CN109765337A - 一种污染源识别方法及其*** - Google Patents
一种污染源识别方法及其*** Download PDFInfo
- Publication number
- CN109765337A CN109765337A CN201811627814.2A CN201811627814A CN109765337A CN 109765337 A CN109765337 A CN 109765337A CN 201811627814 A CN201811627814 A CN 201811627814A CN 109765337 A CN109765337 A CN 109765337A
- Authority
- CN
- China
- Prior art keywords
- grid
- pollution
- pollution source
- suspected
- data
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种污染源识别方法及其***。该方法包括:将监控区域划分为多个网格;在每一网格中布设监测设备以建立监测网络;从监测网络中收集原始数据,原始数据包括气象数据、地理数据和污染数据;通过分析原始数据确定疑似污染源网格;利用大气污染扩散模型和原始数据预测疑似污染源网格中最大污染浓度所在位置。
Description
技术领域
本发明总地涉及环境监测领域,具体涉及一种污染源识别方法及其***。
背景技术
大气污染是指大气中一些物质的含量达到有害的程度以至破坏生态***和人类正常生存和发展的条件,对人或物造成危害的现象。人类生活或工农业生产排出的氨、二氧化硫、一氧化碳、氮化物与氟化物等有害气体可改变原有空气的组成,并引起污染,造成全球气候变化,破坏生态平衡。
污染源则是指造成环境污染的污染物发生源,通常指向环境排放有害物质或对环境产生有害影响的场所、设备、装置或人体。任何以不适当的浓度、数量、速度、形态和途径进入环境***并对环境产生污染或破坏的物质或能量,统称为污染物。污染物可分为天然污染源、大气污染源、人为污染源、工业污染源等。
目前,大气环境污染源识别研究主要依据大气网格化监管结果,建立大气污染网格管理平台,监察人员根据平台结果对疑似污染源区域进行人工排查,加强对热点区域的大气污染监控。针对不同的环境特征,将目标区域划分为3×3公里的热点网格区域,并进行点位布设,对各网格中相关污染物浓度进行实时监测。根据累计浓度高的高值网格区,再结合现场监察人员的监察结果确定污染源。此种方式由于基于3×3 公里的网格,精度不够细化,无法对大量的小、散、乱污染源进行有效的管理,并且污染过程***,与风向、风速、湿度等气象因素息息相关关,采用监察人员人眼识别的方式也不够灵活准确。
发明内容
本发明提供了一种污染源识别方法,包括:将监控区域划分为多个网格;在每一所述网格中布设监测设备以建立监测网络;从所述监测网络中收集原始数据,所述原始数据包括气象数据、地理数据和污染数据;通过分析所述原始数据确定疑似污染源网格;利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置。
其中,所述监测设备包括选自风向风速仪、PM2.5浓度监测仪、温度传感器、湿度传感器和温阔线仪中的一种或多种。所述气象数据包括风速和风向,所述地理数据包括经度和纬度,所述污染数据包括污染物浓度。
可选地,根据上述的污染源识别方法,在所述利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置之后,还包括:采用移动监测设备在所述最大污染浓度所在位置及周围检测污染数据以确定污染源。
更可选地,所述采用移动监测设备在所述最大污染浓度所在位置及周围检测污染数据以确定污染源,包括:结合所述疑似污染源网格的气象数据规划检测路线;采用所述移动监测设备根据所述检测路线在所述最大污染浓度所在位置及周围检测污染物浓度以确定污染源。
还可选地,所述结合所述疑似污染源网格的气象数据规划检测路线包括:确定所述疑似污染源网格的地面风速大于等于阈值,则检测路线为从所述最大污染浓度所在位置沿风向向所述最大污染浓度所在位置上风向位置延伸;确定所述疑似污染源网格的地面风速小于阈值,则检测路线为以所述最大污染浓度所在位置为中心,半径为预定值的圆形区域。
可选地,根据上述的污染源识别方法,所述将监控区域划分为多个网格包括:将所述监控区域根据行政管理区域划分为多个网格;或根据预定值将所述监控区域划分为多个网格。
可选地,根据上述的污染源识别方法,所述通过分析所述原始数据确定疑似污染源网格,包括:确定第一网格的污染物浓度高于周边网格污染物浓度平均值,则将所述第一网格确定为疑似污染源网格;或者确定第二网格的污染物浓度在预定时间内波动超过阈值,则将所述第二网格确定为疑似污染源网格。
可选地,根据上述的污染源识别方法,所述利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置通过分析所述原始数据确定疑似污染源网格,还包括:分析所述气象数据以确定所述网格的污染浓度是由所述网格中的污染源所引起的。
更可选地,所述分析所述气象数据以确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的,包括:确定所述疑似污染源网格的地面风速大于等于阈值,则确定所述疑似污染源网格的污染浓度不是由所述疑似污染源网格中的污染源所引起的;确定所述疑似污染源网格的地面风速小于阈值,则确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的。
或可选地,根据上述的污染源识别方法,在从所述监测网络中收集原始数据之后,所述方法还包括:将所述原始数据转换为监测数据;将所述监测数据与所述地理数据结合,以实时展示每个网格的监测情况。
本发明还提供了一种污染源识别***,包括:网格划分装置,将监控区域划分为多个网格;监测设备,监测并收集所述网格以获取每个网格的原始数据,所述原始数据包括气象数据、地理数据和污染数据;数据处理装置,根据所述监测设备收集的原始数据确定疑似污染源网格,以及利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置。
其中,所述监测设备包括选自风向风速仪、PM2.5浓度监测仪、温度传感器、湿度传感器和温阔线仪中的一种或多种。所述气象数据包括风速和风向,所述地理数据包括经度和纬度,所述污染数据包括污染物浓度。
可选地,根据上述的污染源识别***,其还包括移动监测设备,在所述最大污染浓度所在位置及周围检测污染数据以确定污染源。
更可选地,所述数据处理装置结合所述疑似污染源网格的气象数据规划检测路线,所述移动监测设备根据所述检测路线在所述最大浓度所在位置及周围检测污染浓度以确定污染源;
还可选地,所述数据处理装置确定所述疑似污染源网格的地面风速大于等于阈值,则所述检测路线为从所述最大污染浓度所在位置沿风向向所述最大污染浓度所在位置上风向位置延伸;确定所述疑似污染源网格的地面风速小于阈值,则检测路线为以所述最大污染浓度所在位置为中心,半径为预定值的圆形区域。
可选地,根据上述的污染源识别***,所述网格划分装置将所述监控区域根据行政管理区域划分为多个网格;或根据预定值将所述监控区域划分为多个网格。
可选地,根据上述的污染源识别***,所述数据处理装置确定第一网格的污染物浓度高于周边网格污染物浓度平均值,则将所述第一网格确定为疑似污染源网格;或者确定第二网格的污染物浓度在预定时间内波动超过阈值,则将所述第二网格确定为疑似污染源网格。
可选地,根据上述的污染源识别***,所述数据处理装置分析所述气象数据以确定所述网格的污染物浓度是由所述网格中的污染源所引起的。
更可选地,所述分析所述气象数据以确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的,包括:确定所述疑似污染源网格的地面风速大于等于阈值,则确定所述疑似污染源网格的污染浓度不是由所述疑似污染源网格中的污染源所引起的;确定所述疑似污染源网格的地面风速小于阈值,则确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的。
或可选地,根据上述的污染源识别***,还包括展示装置,将所述原始数据转换为监测数据,将所述监测数据与所述地理数据结合,以对实时展示每个网格的监测情况。
本申请污染源识别方法通过分析移动监测设备现场监察的数据,反演疑似污染源网格环境浓度,有效发现污染源位置,具有精细化的优点,灵活性强。
具体实施方式
以下结合实施例,对本发明的具体实施方式进行更加详细的说明,以便能够更好地理解本发明的方案以及其各个方面的优点。然而,以下描述的具体实施方式和实施例仅是说明的目的,而不是对本发明的限制。
本发明中所述的“连接”,除非另有明确的规定或限定,应作广义理解,可以是直接相连,也可以是通过中间媒介相连。在本发明的描述中,需要理解的是,“上”、“下”、“前”、“后”、“左”、“右”、“顶端”、“底端”等指示的方位或位置关系为基于所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本申请的一些实施例中,污染源识别方法包括如下步骤。
S101将监控区域划分为多个网格。
具体可将监控区域根据行政管理区域划分为多个网格,例如以村为单位划分网格。或根据预定值将监控区域划分为多个网格,如按照大小相同的方形单元对区域进行网格划分,将区域划分为多个网格。
划分的网格不宜过大,网格过大无法对大量的小、散、乱污染源进行有效的管理。本实施例中,每个网格为方形,大小为500×500米。本发明不以此为限,网格的大小可根据实际需求调整。
S102在每一所述网格中布设监测设备以建立监测网络。
监测设备包括选自风向风速仪、PM2.5浓度监测仪、温度传感器、湿度传感器和温阔线仪中的一种或多种。监测网络实时监测污染数据,时间上以分钟级别采集数据,其利用布设密度较高的监测设备监测,然后将监测结果从离散稀疏的地面测量值扩展为在时间和空间上连续的三维测量值。
S103从所述监测网络中收集原始数据,所述原始数据包括气象数据、地理数据和污染数据。
气象数据包括风速和风向。地理数据包括经度和纬度。污染数据包括污染物浓度。
S104通过分析所述原始数据确定疑似污染源网格。
具体可包括:确定第一网格的污染物浓度高于周边网格污染物浓度平均值,则将所述第一网格确定为疑似污染源网格;或者确定第二网格的污染物浓度在预定时间内波动超过阈值,则将所述第二网格确定为疑似污染源网格。
S105利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置。
通过大气污染扩散模型,根据疑似污染源和潜在污染区域的空间关系,结合风速风向因素,针对不同季节建立从时空峰值到实际潜在污染区域的映射,从而得到最大污染浓度所在位置。
大气扩散模型是运用数学方程式来计算不同位置的污染物浓度,步骤具体包括:①根据地理数据和时间计算太阳高度角;②根据气象数据以及太阳高度角利用Turner法计算大气稳定等级;③利用湍流统计理论得出大气稳定等级与最大污染物所在位置的关系,从而得到最大污染物浓度所在位置。
步骤S105还可以包括分析所述气象数据以确定所述网格的污染浓度是由所述网格中的污染源所引起的。具体为通过大气污染扩散模型,结合风速风向因素,排除污染传输条件好的情况,以确保该污染浓度是由该网格内的污染源引起。
在本申请的一些实施例中,步骤S105之后,该方法还包括S106采用移动监测设备在所述位置及周围检测污染数据以确定污染源。
可选地,其包括:结合所述疑似污染源网格的气象数据规划检测路线;采用所述移动监测设备根据所述检测路线在所述最大污染浓度所在位置及周围检测污染物浓度以确定污染源。
可选地,其包括:确定所述疑似污染源网格的地面风速大于等于阈值,则检测路线为从所述最大污染浓度所在位置沿风向向所述最大污染浓度所在位置上风向位置延伸;确定所述疑似污染源网格的地面风速小于阈值,则检测路线为以所述最大污染浓度所在位置为中心,半径为预定值的圆形区域。其中,所述预定值为10-100m。
具体可包括:
结合所述疑似污染源网格的气象数据规划检测路线,例如;参考风向风速,如若地面风速较大可考虑为从某地传输过来的,再利用风向找到源头,只需在疑似污染源网格以及上风向位置寻找污染源即可。
采用所述移动监测设备根据所述检测路线在所述位置及周围检测污染浓度以确定污染源。
在本申请的一些实施例中,在步骤S103之后,该方法还包括:
S107将所述原始数据转换为监测数据,将所述监测数据与所述地理数据结合,以对实时展示每个网格的监测情况。
本申请还提供了一种污染源识别***,包括:网格划分装置、监测设备、数据处理装置。
网格划分装置用于将监控区域划分为多个网格。所述网格划分装置将所述监控区域根据行政管理区域划分为多个网格;或根据预定值将所述监控区域划分为多个网格。在一些实施例中,将监控区域划分为多个方形网格,大小为500×500米。本发明不以此为限,网格的大小可根据实际需求调整。
监测设备用于监测所述网格以获取每个网格的原始数据,所述原始数据包括气象数据、地理数据和污染数据。监测设备具体可包括选自风向风速仪、PM2.5浓度监测仪、温度传感器、湿度传感器和温阔线仪中的一种或多种。所述气象数据包括风速和风向,所述地理数据包括经度和纬度,所述污染数据包括污染物浓度。
数据处理装置,根据所述监测设备收集的原始数据确定疑似污染源网格和利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置。
可选地,数据处理装置确定第一网格的污染物浓度高于周边网格污染物浓度平均值,则将所述第一网格确定为疑似污染源网格;或者确定第二网格的污染物浓度在预定时间内波动超过阈值,则将所述第二网格确定为疑似污染源网格。
可选地,数据处理装置分析所述气象数据以确定所述网格的污染浓度是由所述网格中的污染源所引起的。
在一些实施例中,该***还包括移动监测设备,用于在所述最大污染浓度所在位置及周围检测污染数据以确定污染源。
可选地,所述数据处理装置还可结合所述疑似污染源网格的气象数据规划检测路线,所述移动监测设备根据所述检测路线在所述最大浓度所在位置及周围检测污染浓度以确定污染源。
可选地,所述数据处理装置确定所述疑似污染源网格的地面风速大于等于阈值,则所述检测路线为从所述最大污染浓度所在位置沿风向向所述最大污染浓度所在位置上风向位置延伸;确定所述疑似污染源网格的地面风速小于阈值,则检测路线为以所述最大污染浓度所在位置为中心,半径为预定值的圆形区域。其中,所述预定值为10-100m。
可选地,数据处理装置还可分析所述气象数据以确定所述网格的污染物浓度是由所述网格中的污染源所引起的。其具体包括:确定所述疑似污染源网格的地面风速大于等于阈值,则确定所述疑似污染源网格的污染浓度不是由所述疑似污染源网格中的污染源所引起的;确定所述疑似污染源网格的地面风速小于阈值,则确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的。
可选地,所述的污染源识别***还包括展示装置,将所述原始数据转换为监测数据,将所述监测数据与所述地理数据结合,以对实时展示每个网格的监测情况。
最后应说明的是:显然,上述实施例仅仅是为清楚地说明本发明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (10)
1.一种污染源识别方法,其特征在于,包括:
将监控区域划分为多个网格;
在每一所述网格中布设监测设备以建立监测网络;
从所述监测网络中收集原始数据,所述原始数据包括气象数据、地理数据和污染数据;
通过分析所述原始数据确定疑似污染源网格;
利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置。
2.根据权利要求1所述的污染源识别方法,其特征在于,在所述利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置之后,还包括:
采用移动监测设备在所述最大污染浓度所在位置及周围检测污染数据以确定污染源;
优选地,所述采用移动监测设备在所述最大污染浓度所在位置及周围检测污染数据以确定污染源,包括:
结合所述疑似污染源网格的气象数据规划检测路线;
采用所述移动监测设备根据所述检测路线在所述最大污染浓度所在位置及周围检测污染物浓度以确定污染源;
更优选地,所述结合所述疑似污染源网格的气象数据规划检测路线包括:
确定所述疑似污染源网格的地面风速大于等于阈值,则检测路线为从所述最大污染浓度所在位置沿风向向所述最大污染浓度所在位置上风向位置延伸;
确定所述疑似污染源网格的地面风速小于阈值,则检测路线为以所述最大污染浓度所在位置为中心,半径为预定值的圆形区域。
3.根据权利要求1所述的污染源识别方法,其特征在于,所述将监控区域划分为多个网格包括:
将所述监控区域根据行政管理区域划分为多个网格;或
根据预定值将所述监控区域划分为多个网格。
4.根据权利要求1所述的污染源识别方法,其特征在于,所述通过分析所述原始数据确定疑似污染源网格,包括:
确定第一网格的污染物浓度高于周边网格污染物浓度平均值,则将所述第一网格确定为疑似污染源网格;或者
确定第二网格的污染物浓度在预定时间内波动超过阈值,则将所述第二网格确定为疑似污染源网格。
5.根据权利要求1所述的污染源识别方法,其特征在于,所述利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置,还包括:
分析所述气象数据以确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的;
优选地,所述分析所述气象数据以确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的,包括:
确定所述疑似污染源网格的地面风速大于等于阈值,则确定所述疑似污染源网格的污染浓度不是由所述疑似污染源网格中的污染源所引起的;
确定所述疑似污染源网格的地面风速小于阈值,则确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的。
6.一种污染源识别***,其特征在于,包括:
网格划分装置,将监控区域划分为多个网格;
监测设备,监测并收集所述网格以获取每个网格的原始数据,所述原始数据包括气象数据、地理数据和污染数据;
数据处理装置,根据所述监测设备收集的原始数据确定疑似污染源网格,以及利用大气污染扩散模型和所述原始数据预测所述疑似污染源网格中最大污染浓度所在位置。
7.根据权利要求6所述的污染源识别***,其特征在于,还包括:
移动监测设备,在所述最大污染浓度所在位置及周围检测污染数据以确定污染源;
优选地,所述数据处理装置结合所述疑似污染源网格的气象数据规划检测路线,所述移动监测设备根据所述检测路线在所述最大浓度所在位置及周围检测污染浓度以确定污染源;
更优选地,所述数据处理装置确定所述疑似污染源网格的地面风速大于等于阈值,则所述检测路线为从所述最大污染浓度所在位置沿风向向所述最大污染浓度所在位置上风向位置延伸;
确定所述疑似污染源网格的地面风速小于阈值,则检测路线为以所述最大污染浓度所在位置为中心,半径为预定值的圆形区域。
8.根据权利要求6所述的污染源识别***,其特征在于,所述网格划分装置将所述监控区域根据行政管理区域划分为多个网格;或根据预定值将所述监控区域划分为多个网格。
9.根据权利要求6所述的污染源识别***,其特征在于,所述数据处理装置确定第一网格的污染物浓度高于周边网格污染物浓度平均值,则将所述第一网格确定为疑似污染源网格;或者确定第二网格的污染物浓度在预定时间内波动超过阈值,则将所述第二网格确定为疑似污染源网格。
10.根据权利要求6所述的污染源识别***,其特征在于,所述数据处理装置分析所述气象数据以确定所述网格的污染物浓度是由所述网格中的污染源所引起的;
优选地,所述分析所述气象数据以确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的,包括:
确定所述疑似污染源网格的地面风速大于等于阈值,则确定所述疑似污染源网格的污染浓度不是由所述疑似污染源网格中的污染源所引起的;
确定所述疑似污染源网格的地面风速小于阈值,则确定所述疑似污染源网格的污染浓度是由所述疑似污染源网格中的污染源所引起的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627814.2A CN109765337A (zh) | 2018-12-28 | 2018-12-28 | 一种污染源识别方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627814.2A CN109765337A (zh) | 2018-12-28 | 2018-12-28 | 一种污染源识别方法及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109765337A true CN109765337A (zh) | 2019-05-17 |
Family
ID=66452188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811627814.2A Pending CN109765337A (zh) | 2018-12-28 | 2018-12-28 | 一种污染源识别方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109765337A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361054A (zh) * | 2019-08-01 | 2019-10-22 | 武汉知中智知识产权运营有限公司 | 一种基于大数据实时分析空气污染源监控预警方法和装置 |
CN110427573A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种未知污染源区域的确定方法、装置、设备及存储介质 |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN110954658A (zh) * | 2019-12-02 | 2020-04-03 | 上海宝钢工业技术服务有限公司 | 工业园区挥发性有机物网格化溯源调查的方法 |
CN110988259A (zh) * | 2019-11-15 | 2020-04-10 | 博环(北京)科技有限公司 | 一种污染源定位方法、装置、***及存储介质 |
CN111272950A (zh) * | 2020-02-12 | 2020-06-12 | 北京知天地环境科技有限公司 | 一种智能污染物追踪*** |
CN113516327A (zh) * | 2020-04-10 | 2021-10-19 | 中国石油化工股份有限公司 | 石化企业污染监测预警评价方法、装置及*** |
CN114693003A (zh) * | 2022-05-23 | 2022-07-01 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市空气质量预测方法和*** |
CN115292331A (zh) * | 2022-10-09 | 2022-11-04 | 淄博青禾检测科技有限公司 | 一种异常地理区域的获取方法、设备及介质 |
CN116151488A (zh) * | 2023-04-19 | 2023-05-23 | 中科三清科技有限公司 | 一种污染数据分析方法、***及设备 |
CN116699072A (zh) * | 2023-06-08 | 2023-09-05 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN117517609A (zh) * | 2023-11-20 | 2024-02-06 | 苏州农业职业技术学院 | 一种农业面源污染监测*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN106339775A (zh) * | 2016-08-23 | 2017-01-18 | 北京市环境保护监测中心 | 基于天气分型和气象要素聚类的空气重污染案例判别方法 |
CN106680170A (zh) * | 2017-02-28 | 2017-05-17 | 山东敏诚实验设备有限公司 | 区域大气污染空地一体实时监测预警***及方法 |
CN107084911A (zh) * | 2017-04-24 | 2017-08-22 | 汪先锋 | 一种颗粒物最大落地浓度预测方法 |
US20170292938A1 (en) * | 2016-02-08 | 2017-10-12 | International Business Machines Corporation | Leveraging air/water current variability for sensor network verification and source localization |
CN206627148U (zh) * | 2017-03-16 | 2017-11-10 | 清华大学 | 一种多组分大气环境网格化监测仪 |
CN107340364A (zh) * | 2017-05-31 | 2017-11-10 | 北京市环境保护监测中心 | 基于海量大气污染浓度数据的污染空间分析方法及装置 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108318634A (zh) * | 2018-02-13 | 2018-07-24 | 卢秀慧 | 污染气体的源头监测*** |
CN108648127A (zh) * | 2018-04-28 | 2018-10-12 | 北京航空航天大学 | 一种城市空气污染热点区域锁定方法 |
CN108827722A (zh) * | 2018-09-13 | 2018-11-16 | 潘小乐 | 一种用于估算工业区pm高架直排源强的无人机***及方法 |
CN108828140A (zh) * | 2018-04-26 | 2018-11-16 | 中国计量大学 | 一种基于粒子群算法的多无人机协同恶臭溯源方法 |
-
2018
- 2018-12-28 CN CN201811627814.2A patent/CN109765337A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170292938A1 (en) * | 2016-02-08 | 2017-10-12 | International Business Machines Corporation | Leveraging air/water current variability for sensor network verification and source localization |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN106339775A (zh) * | 2016-08-23 | 2017-01-18 | 北京市环境保护监测中心 | 基于天气分型和气象要素聚类的空气重污染案例判别方法 |
CN106680170A (zh) * | 2017-02-28 | 2017-05-17 | 山东敏诚实验设备有限公司 | 区域大气污染空地一体实时监测预警***及方法 |
CN206627148U (zh) * | 2017-03-16 | 2017-11-10 | 清华大学 | 一种多组分大气环境网格化监测仪 |
CN107084911A (zh) * | 2017-04-24 | 2017-08-22 | 汪先锋 | 一种颗粒物最大落地浓度预测方法 |
CN107340364A (zh) * | 2017-05-31 | 2017-11-10 | 北京市环境保护监测中心 | 基于海量大气污染浓度数据的污染空间分析方法及装置 |
CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108318634A (zh) * | 2018-02-13 | 2018-07-24 | 卢秀慧 | 污染气体的源头监测*** |
CN108828140A (zh) * | 2018-04-26 | 2018-11-16 | 中国计量大学 | 一种基于粒子群算法的多无人机协同恶臭溯源方法 |
CN108648127A (zh) * | 2018-04-28 | 2018-10-12 | 北京航空航天大学 | 一种城市空气污染热点区域锁定方法 |
CN108827722A (zh) * | 2018-09-13 | 2018-11-16 | 潘小乐 | 一种用于估算工业区pm高架直排源强的无人机***及方法 |
Non-Patent Citations (2)
Title |
---|
刘志斌等: "《环境影响评价》", 30 September 2007, 中国矿业大学出版社 * |
包景岭等: "《恶臭污染源解析及预警应急***》", 31 August 2012, 中国环境科学出版社 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427573A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种未知污染源区域的确定方法、装置、设备及存储介质 |
CN110361054A (zh) * | 2019-08-01 | 2019-10-22 | 武汉知中智知识产权运营有限公司 | 一种基于大数据实时分析空气污染源监控预警方法和装置 |
CN110988259A (zh) * | 2019-11-15 | 2020-04-10 | 博环(北京)科技有限公司 | 一种污染源定位方法、装置、***及存储介质 |
CN110954658B (zh) * | 2019-12-02 | 2023-09-29 | 上海宝钢工业技术服务有限公司 | 工业园区挥发性有机物网格化溯源调查的方法 |
CN110954658A (zh) * | 2019-12-02 | 2020-04-03 | 上海宝钢工业技术服务有限公司 | 工业园区挥发性有机物网格化溯源调查的方法 |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN110727717B (zh) * | 2019-12-17 | 2020-05-12 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN111272950A (zh) * | 2020-02-12 | 2020-06-12 | 北京知天地环境科技有限公司 | 一种智能污染物追踪*** |
CN113516327A (zh) * | 2020-04-10 | 2021-10-19 | 中国石油化工股份有限公司 | 石化企业污染监测预警评价方法、装置及*** |
US11776081B1 (en) | 2022-05-23 | 2023-10-03 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for predicting air quality in smart cities based on an internet of things |
CN114693003A (zh) * | 2022-05-23 | 2022-07-01 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市空气质量预测方法和*** |
CN115292331A (zh) * | 2022-10-09 | 2022-11-04 | 淄博青禾检测科技有限公司 | 一种异常地理区域的获取方法、设备及介质 |
CN116151488A (zh) * | 2023-04-19 | 2023-05-23 | 中科三清科技有限公司 | 一种污染数据分析方法、***及设备 |
CN116699072A (zh) * | 2023-06-08 | 2023-09-05 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN116699072B (zh) * | 2023-06-08 | 2024-01-26 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN117517609A (zh) * | 2023-11-20 | 2024-02-06 | 苏州农业职业技术学院 | 一种农业面源污染监测*** |
CN117517609B (zh) * | 2023-11-20 | 2024-06-21 | 苏州农业职业技术学院 | 一种农业面源污染监测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765337A (zh) | 一种污染源识别方法及其*** | |
CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
Merbitz et al. | Mobile measurements and regression modeling of the spatial particulate matter variability in an urban area | |
WO2016129715A1 (ko) | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 | |
KR102250795B1 (ko) | 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법 | |
CN110726431A (zh) | 具多点空气质量侦测的污染源分析***运作方法 | |
KR20210050831A (ko) | 실시간 미세먼지 모니터링 시스템 및 그 방법 | |
Zaidan et al. | Dense air quality sensor networks: Validation, analysis, and benefits | |
WO2019224545A2 (en) | A system for detecting air pollution | |
US20240003686A1 (en) | Hyper-local mapping of environmental conditions | |
Ngom et al. | A hybrid measurement kit for real-time air quality monitoring across Senegal cities | |
Hernandez et al. | Analysis of the information obtained from PM 2.5 concentration measurements in an urban park | |
Mihaita et al. | Air quality monitoring using stationary versus mobile sensing units: a case study from Lorraine, France | |
CN114077798B (zh) | 估算小尺度区域大气污染物网格浓度的方法 | |
CN115146484A (zh) | 一种用于检测环境参数的环保监控***及监控方法 | |
CN110389095B (zh) | 一种基于虚拟仿真体验的城市环境检测和城市规划方法及*** | |
CN115493657B (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
Lee et al. | Characterization of spatial-temporal distribution and microenvironment source contribution of PM2. 5 concentrations using a low-cost sensor network with artificial neural network/kriging techniques | |
CN116413838A (zh) | 城市污染物扩散快速预警和防控平台 | |
CN113295589B (zh) | 一种扬尘监测方法、装置和*** | |
Eingrüber et al. | Microclimatic field measurements to support microclimatological modelling with ENVI-met for an urban study area in Cologne | |
CN114877948A (zh) | 一种环境监测生态安全预警*** | |
DeWitt et al. | Performance evaluation of ozone and particulate matter sensors | |
Manikandan et al. | Internet of things enabled ml for air quality assessment: Systematic review |
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: 20190517 |