CN107038236A - 一种空气质量数据可视化*** - Google Patents
一种空气质量数据可视化*** Download PDFInfo
- Publication number
- CN107038236A CN107038236A CN201710253019.0A CN201710253019A CN107038236A CN 107038236 A CN107038236 A CN 107038236A CN 201710253019 A CN201710253019 A CN 201710253019A CN 107038236 A CN107038236 A CN 107038236A
- Authority
- CN
- China
- Prior art keywords
- data
- air quality
- city
- quality data
- visualization system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种空气质量数据可视化***,包括数据采集模块、数据处理模块、数据存储模块、城市的空气质量数据线条展示模块,城市的空气质量数据地图展示模块和城市的空气质量数据日历展示模块。本发明的一种空气质量数据可视化***,基于平行坐标、日历图、时间序列图和GIS百度地图信息可视化技术手段处理,较好地对空气质量数据进行分类、分析处理,可以为管理部门提供决策支持。基于本发明的一种空气质量数据可视化***可以进行超标污染物分析,通过对比日历图,可以获得主要和超标污染物情况。
Description
技术领域
本发明涉及一种空气质量***,特别涉及一种空气质量数据可视化***。
背景技术
随着人们生活水平的不断提高,空气污染问题日益受到重视并急需解决。如何对繁杂而庞大的空气质量数据进行有效的分析和处理已经成为一个重要的问题。从每次空气质量报告中,可以看到我国有些地区的空气污染情况不容忽视,同时,从手机APP市场,我们可以看到关于环境监测的APP日益增多,人们对空气质量问题的关注也显著提高。但是,目前的空气质量管理***没有很好的关注数据可视化,不能够直观的展示对用户有益的数据,也是当前急待解决的问题。
发明内容
针对上述现有技术存在的问题,提供了一种空气质量数据可视化***,基于平行坐标、日历图、时间序列图和GIS百度地图信息技术处理的可视化技术设计,较好地对空气质量数据进行分类、分析处理。
为了实现上述目的,一种空气质量数据可视化***,包括数据采集模块,根据站点和城市实时获取其对应的空气质量污染程度的颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO2、NO2、O3和CO;
数据处理模块,根据城市主键计算其对应的空气质量指数(AQI)、PM25_24h、PM10_24h、SO2_24h、NO2_24h、CO_24h、O3_8h和O3_24h,其中,
其中:I为分空气质量指数,即AQI,输出值;C为污染物浓度,输入值;Clow小于或等于C的浓度限值,常量;Chigh大于或等于C的浓度限值,常量;Ilow对应于Clow的指数限值,常量;Ihigh对应于Chigh的指数限值,常量;在获得各个分空气质量指数后,然后根据公式(2)计算获得空气质量指数:
AQI=max{IAQI1,IAQI2,……,IAQIn} (2)
数据存储模块,将数据采集模块和数据存储模块获取的数据进行存储备用,其中数据存储模块设有城市信息数据表、站点信息数据表、城市空气质量数据表和站点空气质量数据表;
城市的空气质量数据线条展示模块,根据城市名称、开始时间和结束时间获取对应的城市的空气质量数据展示图,使用平行坐标的方式,对比每种污染物在一个星期内,每小时的变化趋势走向,然后通过求取平均值的方式,通过城市的空气质量数据展示模块展示,得到各污染物之间的关联关系;
城市的空气质量数据地图展示模块,通过AQI着色和PUL两种着色标准进行可视化图形的着色,通过内置的GIS地图数据,在地图上通过不同着色显示对应的城市的空气质量数据信息;
城市的空气质量数据日历展示模块,获得数据后,根据AQI着色标准设置相应的颜色,对日历图下方的单选按钮进行JS事件监听,选择不同监测项,将对应监测项的值渲染到日历图中。
作为上述方案的进一步优化,所述的城市信息数据表包括数据项:号码(主键)、城市名称、经度和维度,所述号码(主键)逐增1排序;所述的站点信息数据表包括数据项:号码(主键)、站点名称和城市名称,所述号码(主键)逐增1排序,且通过城市名称与所述的城市信息数据表进行数据联络。
作为上述方案的进一步优化,所述的城市信息数据表中初始化356条信息,涉及356个城市名称及其对应的经度和维度数据。
作为上述方案的进一步优化,所述的站点信息数据表中初始化1437条信息,涉及1437个站点及其对应的城市名称。
作为上述方案的进一步优化,所述的城市空气质量数据表包括数据项:城市名称、AQI、PM2.5、PM25_24h、PM10、PM10_24h、SO2、SO2_24h、NO2、NO2_24h、CO、CO_24h、O3、O3_8h和O3_24h。
作为上述方案的进一步优化,所述的站点空气质量数据表包括数据项:站点名称、AQI、PM2.5、PM25_24h、PM10、PM10_24h、SO2、SO2_24h、NO2、NO2_24h、CO、CO_24h、O3、O3_8h和O3_24h。
作为上述方案的进一步优化,PUL着色标准中浅灰代表CO,浅绿代表O3,深蓝代表NO2,棕色代表SO2,黑色代表PM10,深灰代表PM2.5。
作为上述方案的进一步优化,城市的空气质量数据地图展示模块,利用百度地图接口来实现的,调用后端API接口获得站点和城市空气质量数据,在程序中通过回调方法进行取得每个监测点的经纬度,将每个具体点在网页上显示。
与现有技术相比,本发明的一种空气质量数据可视化***的有益效果如下:
1、本发明的一种空气质量数据可视化***,基于平行坐标、日历图、时间序列图和GIS百度地图信息可视化技术手段处理,较好地对空气质量数据进行分类、分析处理,可以为管理部门提供决策支持。
2、本发明的一种空气质量数据可视化***实现高维数据可视化,通过使用平行坐标的方式将高维数据展现出来;让人们可以非常清楚看到可视化的效果,便于更快速,更准确的分析原始数据。
3、本发明的一种空气质量数据可视化***实现空间信息可视化,利用GIS百度地图,将全国城市某一时刻空气质量数据显示出来;让这些数据更直观的为科研或决策者服务。
4、本发明的一种空气质量数据可视化***实现时序信息可视化,通过使用时间序列图,将某个城市在一段时间的监测项变化显现出来。
5、基于本发明的一种空气质量数据可视化***可以进行超标污染物分析:通过对比日历图,可以获得主要和超标污染物情况;基于本发明的一种空气质量数据可视化***还可以进行多地域空气情况对比分析,通过在某一城市的相同时刻查看所有的监测点情况,分析获得结论。
附图说明
图1为本发明的一种空气质量数据可视化***的结构模块框图。
图2使用本发明的一种空气质量数据可视化***的对2016年1月1日-7日的Pm10变化趋势监测图。
图3使用本发明的一种空气质量数据可视化***的对2016年1月1日-7日的Pm2.5变化趋势监测图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。
参见图1,本发明公开了一种空气质量数据可视化***,包括数据采集模块、数据处理模块、数据存储模块、城市的空气质量数据线条展示模块,城市的空气质量数据地图展示模块和城市的空气质量数据日历展示模块。
其中,数据采集模块,根据站点和城市实时获取其对应的空气质量污染程度的颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO2、NO2、O3和CO;具体参见表1,
表1监测污染物
数据处理模块,根据城市主键计算其对应的空气质量指数(AQI),PM25_24h、PM10_24h、SO2_24h、NO2_24h、CO_24h、O3_8h和O3_24h,其中,
其中:I为分空气质量指数,即AQI,输出值;C为污染物浓度,输入值;Clow小于或等于C的浓度限值,常量;Chigh大于或等于C的浓度限值,常量;Ilow对应于Clow的指数限值,常量;Ihigh对应于Chigh的指数限值,常量;在获得各个分空气质量指数后,然后根据公式(2)计算获得空气质量指数:
AQI=max{IAQI1,IAQI2,……,IAQIn} (2)
数据存储模块,将数据采集模块和数据存储模块获取的数据进行存储备用,其中数据存储模块设有城市信息数据表、站点信息数据表、城市空气质量数据表和站点空气质量数据表。城市信息数据表包括数据项:号码(主键)、城市名称、经度和维度,所述号码(主键)逐增1排序;所述的站点信息数据表包括数据项:号码(主键)、站点名称和城市名称,所述号码(主键)逐增1排序,且通过城市名称与所述的城市信息数据表进行数据联络。本发明的优先实施例中,城市信息数据表中初始化356条信息,涉及356个城市名称及其对应的经度和维度数据。站点信息数据表中初始化1437条信息,涉及1437个站点及其对应的城市名称。城市空气质量数据表包括数据项:城市名称、AQI、PM2.5、PM25_24h、PM10、PM10_24h、SO2、SO2_24h、NO2、NO2_24h、CO、CO_24h、O3、O3_8h和O3_24h。其中,PM25_24h、PM10、PM10_24h、SO2、SO2_24h、 NO2、NO2_24h、CO、CO_24h、O3和O3_24h表示对应污染物24小时的平均值,O3_8h表示O3的8小时平均值。站点空气质量数据表包括数据项:站点名称、AQI、PM2.5、PM25_24h、PM10、PM10_24h、SO2、SO2_24h、NO2、NO2_24h、CO、CO_24h、O3、O3_8h和O3_24h。
城市的空气质量数据线条展示模块,根据城市名称、开始时间和结束时间获取对应的城市的空气质量数据展示图,使用平行坐标的方式,对比每种污染物在一个星期内,每小时的变化趋势走向,然后通过求取平均值的方式,通过城市的空气质量数据展示模块展示,得到各污染物之间的关联关系。
城市的空气质量数据地图展示模块,通过AQI着色和PUL两种着色标准进行可视化图形的着色,通过内置的GIS地图数据,在地图上通过不同着色显示对应的城市的空气质量数据信息。其中,PUL着色标准中浅灰代表CO,浅绿代表O3,深蓝代表NO2,棕色代表SO2,黑色代表PM10,深灰代表PM2.5。本发明的优先实施例中,城市的空气质量数据地图展示模块,利用百度地图接口来实现的,调用后端API接口获得站点和城市空气质量数据,在程序中通过回调方法进行取得每个监测点的经纬度,将每个具体点在网页上显示。
城市的空气质量数据日历展示模块,获得数据后,根据AQI着色标准设置相应的颜色,对日历图下方的单选按钮进行JS事件监听,选择不同监测项,将对应监测项的值渲染到日历图中。
使用本发明的一种空气质量数据可视化***,基于2016年01月01日到2016年01月31日每小时的空气质量数据,进行分析处理得到:
(1)使用本发明***一种空气质量数据可视化***中的城市的空气质量数据线条展示模块分得出的PM2.5、PM10、SO2、NO2、O3和CO一周的变化趋势图,容易推到出:NO2和O3以及SO2和O3之间,存在着明显的X型分布,所以它们之间是存在着负相关关系,这也是与化学原理符合的,强氧化剂O3与SO2和NO2是会发生氧化还原反应的。PM2.5和PM10之间是存在强线性关系,这是因为PM2.5指的是空气中颗粒物小于直径2.5um,而PM10指直径小于10um的不可吸入颗粒物,所以PM10是包含PM2.5的。参见图2和图3,图2使用本发明的一种空气质量数据可视化***的对2016年1月1日-7日的Pm10变化趋势监测图。图3使用本发明的一种空气质量数据可视化***的对2016年1月1日-7日的Pm2.5变化趋势监测图。
(2)使用本发明***一种空气质量数据可视化***中,为了能够分析出不同地区和时间段的首要污染物和超标污染物,根据需要选择不同城市和时间段。从日历图中,可以清楚地看到每个监测项的分布情况,只需要依次和AQI的分布情况进行对比,当其和AQI分布最为相似时,则为首要污染物,当其大部分颜色不为黄或绿时,则为超标污染物。
(3)使用本发明***一种空气质量数据可视化***中,通过选择不同时间段和地域的空气质量情况,在GIS百度地图中显示出具体城市的每个具体站点信息,进行多地域空气质量对比分析。
本发明的一种空气质量数据可视化***实现高维数据可视化[,通过使用平行坐标的方式将高维数据展现出来;让人们可以非常清楚看到可视化的效果,便于更快速,更准确的分析原始数据。本发明的一种空气质量数据可视化***实现空间信息可视化,利用GIS百度地图,将全国城市某一时刻空气质量数据显示出来;让这些数据更直观的为科研或决策者服务。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种空气质量数据可视化***,其特征在于,包括数据采集模块,根据站点和城市实时获取其对应的空气质量污染程度的颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO2、NO2、O3和CO;
数据处理模块,根据城市主键计算其对应的空气质量指数(AQI),PM25_24h、PM10_24h、SO2_24h、NO2_24h、CO_24h、O3_8h和O3_24h,其中,
其中:I为分空气质量指数,即AQI,输出值;C为污染物浓度,输入值;Clow小于或等于C的浓度限值,常量;Chigh大于或等于C的浓度限值,常量;Ilow对应于Clow的指数限值,常量;Ihigh对应于Chigh的指数限值,常量;在获得各个分空气质量指数后,然后根据公式(2)计算获得空气质量指数:
AQI=max{IAQI1,IAQI2,……,IAQIn} (2)
数据存储模块,将数据采集模块和数据存储模块获取的数据进行存储备用,其中数据存储模块设有城市信息数据表、站点信息数据表、城市空气质量数据表和站点空气质量数据表;
城市的空气质量数据线条展示模块,根据城市名称、开始时间和结束时间获取对应的城市的空气质量数据展示图,使用平行坐标的方式,对比每种污染物在一个星期内,每小时的变化趋势走向,然后通过求取平均值的方式,通过城市的空气质量数据展示模块展示,得到各污染物之间的关联关系;
城市的空气质量数据地图展示模块,通过AQI着色和PUL两种着色标准进行可视化图形的着色,通过内置的GIS地图数据,在地图上通过不同着色显示对应的城市的空气质量数据信息;
城市的空气质量数据日历展示模块,获得数据后,根据AQI着色标准设置相应的颜色,对日历图下方的单选按钮进行JS事件监听,选择不同监测项,将对应监测项的值渲染到日历图中。
2.根据权利要求1所述的空气质量数据可视化***,其特征在于:所述的城市信息数据表包括数据项:号码(主键)、城市名称、经度和维度,所述号码(主键)逐增1排序;所述的站点信息数据表包括数据项:号码(主键)、站点名称和城市名称,所述号码(主键)逐增1排序,且通过城市名称与所述的城市信息数据表进行数据联络。
3.根据权利要求1或2所述的空气质量数据可视化***,其特征在于:所述的城市信息数据表中初始化356条信息,涉及356个城市名称及其对应的经度和维度数据。
4.根据权利要求1或2活3所述的空气质量数据可视化***,其特征在于:所述的站点信息数据表中初始化1437条信息,涉及1437个站点及其对应的城市名称。
5.根据权利要求1所述的空气质量数据可视化***,其特征在于:所述的城市空气质量数据表包括数据项:城市名称、AQI、PM2.5、PM25_24h、PM10、PM10_24h、SO2、SO2_24h、NO2、NO2_24h、CO、CO_24h、O3、O3_8h和O3_24h。
6.根据权利要求1所述的空气质量数据可视化***,其特征在于:所述的站点空气质量数据表包括数据项:站点名称、AQI、PM2.5、PM25_24h、PM10、PM10_24h、SO2、SO2_24h、NO2、NO2_24h、CO、CO_24h、O3、O3_8h和O3_24h。
7.根据权利要求1所述的空气质量数据可视化***,其特征在于:PUL着色标准中浅灰代表CO,浅绿代表O3,深蓝代表NO2,棕色代表SO2,黑色代表PM10,深灰代表PM2.5。
8.根据权利要求1所述的空气质量数据可视化***,其特征在于:城市的空气质量数据地图展示模块,利用百度地图接口来实现的,调用后端API接口获得站点和城市空气质量数据,在程序中通过回调方法进行取得每个监测点的经纬度,将每个具体点在网页上显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710253019.0A CN107038236A (zh) | 2017-04-19 | 2017-04-19 | 一种空气质量数据可视化*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710253019.0A CN107038236A (zh) | 2017-04-19 | 2017-04-19 | 一种空气质量数据可视化*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107038236A true CN107038236A (zh) | 2017-08-11 |
Family
ID=59534924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710253019.0A Pending CN107038236A (zh) | 2017-04-19 | 2017-04-19 | 一种空气质量数据可视化*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107038236A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107677777A (zh) * | 2017-10-13 | 2018-02-09 | 深圳市博安达信息技术股份有限公司 | 一种大气重污染过程智能分析*** |
CN108318630A (zh) * | 2018-02-06 | 2018-07-24 | 济宁中科云天环保科技有限公司 | 一种城市空气质量实时监测***和预警方法 |
CN108490131A (zh) * | 2018-03-27 | 2018-09-04 | 四川斐讯信息技术有限公司 | 一种基于智能终端的环境质量数据的显示方法及*** |
CN110389982A (zh) * | 2019-07-25 | 2019-10-29 | 东北师范大学 | 一种基于空气质量数据的时空模式可视分析***及方法 |
CN110427533A (zh) * | 2019-07-25 | 2019-11-08 | 东北师范大学 | 基于时序粒子跟踪的污染传播模式可视分析方法及*** |
CN110910480A (zh) * | 2019-09-29 | 2020-03-24 | 谢国宇 | 基于颜色模式映射关系的环境监测图像渲染方法 |
CN112486993A (zh) * | 2020-11-30 | 2021-03-12 | 中科三清科技有限公司 | 空气质量可视化显示方法及空气质量可视化显示*** |
CN112783385A (zh) * | 2021-01-04 | 2021-05-11 | 河北志晟信息技术股份有限公司 | 一种环保监测地图点位标识的动态生成方法 |
WO2021174752A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 环境空气质量数据可视化方法、装置、设备和存储介质 |
CN113567636A (zh) * | 2021-08-25 | 2021-10-29 | 中科三清科技有限公司 | 空气质量展示方法、***和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7031838B1 (en) * | 2003-03-25 | 2006-04-18 | Integrated Environmental Services. Inc. | System and method for a cradle-to-grave solution for investigation and cleanup of hazardous waste impacted property and environmental media |
CN102254330A (zh) * | 2010-07-29 | 2011-11-23 | 山东大学 | 基于图像处理的空气污染数据可视化方法 |
CN104237457A (zh) * | 2014-05-27 | 2014-12-24 | 李岩 | 空气质量监测方法与*** |
-
2017
- 2017-04-19 CN CN201710253019.0A patent/CN107038236A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7031838B1 (en) * | 2003-03-25 | 2006-04-18 | Integrated Environmental Services. Inc. | System and method for a cradle-to-grave solution for investigation and cleanup of hazardous waste impacted property and environmental media |
CN102254330A (zh) * | 2010-07-29 | 2011-11-23 | 山东大学 | 基于图像处理的空气污染数据可视化方法 |
CN104237457A (zh) * | 2014-05-27 | 2014-12-24 | 李岩 | 空气质量监测方法与*** |
Non-Patent Citations (1)
Title |
---|
廖志芳 等: "AirVis:一个基于Web的空气质量数据可视分析***", 《计算机工程与应用》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107677777A (zh) * | 2017-10-13 | 2018-02-09 | 深圳市博安达信息技术股份有限公司 | 一种大气重污染过程智能分析*** |
CN108318630A (zh) * | 2018-02-06 | 2018-07-24 | 济宁中科云天环保科技有限公司 | 一种城市空气质量实时监测***和预警方法 |
CN108490131A (zh) * | 2018-03-27 | 2018-09-04 | 四川斐讯信息技术有限公司 | 一种基于智能终端的环境质量数据的显示方法及*** |
CN110389982A (zh) * | 2019-07-25 | 2019-10-29 | 东北师范大学 | 一种基于空气质量数据的时空模式可视分析***及方法 |
CN110427533A (zh) * | 2019-07-25 | 2019-11-08 | 东北师范大学 | 基于时序粒子跟踪的污染传播模式可视分析方法及*** |
CN110427533B (zh) * | 2019-07-25 | 2023-04-18 | 东北师范大学 | 基于时序粒子跟踪的污染传播模式可视分析方法及*** |
CN110910480A (zh) * | 2019-09-29 | 2020-03-24 | 谢国宇 | 基于颜色模式映射关系的环境监测图像渲染方法 |
WO2021174752A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 环境空气质量数据可视化方法、装置、设备和存储介质 |
CN112486993A (zh) * | 2020-11-30 | 2021-03-12 | 中科三清科技有限公司 | 空气质量可视化显示方法及空气质量可视化显示*** |
CN112783385A (zh) * | 2021-01-04 | 2021-05-11 | 河北志晟信息技术股份有限公司 | 一种环保监测地图点位标识的动态生成方法 |
CN113567636A (zh) * | 2021-08-25 | 2021-10-29 | 中科三清科技有限公司 | 空气质量展示方法、***和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107038236A (zh) | 一种空气质量数据可视化*** | |
Yu et al. | Integration of nighttime light remote sensing images and taxi GPS tracking data for population surface enhancement | |
Ye et al. | Improved population mapping for China using remotely sensed and points-of-interest data within a random forests model | |
Shen et al. | A new method to evaluate urban resources environment carrying capacity from the load-and-carrier perspective | |
Wang et al. | Global gridded GDP data set consistent with the shared socioeconomic pathways | |
Kang et al. | Towards estimating urban population distributions from mobile call data | |
Schägner et al. | Mapping ecosystem services' values: Current practice and future prospects | |
Almeida et al. | GIS and remote sensing as tools for the simulation of urban land‐use change | |
Sagl et al. | Mapping collective human activity in an urban environment based on mobile phone data | |
Xu et al. | Leveraging carbon label to achieve low-carbon economy: Evidence from a survey in Chinese first-tier cities | |
Shi et al. | Urbanization in China from the end of 1980s until 2010–spatial dynamics and patterns of growth using EO-data | |
Wang et al. | Migration patterns in China extracted from mobile positioning data | |
US20140298235A1 (en) | Meter for graphically representing relative status in a parent-child relationship and method for use thereof | |
Liu et al. | Spatio-temporal dynamic evolution of carbon emission intensity and the effectiveness of carbon emission reduction at county level based on nighttime light data | |
Zhao et al. | Tweets or nighttime lights: Comparison for preeminence in estimating socioeconomic factors | |
US20150019294A1 (en) | Projecting Lower-Geographic-Resolution Data onto Higher-Geographic-Resolution Areas | |
Wu et al. | Incorporating GIS building data and census housing statistics for sub-block-level population estimation | |
CN107609731A (zh) | 一种环境空气质量评价方法 | |
Pontius Jr et al. | Land transition estimates from erroneous maps | |
Ge et al. | Spatio-temporal pattern and influencing factors of hemorrhagic fever with renal syndrome (HFRS) in Hubei Province (China) between 2005 and 2014 | |
CN111080501A (zh) | 基于手机信令数据的真实人群密度时空分布估算方法 | |
Kolpashnikova et al. | Educational attainment and housework participation among Japanese, Taiwanese, and American women across adult life transitions | |
Baeza et al. | Biophysical, infrastructural and social heterogeneities explain spatial distribution of waterborne gastrointestinal disease burden in Mexico City | |
Lin et al. | Poverty estimation at the county level by combining LuoJia1-01 nighttime light data and points of interest | |
Šveda et al. | Estimating distance decay of intra-urban trips using mobile phone data: The case of Bratislava, Slovakia |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |