CN109541638A - 一种大气颗粒物激光雷达联网监测方法 - Google Patents
一种大气颗粒物激光雷达联网监测方法 Download PDFInfo
- Publication number
- CN109541638A CN109541638A CN201811549926.0A CN201811549926A CN109541638A CN 109541638 A CN109541638 A CN 109541638A CN 201811549926 A CN201811549926 A CN 201811549926A CN 109541638 A CN109541638 A CN 109541638A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- monitoring
- feature
- atmospheric particulates
- atmospheric
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 230000006855 networking Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000013618 particulate matter Substances 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 24
- 230000004807 localization Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 5
- 239000008277 atmospheric particulate matter Substances 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 abstract description 4
- 230000000052 comparative effect Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 description 5
- 239000004744 fabric Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Dispersion Chemistry (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种大气颗粒物激光雷达联网监测方法。该技术方案通过提取区域本地化的大气污染传输特征,得到最优化的激光雷达监测网布局方案,使颗粒物激光雷达联网监测台站分布更加合理,有效捕捉大气污染传输过程中的定性定量特征;通过提取区域本地化的大气污染物物理特征,得到最优化的区域本地化激光雷达比分配表,统一规范数据分析方法,使多台站颗粒物激光雷达设备间的监测数据体现区域大气污染特征的同时具备较强的可比性。在此基础上,本发明给出了大气颗粒物激光雷达网最优化布点方案和大气颗粒物激光雷达数据规范化分析方法,从而使大气颗粒物激光雷达联网监测中联网布点更加合理,监测数据对比性更加突出。
Description
技术领域
本发明涉及大气颗粒物监测技术领域,具体涉及一种大气颗粒物激光雷达联网监测方法。
背景技术
大气颗粒物激光雷达又称大气气溶胶探测激光雷达,能够探测大气污染物的垂直分布信息及污染物形态、大小等物理特征,在大气污染监测中发挥着重要作用,近年来,随着国家大气污染监测水平能力的不断提升,大气颗粒物激光雷达在监测数据质量及台站数量上有了较大发展,过去依靠单站点独立监测的方式逐步向联网监测发展。
颗粒物激光雷达联网监测可有效提升大气污染综合监测能力,在区域大气污染传输特征、定量贡献方面具有其他监测方法难以替代的优势。但是由于过去颗粒物激光雷达监测台站在建设上的随机性及联网监测方法,颗粒物激光雷达联网监测还存在一些不足,主要表现在:
1、联网布点方式不够合理。过去几年各级大气环境监测部门及研究机构在颗粒物激光雷达监测能力建设方面几乎是自发开展的,建设过程中多是从单台站独立监测的角度出发开展选点及监测功能选择,并未对颗粒物激光雷达监测网进行有效规划设计,导致各监测台站在联网分布上存在一定的随机性和重复性,难以适应联网监测的效率最大化监测要求。
2、监测数据结果可比性不强。目前各级大气环境监测部门及研究机构采购的颗粒物激光雷达设备均来自不同的生产厂家,这些颗粒物激光雷达设备在探测距离、探测精度、分析方法等方面均存在较大差异,特别是在数据分析方法方面,并未综合考虑各区域污染特征进行有针对性的分析,导致所得到的监测数据难以进行对比分析,不适应联网监测要求。
发明内容
本发明旨在针对现有技术的技术缺陷,提供一种大气颗粒物激光雷达联网监测方法,以解决大气颗粒物激光雷达联网监测中联网布点不合理的技术问题。
本发明要解决的另一技术问题是大气颗粒物激光雷达联网监测中监测数据对比性不强。
为实现以上技术目的,本发明采用以下技术方案:
一种大气颗粒物激光雷达联网监测方法,包括:通过提取区域本地化的大气污染传输特征,得到优化的激光雷达监测网布局方案;通过提取区域本地化的大气污染物物理特征,得到优化的区域本地化激光雷达比分配表。
作为优选,还包括:通过分析气象历史数据,提取区域长期气象要素;通过分析卫星遥感数据,提取区域不同尺度地形要素特征;通过分析地面空气自动站历史数据,提取区域大气颗粒物污染分布及传输特征;通过分析所述长期气象要素、所述地形要素特征、所述大气颗粒物污染分布及传输特征,提取大气污染重点区域并提取区域大气污染传输通道;通过将大气颗粒物激光雷达探测结果与地面实测站点数据对比分析,提取颗粒物激光雷达代表区域;将所述颗粒物激光雷达代表区域与所述大气污染传输通道进行叠加耦合分析,提出包含多级优化的备选点位方案,结合实地调研结果,提出颗粒物激光雷达联网布点最终方案。
作为优选,所述长期气象要素包括近地面主导风向、平均风速、温度、湿度。
作为优选,所述实地调研结果包括交通条件,电力条件,周边环境条件。
作为优选,还包括:通过最小二乘法,分析不同激光雷达比条件下各区域颗粒物激光雷达监测数据反演结果与地面实测结果最优匹配结果,得到各不同区域的最优化激光雷达比,建立不同区域最优激光雷达比匹配表;结合所述最终方案,对监测网内不同区域的颗粒物激光雷达设备反演参数激光雷达比进行分配。
本发明提供了一种大气颗粒物激光雷达联网监测方法。该技术方案通过提取区域本地化的大气污染传输特征,得到最优化的激光雷达监测网布局方案,使颗粒物激光雷达联网监测台站分布更加合理,有效捕捉大气污染传输过程中的定性定量特征;通过提取区域本地化的大气污染物物理特征,得到最优化的区域本地化激光雷达比分配表,统一规范数据分析方法,使多台站颗粒物激光雷达设备间的监测数据体现区域大气污染特征的同时具备较强的可比性。在此基础上,本发明给出了大气颗粒物激光雷达网最优化布点方案和大气颗粒物激光雷达数据规范化分析方法,从而使大气颗粒物激光雷达联网监测中联网布点更加合理,监测数据对比性更加突出。
附图说明
图1是本发明大气颗粒物激光雷达联网原理图;
图2是本发明大气颗粒物激光雷达网最优化布点方案原理图;
图3是本发明大气颗粒物激光雷达数据规范化分析方法原理图。
具体实施方式
以下将对本发明的具体实施方式进行详细描述。为了避免过多不必要的细节,在以下实施例中对属于公知的结构或功能将不进行详细描述。以下实施例中所使用的近似性语言可用于定量表述,表明在不改变基本功能的情况下可允许数量有一定的变动。除有定义外,以下实施例中所用的技术和科学术语具有与本发明所属领域技术人员普遍理解的相同含义。
实施例1
一种大气颗粒物激光雷达联网监测方法,包括:通过提取区域本地化的大气污染传输特征,得到最优化的激光雷达监测网布局方案,使颗粒物激光雷达联网监测台站分布更加合理,有效捕捉大气污染传输过程中的定性定量特征;通过提取区域本地化的大气污染物物理特征,得到最优化的区域本地化激光雷达比分配表,统一规范数据分析方法,使多台站颗粒物激光雷达设备间的监测数据体现区域大气污染特征的同时具备较强的可比性。
通过分析近5-10年区域气象要素数据,提取区域中长期气象要素(近地面主导风向、平均风速、温度、湿度)特征;通过卫星遥感技术,提取区域不同尺度地形要素特征;通过分析近5-10年大气颗粒物(总悬浮颗粒、PM10、PM2.5等)空间分布特征及在典型大气重污染过程中的区域传输特征,提取区域大气颗粒物污染分布、传输特征;通过综合分析区域气象要素、地形要素及颗粒物污染空间分布特点,提取大气污染重点区域并提取区域大气污染传输通道。同时,开展大气颗粒物激光雷达探测结果与地面实测站点数据对比分析研究,提取颗粒物激光雷达最大及最优代表区域,将颗粒物激光雷达最大及最优代表区域与提取得到的大气污染传输通道进行叠加耦合分析,提出包含多级优化的备选点位方案,结合实地调研结果(备选点位交通、电力、周边环境等建站条件),提出最优化的颗粒物激光雷达联网布点最终方案,实现在最少监测台数(即成本最小)情况下实现区域重点传输通道监测全覆盖,有效捕捉大气污染传输过程中的定性定量特征。
通过最小二乘法,分析不同激光雷达比条件下各区域颗粒物激光雷达监测数据反演结果与地面实测结果最优匹配结果,得到各不同区域的最优化激光雷达比,建立不同区域最优激光雷达比匹配表,结合最优化的颗粒物激光雷达联网布点方案,对监测网内不同区域的颗粒物激光雷达设备反演关键参数激光雷达比进行智能化最优分配,实现不同区域颗粒物激光雷达监测数据的规范化统一分析,使多台站颗粒物激光雷达设备间的监测数据体现区域大气污染特征的同时具备较强的可比性。
实施例2
图1为大气颗粒物激光雷达联网原理框架图,包含若干大气颗粒物激光雷达10,颗粒物激光雷达监测网台站分布最优化方案20,激光雷达比最优化分配表30,优化后的若干大气颗粒物激光雷达40以及颗粒物激光雷达联网数据库50;所述若干大气颗粒物激光雷达10传输至颗粒物激光雷达监测网台站分布最优化方案20,经颗粒物激光雷达监测网台站分布最优化方案20处理后,所述颗粒物激光雷达监测网台站分布最优化方案20传输至激光雷达比最优化分配表30,得到优化后的若干大气颗粒物激光雷达40,所述优化后的若干大气颗粒物激光雷达40,传输至颗粒物激光雷达联网数据库50。
图2为大气污染颗粒物激光雷达最优化布网方法,包含气象历史数据分析60,卫星遥感数据分析61,地面空气自动站历史数据分析62,长期气象要素(近地面主导风向、平均风速、温度、湿度)特征63,区域地形数据64,区域大气颗粒物污染空间分布特征65,大气颗粒物激光雷达监测结果66,区域传输通道67,优化后的不同级别备选点位方案68,实地调研结果(交通、电力、周边环境等建站条件)69以及大气颗粒物激光雷达最优布网方案70。所述气象历史数据分析60传输至长期气象要素(近地面主导风向、平均风速、温度、湿度)特征63,所述卫星遥感数据分析61传输至区域地形数据64,所述地面空气自动站历史数据分析62传输至区域大气颗粒物污染空间分布特征65,所述长期气象要素(近地面主导风向、平均风速、温度、湿度)特征63、区域地形数据64传输至区域传输通道67,所述区域大气颗粒物污染空间分布特征65、大气颗粒物激光雷达监测结果66传输至不同级别备选点位方案68,所述区域传输通道67、优化后的不同级别备选点位方案68、实地调研结果(交通、电力、周边环境等建站条件)69传输至大气颗粒物激光雷达最优布网方案70。
图3为大气颗粒物激光雷达数据规范化分析方法。包含各区域颗粒物激光雷达监测数据71,地面空气自动站历史数据72,最优化激光雷达比匹配表73,大气颗粒物激光雷达最优布网方案74以及大气颗粒物激光雷达最优布网方案70。所述区域颗粒物激光雷达监测数据71、地面空气自动站历史数据72传输至最优化激光雷达比匹配表73,所述最优化激光雷达比匹配表73、大气颗粒物激光雷达最优布网方案70传输至大气颗粒物激光雷达最优布网方案74。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,并不用以限制本发明。凡在本发明的申请范围内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种大气颗粒物激光雷达联网监测方法,其特征在于包括:通过提取区域本地化的大气污染传输特征,得到优化的激光雷达监测网布局方案;通过提取区域本地化的大气污染物物理特征,得到优化的区域本地化激光雷达比分配表。
2.根据权利要求1所述的一种大气颗粒物激光雷达联网监测方法,其特征在于还包括:通过分析气象历史数据,提取区域长期气象要素;通过分析卫星遥感数据,提取区域不同尺度地形要素特征;通过分析地面空气自动站历史数据,提取区域大气颗粒物污染分布及传输特征;通过分析所述长期气象要素、所述地形要素特征、所述大气颗粒物污染分布及传输特征,提取大气污染重点区域并提取区域大气污染传输通道;通过将大气颗粒物激光雷达探测结果与地面实测站点数据对比分析,提取颗粒物激光雷达代表区域;将所述颗粒物激光雷达代表区域与所述大气污染传输通道进行叠加耦合分析,提出包含多级优化的备选点位方案,结合实地调研结果,提出颗粒物激光雷达联网布点最终方案。
3.根据权利要求2所述的一种大气颗粒物激光雷达联网监测方法,其特征在于所述长期气象要素包括近地面主导风向、平均风速、温度、湿度。
4.根据权利要求2所述的一种大气颗粒物激光雷达联网监测方法,其特征在于所述实地调研结果包括交通条件,电力条件,周边环境条件。
5.根据权利要求2所述的一种大气颗粒物激光雷达联网监测方法,其特征在于还包括:通过最小二乘法,分析不同激光雷达比条件下各区域颗粒物激光雷达监测数据反演结果与地面实测结果最优匹配结果,得到各不同区域的最优化激光雷达比,建立不同区域最优激光雷达比匹配表;结合所述最终方案,对监测网内不同区域的颗粒物激光雷达设备反演参数激光雷达比进行分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811549926.0A CN109541638A (zh) | 2018-12-18 | 2018-12-18 | 一种大气颗粒物激光雷达联网监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811549926.0A CN109541638A (zh) | 2018-12-18 | 2018-12-18 | 一种大气颗粒物激光雷达联网监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109541638A true CN109541638A (zh) | 2019-03-29 |
Family
ID=65855593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811549926.0A Pending CN109541638A (zh) | 2018-12-18 | 2018-12-18 | 一种大气颗粒物激光雷达联网监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109541638A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2133080B2 (de) * | 1971-07-02 | 1974-03-21 | Siemens Ag, 1000 Berlin U. 8000 Muenchen | System zur optischen Kontrolle von Luftverunreinigungen in einem Großraum |
KR20130088586A (ko) * | 2012-01-31 | 2013-08-08 | 목포대학교산학협력단 | 풍력단지의 입지선정 방법 |
CN105181898A (zh) * | 2015-09-07 | 2015-12-23 | 李岩 | 基于大密度部署传感器的大气污染监控及管理方法及*** |
CN105550784A (zh) * | 2016-01-20 | 2016-05-04 | 中科宇图科技股份有限公司 | 一种空气质量监测站优化布点方法 |
CN108805368A (zh) * | 2018-09-06 | 2018-11-13 | 天津珞雍空间信息研究院有限公司 | 一种基于空天地一体化的大气环境智能化管理*** |
-
2018
- 2018-12-18 CN CN201811549926.0A patent/CN109541638A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2133080B2 (de) * | 1971-07-02 | 1974-03-21 | Siemens Ag, 1000 Berlin U. 8000 Muenchen | System zur optischen Kontrolle von Luftverunreinigungen in einem Großraum |
KR20130088586A (ko) * | 2012-01-31 | 2013-08-08 | 목포대학교산학협력단 | 풍력단지의 입지선정 방법 |
CN105181898A (zh) * | 2015-09-07 | 2015-12-23 | 李岩 | 基于大密度部署传感器的大气污染监控及管理方法及*** |
CN105550784A (zh) * | 2016-01-20 | 2016-05-04 | 中科宇图科技股份有限公司 | 一种空气质量监测站优化布点方法 |
CN108805368A (zh) * | 2018-09-06 | 2018-11-13 | 天津珞雍空间信息研究院有限公司 | 一种基于空天地一体化的大气环境智能化管理*** |
Non-Patent Citations (2)
Title |
---|
刘潘炜: ""区域空气质量监测网络优化方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
秦怡雯、钱瑜、荣婷婷: ""基于大气特征污染物的监测布点选址优化研究"", 《中国环境科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
CN116449331B (zh) * | 2023-06-20 | 2023-08-15 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11475385B2 (en) | Method and system for utility power line monitoring | |
Sanz Rodrigo et al. | Evaluation of the Antarctic surface wind climate from ERA reanalyses and RACMO2/ANT simulations based on automatic weather stations | |
CN104613892B (zh) | 融合视频检测技术和激光测距技术的复合雪深监测*** | |
Guan et al. | Contribution of dust in northern China to PM10 concentrations over the Hexi corridor | |
Mattos et al. | Electrification life cycle of incipient thunderstorms | |
CN112907871B (zh) | 基于卫星遥感的雷火预警识别方法 | |
van Lier-Walqui et al. | On polarimetric radar signatures of deep convection for model evaluation: Columns of specific differential phase observed during MC3E | |
Sieglaff et al. | A satellite-based convective cloud object tracking and multipurpose data fusion tool with application to developing convection | |
Devi et al. | Observation-based 3-D view of aerosol radiative properties over Indian Continental Tropical Convergence Zone: implications to regional climate | |
Yao et al. | Artificial neural network (ANN) for multi-source PM2. 5 estimation using surface, MODIS, and meteorological data | |
Mueller et al. | Fugitive particulate emission factors for dry fly ash disposal | |
KR102553327B1 (ko) | 영상 처리 방법, 상기 방법을 기록한 컴퓨터 판독 가능 저장 매체 및 영상 처리 장치. | |
Vogl et al. | Using artificial neural networks to predict riming from Doppler cloud radar observations | |
CN109541638A (zh) | 一种大气颗粒物激光雷达联网监测方法 | |
Xu et al. | Identification and quantitative analysis of dust trajectories in the Hexi Corridor | |
Ács et al. | Sensitivity of WRF-simulated planetary boundary layer height to land cover and soil changes | |
Chamecki et al. | Atmospheric dispersion of wheat rust spores: a new theoretical framework to interpret field data and estimate downwind dispersion | |
CN110119494A (zh) | 一种基于主被动微波遥感观测的热带气旋自动定强方法 | |
Pfender et al. | Use of a complex air pollution model to estimate dispersal and deposition of grass stem rust urediniospores at landscape scale | |
CN114111705A (zh) | 一种利用气象卫星资料计算云底高度的方法 | |
CN109598310A (zh) | 一种多因子敏感设施识别方法 | |
Bingham et al. | Lidar based emissions measurement at the whole facility scale: Method and error analysis | |
Schwalt et al. | Percentage of single-stroke flashes related to different thunderstorm types | |
KR102219233B1 (ko) | 적설위험 정보 데이터의 수집, 분석, 재난예보를 지원하는 기상위험정보 시스템 | |
CN118034354B (zh) | 一种基于无人机的电力巡检控制方法及*** |
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 |
Application publication date: 20190329 |
|
RJ01 | Rejection of invention patent application after publication |