,Mi为无机元素i对应的无机元素质量,V标为标况体积,V实为采样体积,P为采样时的实际大气压,C为采样时的环境温度。
步骤102:对各个无机元素进行分类,得到地壳类元素、典型城市污染元素和花岗岩成矿元素,并基于所述无机元素质量浓度,分别计算地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度。
一实施例中,设置地壳类元素集合、典型城市污染元素集合和花岗岩成矿元素集合。
具体的,所述地壳类元素集合包括铝Al、钙Ca、铁Fe、镁Mg、钾K和钛Ti;所述典型城市污染元素集合包括铅Pb、锌Zn、钒V、铜Cu、砷As和镉Cd;所述花岗岩成矿元素集合包括硒Se、铌Nb、钼Mo、锡Sn、锑Sb、钨W、铊Tl、铋Bi、钍Th和锰Mn。
一实施例中,获取大气颗粒物样品中的所有无机元素,从所述所有无机元素中任一选取第一无机元素,基于所述第一无机元素遍历所述地壳类元素集合、所述典型城市污染元素集合和所述花岗岩成矿元素集合,以使将所述第一无机元素分类到对应的元素集合中,直至所有无机元素分类完成。
一实施例中,在无机元素分类完成后,统计所述地壳类元素集合中第二无机元素的第二无机元素数量;计算所述典型城市污染元素集合中所有第二无机元素对应的无机元素质量浓度之和,得到第一总无机元素质量浓度,并基于所述第一总无机元素质量浓度和所述第二无机元素数量,计算第一平均无机元素质量浓度,并将所述第一平均无机元素质量浓度作为地壳类元素质量浓度。
一实施例中,基于所述第一总无机元素质量浓度和所述第二无机元素数量,计算第一平均无机元素质量浓度;具体的:将所述第一总无机元素质量浓度和所述第二无机元素数量代入到第一平均无机元素质量浓度计算公式中,得到第一平均无机元素质量浓度;其中,所述第一平均无机元素质量浓度计算公式如下所示:
式中,W1为第一平均无机元素质量浓度,m为第二无机元素数量,Ni1为地壳类元素集合中第i个无机元素对应的无机元素质量浓度。
一实施例中,在无机元素分类完成后,统计所述典型城市污染元素集合中第三无机元素的第三无机元素数量;计算所述典型城市污染元素集合中所有第三无机元素对应的无机元素质量浓度之和,得到第二总无机元素质量浓度,并基于所述第二总无机元素质量浓度和所述第三无机元素数量,计算第二平均无机元素质量浓度,并将所述第二平均无机元素质量浓度作为典型城市污染元素质量浓度。
一实施例中,基于所述第二总无机元素质量浓度和所述第三无机元素数量,计算第二平均无机元素质量浓度;具体的:将所述第二总无机元素质量浓度和所述第三无机元素数量代入到第二平均无机元素质量浓度计算公式中,得到第二平均无机元素质量浓度;其中,所述第二平均无机元素质量浓度计算公式如下所示:
式中,W2为第二平均无机元素质量浓度,n为第二无机元素数量,Ni2为典型城市污染元素集合中第i个无机元素对应的无机元素质量浓度。
一实施例中,在无机元素分类完成后,统计所述花岗岩成矿元素集合中第四无机元素的第四无机元素数量;计算所述典型城市污染元素集合中所有第四无机元素对应的无机元素质量浓度之和,得到第三总无机元素质量浓度,并基于所述第三总无机元素质量浓度和所述第四无机元素数量,计算第三平均无机元素质量浓度,并将所述第三平均无机元素质量浓度作为花岗岩成矿元素质量浓度。
一实施例中,基于所述第三总无机元素质量浓度和所述第四无机元素数量,计算第三平均无机元素质量浓度;具体的:将所述第三总无机元素质量浓度和所述第四无机元素数量代入到第三平均无机元素质量浓度计算公式中,得到第三平均无机元素质量浓度;其中,所述第三平均无机元素质量浓度计算公式如下所示:
式中,W3为第三平均无机元素质量浓度,k为第二无机元素数量,Ni3为花岗岩成矿元素集合中第i个无机元素对应的无机元素质量浓度。
步骤103:获取含有大气颗粒物样品的第一图像,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径。
一实施例中,在获取到大气颗粒物样品后,基于显微镜对所述大气颗粒物样品进行放大处理,得到放大后的大气颗粒物样品图像,并基于图像采集设备对所述大气颗粒物样品图像进行采集,得到含有大气颗粒物的第一图像。
一实施例中,在采集到第一图像后,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径;具体的,对所述第一图像进行图像预处理,得到第二图像,其中,所述图像预处理包括图像灰度化处理、中值滤波处理、分段线性增强处理和二值化处理;对所述第二图像进行边缘识别,得到所述第二图像中每个大气颗粒物的大气颗粒物面积,并基于所述大气颗粒物面积,得到每个大气颗粒物对应的大气颗粒物粒径。
步骤104:根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,计算第一粒径区间中第一大气颗粒物数量在所有大气颗粒物数量中的第一占比、第二粒径区间中第二大气颗粒物数量在所有大气颗粒物数量中的第二占比,以及第三粒径区间中第三颗粒物数量在所有大气颗粒物数量中的第三占比。
一实施例中,设置第一粒径区间、第二粒径区间和第三粒径区间,其中,所述第一粒径区间为所述大气颗粒物粒径大于2.5μm,且所述大气颗粒物粒径小于或等于10μm的区间,所述第二粒径区间为所述大气颗粒物粒径大于10μm,且所述大气颗粒物粒径小于或等于40μm的区间,所述第三粒径区间为所述大气颗粒物粒径大于40μm,且所述大气颗粒物粒径小于或等于80μm的区间。
一实施例中,获取第二图像中识别到的所有大气颗粒物,根据所述大气颗粒物粒径、所述第一粒径区间、所述第二粒径区间和所述第三粒径区间,对所有大气颗粒物中的任一大气颗粒物进行粒径区间分类,得到每个大气颗粒物对应的粒径区间。
一实施例中,对所有大气颗粒物的大气颗粒物粒径分类完成后,统计第一粒径区间中所有第一大气颗粒物的第一大气颗粒物数量,并根据第一大气颗粒物数量和所有大气颗粒物数量,计算第一大气颗粒物数量在所有大气颗粒物数量中的第一占比。
一实施例中,统计第二粒径区间中所有第二大气颗粒物的第二大气颗粒物数量,并根据第二大气颗粒物数量和所有大气颗粒物数量,计算第二大气颗粒物数量在所有大气颗粒物数量中的第二占比。
一实施例中,统计第三粒径区间中所有第三大气颗粒物的第一大气颗粒物数量,并根据第三大气颗粒物数量和所有大气颗粒物数量,计算第三大气颗粒物数量在所有大气颗粒物数量中的第三占比。
步骤105:根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算每个子区域对应的大气污染值,并对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
一实施例中,分别对所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比设置权重值。
具体的,对所述地壳类元素质量浓度设置第一权重值,对所述典型城市污染元素质量浓度设置第二权重值,对所述花岗岩成矿元素质量浓度设置第三权重值,对所述第一占比设置第四权重值,对所述第二占比设置第五权重值,以及对所述第三占比设置第六权重值。
优选的,所述第一权重值、所述第二权重值、第三权重值、第四权重值、第五权重值和第六权重值为常数;具体数值可基于用户需求按需设置。
一实施例中,将所述权重值、所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比代入预设的大气污染度计算公式中,计算得到大气污染值;其中,所述大气污染值计算公式,如下所示:
式中,S为大气污染值,a1为地壳类元素质量浓度对应的第一权重值,a2为典型城市污染元素质量浓度对应的第二权重值,a3为花岗岩成矿元素质量浓度对应的第三权重值,b1为第一占比对应的第四权重值,b2为第二占比对应的第五权重值,b3为第三占比对应的第六权重值,W1为地壳类元素质量浓度,W2为典型城市污染元素质量浓度,W3为花岗岩成矿元素质量浓度,D1为第一占比,D2为第二占比,D3为第三占比。
一实施例中,设置等级划分规则,其中,所述等级划分规则包括大气污染等级,以使该大气污染等级对应的大气污染值区间范围;基于所述等级划分规则对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
一实施例中,获取所有子区域对应的大气污染等级,根据所述大气污染等级对所述稀土矿产区域进行空间插值,得到所述稀土矿产区域的第一大气污染等级分布图。
优选的,基于简单克里金插值模型对所述稀土矿产区域进行空间插值。
一实施例中,在获取所有子区域对应的大气污染等级后,获取稀土矿产区域的稀土矿产区域图像,以及稀土矿产区域中所有子区域对应的子区域图像,基于所述稀土矿产区域图像,对所有子区域图像进行图像拼接,得到稀土矿产区域拼接图像,继而根据每个子区域对应的大气污染等级,在稀土矿产区域拼接图像的基础上,生成所述稀土矿产区域的第一大气污染等级分布图。
综上,本发明提供的一种基于稀土矿产区域的大气污染等级评估方法;通过基于大气颗粒物的无机元素和大气颗粒物粒径两大维度,选取了地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度,以及大气颗粒物样品中大气颗粒物数量在不同粒径区域中的占比的六个特征,用于计算大气污染值,并确定大气污染等级;区别于现有技术中,仅基于大气颗粒物浓度对大气污染情况进行单一性评价;与现有技术相比,本发明的技术方案通过多维度多特征数据对矿产资源开发造成的大气污染情况进行的定性评价,能提高大气污染等级预测的准确性。
实施例2
参见图2,图2是本发明提供的一种基于稀土矿产区域的大气污染等级评估装置的一种实施例的结构示意图,如图2所示,该装置包括无机元素质量浓度计算模块201、无机元素分类模块202、大气颗粒物粒径获取模块203、大气颗粒物粒径分类模块204和大气污染等级确定模块205,具体如下:
所述无机元素质量浓度计算模块201,用于将稀土矿产区域划分为多个子区域,采集每个子区域中的大气颗粒物样品,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素对应的无机元素质量,并根据所述无机元素质量,计算无机元素质量浓度。
所述无机元素分类模块202,用于对各个无机元素进行分类,得到地壳类元素、典型城市污染元素和花岗岩成矿元素,并基于所述无机元素质量浓度,分别计算地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度。
所述大气颗粒物粒径获取模块203,用于获取含有大气颗粒物样品的第一图像,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径。
所述大气颗粒物粒径分类模块204,用于根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,计算第一粒径区间中第一大气颗粒物数量在所有大气颗粒物数量中的第一占比、第二粒径区间中第二大气颗粒物数量在所有大气颗粒物数量中的第二占比,以及第三粒径区间中第三颗粒物数量在所有大气颗粒物数量中的第三占比。
所述大气污染等级确定模块205,用于根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算每个子区域对应的大气污染值,并对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
本实施例提供的一种基于稀土矿产区域的大气污染等级评估装置,还包括:第一大气污染等级分布图生成模块。
一实施例中,所述第一大气污染等级分布图生成模块,用于获取所有子区域对应的大气污染等级,根据所述大气污染等级对所述稀土矿产区域进行空间插值,得到所述稀土矿产区域的第一大气污染等级分布图。
一实施例中,所述无机元素质量浓度计算模块201,用于根据所述无机元素质量,计算无机元素质量浓度,具体包括:获取大气颗粒物样品的采样体积,根据所述采样体积,计算所述大气颗粒物样品的标况体积;将所述无机元素质量和所述标况体积代入到预设的无机元素质量浓度计算公式中,计算得到各个无机元素对应的无机元素质量浓度;其中,所述无机元素质量浓度计算公式,如下所示:
Ni=Mi/V标;
V标=V实*2.694*(101.325+P)/(273+C);
式中,Ni为无机元素i对应的无机元素质量浓度,Mi为无机元素i对应的无机元素质量,V标为标况体积,V实为采样体积,P为采样时的实际大气压,C为采样时的环境温度。
一实施例中,所述无机元素分类模块202,用于对各个无机元素进行分类,具体包括:设置地壳类元素集合、典型城市污染元素集合和花岗岩成矿元素集合;获取所述大气颗粒物样品中的所有无机元素,从所述所有无机元素中任一选取第一无机元素,基于所述第一无机元素遍历所述地壳类元素集合、所述典型城市污染元素集合和所述花岗岩成矿元素集合,以使将所述第一无机元素分类到对应的元素集合中,直至所有无机元素分类完成。
一实施例中,所述大气颗粒物粒径获取模块203,用于对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径,具体包括:对所述第一图像进行图像预处理,得到第二图像,其中,所述图像预处理包括图像灰度化处理、中值滤波处理、分段线性增强处理和二值化处理;对所述第二图像进行边缘识别,得到所述第二图像中每个大气颗粒物的大气颗粒物面积,并基于所述大气颗粒物面积,得到每个大气颗粒物对应的大气颗粒物粒径。
一实施例中,所述大气颗粒物粒径分类模块204,用于根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,具体包括:设置第一粒径区间、第二粒径区间和第三粒径区间,其中,所述第一粒径区间为所述大气颗粒物粒径大于2.5μm,且所述大气颗粒物粒径小于或等于10μm的区间,所述第二粒径区间为所述大气颗粒物粒径大于10μm,且所述大气颗粒物粒径小于或等于40μm的区间,所述第三粒径区间为所述大气颗粒物粒径大于40μm,且所述大气颗粒物粒径小于或等于80μm的区间;根据所述大气颗粒物粒径、所述第一粒径区间、所述第二粒径区间和所述第三粒径区间,对每个大气颗粒物进行粒径区间分类,得到每个大气颗粒物对应的粒径区间。
一实施例中,所述大气污染等级确定模块205,用于根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算大气污染值,具体包括:分别对所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比设置权重值;将所述权重值、所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比代入预设的大气污染度计算公式中,计算得到大气污染值;其中,所述大气污染值计算公式,如下所示:
式中,S为大气污染值,a1为地壳类元素质量浓度对应的第一权重值,a2为典型城市污染元素质量浓度对应的第二权重值,a3为花岗岩成矿元素质量浓度对应的第三权重值,b1为第一占比对应的第四权重值,b2为第二占比对应的第五权重值,b3为第三占比对应的第六权重值,W1为地壳类元素质量浓度,W2为典型城市污染元素质量浓度,W3为花岗岩成矿元素质量浓度,D1为第一占比,D2为第二占比,D3为第三占比。
所属领域的技术人员可以清楚的了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不在赘述。
需要说明的是,上述基于稀土矿产区域的大气污染等级评估装置的实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
在上述的基于稀土矿产区域的大气污染等级评估方法的实施例的基础上,本发明另一实施例提供了一种基于稀土矿产区域的大气污染等级评估终端设备,该基于稀土矿产区域的大气污染等级评估终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时,实现本发明任意一实施例的基于稀土矿产区域的大气污染等级评估方法。
示例性的,在这一实施例中所述计算机程序可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述基于稀土矿产区域的大气污染等级评估终端设备中的执行过程。
所述基于稀土矿产区域的大气污染等级评估终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于稀土矿产区域的大气污染等级评估终端设备可包括,但不仅限于,处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,所述处理器是所述基于稀土矿产区域的大气污染等级评估终端设备的控制中心,利用各种接口和线路连接整个基于稀土矿产区域的大气污染等级评估终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述基于稀土矿产区域的大气污染等级评估终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在上述基于稀土矿产区域的大气污染等级评估方法的实施例的基础上,本发明另一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时,控制所述存储介质所在的设备执行本发明任意一实施例的基于稀土矿产区域的大气污染等级评估方法。
在这一实施例中,上述存储介质为计算机可读存储介质,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
综上,本发明公开了一种基于稀土矿产区域的大气污染等级评估方法及装置,
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,包括:
将稀土矿产区域划分为多个子区域,采集每个子区域中的大气颗粒物样品,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素对应的无机元素质量,并根据所述无机元素质量,计算无机元素质量浓度;
对各个无机元素进行分类,得到地壳类元素、典型城市污染元素和花岗岩成矿元素,并基于所述无机元素质量浓度,分别计算地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度;
获取含有大气颗粒物样品的第一图像,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径;
根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,计算第一粒径区间中第一大气颗粒物数量在所有大气颗粒物数量中的第一占比、第二粒径区间中第二大气颗粒物数量在所有大气颗粒物数量中的第二占比,以及第三粒径区间中第三颗粒物数量在所有大气颗粒物数量中的第三占比;
根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算每个子区域对应的大气污染值,并对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
2.如权利要求1所述的一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,还包括:
获取所有子区域对应的大气污染等级,根据所述大气污染等级对所述稀土矿产区域进行空间插值,得到所述稀土矿产区域的第一大气污染等级分布图。
3.如权利要求1所述的一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,根据所述无机元素质量,计算无机元素质量浓度,具体包括:
获取大气颗粒物样品的采样体积,根据所述采样体积,计算所述大气颗粒物样品的标况体积;
将所述无机元素质量和所述标况体积代入到预设的无机元素质量浓度计算公式中,计算得到各个无机元素对应的无机元素质量浓度;
其中,所述无机元素质量浓度计算公式,如下所示:
Ni=Mi/V标;
V标=V实*2.694*(101.325+P)/(273+C);
式中,Ni为无机元素i对应的无机元素质量浓度,Mi为无机元素i对应的无机元素质量,V标为标况体积,V实为采样体积,P为采样时的实际大气压,C为采样时的环境温度。
4.如权利要求1所述的一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,对各个无机元素进行分类,具体包括:
设置地壳类元素集合、典型城市污染元素集合和花岗岩成矿元素集合;
获取所述大气颗粒物样品中的所有无机元素,从所述所有无机元素中任一选取第一无机元素,基于所述第一无机元素遍历所述地壳类元素集合、所述典型城市污染元素集合和所述花岗岩成矿元素集合,以使将所述第一无机元素分类到对应的元素集合中,直至所有无机元素分类完成。
5.如权利要求1所述的一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径,具体包括:
对所述第一图像进行图像预处理,得到第二图像,其中,所述图像预处理包括图像灰度化处理、中值滤波处理、分段线性增强处理和二值化处理;
对所述第二图像进行边缘识别,得到所述第二图像中每个大气颗粒物的大气颗粒物面积,并基于所述大气颗粒物面积,得到每个大气颗粒物对应的大气颗粒物粒径。
6.如权利要求1所述的一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,具体包括:
设置第一粒径区间、第二粒径区间和第三粒径区间,其中,所述第一粒径区间为所述大气颗粒物粒径大于2.5μm,且所述大气颗粒物粒径小于或等于10μm的区间,所述第二粒径区间为所述大气颗粒物粒径大于10μm,且所述大气颗粒物粒径小于或等于40μm的区间,所述第三粒径区间为所述大气颗粒物粒径大于40μm,且所述大气颗粒物粒径小于或等于80μm的区间;
根据所述大气颗粒物粒径、所述第一粒径区间、所述第二粒径区间和所述第三粒径区间,对每个大气颗粒物进行粒径区间分类,得到每个大气颗粒物对应的粒径区间。
7.如权利要求1所述的一种基于稀土矿产区域的大气污染等级评估方法,其特征在于,根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算大气污染值,具体包括:
分别对所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比设置权重值;
将所述权重值、所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比代入预设的大气污染度计算公式中,计算得到大气污染值;其中,所述大气污染值计算公式,如下所示:
式中,S为大气污染值,a1为地壳类元素质量浓度对应的第一权重值,a2为典型城市污染元素质量浓度对应的第二权重值,a3为花岗岩成矿元素质量浓度对应的第三权重值,b1为第一占比对应的第四权重值,b2为第二占比对应的第五权重值,b3为第三占比对应的第六权重值,W1为地壳类元素质量浓度,W2为典型城市污染元素质量浓度,W3为花岗岩成矿元素质量浓度,D1为第一占比,D2为第二占比,D3为第三占比。
8.一种基于稀土矿产区域的大气污染等级评估装置,其特征在于,包括:无机元素质量浓度计算模块、无机元素分类模块、大气颗粒物粒径获取模块、大气颗粒物粒径分类模块和大气污染等级确定模块;
其中,所述无机元素质量浓度计算模块,用于将稀土矿产区域划分为多个子区域,采集每个子区域中的大气颗粒物样品,对所述大气颗粒物样品进行无机元素质量检测,得到各个无机元素对应的无机元素质量,并根据所述无机元素质量,计算无机元素质量浓度;
所述无机元素分类模块,用于对各个无机元素进行分类,得到地壳类元素、典型城市污染元素和花岗岩成矿元素,并基于所述无机元素质量浓度,分别计算地壳类元素质量浓度、典型城市污染元素质量浓度和花岗岩成矿元素质量浓度;
所述大气颗粒物粒径获取模块,用于获取含有大气颗粒物样品的第一图像,对所述第一图像进行边缘识别,得到每个大气颗粒物对应的大气颗粒物粒径;
所述大气颗粒物粒径分类模块,用于根据所述大气颗粒物粒径对每个大气颗粒物进行粒径区间分类,计算第一粒径区间中第一大气颗粒物数量在所有大气颗粒物数量中的第一占比、第二粒径区间中第二大气颗粒物数量在所有大气颗粒物数量中的第二占比,以及第三粒径区间中第三颗粒物数量在所有大气颗粒物数量中的第三占比;
所述大气污染等级确定模块,用于根据所述地壳类元素质量浓度、所述典型城市污染元素质量浓度、所述花岗岩成矿元素质量浓度、所述第一占比、所述第二占比和所述第三占比,计算每个子区域对应的大气污染值,并对所述大气污染值进行等级划分,确认所述稀土矿产区域中每个子区域的大气污染等级。
9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的基于稀土矿产区域的大气污染等级评估方法。
10.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于稀土矿产区域的大气污染等级评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310637874.7A CN116758342B (zh) | 2023-06-01 | 2023-06-01 | 一种基于稀土矿产区域的大气污染等级评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310637874.7A CN116758342B (zh) | 2023-06-01 | 2023-06-01 | 一种基于稀土矿产区域的大气污染等级评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116758342A CN116758342A (zh) | 2023-09-15 |
CN116758342B true CN116758342B (zh) | 2023-12-15 |
Family
ID=87954374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310637874.7A Active CN116758342B (zh) | 2023-06-01 | 2023-06-01 | 一种基于稀土矿产区域的大气污染等级评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116758342B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011051577A1 (fr) * | 2009-10-30 | 2011-05-05 | Cap Environnement | Procédé et système de détermination de la qualité de l'atmosphère d'un environnement intérieur |
CN107300550A (zh) * | 2017-06-21 | 2017-10-27 | 南京大学 | 一种基于bp神经网络模型预测大气重金属浓度的方法 |
CN109613182A (zh) * | 2018-12-21 | 2019-04-12 | 北京英视睿达科技有限公司 | 基于大气污染物的监测布点选址方法及装置 |
CN111768064A (zh) * | 2019-12-31 | 2020-10-13 | 安徽珍昊环保科技有限公司 | 一种煤矿区土壤重金属污染实用评价方法 |
CN112163347A (zh) * | 2020-10-21 | 2021-01-01 | 中国科学院生态环境研究中心 | 一种城市地块尺度面源污染动态输出特征评估的方法 |
WO2021051609A1 (zh) * | 2019-09-20 | 2021-03-25 | 平安科技(深圳)有限公司 | 细颗粒物污染等级的预测方法、装置及计算机设备 |
CN113554305A (zh) * | 2021-07-22 | 2021-10-26 | 生态环境部卫星环境应用中心 | 一种秸秆焚烧对大气细颗粒物浓度影响评估方法 |
CN115238596A (zh) * | 2022-09-22 | 2022-10-25 | 中科三清科技有限公司 | 数据处理方法、装置、可读存储介质与电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188495A1 (en) * | 2012-12-30 | 2014-07-03 | Nanjing University | Method for assessing and managing health risks associated with heavy metal pollution |
CN110044779B (zh) * | 2019-04-28 | 2019-12-17 | 暨南大学 | 一种大气重金属颗粒物实时在线监测和源解析联用的方法 |
CN113689099B (zh) * | 2021-08-16 | 2022-05-06 | 河海大学 | 基于水量构成的环状河网水系水质考核断面污染负荷贡献率确定方法 |
-
2023
- 2023-06-01 CN CN202310637874.7A patent/CN116758342B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011051577A1 (fr) * | 2009-10-30 | 2011-05-05 | Cap Environnement | Procédé et système de détermination de la qualité de l'atmosphère d'un environnement intérieur |
CN107300550A (zh) * | 2017-06-21 | 2017-10-27 | 南京大学 | 一种基于bp神经网络模型预测大气重金属浓度的方法 |
CN109613182A (zh) * | 2018-12-21 | 2019-04-12 | 北京英视睿达科技有限公司 | 基于大气污染物的监测布点选址方法及装置 |
WO2021051609A1 (zh) * | 2019-09-20 | 2021-03-25 | 平安科技(深圳)有限公司 | 细颗粒物污染等级的预测方法、装置及计算机设备 |
CN111768064A (zh) * | 2019-12-31 | 2020-10-13 | 安徽珍昊环保科技有限公司 | 一种煤矿区土壤重金属污染实用评价方法 |
CN112163347A (zh) * | 2020-10-21 | 2021-01-01 | 中国科学院生态环境研究中心 | 一种城市地块尺度面源污染动态输出特征评估的方法 |
CN113554305A (zh) * | 2021-07-22 | 2021-10-26 | 生态环境部卫星环境应用中心 | 一种秸秆焚烧对大气细颗粒物浓度影响评估方法 |
CN115238596A (zh) * | 2022-09-22 | 2022-10-25 | 中科三清科技有限公司 | 数据处理方法、装置、可读存储介质与电子设备 |
Non-Patent Citations (3)
Title |
---|
Guided, Stochastic Model-Based GUI Testing of Android Apps;Ting Su 等;《ACM》;全文 * |
Terahertz-dependent PM2.5 monitoring and grading in the atmosphere;XinYang Miao 等;《https://doi.org/10.1007/s11433-018-9237-1》;全文 * |
乌鲁木齐市采暖季亚微米颗粒物污染特征初探;谷超 等;《干旱环境监测》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116758342A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Image positioning and identification method and system for coal and gangue sorting robot | |
Barandovski et al. | Atmospheric heavy metal deposition in north macedonia from 2002 to 2010 studied by moss biomonitoring technique | |
CN107944213B (zh) | Pmf在线源解析方法、系统、终端设备及计算机可读存储介质 | |
Mehta et al. | Assessment of the possible reuse of extractive waste coming from abandoned mine sites: Case study in Gorno, Italy | |
Ghorbani et al. | A process mineralogy approach to gravity concentration of Tantalum bearing minerals | |
Lougheed et al. | Exploration potential of fine-fraction heavy mineral concentrates from till using automated mineralogy: A case study from the Izok Lake Cu–Zn–Pb–Ag VMS deposit, Nunavut, Canada | |
Hamid et al. | Quantitative mineralogical comparison between HPGR and ball mill products of a Sn-Ta ore | |
Song et al. | Arsenic and heavy metal accumulation and risk assessment in soils around mining areas: the Urad Houqi area in arid Northwest China as an example | |
Warlo et al. | Automated quantitative mineralogy optimized for simultaneous detection of (precious/critical) rare metals and base metals in a production-focused environment | |
Pietranik et al. | Understanding heterogeneity of a slag-derived weathered material: The role of automated SEM-EDS analyses | |
Senoro et al. | Quantitative assessment and spatial analysis of metals and metalloids in soil using the geo-accumulation index in the capital Town of Romblon province, Philippines | |
CN115791537A (zh) | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 | |
Gong et al. | Heavy metal deposition dynamics under improved vegetation in the middle reach of the Yangtze River | |
Marfin et al. | A trace element classification tree for chalcopyrite from Oktyabrsk deposit, Norilsk–Talnakh Ore District, Russia: LA-ICPMS Study | |
CN116758342B (zh) | 一种基于稀土矿产区域的大气污染等级评估方法及装置 | |
CN112651579B (zh) | 基于矿石基因特性的浮选回收率预测方法 | |
CN113850244A (zh) | 基于图像识别的输煤量监测方法、装置、设备及存储介质 | |
Kharazian et al. | Pinus halepensis in Contaminated Mining Sites: Study of the Transfer of Metals in the Plant–Soil System Using the BCR Procedure | |
Davila et al. | Application of a fuzzy logic based methodology to validate the hydrochemical characterization and determining seasonal influence of a watershed affected by acid mine drainage | |
Liu et al. | Characteristics of PM10 chemical source profiles for geological dust from the south-west region of China | |
CN112084941A (zh) | 一种基于遥感图像的目标检测与识别方法 | |
Khalil et al. | Applied Methodological Approach for the Assessment of Soil Contamination by Trace Elements around Abandoned Coal Mines—A Case Study of the Jerada Coal Mine, Morocco | |
Minnitt | The costs of sampling errors and bias to the mining industry | |
Krasavtseva et al. | Modelling of the chemical halo of dust pollution migration in loparite ore tailings storage facilities | |
Li et al. | Evaluation of grain shape parameters of Fujian standard sand |
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 |