CN116773485A - 一种基于多模态数据的城市区域碳排放检测系统 - Google Patents
一种基于多模态数据的城市区域碳排放检测系统 Download PDFInfo
- Publication number
- CN116773485A CN116773485A CN202310720346.8A CN202310720346A CN116773485A CN 116773485 A CN116773485 A CN 116773485A CN 202310720346 A CN202310720346 A CN 202310720346A CN 116773485 A CN116773485 A CN 116773485A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- subunit
- curve
- detection
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 112
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 112
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 230000036541 health Effects 0.000 claims abstract description 4
- 238000010248 power generation Methods 0.000 claims description 35
- 238000001228 spectrum Methods 0.000 claims description 25
- 238000007726 management method Methods 0.000 claims description 15
- 239000013618 particulate matter Substances 0.000 claims description 12
- 238000003702 image correction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 8
- 239000003344 environmental pollutant Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000000862 absorption spectrum Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于多模态数据的城市区域碳排放检测系统，包括：碳排放信息采集模块：用于采集固定源和移动源的碳排放数据；云数据存储模块：用于将所述碳排放数据通过服务器进行传输，并进行存储；检测分析模块：用于对所述碳排放数据进行检测分析，对判断城市区域的健康状况；碳排放信息采集模块、云数据存储模块、检测分析模块依次连接。本发明能够更加准确的获取碳排放数据，通过多模态时空数据的空间尺度融合处理，实现了对城市碳排放的动态检测。
Description
技术领域
本发明涉及城市规划技术领域，尤其涉及一种基于多模态数据的城市区域碳排放检测系统。
背景技术
碳排放主要来自固定源和移动源，固定源一般是燃煤、燃油、燃气的锅炉和工业炉窑以及石油化工、冶金、建材等生产过程中产生的废气向空气中排放的固定排放源，移动源则指机动车和非道路移动机械等位置随时间变化的排放源。城市移动源排放已逐渐超过城市固定源中的工业碳排放，成为城市环境中空气污染物的主要来源。城市移动源排放具有强时空变化性和高度复杂性，移动源排放控制被视为碳管理和空气质量改善所面临的最棘手问题之一。移动源排放的动态化、量化需要测量、模拟、统计等多领域，遥感、北斗、物联网、大数据多技术的综合，有许多科学和技术难题。
国内外针对CO2、CH4等温室气体开展卫星遥感监测始于本世纪初，如早期的SCIAMACHY传感器。目前，全球温室气体探测卫星主要包括日本宇航局的GOSAT、美国NASA的OCO2、我国的TanSAT和高分5号卫星等。在CO2柱浓度遥感反演的基础上，结合高斯函数等数学方法，卫星遥感可以对城市和电厂等大型面源和点源的排放总量进行反演。在城市碳排放检测方面，目前移动源排放规律的分析视角较为单一，且目前国外主流的国外经典模型，难以适应我国复杂的碳排放环境，如何对城市碳排放进行监测，则成为重要的环境监测指标，因此，本申请提供了一种基于多模态数据的城市区域碳排放检测系统。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种基于多模态数据的城市区域碳排放检测系统。
为实现上述目的，本发提供的技术方案为：
一种基于多模态数据的城市区域碳排放检测系统，包括：
碳排放信息采集模块：用于采集固定源和移动源的碳排放数据；
云数据存储模块：用于将所述碳排放数据通过服务器进行传输，并进行存储；
检测分析模块：用于对所述碳排放数据进行检测分析，对判断城市区域的健康状况；
所述碳排放信息采集模块、所述云数据存储模块、所述检测分析模块依次连接。
优选地，所述碳排放信息采集模块包括：
固定源信息采集单元：用于采集固定源的碳排放数据；
移动源信息采集单元：用于采集移动源的碳排放数据；
综合管理单元：用于对所述固定源的碳排放数据和所述移动源的碳排放数据进行综合处理，获取检测区域的综碳排放数据；
所述固定源信息采集单元、所述移动源信息采集单元分别与所述综合管理单元连接。
优选地，所述固定源信息采集单元包括：
数据获取子单元：用于获取检测区域内的发电数据和用电数据；
曲线生成子单元：用于根据所述发电数据和所述用电数据对应的时间，分别生成发电曲线图和用电曲线图；
图像修正子单元：用于根据预设规则，将所述发电曲线图和所述用电曲线图中的超出所述预设规则的点进行切割重建，生成发电估计图和用电估计图，并分别进行分割，获得若干发电曲线段和若干用电曲线段；
所述数据获取子单元、所述曲线生成子单元、所述图像修正子单元依次连接。
优选地，所述固定源信息采集单元还包括：
特征提取子单元：用于分别提取所述发电曲线段和所述用电曲线段的特征数据，基于所述特征数据计算发电侧碳排放量和用电侧碳排放量。
优选地，所述移动源信息采集单元包括：
遥测子单元：用于通过遥测设备和光路反射装置检测移动源排放的污染物数据；
实时气象检测子单元：用于采集检测区域内检测站点的风速、风向、温湿度以及气压参数，获取真实碳排放测量值；
所述遥测子单元、所述实时气相检测子单元分别与所述移动源信息采集单元连接。
优选地，所述综合管理单元包括：
图像获取子单元：用于获取检测区域的全色遥感图像和多光谱遥感图像，基于所述全色遥感图像和所述多光谱遥感图像获取所述检测区域的高光谱图像数据，获得光谱曲线；
计算子单元：用于将所述光谱曲线与预设光谱模板曲线进行匹配，获取匹配后的光谱模板曲线，计算所述光谱曲线与所述光谱模板曲线之间分差异度；
所述图像获取子单元、所述计算子单元依次连接。
优选地，所述固定源信息采集单元还包括调整子单元，所述调整子单元用于基于所述差异度和预设调整函数，调整所述光谱模板曲线所对应近地面颗粒物组分信息，获取所述检测区域的近地面颗粒物组分信息，基于所述颗粒物组分信息获得所述检测区域内的第二碳排放数据总量。
优选地，所述检测分析模块包括：
检测对比子单元：用于将固定源信息采集单元、固定源信息采集单元采集的数据进行总和，获取第一碳排放数据总量，将所述第一碳排放数据总量与综合管理单元获取的第二碳排放数据总量进行比较，若比较结果在预设范围内，则对检测区域内的碳排放数据进行分析，若超出所述预设范围，则重新进行采集及测量。
优选地，所述检测分析模块还包括规划分析单元，所述规划分析单元用于根据检测区域内的碳排放数据总量进行规划管理。
与现有技术相比，本发明具有如下优点和技术效果：
本发明从固定源和移动源对检测区域进行了分析，能够更加准确的获取碳排放数据，通过多模态时空数据的空间尺度融合处理，实现了对城市碳排放的动态检测；
本发明通过智能化的采集和分析系统，对城市的碳排放进行检测，作为城市规划的依据，能够将工业与生活分离开，提高生活质量，能够实时准确的对不同地区进行碳排放检测作用，提高工作效率，且其高准确性能够为城市规划提供有力依据。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例的一种基于多模态数据的城市区域碳排放检测系统结构示意图；
图2为本发明实施例中固定源信息采集单元的结构示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明提出了一种基于多模态数据的城市区域碳排放检测系统，如图1，具体包括：
碳排放信息采集模块：用于采集固定源和移动源的碳排放数据；
云数据存储模块：用于将所述碳排放数据通过服务器进行传输，并进行存储；
检测分析模块：用于对所述碳排放数据进行检测分析，对判断城市区域的健康状况；
碳排放信息采集模块、云数据存储模块、检测分析模块依次连接。
碳排放信息采集模块包括：
固定源信息采集单元：用于采集固定源的碳排放数据；
固定源信息采集单元：用于采集移动源的碳排放数据；
综合管理单元：用于对所述固定源的碳排放数据和所述移动源的碳排放数据进行综合处理，获取检测区域的综碳排放数据；
所述固定源信息采集模块、所述移动源信息采集单元分别与所述综合管理单元连接。
固定源信息采集单元包括(如图2)：
数据获取子单元：用于获取检测区域内的发电数据和用电数据；
曲线生成子单元：用于根据所述发电数据和所述用电数据对应的时间，分别生成发电曲线图和用电曲线图；
图像修正子单元：用于根据预设规则，将所述发电曲线图和所述用电曲线图中的超出所述预设规则的点进行切割重建，生成发电估计图和用电估计图，并分别进行分割，获得若干发电曲线段和若干用电曲线段；
预设规则包括：
将超出预设规则的点两侧曲线划分为普通段，修整段和重建段；将重建段由正弦曲线替换后，通过修改修整段曲率，连接到普通段。
特征提取子单元：用于分别提取所述发电曲线段和所述用电曲线段的特征数据，基于所述特征数据计算发电侧碳排放量和用电侧碳排放量，根据发电数据特征集和用电数据特征集分别计算发电侧碳排放量和用电测碳排放量，并分别乘以各自的影响因子，计算最终的碳排放量。
数据获取子单元、曲线生成子单元、图像修正子单元依次连接。
提取所述发电曲线段和所述用电曲线段的特征数据，包括：
判断曲线升降幅度以及升降时间段的长短；分别设置时间段阈值和升降幅度阈值，当时间段超过时间段阈值和升降幅度阈值后，将对应的曲线段设置为发电曲线段或者用电曲线段。
进一步优化方案，移动源信息采集单元包括：
遥测子单元：用于通过遥测设备和光路反射装置检测移动源排放的污染物数据；
实时气象检测子单元：用于采集检测区域内检测站点的风速、风向、温湿度以及气压参数，获取真实碳排放测量值；
所述遥测子单元、所述实时气相检测子单元分别与所述移动源信息采集单元连接。
遥测子单元主要包括遥测设备和光路反射器，遥测设备采用可调谐二极管激光吸收光谱技术和紫外差分吸收光谱技术，可以自动监测移动污染源排放的超细颗粒物与VOCS等污染物数据(CO、CO2、NOx、HC的浓度)。尾气监测的流程如下：当车辆经过时，遥测主机发射特定波长的红外线和紫外线光束，道路对面的光路反射器接受到后反射回主机，遥测主机就可以获得一个吸收光谱，通过分析吸收光谱的变化来计算该车辆通过时各污染物浓度的比值，最后根据实时浓度比值，引入燃烧方程计算各污染物的浓度值。
实时气象检测子单元主要用来采集当前监测站点的风速、风向、湿温度、气压等参数，因为不同的气象条件，会对污染物的扩散产生影响，从而影响真实监测值，后续会根据气象参数对污染物监测结果进行补偿。
进一步优化方案，综合管理单元包括：
图像获取子单元：用于获取检测区域的全色遥感图像和多光谱遥感图像，基于所述全色遥感图像和所述多光谱遥感图像获取所述检测区域的高光谱图像数据，获得光谱曲线；
计算子单元：用于将所述光谱曲线与预设光谱模板曲线进行匹配，获取匹配后的光谱模板曲线，计算所述光谱曲线与所述光谱模板曲线之间分差异度；
图像获取子单元、计算子单元依次连接。
还包括调整子单元，所述调整子单元用于基于所述差异度和预设调整函数，调整所述光谱模板曲线所对应近地面颗粒物组分信息，获取所述检测区域的近地面颗粒物组分信息，基于所述颗粒物组分信息获得所述检测区域内的第二碳排放数据总量。
获得光谱曲线包括：
对高光谱图像数据进行坐标系映射后，得到直方图多维矩阵；获取转化后的图像的直方图多维矩阵，并对直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据；利用最小噪声分离矩阵数据，构建所述光谱曲线。
调整子单元具体用于具体判断差异度是否大于预设差异度阈值；若是，则计算所述光谱曲线中各预设点的特征统计量，并计算特征统计量的归一化值；将归一化值和匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到待测区域的近地面颗粒物组分信息，其中预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
检测分析模块包括：
检测对比子单元：用于将固定源信息采集单元、固定源信息采集单元采集的数据进行总和，获取第一碳排放数据总量，将所述第一碳排放数据总量与综合管理单元获取的第二碳排放数据总量进行比较，若比较结果在预设范围内，则对检测区域内的碳排放数据进行分析，若超出所述预设范围，则重新进行采集及测量。
检测分析模块还包括规划分析单元，所述规划分析单元用于根据检测区域内的碳排放数据总量进行规划管理。
根据碳排放数据总量生成碳排放或碳减排行为信息，得到对应的碳排放或碳减排数据；基于碳排放或碳减排数据指示检测区域进行碳排放量监测管理。从量化的角度确定碳排放数据和碳减排数据，扩展碳排放量监测功能，有效定量分析碳排放量，对于节能减排有更深的指导意义。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种基于多模态数据的城市区域碳排放检测系统，其特征在于，包括：
碳排放信息采集模块：用于采集固定源和移动源的碳排放数据；
云数据存储模块：用于将所述碳排放数据通过服务器进行传输，并进行存储；
检测分析模块：用于对所述碳排放数据进行检测分析，对判断城市区域的健康状况；
所述碳排放信息采集模块、所述云数据存储模块、所述检测分析模块依次连接。
2.根据权利要求1所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述碳排放信息采集模块包括：
固定源信息采集单元：用于采集固定源的碳排放数据；
移动源信息采集单元：用于采集移动源的碳排放数据；
综合管理单元：用于对所述固定源的碳排放数据和所述移动源的碳排放数据进行综合处理，获取检测区域的综碳排放数据；
所述固定源信息采集单元、所述移动源信息采集单元分别与所述综合管理单元连接。
3.根据权利要求2所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述固定源信息采集单元包括：
数据获取子单元：用于获取检测区域内的发电数据和用电数据；
曲线生成子单元：用于根据所述发电数据和所述用电数据对应的时间，分别生成发电曲线图和用电曲线图；
图像修正子单元：用于根据预设规则，将所述发电曲线图和所述用电曲线图中的超出所述预设规则的点进行切割重建，生成发电估计图和用电估计图，并分别进行分割，获得若干发电曲线段和若干用电曲线段；
所述数据获取子单元、所述曲线生成子单元、所述图像修正子单元依次连接。
4.根据权利要求3所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述固定源信息采集单元还包括：
特征提取子单元：用于分别提取所述发电曲线段和所述用电曲线段的特征数据，基于所述特征数据计算发电侧碳排放量和用电侧碳排放量。
5.根据权利要求2所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述移动源信息采集单元包括：
遥测子单元：用于通过遥测设备和光路反射装置检测移动源排放的污染物数据；
实时气象检测子单元：用于采集检测区域内检测站点的风速、风向、温湿度以及气压参数，获取真实碳排放测量值；
所述遥测子单元、所述实时气相检测子单元分别与所述移动源信息采集单元连接。
6.根据权利要求2所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述综合管理单元包括：
图像获取子单元：用于获取检测区域的全色遥感图像和多光谱遥感图像，基于所述全色遥感图像和所述多光谱遥感图像获取所述检测区域的高光谱图像数据，获得光谱曲线；
计算子单元：用于将所述光谱曲线与预设光谱模板曲线进行匹配，获取匹配后的光谱模板曲线，计算所述光谱曲线与所述光谱模板曲线之间分差异度；
所述图像获取子单元、所述计算子单元依次连接。
7.根据权利要求6所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述固定源信息采集单元还包括调整子单元，所述调整子单元用于基于所述差异度和预设调整函数，调整所述光谱模板曲线所对应近地面颗粒物组分信息，获取所述检测区域的近地面颗粒物组分信息，基于所述颗粒物组分信息获得所述检测区域内的第二碳排放数据总量。
8.根据权利要求1所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述检测分析模块包括：
检测对比子单元：用于将固定源信息采集单元、固定源信息采集单元采集的数据进行总和，获取第一碳排放数据总量，将所述第一碳排放数据总量与综合管理单元获取的第二碳排放数据总量进行比较，若比较结果在预设范围内，则对检测区域内的碳排放数据进行分析，若超出所述预设范围，则重新进行采集及测量。
9.根据权利要求1所述的基于多模态数据的城市区域碳排放检测系统，其特征在于，所述检测分析模块还包括规划分析单元，所述规划分析单元用于根据检测区域内的碳排放数据总量进行规划管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310720346.8A CN116773485A (zh) | 2023-06-16 | 2023-06-16 | 一种基于多模态数据的城市区域碳排放检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310720346.8A CN116773485A (zh) | 2023-06-16 | 2023-06-16 | 一种基于多模态数据的城市区域碳排放检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116773485A true CN116773485A (zh) | 2023-09-19 |
Family
ID=88007440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310720346.8A Pending CN116773485A (zh) | 2023-06-16 | 2023-06-16 | 一种基于多模态数据的城市区域碳排放检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116773485A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035244A (zh) * | 2023-10-10 | 2023-11-10 | 成都市智慧蓉城研究院有限公司 | 基于标识解析的空间规划信息采集方法及系统 |
| CN117911880A (zh) * | 2024-03-20 | 2024-04-19 | 浙江大学 | 基于遥感影像的城市碳排放时空分布模拟方法及系统 |
-
2023
- 2023-06-16 CN CN202310720346.8A patent/CN116773485A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035244A (zh) * | 2023-10-10 | 2023-11-10 | 成都市智慧蓉城研究院有限公司 | 基于标识解析的空间规划信息采集方法及系统 |
| CN117035244B (zh) * | 2023-10-10 | 2024-02-02 | 成都市智慧蓉城研究院有限公司 | 基于标识解析的空间规划信息采集方法及系统 |
| CN117911880A (zh) * | 2024-03-20 | 2024-04-19 | 浙江大学 | 基于遥感影像的城市碳排放时空分布模拟方法及系统 |
| CN117911880B (zh) * | 2024-03-20 | 2024-05-31 | 浙江大学 | 基于遥感影像的城市碳排放时空分布模拟方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116773485A (zh) | 一种基于多模态数据的城市区域碳排放检测系统 | |
| CN106355166B (zh) | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 | |
| CN107330300B (zh) | 一种基于支持向量回归的车辆尾气浓度反演方法 | |
| CN114280695A (zh) | 一种空气污染物监测预警方法及云平台 | |
| Jin et al. | Machine learning for observation bias correction with application to dust storm data assimilation | |
| CN109489978B (zh) | 一种基于V-a工况的柴油机车多种排放检测方法的多源数据关联分析方法 | |
| Forello et al. | Exploiting multi-wavelength aerosol absorption coefficients in a multi-time resolution source apportionment study to retrieve source-dependent absorption parameters | |
| CN110716512A (zh) | 一种基于燃煤电站运行数据的环保装备性能预测方法 | |
| Lee et al. | Online monitoring and interpretation of periodic diurnal and seasonal variations of indoor air pollutants in a subway station using parallel factor analysis (PARAFAC) | |
| CN115796034B (zh) | 基于机器学习和数值模式的道路扬尘贡献评估系统和方法 | |
| Cheng et al. | Evaluation of long-term tropospheric NO2 columns and the effect of different ecosystem in Yangtze River Delta | |
| CN104535528A (zh) | Bp神经网络实时提取tdlas气体吸收光谱吸光度的方法 | |
| Vlachou et al. | Development of a versatile source apportionment analysis based on positive matrix factorization: a case study of the seasonal variation of organic aerosol sources in Estonia | |
| CN115759488A (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
| CN114757687A (zh) | 一种基于大数据技术的大气污染物溯源系统及方法 | |
| Zavala et al. | Real-world emissions of in-use off-road vehicles in Mexico | |
| CN112364940A (zh) | 基于多源数据的大气污染物源解析方法、存储介质及设备 | |
| CN102519905A (zh) | 一种汽车尾气检测方法 | |
| CN114527235B (zh) | 一种排放强度实时量化检测的方法 | |
| Jiang et al. | Investigating the impact of high-altitude on vehicle carbon emissions: A comprehensive on-road driving study | |
| CN111930818B (zh) | 一种rde数据后处理方法、装置、设备及存储介质 | |
| CN116258101B (zh) | 一种基于气体浓度监测数据快速计算排放源强的方法 | |
| CN117010915A (zh) | 一种基于物联网技术的碳排放目标识别及监测系统 | |
| CN110322015B (zh) | 车检数据生成方法 | |
| CN114998075A (zh) | 一种交通运输碳排放计算方法、系统及可存储介质 |
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 |