CN117670134A - 一种空气污染物观测站点布局评价方法 - Google Patents
一种空气污染物观测站点布局评价方法 Download PDFInfo
- Publication number
- CN117670134A CN117670134A CN202311700738.4A CN202311700738A CN117670134A CN 117670134 A CN117670134 A CN 117670134A CN 202311700738 A CN202311700738 A CN 202311700738A CN 117670134 A CN117670134 A CN 117670134A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- air
- city
- space
- sites
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000809 air pollutant Substances 0.000 title claims abstract description 206
- 231100001243 air pollutant Toxicity 0.000 title claims abstract description 206
- 238000011156 evaluation Methods 0.000 title claims abstract description 91
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 162
- 231100000719 pollutant Toxicity 0.000 claims abstract description 159
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 7
- 239000000356 contaminant Substances 0.000 claims description 60
- 238000003915 air pollution Methods 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 239000013618 particulate matter Substances 0.000 description 56
- 230000007613 environmental effect Effects 0.000 description 7
- 238000007670 refining Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000003298 dental enamel Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于空气质量监测技术领域，具体涉及一种空气污染物观测站点布局评价方法。包括：步骤1、基于空间代表性计算方法，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围；步骤2、空气污染物观测站点分布冗余度的综合评估；步骤3、城市内所有站点空气污染物空间覆盖比例综合评估；步骤4、城市内所有站点空气污染物人口覆盖比例综合评估；步骤5、城市内所有站点不同空气污染物空间代表性评估结果一致性；步骤6、构建空气污染物观测站点布局定量评价指标。本发明综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围；融合不同污染物的空间代表性评估结果，对空气污染物观测站点布局进行定量评估。
Description
技术领域
本发明属于空气质量监测技术领域，具体涉及一种空气污染物观测站点布局评价方法。
背景技术
地面空气污染物浓度是空气污染监测的重要内容，现有的空气质量评价一般是基于地面观测站点数据，而站点只能代表有限空间范围，因此从空间代表性角度出发可以有效评价空气污染物观测站点的布局，但是现有的基于空间代表性的观测站点布局评价方法(专利号：ZL202111127776.6)，存在一定的不足：
(1)现有方法在计算空间代表性时，仅考虑了污染物浓度的相似性，并没有考虑污染物浓度是否达标的情况；
(2)现有方法在计算不同站点之间的冗余性时较为复杂；
(3)现有方法只针对单个污染物的空间代表性评估，没有给出融合多种不同污染物的空间代表性评估策略，具体而言，在给定相同站点的情况下，需要评价不同污染物空间代表性评估结果的一致性，此外，还需要融合不同污染物的空间代表性评估结果，进而综合评估给定城市的站点布局。
发明内容
本发明旨在解决现有观测站点布局评价方法中存在的问题和不足之处，提供了一种空气污染物观测站点布局评价方法。
本发明采取的技术方案如下：一种空气污染物观测站点布局评价方法，包括以下步骤：
步骤1、基于空间代表性计算方法，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围；步骤2、空气污染物观测站点分布冗余度的综合评估；步骤3、城市内所有站点空气污染物空间覆盖比例综合评估；步骤4、城市内所有站点空气污染物人口覆盖比例综合评估；步骤5、城市内所有站点不同空气污染物空间代表性评估结果一致性；步骤6、基于空气污染物观测站点分布冗余度、城市内所有站点空气污染物空间覆盖比例、城市内所有站点空气污染物人口覆盖比例、城市内所有站点空气污染物人口覆盖比例及城市内所有站点不同空气污染物空间代表性评估结果一致性，构建空气污染物观测站点布局定量评价指标。
进一步的作为本发明的优选技术方案，所述步骤1包括以下步骤：
步骤1.1、单个站点单个污染物的空间代表性评估；
给定一个观测站点i，判定另外一个点位(x,y)是否在站点i单个污染物AP的空间代表范围内,采用如下公式：
单个站点单个污染物的空间代表性评估通过多个指标进行综合评估；首先，采用公式(1)和(2)，进行基于点位污染物浓度相似度的单个站点单个污染物空间代表性评估，以站点i为中心，设置50公里×50公里窗口，计算窗口内每个点位的f1i，进而判断待判定点位与观测站点的污染物浓度是否相似；
其次，采用公式(3)和(4)，进行基于空气质量日达标程度一致性的单个站点单个污染物空间代表性评估，上式中，i表示的是第i个观测站点，(Xi,Yi)表示的是站点位置，(x,y)表示的是50公里×50公里窗口中一个待判定点位的位置，Nt表示的是观测次数，d表示的是某一空气污染物AP的日达标值，Flag2表示的是tk时刻的该空气污染物AP浓度在上述两个点位是否日达标程度一致，如果两个点位日空气污染物浓度同时达标或者同时不达标，则认为两个点位日达标程度一致，Flag2在tk时刻记为1，f2i(x,y)最终表示的是基于日达标程度一致性的观测站点i空间代表性，该值如果大于或等于0.8，则认为点位(x,y)与站点i基于空气质量日达标程度一致，具有代表性；
采用公式(5)，进行基于空气质量年达标程度一致性的单个站点单个污染物空间代表性评估，y表示的是某一空气污染物AP的年达标值，f3i(x,y)表示的是在点位(x,y)与观测站点(Xi,Yi)两处该空气污染物AP平均浓度是否年达标程度一致，如果两个点位年平均空气污染物浓度同时达标或者同时不达标，则认为两个点位年达标程度一致，f3i(x,y)在点位(x,y)处记为1，f3i(x,y)最终表示的是基于年达标程度一致性的单个站点i空间代表性，该值如果为1，则认为点位(x,y)与站点i基于空气质量年达标程度一致，具有代表性；
最后，将以上三个空间代表性范围做交集，得到单个站点单个污染物的综合空间代表范围FAPi(x,y)；
步骤1.2、基于步骤1.1，计算城市内单个污染物观测站点的空间代表性；计算城市内其它站点的空间代表性，将这些不同站点的空间代表性做并集，即可计算出城市整体的单个污染物观测站点空间覆盖范围，进而得到城市整体的单个污染物观测站点的空间代表性。
进一步的作为本发明的优选技术方案，所述步骤2包括以下步骤：
步骤2.1、计算城市内单个污染物观测站点分布的冗余度；计算单个污染物不同站点之间的冗余性指标RAP，旨在量化单个污染物不同站点空间代表范围的重复交叉程度，具体计算公式如下：
式(6)中，RAP表示在给定一个城市中单个污染物观测站点的冗余度，其中AP为空气污染物名称，该值范围在0-1，0表示没有冗余，1表示所有站点的空间代表范围都相同；SAP表示城市单个污染物整体空间代表性所覆盖的面积，SiAP表示由i个站点导致的单个污染物空间代表范围重复交叉面积；
步骤2.2、计算城市内不同空气污染物观测站点分布冗余度的综合指标；空气污染物种类数为Np，综合考虑不同污染物观测站点空间代表范围分布冗余度，得到空气污染物观测站点分布冗余度的综合指标，具体计算公式如下：
式(7)中，空气污染物种类数为Np，其中p为大于等于1的正整数，表示第p种空气污染物；计算一年观测天数Nt中不同污染物为首要大气污染物的天数，记不同空气污染物在观测天数Nt中为首要污染物的天数为tAP，RAP为不同污染物观测站点空间代表范围分布对应的冗余度。
进一步的作为本发明的优选技术方案，所述步骤3包括以下步骤：
步骤3.1、计算城市内所有站点单个污染物空间覆盖比例；计算城市内所有站点单个污染物空间代表范围的覆盖比例，旨在量化单个污染物所有站点空间代表范围在整个城市的覆盖程度，具体计算公式如下：
式(8)中，SAP表示城市内所有站点单个污染物整体空间代表性所覆盖的面积，其中AP为空气污染物名称，S_area表示该城市的总面积，Pro_areaAP表示城市所有站点单个污染物空间覆盖比例；
步骤3.2、计算城市内所有站点不同污染物空间覆盖比例的综合指标；空气污染物种类数为Np，综合考虑不同污染物所有观测站点空间覆盖比例，得到城市内所有站点空气污染物空间覆盖范围比例的综合指标，具体计算公式如下：
将不同空气污染物在观测天数Nt中为首要污染物的天数tAP作为权重与各空气污染物的空间覆盖比例Pro_areaAP相乘进行加权求和，并除以权值总和，进而得到城市内所有站点不同空气污染物的空间覆盖比例综合指标Pro_area。
进一步的作为本发明的优选技术方案，所述步骤4包括以下步骤：
步骤4.1、计算城市内所有站点单个污染物人口覆盖比例；计算了城市内所有站点单个污染物空间代表范围的人口覆盖比例，旨在量化单个污染物所有站点空间代表范围在整个城市的人口覆盖程度，具体计算公式如下：
式(10)中，POPAP表示城市内所有站点单个污染物整体空间代表性所覆盖的人口总数，POP表示该城市的总人口数，Pro_popAP表示城市所有站点单个污染物空间代表范围人口覆盖比例；
步骤4.2、空气污染物种类数为Np，综合考虑不同污染物所有观测站点人口覆盖比例，得到城市内所有站点空气污染物人口覆盖比例的综合指标，具体计算公式如下：
将不同空气污染物在观测天数Nt中为首要污染物的天数tAP作为权重与各空气污染物的人口覆盖比例Pro_popAP相乘进行加权求和，并除以权值总和，进而得到城市内所有站点不同空气污染物的人口覆盖比例综合指标Pro_pop。
进一步的作为本发明的优选技术方案，所述步骤5包括以下步骤：
步骤5.1、计算单个站点不同污染物的空间代表性评估结果一致性；空气污染物种类数为Np，给定一个观测站点i，计算单个站点不同污染物的空间代表性评估结果一致性，具体计算公式如下：
式(12)中，Ti表示第i个站点不同空气污染物空间代表性评估结果的一致性，该值范围在0-1，0表示评估结果不一致，1表示单个站点的不同污染物空间代表范围评估结果完全一致；Si表示城市某一站点i不同污染物整体空间代表性所覆盖的面积，Spi表示在某一站点i,p种污染物的空间代表范围重复交叉面积；
步骤5.2、计算所有站点不同污染物的空间代表性评估结果一致性；综合考虑城市内各个站点不同污染物空间代表性评估结果一致性，得到所有站点不同污染物的空间代表性评估结果一致性，具体计算公式如下：
式(13)中，T表示不同空气污染物空间代表性评估结果的一致性，Ni表示站点总数，Ti表示第i个站点不同空气污染物空间代表性评估结果的一致性。
进一步的作为本发明的优选技术方案，所述步骤6包括以下步骤：基于空气污染物观测站点分布冗余度、城市内所有站点空气污染物空间覆盖比例、城市内所有站点空气污染物人口覆盖比例、城市内所有站点空气污染物人口覆盖比例及城市内所有站点不同空气污染物空间代表性评估结果一致性，对城市内的观测站点布局进行评估，由于空间覆盖比例Pro_area、人口覆盖比例Pro_pop和不同空气污染物空间代表性评估结果一致性T均在0-1范围，且值越大，分布越合理；而冗余度值R越大，说明冗余程度越大，分布不合理，因此，提出如下综合指标：
式(14)中，E为本发明构建的空气污染物观测站点布局定量评价指标，该指标变化范围在0-1之间，值越大说明站点布局越合理。
本发明相对于现有技术的有益效果为：
(1)构建了一种新的空气污染物观测站点空间代表范围计算方法，在现有空间代表性计算方法基础上，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围。
(2)构建了一种更为简便的方法来计算不同站点之间的冗余性指标。
(3)在给定相同站点的情况下，构建了不同污染物空间代表性评估结果一致性评估方法。
(4)融合了不同污染物的空间代表性评估结果，综合评估给定城市的站点布局。
附图说明
图1为本发明实施例的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
如图1所示，本发明构建一种气污染物观测站点布局评价方法，在现有空间代表性计算方法基础上，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围；融合不同污染物的空间代表性评估结果，对空气污染物观测站点布局进行定量评估。
本发明需要五种数据：1)现有污染物地面观测站点信息，包括所在城市及经纬度信息；2)精细化的污染物网格数据，该数据空间分辨率为1公里×1公里，数据为日平均。3)精细化的人口网格数据，该数据空间分辨率为1公里×1公里。4)各空气污染物空气质量年达标值与日达标值；5)空气质量分指数及对应的污染物项目浓度限值。
本发明构建一种空气污染物观测站点布局评价方法，包括以下步骤：步骤1、在现有空间代表性计算方法基础上，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围，主要步骤如下：
步骤1.1、单个站点单个污染物的空间代表性评估；
评估空间代表性可以帮助判断观测站点周围区域内哪些点位的检测结果具有代表性。通过考虑观测站点与其他点位之间的污染物浓度相似度、达标程度一致性，可以确定哪些点位的浓度变化与观测站点较为一致，从而认定它们在空间上具有代表性。
给定一个观测站点i，判定另外一个点位(x,y)是否在站点i单个污染物(AP)的空间代表范围内，采用如下公式：
单个站点单个污染物的空间代表性评估可以通过多个指标进行综合评估。首先，采用公式(1)和(2)，进行基于点位污染物浓度相似度的单个站点单个污染物空间代表性评估，以站点i为中心，设置50公里×50公里窗口，计算窗口内每个点位的f1i，进而可判断待判定点位与观测站点的污染物浓度是否相似。具体计算方法详见现有基于空间代表性的观测站点布局评价方法。
其次，采用公式(3)和(4)，进行基于空气质量日达标程度一致性的单个站点单个污染物空间代表性评估，上式中，i表示的是第i个观测站点，(Xi,Yi)表示的是站点位置，(x,y)表示的是50公里×50公里窗口中一个待判定点位的位置，Nt表示的是观测次数，d表示的是某一空气污染物(AP)的日达标值，Flag2表示的是tk时刻的该空气污染物(AP)浓度在上述两个点位是否日达标程度一致，如果两个点位日空气污染物浓度同时达标或者同时不达标，则认为两个点位日达标程度一致(Flag2在tk时刻记为1)，f2i(x,y)最终表示的是基于日达标程度一致性的观测站点i空间代表性，该值如果大于或等于0.8，则认为点位(x,y)与站点i基于空气质量日达标程度一致，具有代表性。
类似的，采用公式(5)，进行基于空气质量年达标程度一致性的单个站点单个污染物空间代表性评估，y表示的是某一空气污染物(AP)的年达标值，f3i(x,y)表示的是在点位(x,y)与观测站点(Xi,Yi)两处该空气污染物(AP)平均浓度是否年达标程度一致，如果两个点位年平均空气污染物浓度同时达标或者同时不达标，则认为两个点位年达标程度一致(f3i(x,y)在点位(x,y)处记为1)，f3i(x,y)最终表示的是基于年达标程度一致性的单个站点i空间代表性，该值如果为1，则认为点位(x,y)与站点i基于空气质量年达标程度一致，具有代表性。
最后，将以上三个空间代表性范围做交集，得到单个站点单个污染物的综合空间代表范围FAPi(x,y)，其中AP为空气污染物名称。
步骤1.2、计算城市内单个污染物观测站点的空间代表性；
与步骤1.1、相同，计算城市内其它站点的空间代表性，将这些不同站点的空间代表性做并集，即可计算出城市整体的单个污染物观测站点空间覆盖范围，进而得到城市整体的单个污染物观测站点的空间代表性。
步骤2、空气污染物观测站点分布冗余度的综合评估；
步骤2.1、计算城市内单个污染物观测站点分布的冗余度；
本发明构建了一种更为简便的方法来计算单个污染物不同站点之间的冗余性指标RAP，旨在量化单个污染物不同站点空间代表范围的重复交叉程度。具体计算公式如下：
上式中，RAP表示在给定一个城市中单个污染物观测站点的冗余度，其中AP为空气污染物名称。该值范围在0-1，0表示没有冗余，1表示所有站点的空间代表范围都相同。SAP表示城市单个污染物整体空间代表性所覆盖的面积，SiAP表示由i个站点导致的单个污染物空间代表范围重复交叉面积。在具体实现过程中，首先将城市单个站点单个污染物观测站点空间覆盖范围赋值为1，取交集得到城市单个污染物站点空间代表范围重复交叉面积，取并集得到城市整体单个污染物站点空间覆盖范围，然后对重复交叉覆盖范围和整体空间覆盖范围做求和运算，随后，将站点重复交叉面积(SiAP)与城市整体空间代表性所覆盖的面积(SAP)做比值，即得到单个污染物观测站点分布的冗余度RAP。
步骤2.2、计算城市内不同空气污染物观测站点分布冗余度的综合指标；
已知空气污染物种类数为Np，综合考虑不同污染物观测站点空间代表范围分布冗余度，得到空气污染物观测站点分布冗余度的综合指标。具体计算公式如下：
上式中，空气污染物种类数为Np，其中p为大于等于1的正整数，表示第p种空气污染物。采用《中华人民共和国国家环境保护标准》中首要大气污染物确定方法(环境空气质量指数技术规定)，计算一年观测天数(Nt)中不同污染物为首要大气污染物的天数。记不同空气污染物在观测天数(Nt)中为首要污染物的天数为tAP，RAP为不同污染物观测站点空间代表范围分布对应的冗余度,其中AP为空气污染物名称。在具体实现过程中，将不同空气污染物在观测天数(Nt)中为首要污染物的天数(tAP)作为权重与各空气污染物观测站点对应的分布冗余度(RAP)相乘进行加权求和，并除以权值总和，进而得到城市内不同空气污染物观测站点分布冗余度的综合指标。
步骤3、城市内所有站点空气污染物空间覆盖比例综合评估；
步骤3.1、计算城市内所有站点单个污染物空间覆盖比例；
本发明计算了城市内所有站点单个污染物空间代表范围的覆盖比例，旨在量化单个污染物所有站点空间代表范围在整个城市的覆盖程度。具体计算公式如下：
上式中，SAP表示城市内所有站点单个污染物整体空间代表性所覆盖的面积，其中AP为空气污染物名称，S_area表示该城市的总面积，Pro_areaAP表示城市所有站点单个污染物空间覆盖比例。在具体实现过程中，首先计算城市内所有站点单个污染物整体空间代表性所覆盖的面积(SAP)，计算方法见步骤2.1，然后与该城市的总面积(S_area)做比值，进而可得到城市内所有站点单个污染物空间覆盖比例(Pro_areaAP)。
步骤3.2、计算城市内所有站点不同污染物空间覆盖比例的综合指标
已知空气污染物种类数为Np，综合考虑不同污染物所有观测站点空间覆盖比例，得到城市内所有站点空气污染物空间覆盖范围比例的综合指标。具体计算公式如下：
同步骤2.2中计算方法，将不同空气污染物在观测天数(Nt)中为首要污染物的天数(tAP)作为权重与各空气污染物的空间覆盖比例(Pro_areaAP)相乘进行加权求和，并除以权值总和，进而得到城市内所有站点不同空气污染物的空间覆盖比例综合指标(Pro_area)。
步骤4、城市内所有站点空气污染物人口覆盖比例综合评估；
步骤4.1、计算城市内所有站点单个污染物人口覆盖比例；
本发明计算了城市内所有站点单个污染物空间代表范围的人口覆盖比例，旨在量化单个污染物所有站点空间代表范围在整个城市的人口覆盖程度。具体计算公式如下：
上式中，POPAP表示城市内所有站点单个污染物整体空间代表性所覆盖的人口总数，其中AP为空气污染物名称，POP表示该城市的总人口数，Pro_popAP表示城市所有站点单个污染物空间代表范围人口覆盖比例。在具体实现过程中，结合精细化人口网格数据，将给定城市整体的观测站点空间代表范围所覆盖的人口数量做求和运算，得到城市内所有站点单个污染物整体空间代表范围所覆盖的人口总数(POPAP)，与该城市的总人口数(POP)做比值，进而可得到城市内所有站点单个污染物人口覆盖比例(Pro_popAP)。
步骤4.2、计算城市内所有站点不同污染物人口覆盖比例的综合指标；
已知空气污染物种类数为Np，综合考虑不同污染物所有观测站点人口覆盖比例，得到城市内所有站点空气污染物人口覆盖比例的综合指标。具体计算公式如下：
同步骤2.2中计算方法，将不同空气污染物在观测天数(Nt)中为首要污染物的天数(tAP)作为权重与各空气污染物的人口覆盖比例(Pro_popAP)相乘进行加权求和，并除以权值总和，进而得到城市内所有站点不同空气污染物的人口覆盖比例综合指标(Pro_pop)。
步骤5、城市内所有站点不同空气污染物空间代表性评估结果一致性；
本发明构建了一个指标T，旨在量化不同空气污染物观测站点空间代表范围的统一程度，即不同空气污染物空间代表性评估结果一致性。具体计算步骤如下：
步骤5.1、计算单个站点不同污染物的空间代表性评估结果一致性；
已知空气污染物种类数为Np，给定一个观测站点i，计算单个站点不同污染物的空间代表性评估结果一致性，具体计算公式如下：
上式中，Ti表示第i个站点不同空气污染物空间代表性评估结果的一致性。该值范围在0-1，0表示评估结果不一致，1表示单个站点的不同污染物空间代表范围评估结果完全一致。Si表示城市某一站点i不同污染物整体空间代表性所覆盖的面积，Spi表示在某一站点i,p种污染物的空间代表范围重复交叉面积。在具体实现过程中，首先将单个站点各污染物的空间覆盖范围均赋值为1，取交集后经过求和运算得到单个站点不同污染物空间代表范围重复交叉面积(Spi)，取并集后对给定站点不同污染物整体空间覆盖范围做求和运算，得到该站点所有空气污染物整体覆盖面积(Si)。随后，将单个站点不同污染物空间代表范围重复交叉面积(Spi)与城市单个站点不同污染物整体空间代表性所覆盖的面积(Si)做比值，即得到单个站点不同污染物的空间代表性评估结果一致性Ti；
步骤5.2、计算所有站点不同污染物的空间代表性评估结果一致性；
综合考虑城市内各个站点不同污染物空间代表性评估结果一致性，得到所有站点不同污染物的空间代表性评估结果一致性。具体计算公式如下：
上式中，T表示不同空气污染物空间代表性评估结果的一致性，Ni表示站点总数，Ti表示第i个站点不同空气污染物空间代表性评估结果的一致性，在具体实现过程中，将所有站点的评估结果一致性求平均值，即可得到城市内所有站点不同空气污染物空间代表性评估结果一致性T。
步骤6、基于空气污染物观测站点分布冗余度、城市内所有站点空气污染物空间覆盖比例、城市内所有站点空气污染物人口覆盖比例、城市内所有站点空气污染物人口覆盖比例及城市内所有站点不同空气污染物空间代表性评估结果一致性，构建空气污染物观测站点布局定量评价指标；
综合上述站点分布冗余度、空间覆盖比例、人口覆盖比例、不同空气污染物空间代表性评估结果一致性要素，对城市内的观测站点布局进行评估，由于空间覆盖比例(Pro_area)、人口覆盖比例(Pro_pop)和不同空气污染物空间代表性评估结果一致性(T)均在0-1范围，且值越大，分布越合理。而冗余度值(R)越大，说明冗余程度越大，分布不合理，因此，提出如下综合指标：
上式中，E为本发明构建的空气污染物观测站点布局定量评价指标，该指标变化范围在0-1之间，值越大说明站点布局越合理。
具体实施时，选取南通市为例，共计有9个观测站点，采用本发明提出的方法，对南通市的PM2.5与NO2观测站点布局进行定量评估。
数据采集与预处理：南通市PM2.5与NO2地面观测站点信息
该数据来自中国环境监测总站(http://www.cnemc.cn)，本发明具体使用了每个台站的经纬度信息，如表1所示。
表1南通市PM2.5与NO2地面观测信息
| 省份 | 城市 | 城市编码 | 站点 | 站点编码 | 经度 | 维度 |
| 江苏省 | 南通市 | 320600 | 南郊 | 1168A | 120.913 | 31.96 |
| 江苏省 | 南通市 | 320600 | 虹桥 | 1169A | 120.86 | 32.0005 |
| 江苏省 | 南通市 | 320600 | 城中 | 1170A | 120.87 | 32.02 |
| 江苏省 | 南通市 | 320600 | 星湖花园 | 1171A | 120.94 | 31.93 |
| 江苏省 | 南通市 | 320600 | 紫琅学院 | 1172A | 120.81 | 32.0417 |
| 江苏省 | 南通市 | 320600 | 通州监测站 | 3291A | 121.067 | 32.062 |
| 江苏省 | 南通市 | 320600 | 环境教育馆 | 3432A | 120.9348 | 31.9883 |
| 江苏省 | 南通市 | 320684 | 海门市监测站 | 2008A | 121.173 | 31.896 |
| 江苏省 | 南通市 | 320684 | 社会福利院 | 2009A | 121.1518 | 31.89708 |
精细化PM2.5与NO2网格数据；
精细化PM2.5网格数据来自公开数据集ChinaHighPM2.5,数据网址为
https://zenodo.org/record/4959828#.YM09nMisEZs，数据为日平均，空间分辨率为1公里×1公里，本发明采用的数据时间为2020年。
精细化NO2网格数据来自公开数据集ChinaHighNO2,数据网址为
https://zenodo.org/records/6622056，数据为日平均，空间分辨率为1公里×1公里，本发明采用的数据时间为2020年。
精细化人口网格数据；
数据采用全球人口格点数据集(第四版本)，数据空间分辨率为1公里×1公里，数据采用2020年，提取南通市的人口格点数据。数据网址为：
https://hub.worldpop.org/geodata/listing？id＝74。
PM2.5与NO2空气质量年达标值与日达标值；
PM2.5空气质量年平均浓度标准值为35微克/立方米(μg/m3)，日平均浓度标准值为75微克/立方米(μg/m3)，NO2空气质量年平均浓度标准值为40微克/立方米(μg/m3)，日平均浓度标准值为80微克/立方米(μg/m3)。
PM2.5与NO2空气质量分指数及对应的污染物项目浓度限值；
数据采用《中华人民共和国国家环境保护标准》中首要大气污染物确定方法(环境空气质量指数技术规定)中PM2.5与NO2空气质量分指数及对应的污染物项目浓度限值。
一种空气污染物观测站点布局评价方法，包括以下步骤：
步骤1、计算南通市的PM2.5与NO2观测站点空间代表范围；
步骤1.1、计算南通市PM2.5单个观测站点空间代表范围；
依据南通市现有观测站点的位置信息，并利用精细化PM2.5网格数据，计算单个站点对应的空间代表性，具体计算方法如下：
上式中，i表示的是第i个现有观测站点，以站点i为中心，设置50公里×50公里窗口，首先依据公式(1)与公式(2)，计算窗口内每个点位(x,y)与i站点的相似度概率f1i(x,y)。其次依据公式(3)与公式(4)，计算窗口内每个点位基于日达标程度一致性的空间代表性。(Xi,Yi)表示的是观测站点i对应的经纬度坐标，(x,y)表示的一个待判定点位的位置，Nt表示的是观测次数，d表示的是PM2.5的日达标值，Flag2表示的是tk时刻的PM2.5浓度在上述两个点位是否日达标程度一致，f2i(x,y)最终表示的是每个点位基于日达标程度一致性的空间代表性，计算窗口内每个点位的f2i，进而获得基于空气质量日达标程度一致性的PM2.5观测站点空间代表范围。类似的，依据公式(5)，计算窗口内每个点位基于空气质量年达标程度一致性的空间代表性。y表示的是PM2.5的年达标值，f3i(x,y)最终表示的是每个点位基于空气质量年达标程度一致性的空间代表性，计算窗口内每个点位的f3i，进而获得基于空气质量年达标程度一致性的PM2.5观测站点空间代表范围。
最后，将以上三个空间代表性范围做交集，得到单个站点PM2.5的综合空间代表范围FPM2.5i(x,y)。
将不同台站计算的空间代表性做并集，进而得到南通市整体的PM2.5观测站点的空间代表性，即南通市整体的PM2.5观测站点空间覆盖范围。
步骤1.2、计算南通市NO2单个观测站点空间代表范围
A)依据南通市现有观测站点的位置信息，并利用精细化NO2网格数据，同步骤1.1中南通市PM2.5观测站点空间代表范围的方法计算南通市NO2单个观测站点对应的空间代表性。
B)将不同台站计算的空间代表性做并集，进而得到城市整体的NO2观测站点的空间代表性，即城市整体的NO2观测站点空间覆盖范围。
步骤2、计算南通市PM2.5与NO2观测站点分布的冗余度综合指标
采用本发明构建的冗余度指标R，去量化不同站点PM2.5与NO2空间代表范围的重复交叉程度。具体计算方法如下：
步骤2.1、计算南通市PM2.5观测站点分布的冗余度
上式中，RPM2.5表示在南通市中PM2.5观测站点的冗余度，该值范围在0-1，0表示没有冗余，1表示所有站点的空间代表范围都相同。SPM2.5表示南通市PM2.5整体空间代表性所覆盖的面积，SiPM2.5表示由所有站点导致的PM2.5空间代表范围重复交叉面积。
步骤2.2、计算南通市NO2观测站点分布的冗余度
同步骤2.1中方法计算NO2观测站点分布的冗余度RNO2。
计算PM2.5与NO2观测站点分布冗余度的综合指标
已知空气污染物种类数为2种，分别为PM2.5与NO2，综合考虑两种污染物观测站点空间代表范围分布冗余度，得到空气污染物观测站点分布冗余度的综合指标。具体计算方法如下：
上式中，采用《中华人民共和国国家环境保护标准》中首要大气污染物确定方法(环境空气质量指数技术规定)，计算一年观测天数(Nt)中PM2.5为首要大气污染物的天数，记为tPM2.5,NO2为首要大气污染物的天数，记为tNO2。
将PM2.5在观测天数(Nt)中为首要污染物的天数(tPM2.5)和NO2在观测天数(Nt)中为首要污染物的天数(tNO2)作为权重分别与PM2.5和NO2观测站点对应的分布冗余度相乘进行加权求和，并除以权值总和，进而得到空气污染物观测站点分布冗余度的综合指标R。
步骤3、计算南通市PM2.5与NO2观测站点的空间覆盖比例综合指标
步骤3.1、计算南通市PM2.5观测站点的空间覆盖比例
上式中，SPM2.5表示城市内所有站点PM2.5整体空间代表性所覆盖的面积，S_area表示南通市的总面积，Pro_areaPM2.5表示城市所有站点PM2.5空间覆盖比例。
步骤3.2、计算南通市NO2观测站点的空间覆盖比例
同步骤3.1中方法计算NO2观测站点的空间覆盖比例Pro_areaNO2。
计算南通市PM2.5与NO2观测站点的空间覆盖比例综合指标
采用上述步骤2中计算冗余度综合指标的方法，计算得到南通市PM2.5与NO2观测站点的空间覆盖比例综合指标(Pro_area)。
步骤4、计算南通市PM2.5与NO2观测站点的人口覆盖比例综合指标
步骤4.1、计算南通市PM2.5观测站点的人口覆盖比例
上式中，POPPM2.5表示城市内所有站点单个污染物整体空间代表性所覆盖的人口总数，POP表示该城市的总人口数，Pro_popPM2.5表示城市所有站点单个污染物空间代表范围人口覆盖比例。
步骤4.2、计算南通市NO2观测站点的人口覆盖比例
同步骤4.1中方法计算NO2观测站点的人口覆盖比例Pro_popNO2。
计算南通市PM2.5与NO2观测站点的人口覆盖比例综合指标
采用上述步骤2中计算冗余度综合指标的方法，计算得到南通市PM2.5与NO2观测站点的人口覆盖比例综合指标(Pro_area)。
步骤5、计算南通市PM2.5与NO2观测站点空间代表性评估结果一致性
步骤5.1、计算单个站点PM2.5与NO2空间代表性评估结果一致性
上式中，Ti表示第i个站点PM2.5与NO2空间代表性评估结果的一致性，Si表示城市某一站点i不同污染物整体空间代表性所覆盖的面积，Spi表示在某一站点i,PM2.5与NO2两种污染物的空间代表范围重复交叉面积。依次计算南通市9个站点PM2.5与NO2空间代表性评估结果的一致性，分别记为T1、T2……T9。
步骤5.2、计算所有站点PM2.5与NO2空间代表性评估结果一致性
上式中，T表示PM2.5与NO2观测站点空间代表性评估结果一致性，Ni表示南通市站点总数，此案例中为9个，Ti表示第i个站点PM2.5与NO2空间代表性评估结果一致性，将所有站点的一致性求平均值，进而得到PM2.5与NO2观测站点空间代表性评估结果一致性T。
步骤6、计算南通市的PM2.5与NO2观测站点布局评价指标
计算本发明提出的观测站点布局评价指标：
南通市PM2.5与NO2观测站点布局评价指标
南通市的PM2.5与NO2观测站点布局评价指标如表2所示，从该表可知，南通市布局评价指标为0.20，布局较为不合理。
表2南通市PM2.5与NO2观测站点布局评价指标
| 城市 | 空间覆盖比例 | 人口覆盖比例 | 站点冗余度 | 布局评价指标 |
| 南通市 | 0.15 | 0.29 | 0.01 | 0.20 |
本发明构建一种空气污染物观测站点布局评价方法，在现有空间代表性计算方法基础上，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围；融合不同污染物的空间代表性评估结果，对空气污染物观测站点布局进行定量评估。
以上所述的具体实施方案，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施方案而已，并非用以限定本发明的范围，任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所做出的等同变化与修改，均应属于本发明保护的范围。
Claims (7)
1.一种空气污染物观测站点布局评价方法，其特征在于，包括以下步骤：
步骤1、基于空间代表性计算方法，综合考虑污染物浓度是否达标的情况，计算出污染物观测站点空间代表范围；
步骤2、空气污染物观测站点分布冗余度的综合评估；
步骤3、城市内所有站点空气污染物空间覆盖比例综合评估；
步骤4、城市内所有站点空气污染物人口覆盖比例综合评估；
步骤5、城市内所有站点不同空气污染物空间代表性评估结果一致性；
步骤6、基于空气污染物观测站点分布冗余度、城市内所有站点空气污染物空间覆盖比例、城市内所有站点空气污染物人口覆盖比例、城市内所有站点空气污染物人口覆盖比例及城市内所有站点不同空气污染物空间代表性评估结果一致性，构建空气污染物观测站点布局定量评价指标。
2.根据权利要求1所述的空气污染物观测站点布局评价方法，其特征在于，所述步骤1包括以下步骤：
步骤1.1、单个站点单个污染物的空间代表性评估；
给定一个观测站点i，判定另外一个点位(x,y)是否在站点i单个污染物AP的空间代表范围内,采用如下公式：
采用如下公式：
单个站点单个污染物的空间代表性评估通过多个指标进行综合评估；首先，采用公式(1)和(2)，进行基于点位污染物浓度相似度的单个站点单个污染物空间代表性评估，以站点i为中心，设置50公里×50公里窗口，计算窗口内每个点位的f1i，进而判断待判定点位与观测站点的污染物浓度是否相似；
其次，采用公式(3)和(4)，进行基于空气质量日达标程度一致性的单个站点单个污染物空间代表性评估，上式中，i表示的是第i个观测站点，(Xi,Yi)表示的是站点位置，(x,y)表示的是50公里×50公里窗口中一个待判定点位的位置，Nt表示的是观测次数，d表示的是某一空气污染物AP的日达标值，Flag2表示的是tk时刻的该空气污染物AP浓度在上述两个点位是否日达标程度一致，如果两个点位日空气污染物浓度同时达标或者同时不达标，则认为两个点位日达标程度一致，Flag2在tk时刻记为1，f2i(x,y)最终表示的是基于日达标程度一致性的观测站点i空间代表性，该值如果大于或等于0.8，则认为点位(x,y)与站点i基于空气质量日达标程度一致，具有代表性；
采用公式(5)，进行基于空气质量年达标程度一致性的单个站点单个污染物空间代表性评估，y表示的是某一空气污染物AP的年达标值，f3i(x,y)表示的是在点位(x,y)与观测站点(Xi,Yi)两处该空气污染物AP平均浓度是否年达标程度一致，如果两个点位年平均空气污染物浓度同时达标或者同时不达标，则认为两个点位年达标程度一致，f3i(x,y)在点位(x,y)处记为1，f3i(x,y)最终表示的是基于年达标程度一致性的单个站点i空间代表性，该值如果为1，则认为点位(x,y)与站点i基于空气质量年达标程度一致，具有代表性；
最后，将以上三个空间代表性范围做交集，得到单个站点单个污染物的综合空间代表范围FAPi(x,y)；
步骤1.2、基于步骤1.1，计算城市内单个污染物观测站点的空间代表性；计算城市内其它站点的空间代表性，将这些不同站点的空间代表性做并集，即可计算出城市整体的单个污染物观测站点空间覆盖范围，进而得到城市整体的单个污染物观测站点的空间代表性。
3.根据权利要求2所述的空气污染物观测站点布局评价方法，其特征在于，所述步骤2包括以下步骤：
步骤2.1、计算城市内单个污染物观测站点分布的冗余度；计算单个污染物不同站点之间的冗余性指标RAP，旨在量化单个污染物不同站点空间代表范围的重复交叉程度，具体计算公式如下：
式(6)中，RAP表示在给定一个城市中单个污染物观测站点的冗余度，其中AP为空气污染物名称，该值范围在0-1，0表示没有冗余，1表示所有站点的空间代表范围都相同；SAP表示城市单个污染物整体空间代表性所覆盖的面积，SiAP表示由i个站点导致的单个污染物空间代表范围重复交叉面积；
步骤2.2、计算城市内不同空气污染物观测站点分布冗余度的综合指标；空气污染物种类数为Np，综合考虑不同污染物观测站点空间代表范围分布冗余度，得到空气污染物观测站点分布冗余度的综合指标，具体计算公式如下：
式(7)中，空气污染物种类数为Np，其中p为大于等于1的正整数，表示第p种空气污染物；计算一年观测天数Nt中不同污染物为首要大气污染物的天数，记不同空气污染物在观测天数Nt中为首要污染物的天数为tAP，RAP为不同污染物观测站点空间代表范围分布对应的冗余度。
4.根据权利要求3所述的空气污染物观测站点布局评价方法，其特征在于，所述步骤3包括以下步骤：
步骤3.1、计算城市内所有站点单个污染物空间覆盖比例；计算城市内所有站点单个污染物空间代表范围的覆盖比例，旨在量化单个污染物所有站点空间代表范围在整个城市的覆盖程度，具体计算公式如下：
式(8)中，SAP表示城市内所有站点单个污染物整体空间代表性所覆盖的面积，其中AP为空气污染物名称，S_area表示该城市的总面积，Pro_areaAP表示城市所有站点单个污染物空间覆盖比例；
步骤3.2、计算城市内所有站点不同污染物空间覆盖比例的综合指标；空气污染物种类数为Np，综合考虑不同污染物所有观测站点空间覆盖比例，得到城市内所有站点空气污染物空间覆盖范围比例的综合指标，具体计算公式如下：
将不同空气污染物在观测天数Nt中为首要污染物的天数tAP作为权重与各空气污染物的空间覆盖比例Pro_areaAP相乘进行加权求和，并除以权值总和，进而得到城市内所有站点不同空气污染物的空间覆盖比例综合指标Pro_area。
5.根据权利要求4所述的空气污染物观测站点布局评价方法，其特征在于，所述步骤4包括以下步骤：
步骤4.1、计算城市内所有站点单个污染物人口覆盖比例；计算了城市内所有站点单个污染物空间代表范围的人口覆盖比例，旨在量化单个污染物所有站点空间代表范围在整个城市的人口覆盖程度，具体计算公式如下：
式(10)中，POPAP表示城市内所有站点单个污染物整体空间代表性所覆盖的人口总数，POP表示该城市的总人口数，Pro_popAP表示城市所有站点单个污染物空间代表范围人口覆盖比例；
步骤4.2、空气污染物种类数为Np，综合考虑不同污染物所有观测站点人口覆盖比例，得到城市内所有站点空气污染物人口覆盖比例的综合指标，具体计算公式如下：
将不同空气污染物在观测天数Nt中为首要污染物的天数tAP作为权重与各空气污染物的人口覆盖比例Pro_popAP相乘进行加权求和，并除以权值总和，进而得到城市内所有站点不同空气污染物的人口覆盖比例综合指标Pro_pop。
6.根据权利要求5所述的空气污染物观测站点布局评价方法，其特征在于，所述步骤5包括以下步骤：
步骤5.1、计算单个站点不同污染物的空间代表性评估结果一致性；空气污染物种类数为Np，给定一个观测站点i，计算单个站点不同污染物的空间代表性评估结果一致性，具体计算公式如下：
式(12)中，Ti表示第i个站点不同空气污染物空间代表性评估结果的一致性，该值范围在0-1，0表示评估结果不一致，1表示单个站点的不同污染物空间代表范围评估结果完全一致；Si表示城市某一站点i不同污染物整体空间代表性所覆盖的面积，Spi表示在某一站点i,p种污染物的空间代表范围重复交叉面积；
步骤5.2、计算所有站点不同污染物的空间代表性评估结果一致性；综合考虑城市内各个站点不同污染物空间代表性评估结果一致性，得到所有站点不同污染物的空间代表性评估结果一致性，具体计算公式如下：
式(13)中，T表示不同空气污染物空间代表性评估结果的一致性，Ni表示站点总数，Ti表示第i个站点不同空气污染物空间代表性评估结果的一致性。
7.根据权利要求6所述的空气污染物观测站点布局评价方法，其特征在于，所述步骤6包括以下步骤：基于空气污染物观测站点分布冗余度、城市内所有站点空气污染物空间覆盖比例、城市内所有站点空气污染物人口覆盖比例、城市内所有站点空气污染物人口覆盖比例及城市内所有站点不同空气污染物空间代表性评估结果一致性，对城市内的观测站点布局进行评估，由于空间覆盖比例Pro_area、人口覆盖比例Pro_pop和不同空气污染物空间代表性评估结果一致性T均在0-1范围，且值越大，分布越合理；而冗余度值R越大，说明冗余程度越大，分布不合理，因此，提出如下综合指标：
式(14)中，E为本发明构建的空气污染物观测站点布局定量评价指标，该指标变化范围在0-1之间，值越大说明站点布局越合理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311700738.4A CN117670134B (zh) | 2023-12-12 | 2023-12-12 | 一种空气污染物观测站点布局评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311700738.4A CN117670134B (zh) | 2023-12-12 | 2023-12-12 | 一种空气污染物观测站点布局评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117670134A true CN117670134A (zh) | 2024-03-08 |
| CN117670134B CN117670134B (zh) | 2024-05-28 |
Family
ID=90075008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311700738.4A Active CN117670134B (zh) | 2023-12-12 | 2023-12-12 | 一种空气污染物观测站点布局评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117670134B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106257948A (zh) * | 2016-07-05 | 2016-12-28 | 中国水利水电科学研究院 | 一种流域降水监测无线传感器网络节点优化布局方法 |
| CN110222911A (zh) * | 2019-06-20 | 2019-09-10 | 中国水利水电科学研究院 | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 |
| KR102209892B1 (ko) * | 2019-08-19 | 2021-02-01 | 김창수 | 표층해수유동 관측자료의 실시간 품질관리와 자료처리를 수행하는 시스템 |
| CN113536577A (zh) * | 2021-07-21 | 2021-10-22 | 南通大学 | 一种基于空间代表性的pm2.5观测站点优化布局方法 |
| CN113780880A (zh) * | 2021-09-26 | 2021-12-10 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
| CN116050612A (zh) * | 2023-01-05 | 2023-05-02 | 广州禾信仪器股份有限公司 | 基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质 |
-
2023
- 2023-12-12 CN CN202311700738.4A patent/CN117670134B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106257948A (zh) * | 2016-07-05 | 2016-12-28 | 中国水利水电科学研究院 | 一种流域降水监测无线传感器网络节点优化布局方法 |
| CN110222911A (zh) * | 2019-06-20 | 2019-09-10 | 中国水利水电科学研究院 | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 |
| KR102209892B1 (ko) * | 2019-08-19 | 2021-02-01 | 김창수 | 표층해수유동 관측자료의 실시간 품질관리와 자료처리를 수행하는 시스템 |
| CN113536577A (zh) * | 2021-07-21 | 2021-10-22 | 南通大学 | 一种基于空间代表性的pm2.5观测站点优化布局方法 |
| CN113780880A (zh) * | 2021-09-26 | 2021-12-10 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
| CN116050612A (zh) * | 2023-01-05 | 2023-05-02 | 广州禾信仪器股份有限公司 | 基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 刘潘炜;郑君瑜;李志成;钟流举;王雪松;: "区域空气质量监测网络优化布点方法研究", 中国环境科学, no. 07, 20 July 2010 (2010-07-20) * |
| 姜晓群;宋国君;王腾;王帅;王昆;王力;: "城市空气质量监测网络评估方法", 中国环境科学, no. 01, 20 January 2020 (2020-01-20) * |
| 徐保东;李静;柳钦火;辛晓洲;曾也鲁;尹高飞;: "地面站点观测数据代表性评价方法研究进展", 遥感学报, no. 05, 25 September 2015 (2015-09-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117670134B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Development of land use regression models for PM2. 5, SO2, NO2 and O3 in Nanjing, China | |
| Cai et al. | China high resolution emission database (CHRED) with point emission sources, gridded emission data, and supplementary socioeconomic data | |
| Miri et al. | Estimate annual and seasonal PM1, PM2. 5 and PM10 concentrations using land use regression model | |
| Meng et al. | A land use regression model for estimating the NO2 concentration in Shanghai, China | |
| Gilbert et al. | Assessing spatial variability of ambient nitrogen dioxide in Montreal, Canada, with a land-use regression model | |
| Sahsuvaroglu et al. | A land use regression model for predicting ambient concentrations of nitrogen dioxide in Hamilton, Ontario, Canada | |
| Tu et al. | The relationships between urban landscape patterns and fine particulate pollution in China: A multiscale investigation using a geographically weighted regression model | |
| CN114578457B (zh) | 一种基于进化集成学习的大气污染物浓度时空预测方法 | |
| Tularam et al. | A hybrid air pollution/land use regression model for predicting air pollution concentrations in Durban, South Africa | |
| Mentese et al. | A comprehensive assessment of ambient air quality in Çanakkale city: emission inventory, air quality monitoring, source apportionment, and respiratory health indicators | |
| CN112669976B (zh) | 基于生态环境变化的人群健康评估方法及系统 | |
| CN115438848A (zh) | 基于深度混合图神经网络的pm2.5浓度长期预测方法 | |
| CN110658307A (zh) | 评估污染源对环境空气质量影响的方法 | |
| Lu et al. | Land Use Regression models for 60 volatile organic compounds: Comparing Google Point of Interest (POI) and city permit data | |
| CN114943441B (zh) | 一种基于poi数据的区域土壤污染健康风险评估方法 | |
| Fernández-Somoano et al. | Outdoor NO2 and benzene exposure in the INMA (Environment and Childhood) Asturias cohort (Spain) | |
| Heo et al. | International spillover effects of air pollution: evidence from mortality and health data | |
| Gong et al. | The mortality impact of fine particulate matter in China: Evidence from trade shocks | |
| CN110503348B (zh) | 一种基于位置匹配的个体空气污染暴露模拟测量方法 | |
| Xing et al. | Spatial and temporal changes analysis of air quality before and after the COVID-19 in Shandong Province, China | |
| He et al. | A hybrid model approach for estimating health burden from NO2 in megacities in China: a case study in Guangzhou | |
| Kaneyasu et al. | Estimation of PM2. 5 emission sources in the tokyo metropolitan area by simultaneous measurements of particle elements and oxidative ratio in air | |
| CN117670134B (zh) | 一种空气污染物观测站点布局评价方法 | |
| CN113010850A (zh) | 一种基于gis的大气细颗粒物中三价砷浓度的预测方法 | |
| CN113032729A (zh) | 一种预测大气颗粒物重金属健康风险空间分布的便捷方法 |
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 |