CN110057982A - 一种室外环境监测分析***及方法 - Google Patents
一种室外环境监测分析***及方法 Download PDFInfo
- Publication number
- CN110057982A CN110057982A CN201910413935.5A CN201910413935A CN110057982A CN 110057982 A CN110057982 A CN 110057982A CN 201910413935 A CN201910413935 A CN 201910413935A CN 110057982 A CN110057982 A CN 110057982A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- monitoring
- concentration
- pollutant concentration
- current location
- 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 151
- 238000004458 analytical method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 273
- 231100000719 pollutant Toxicity 0.000 claims abstract description 261
- 238000012545 processing Methods 0.000 claims abstract description 36
- 239000000809 air pollutant Substances 0.000 claims description 16
- 231100001243 air pollutant Toxicity 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 230000006978 adaptation Effects 0.000 claims description 12
- 230000003442 weekly effect Effects 0.000 claims description 10
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 9
- 238000011109 contamination Methods 0.000 claims description 3
- 238000003915 air pollution Methods 0.000 abstract description 4
- 230000036541 health Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 239000000126 substance Substances 0.000 description 7
- 239000000356 contaminant Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000003570 air Substances 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 5
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000013618 particulate matter Substances 0.000 description 4
- 239000008188 pellet Substances 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000031320 Teratogenesis Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000000711 cancerogenic effect Effects 0.000 description 1
- 231100000315 carcinogenic Toxicity 0.000 description 1
- 230000003130 cardiopathic effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000002703 mutagenesis Methods 0.000 description 1
- 231100000350 mutagenesis Toxicity 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000002000 scavenging effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
Classifications
-
- 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
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0037—NOx
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0039—O3
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0042—SO2 or SO3
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Dispersion Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种室外环境监测分析***及方法，包括路线导航选定***、定位***、监测站选取***、加权处理***和后台服务***，定位***通过自动定位模块实时获取用户当前位置的经纬度，监测站选取***根据用户位置的经纬度选择四个靠近用户当前位置的污染监测站点，加权处理***将四个污染监测站点的污染物浓度加权处理作为当前位置的污染物浓度，后台服务***实时统计当前位置的污染物浓度，并且将污染物浓度实时存储监控；本方案可实时监测室外环境中的污染物浓度指数，可动态监测任意地点的各污染物指标浓度，使用范围广，相应时间快，操作简单，根据不同时间跨度统计分析全天的污染物浓度分布，帮助空气污染健康管理。
Description
技术领域
本发明实施例涉及室外环境监测技术领域，具体涉及一种室外环境监测分析***及方法。
背景技术
由于人们对工业高度发达的负面影响预料不够，预防不利，导致了全球性的三大危机，包括资源短缺、环境污染、生态破坏。当人类向环境中添加某种物质而超过环境的自净能力而产生危害，环境受到有害物质的污染，使生物的生长繁殖和人类的正常生活受到有害影响。
大气颗粒物作为一种重要的空气污染物，其粒径大小不同，被吸入并沉积在呼吸***的部位不同，引起机体的危害也有明显差异。大于10微米的颗粒物，几乎都可被鼻腔和咽喉所捕获，不易进入肺泡。但目前空气中多数是对人体危害最大的10微米以下的颗粒物，空气中直径小于或等于2.5微米的颗粒物，也称为可入肺颗粒物。这些可吸入颗粒物在长距离传输过程中经过大量污染地区，可以不断吸附人为污染物，增加了颗粒物的毒性。当吸附的病毒、细菌、花粉，经人的口、鼻大量吸入人体后，累积心血管***肺内尘粒，一旦超过肺本身的清除能力，就会沉积于胸腔内，导致肺及胸膜的病变，还直接影响血压及血液凝集性，降低心脏病、高血压患者心跳的变异性，提高心脏病的发生率。
据了解，可吸入颗粒物是造成目前大气环境污染的首要污染物，有研究表明，大气可吸入颗粒物增加是导致人类死亡率上升的重要原因之一，可吸入颗粒物对人体健康的危害主要作用为：致癌、致畸、致突变，因此对孕妇的伤害极大。
因此为警醒用户和给空气污染相关疾病判断提供依据和有价值性的参考意见，亟需要一种室外环境监测分析***，帮助孕妇统计分析室外污染情况，以便进行污染防护处理。
发明内容
为此，本发明实施例提供一种室外环境监测分析***及方法，采用对用户当前位置和目标选定位置的污染物统计，以解决现有技术中污染物不明确，影响出行安全性的问题。
为了实现上述目的，本发明的实施方式提供如下技术方案：一种室外环境监测分析***，包括路线导航选定***、定位***、监测站选取***、加权处理***和后台服务***，所述定位***通过自动定位模块实时获取用户当前位置或选定位置的经纬度，所述监测站选取***根据用户位置的经纬度选择四个靠近用户当前位置或选定位置的污染监测站点，所述加权处理***将四个污染监测站点的污染物浓度加权处理作为当前位置或选定位置的污染物浓度，所述后台服务***实时统计当前位置或选定位置的污染物浓度，并且将污染物浓度实时存储监控；
所述后台服务***包括周期数据获取模块、数据库适配模块和污染物浓度统计模块，所述周期数据获取模块定时获取监测站选取***中的污染检测信息，所述数据库适配模块实时存储当前位置的污染物浓度，所述污染物浓度统计模块将数据库适配模块的污染物浓度实时集成在污染物统计表内。
作为本发明的一种优选方案，所述污染监测站点检测的污染物具体为PM2.5、PM10、SO2、NO2、CO和O3。
作为本发明的一种优选方案，所述周期数据获取模块可按照0.5h、1.0h和1.5h周期间隔获取监测站选取***中的污染检测信息，所述污染物浓度统计模块将污染检测信息在污染物统计表周期性显示，统计表的时间周期分别为天、周、月、年。
作为本发明的一种优选方案，对所述污染监测站点的污染物数据进行加权处理的方法为反向距离加权法(IDW)，所述反向距离加权法的计算公式为：
Cpi＝(CS1-pi/dS1-pi2+CS2-pi/dS2-pi2+CS3-pi/dS3-pi2+CS4-pi/dS4-pi2)/(1/dS1-pi2+1/dS2-pi2+1/dS3-pi2+1/dS4-pi2)
其中Cpi为用户当前位置(p)每种空气污染物(i)的浓度(C)，pi＝每用户当前位置的污染物PM2.5、PM10、SO2、NO2、CO、O3；
CS1-pi为用户当前位置(p)距离其最近的监测站点(s1)的空气污染物(i)浓度；
CS2-pi为用户当前位置(p)距离其第二近的监测站点(s2)的空气污染物(i)浓度；
CS3-pi为用户当前位置(p)距离其第三近的监测站点(s3)的空气污染物(i)浓度；
CS4-pi为用户当前位置(p)距离其第四近的监测站点(s4)的空气污染物(i)浓度；
dS1-pi为用户当前位置(p)距离其最近的监测站点(s1)的距离；
dS2-pi为用户当前位置(p)距离其第二近的监测站点(s2)的距离；
dS3-pi为用户当前位置(p)距离其第三近的监测站点(s3)的距离；
dS4-pi为用户当前位置(p)距离其第四近的监测站点(s4)的距离。
作为本发明的一种优选方案，所述路线导航选定***可规划从出发地到目的地的多条行程路线，并且任一行程路线均可计算当前路线的污染物分布情况，选择污染物浓度低的行程路线。
本发明还提供了一种室外环境监测分析方法，监测分析包括如下步骤：
步骤100、实时跟踪定位用户当前位置；
步骤200、周期性采集计算当前位置的污染物浓度，并且将污染物浓度数据实时分类存储到数据库内；
步骤300、实时获取污染物浓度数据，生成污染物浓度变化动态图，并且按照不同的统计周期生成污染物监控图；
步骤400、根据污染物浓度变化动态图和污染物监控图分析污染物浓度分布的时间段；
步骤500、在路线导航选定***选取到达目的地污染物分布最少的行驶路线。
作为本发明的一种优选方案，在步骤200中，确定当前位置污染物浓度的步骤如下：
步骤201、根据用户当前位置的经纬度，利用监测站选取***选择四个靠近用户当前位置的污染监测站点；
步骤202、利用周期数据获取模块周期性的获取污染监测站点开源污染信息；
步骤203、采用反向距离加权法计算四个污染监测站点的污染数据加权值，即为当前位置的污染物浓度。
作为本发明的一种优选方案，在步骤300中，生成污染物浓度变化动态图的步骤如下：
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
从数据库内直接提取周期时间和污染物浓度作为时间-污染物浓度直角坐标系的参考点；
生成全天的污染物浓度变化动态图。
作为本发明的一种优选方案，在步骤300中，生成污染物监控图的步骤如下：
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
将数据库内每天同一时刻的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每周的污染物监控图，分析污染物浓度分布；
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
在数据库内提取上述每周污染物浓度均值，将四周同一周期时间的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每月的污染物监控图，分析污染物浓度分布；
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
在数据库内提取上述每月污染物浓度均值，将十二个月同一周期时间的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每年的污染物监控图，分析污染物浓度分布。
作为本发明的一种优选方案，在所述步骤500中，监测分析路线导航选定***上污染物分布的步骤具体为：
步骤501、在出发点到目的地之间的行驶路线上选择若干个间隔均匀的测量点；
步骤502、按照反向距离加权法得到每个测量点的污染物浓度值；
步骤503、标出行驶路线上污染物浓度值超标的路段，显示路段长度；
步骤504、自动对比每条行驶路线的污染物分布路段长度和污染物浓度，推荐污染物浓度最低的行驶路线。
本发明的实施方式具有如下优点：
(1)本发明可实时监测室外环境中的污染物浓度指数，并且可动态监测任意地点的各污染物指标浓度，使用范围广，响应时间快，操作简单。
(2)本发明的路线导航选定***不仅具备现有技术的导航和路线规划功能，同时还具有对路线进行污染物分析的功能，标出污染物超标的路段，统计污染物超标路段的长度，对比每条导航规划路线的污染物浓度和污染路段，优化选择最佳的行驶线路，从而避免在行驶线路上受到污染物影响，同时可以通过污染物指标判断该路线存在堵车情况，避免遭遇堵车情况，提高实用性和功能灵活性。
(3)本发明可按周、月、年的时间跨度进行污染物统计，分析个污染物浓度统计数据，分析全天的污染物浓度分布，形成周期性报告，帮助空气污染健康管理，方便分析污染物分布的集中状态，为用户提供避免污染物环境的防护时间段。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施方式的室外监测分析***结构框图；
图2为本发明实施方式的室外监测分析方法流程图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本发明提供了一种室外环境监测分析***，本***在实际运用的具体功能主要是辅助用户统计不同周期下的环境空气质量指数(API)，具体对PM2.5、PM10、SO2、NO2、CO和O3六种污染物的每小时进行数据更新，并且将每天的更新数据保留，以方便对6项污染物数据分别单独在图表内进行周期性分析，当然也可对更新的数据集中在一个图表内进行周期性统计分析，帮助用户生成周期性的污染物报告和空气污染健康管理建议。
包括路线导航选定***、GPS定位***、北斗定位***、监测站选取***、加权处理***和后台服务***，GPS定位***和北斗定位***通过自动定位模块实时获取用户当前位置或选定位置的经纬度，监测站选取***根据用户位置的经纬度选择四个靠近用户当前位置或选定位置的污染监测站点，加权处理***将四个污染监测站点的污染物浓度加权处理作为当前位置或选定位置的污染物浓度。
本实施方式的监测站选取***，不仅可以对GPS定位***中的当前位置进行污染物浓度检测，还可以对GPS定位***中指定选择的位置进行污染物浓度检测，另外也可以对路线导航选定***上的检测点进行污染物浓度检测，因此需要保证监测站选取***具有灵活选定性能。
污染监测站点检测的污染物具体为PM2.5、PM10、SO2、NO2、CO和O3，加权处理***需要对每项污染物来源进行加权处理，计算当前位置或选定位置的污染物浓度。
监测站选取***灵活性的根据用户当前位置或者选定的位置，选定四个靠近用户当前位置或选定位置的污染监测站点，后台服务***通过开源API周期性获取四个污染监测站点检测到的污染物信息，加权处理***将污染监测站点的污染物信息加权处理，得到当前位置或选定位置的污染物浓度值。
监测站选取***对污染监测站的选定既有灵活性又有选定性，也就是说，只选择靠近当前位置或选定位置最近的四个监测站，因此减少加权处理的难度，提高响应速度，避免占用大量运行内存而影响使用体验。同时监测站选取***根据当前位置或选定位置的变化，灵活性的选定靠近当前位置或选定位置最近的监测站，从而保证污染检测随着当前位置或选定位置的变化而变化，提高污染物浓度测量的准确性。
加权处理***对所述污染监测站点的污染物数据进行加权处理的方法为反向距离加权法(IDW)，所述反向距离加权法的计算公式为：Cpi＝(CS1-pi/dS1-pi2+CS2-pi/dS2-pi2+CS3-pi/dS3-pi2+CS4-pi/dS4-pi2)/(1/dS1-pi2+1/dS2-pi2+1/dS3-pi2+1/dS4-pi2)
其中Cpi为用户当前位置(p)每种空气污染物(i)的浓度(C)，pi＝每用户当前位置的污染物PM2.5、PM10、SO2、NO2、CO、O3；
CS1-pi为用户当前位置(p)距离其最近的监测站点(s1)的空气污染物(i)浓度；
CS2-pi为用户当前位置(p)距离其第二近的监测站点(s2)的空气污染物(i)浓度；
CS3-pi为用户当前位置(p)距离其第三近的监测站点(s3)的空气污染物(i)浓度；
CS4-pi为用户当前位置(p)距离其第四近的监测站点(s4)的空气污染物(i)浓度；
dS1-pi为用户当前位置(p)距离其最近的监测站点(s1)的距离；
dS2-pi为用户当前位置(p)距离其第二近的监测站点(s2)的距离；
dS3-pi为用户当前位置(p)距离其第三近的监测站点(s3)的距离；
dS4-pi为用户当前位置(p)距离其第四近的监测站点(s4)的距离。
本实施方式测定当前位置或选定位置污染物浓度的方式是通过对多个监测站污染物浓度加权处理的方式所得，因此提高当前位置或选定位置污染物浓度监测准确性，从而保证整个环境监测分析的有效性。
路线导航选定***可规划从出发地到目的地的多条行程路线，并且任一行程路线均可计算当前路线的污染物分布情况，选择污染物浓度低的行程路线。
本实施方式的路线导航选定***不仅具备现有技术的导航和路线规划功能，同时还具有对路线进行污染物分析的功能，路线导航选定***的主要工作原理为：在导航规划路线上选择若干个测试点，利用监测站选取***和加权处理***对测试点进行污染物监测，标出污染物超标的路段，统计污染物超标路段的长度，对比每条导航规划路线的污染物浓度和污染路段，优化选择最佳的行驶线路，从而避免在行驶线路上受到污染物影响。
同时通过分析污染物的分布，也可判断导航规划路线上是否存在堵车情况，比如说如果一段线路的PM2.5浓度、SO浓度和CO浓度同时都比较高，那么可以判断该路线存在堵车情况，则通过路线导航选定***一方面避免受到污染物的影响，同时也避免遭遇堵车情况，提高实用性和功能灵活性。
后台服务***实时统计当前位置的污染物浓度，并且将污染物浓度实时存储监控。后台服务***包括周期数据获取模块、数据库适配模块和污染物浓度统计模块，周期数据获取模块定时获取监测站选取***中的污染检测信息，数据库适配模块实时存储当前位置的污染物浓度，污染物浓度统计模块将数据库适配模块的污染物浓度实时集成在污染物统计表内。
周期数据获取模块根据***设定，定时周期性的通过开源API获取每个监测站的污染检测信息，从而实现全天24小时的污染物监控分析效果，可按照0.5h、1.0h和1.5h周期间隔获取监测站选取***中的污染检测信息，周期间隔也可设定为2h或2.5h，周期间隔决定污染物更新的频率，不受具体的限制，可根据需求更改。
周期数据获取模块定时获取到的数据均存储在数据库适配模块内，污染物浓度统计模块一天检测到的所有污染物浓度数据进行动态模拟，同时污染物浓度统计模块还可以将所有污染物浓度数据按照周、月、年的时间单位进行统计，方便分析污染物分布的集中状态，为用户提供避免污染物环境的防护时间段，另外本也可根据孕周期或者其他动态***进行统计。
数据库适配模块包括长期存储数据库和临时存储数据库，当前位置的污染物数据一般保存在长期存储数据库内，作为污染物浓度统计模块统计分析的主要数据来源，而目标选定位置的污染物数据一般保存在临时存储数据库内，不作为污染物浓度统计模块的依据，因此提高污染物浓度统计模块的准确性，防止其他污染物数据影响统计分析的实施准确性。
污染物浓度统计模块是从数据库中获取污染物浓度数据，而没有直接通过网络访问开源API的污染物数据。一方面可以避免因网络通信不畅而造成界面失去响应；另一方面，后台服务***可以及时更新数据，以保证数据的准确性。
实施例2
如图2所示，为了进一步阐述上述室外环境监测分析***的监测步骤，本发明还提供了一种室外环境监测分析方法，监测分析包括如下步骤：
步骤100、实时跟踪定位用户当前位置或选择目标位置；
当前位置的污染物浓度可直接从数据库适配模块获取最近时间的数据，从而即使在没有网络通信不畅的时候，也能及时获取污染物信息，提高***响应速度，而对于目标位置的污染物监测需要进行网络支持，目标位置的污染物监测数据保存在临时数据库内，用于保存显示页面的数据。
同时在步骤100的定位***不仅可以显示用户当前位置的污染物浓度，还具有以下功能，在选择目标位置时可通过搜索任意地名或者点击地图中的任意地点获取目标位置，在搜索地名后，计算并显示在地图上当前时间的空气中各污染物的浓度；点击地图中的任意地点可以获取到选中地点的空气中各污染物的暴露浓度。
也就是说本实施方式的定位***不仅可以计算用户当前位置的污染物浓度，同时还可以搜索任意位置进行动态监控，显示任意位置的各污染物的浓度，搜索位置的污染物浓度将通过下述步骤200的方法计算。
步骤200、周期性采集计算当前位置的污染物浓度，并且将污染物浓度数据实时分类存储到数据库内。
确定当前位置污染物浓度的步骤如下：
步骤201、根据用户当前位置的经纬度，利用监测站选取***选择四个靠近用户当前位置的污染监测站点；
步骤202、利用周期数据获取模块周期性的获取污染监测站点开源污染信息；
步骤203、采用反向距离加权法计算四个污染监测站点的污染数据加权值，即为当前位置的污染物浓度。
利用加权平均的方式提高当前位置的污染物浓度监测准确性，从而提高整个***工作的安全稳定性。
此加权平均方式同样适用于目标位置或者路线导航选定***测试点的污染物浓度检测。
步骤300、实时获取污染物浓度数据，生成污染物浓度变化动态图，并且按照不同的统计周期生成污染物监控图。
在此步骤中，统计周期可以为每天、每周、每月、每个季度或者每年作为时间周期，统计每个时间周期对应的污染物监控图。
另外污染物监控图的统计周期也可设置为孕周期或者病理周期等等，根据不同的使用人群或者使用环境，可更改统计时间周期，生成不同的污染物监控图，下面将以时间周期作为实施例，说明污染物监控图的具体统计方法。
在步骤300中，生成污染物浓度变化动态图的步骤如下：
首先，将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系，一般来说，X轴的测试时间为0:00-24:00，环境检测的时间间隔为1h，利用四个靠近监测站的加权值得出每1h间隔的污染物浓度值；
然后，从数据库内直接提取周期时间和污染物浓度作为时间-污染物浓度直角坐标系的参考点；
最后，生成全天的污染物浓度变化动态图。
通过分析一天的污染物浓度变化动态图，可得出在一天的时间内，哪个时间段的污染物浓度超过正常范围，从而提醒用户避免在该时间段内长期处于室外，同时也可提醒用户在该时间段内增加防护措施，避免受到污染物影响。
在步骤300中，生成污染物监控图的步骤如下：
T1、生成每周污染物监控图。
首先将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
将数据库内每天同一时刻的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每周的污染物监控图，分析污染物浓度分布。
通过对每周污染物监控图的分析，可得出每周内从0:00-24:00每个小时间隔的污染物浓度均值变化，从而方便分析污染物分布的集中状态，为用户提供避免污染物环境的防护时间段。
T2、生成每月污染物监控图。
将周期间隔时间作为X轴作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
在数据库内提取上述每周污染物浓度均值，将四周同一周期时间的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每月的污染物监控图，分析污染物浓度分布。
通过对每月污染物监控图的分析，可得出每月内从0:00-24:00每个小时间隔的污染物浓度均值变化，从而方便分析污染物分布的集中状态，为用户提供避免污染物环境的防护时间段。
T3、生成每年污染物监控图。
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
在数据库内提取上述每月污染物浓度均值，将十二个月同一周期时间的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每年的污染物监控图，分析污染物浓度分布。
通过对每年污染物监控图的分析，可得出每年内从0:00-24:00每个小时间隔的污染物浓度均值变化，从而方便分析污染物分布的集中状态，为用户提供避免污染物环境的防护时间段。
在本实施方式中，不仅以周、月、年等时间维度进行统计，同时也可以孕初期、孕中期和孕晚期的时间维度进行统计，具体的统计维度不做具体的限制。
根据上述T1、T2和T3的统计方法，本实施方式在统计月污染物浓度时，对四个周期的周污染物浓度进行均值处理，而不是对一个月内的每一天的周污染物浓度检测值进行均值处理，因此可最大化降低***数据统计的响应时间，避免数据处理过于频繁占据大量内存，提高***使用流畅性。
同理，在统计年污染物浓度时，对十二个月的月污染物浓度进行均值处理，可提高数据处理速度，减少运算时间和运算频率，提高***在统计的响应时间，对于其他统计周期的处理也可采取同样的处理方式推导污染物监控图。
因此在对污染物浓度监测数据进行周统计后，即可删除数据库中的监测数据，保留周统计数据，同时保证完成月污染物浓度的统计正常完成，避免保留一年的污染物浓度监测数据进行年污染物浓度统计，减少监测数据内存，提高***工作稳定性。
步骤400、根据污染物浓度变化动态图和污染物监控图分析污染物浓度分布的时间段。
可根据周、月、年的时间周期，或者其他时间周期，分析每天24小时的污染物浓度分布情况，从而便于分析统计一天中污染物浓度最高的时间段，方便避免在该时间段内长期处于室外。
步骤500、在路线导航选定***选取到达目的地污染物分布最少的行驶路线。
监测分析路线导航选定***上污染物分布的步骤具体为：
步骤501、在出发点到目的地之间的行驶路线上选择若干个间隔均匀的测量点；
步骤502、按照反向距离加权法得到每个测量点的污染物浓度值；
步骤503、标出行驶路线上污染物浓度值超标的路段，显示路段长度，当相邻两个测量点均超过正常阈值，则两个测量点之间的路段污染物浓度则超过正常阈值，当单个测量点的污染物浓度超过正常阈值，则在设定在测量点300-500m之间的路段为污染路段。
步骤504、自动对比每条行驶路线的污染物分布路段长度和污染物浓度，推荐污染物浓度最低的行驶路线。
路线导航选定***不仅具有正常的导航功能，同时增加对路线污染物分析的功能，对比每条导航规划路线的污染物浓度和污染路段，优化选择最佳的行驶线路，从而避免在行驶线路上受到污染物影响。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种室外环境监测分析***，其特征在于，包括路线导航选定***、定位***、监测站选取***、加权处理***和后台服务***，所述定位***通过自动定位模块实时获取用户当前位置或选定位置的经纬度，所述监测站选取***根据用户位置的经纬度选择四个靠近用户当前位置或选定位置的污染监测站点，所述加权处理***将四个污染监测站点的污染物浓度加权处理作为当前位置或选定位置的污染物浓度，所述后台服务***实时统计当前位置或选定位置的污染物浓度，并且将污染物浓度实时存储监控；
所述后台服务***包括周期数据获取模块、数据库适配模块和污染物浓度统计模块，所述周期数据获取模块定时获取监测站选取***中的污染检测信息，所述数据库适配模块实时存储当前位置的污染物浓度，所述污染物浓度统计模块将数据库适配模块的污染物浓度实时集成在污染物统计表内。
2.根据权利要求1所述的一种室外环境监测分析***，其特征在于：所述污染监测站点检测的污染物具体为PM2.5、PM10、SO2、NO2、CO和O3。
3.根据权利要求1所述的一种室外环境监测分析***，其特征在于：所述周期数据获取模块可按照0.5h、1.0h和1.5h周期间隔获取监测站选取***中的污染检测信息，所述污染物浓度统计模块将污染检测信息在污染物统计表周期性显示，统计表的时间周期分别为天、周、月、年。
4.根据权利要求1所述的一种室外环境监测分析***，其特征在于：对所述污染监测站点的污染物数据进行加权处理的方法为反向距离加权法(IDW)，所述反向距离加权法的计算公式为：Cpi＝(CS1-pi/dS1-pi2+CS2-pi/dS2-pi2+CS3-pi/dS3-pi2+CS4-pi/dS4-pi2)/(1/dS1-pi2+1/dS2-pi2+1/dS3-pi2+1/dS4-pi2)；
其中Cpi为用户当前位置(p)每种空气污染物(i)的浓度(C)，pi＝每用户当前位置的污染物PM2.5、PM10、SO2、NO2、CO、O3；
CS1-pi为用户当前位置(p)距离其最近的监测站点(s1)的空气污染物(i)浓度；
CS2-pi为用户当前位置(p)距离其第二近的监测站点(s2)的空气污染物(i)浓度；
CS3-pi为用户当前位置(p)距离其第三近的监测站点(s3)的空气污染物(i)浓度；
CS4-pi为用户当前位置(p)距离其第四近的监测站点(s4)的空气污染物(i)浓度；
dS1-pi为用户当前位置(p)距离其最近的监测站点(s1)的距离；
dS2-pi为用户当前位置(p)距离其第二近的监测站点(s2)的距离；
dS3-pi为用户当前位置(p)距离其第三近的监测站点(s3)的距离；
dS4-pi为用户当前位置(p)距离其第四近的监测站点(s4)的距离。
5.根据权利要求1所述的一种室外环境监测分析***，其特征在于：所述路线导航选定***可规划从出发地到目的地的多条行程路线，并且任一行程路线均可计算当前路线的污染物分布情况，选择污染物浓度低的行程路线。
6.一种室外环境监测分析方法，其特征在于，监测分析包括如下步骤：
步骤100、实时跟踪定位用户当前位置；
步骤200、周期性采集计算当前位置的污染物浓度，并且将污染物浓度数据实时分类存储到数据库内；
步骤300、实时获取污染物浓度数据，生成污染物浓度变化动态图，并且按照不同的统计周期生成污染物监控图；
步骤400、根据污染物浓度变化动态图和污染物监控图分析污染物浓度分布的时间段；
步骤500、在路线导航选定***选取到达目的地污染物分布最少的行驶路线。
7.根据权利要求6所述的一种室外环境监测分析方法，其特征在于，在步骤200中，确定当前位置污染物浓度的步骤如下：
步骤201、根据用户当前位置的经纬度，利用监测站选取***选择四个靠近用户当前位置的污染监测站点；
步骤202、利用周期数据获取模块周期性的获取污染监测站点开源污染信息；
步骤203、采用反向距离加权法计算四个污染监测站点的污染数据加权值，即为当前位置的污染物浓度。
8.根据权利要求6所述的一种室外环境监测分析方法，其特征在于，在步骤300中，生成污染物浓度变化动态图的步骤如下：
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
从数据库内直接提取周期时间和污染物浓度作为时间-污染物浓度直角坐标系的参考点；
生成全天的污染物浓度变化动态图。
9.根据权利要求6所述的一种室外环境监测分析方法，其特征在于，在步骤300中，生成污染物监控图的步骤如下：
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
将数据库内每天同一时刻的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每周的污染物监控图，分析污染物浓度分布；
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
在数据库内提取上述每周污染物浓度均值，将四周同一周期时间的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每月的污染物监控图，分析污染物浓度分布；
将周期间隔时间作为X轴，污染物浓度作为Y轴，建立时间-污染物浓度直角坐标系；
在数据库内提取上述每月污染物浓度均值，将十二个月同一周期时间的污染物浓度进行均值处理，将周期时间和对应周期时间的均值污染物浓度作为时间-污染物浓度直角坐标系的参考点，生成每年的污染物监控图，分析污染物浓度分布。
10.根据权利要求6所述的一种室外环境监测分析方法，其特征在于，在所述步骤500中，监测分析路线导航选定***上污染物分布的步骤具体为：
步骤501、在出发点到目的地之间的行驶路线上选择若干个间隔均匀的测量点；
步骤502、按照反向距离加权法得到每个测量点的污染物浓度值；
步骤503、标出行驶路线上污染物浓度值超标的路段，显示路段长度；
步骤504、自动对比每条行驶路线的污染物分布路段长度和污染物浓度，推荐污染物浓度最低的行驶路线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910413935.5A CN110057982A (zh) | 2019-05-17 | 2019-05-17 | 一种室外环境监测分析***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910413935.5A CN110057982A (zh) | 2019-05-17 | 2019-05-17 | 一种室外环境监测分析***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110057982A true CN110057982A (zh) | 2019-07-26 |
Family
ID=67323527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910413935.5A Pending CN110057982A (zh) | 2019-05-17 | 2019-05-17 | 一种室外环境监测分析***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110057982A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111948356A (zh) * | 2020-09-23 | 2020-11-17 | 戴镭 | 一种用于孕妇健康管理的空气质量检测分析*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102187178A (zh) * | 2008-12-22 | 2011-09-14 | 电子地图北美公司 | 用于绿色路线选择的方法、装置和地图数据库 |
| CN102346041A (zh) * | 2011-03-31 | 2012-02-08 | 北京腾瑞万里信息技术有限公司 | 基于实时路况的路线规划方法及其服务设备 |
| CN104006821A (zh) * | 2014-05-28 | 2014-08-27 | 英华达（南京）科技有限公司 | 一种导航方法和*** |
| CN105043401A (zh) * | 2015-07-14 | 2015-11-11 | 南京理工大学 | 基于浮动车法的城市健康出行规划方法及*** |
| CN106814162A (zh) * | 2016-12-15 | 2017-06-09 | 珠海华海科技有限公司 | 一种室外空气质量解决方法和*** |
| CN108020237A (zh) * | 2017-11-28 | 2018-05-11 | 浙江树人大学 | 一种吸入机动车尾气污染物最少的行人路径规划方法 |
| CN108426818A (zh) * | 2018-05-31 | 2018-08-21 | 深圳大图科创技术开发有限公司 | 一种大气污染物浓度观测*** |
| CN108845076A (zh) * | 2018-04-25 | 2018-11-20 | 北京市电话工程有限公司 | 一种小区的空气质量监测*** |
-
2019
- 2019-05-17 CN CN201910413935.5A patent/CN110057982A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102187178A (zh) * | 2008-12-22 | 2011-09-14 | 电子地图北美公司 | 用于绿色路线选择的方法、装置和地图数据库 |
| CN102346041A (zh) * | 2011-03-31 | 2012-02-08 | 北京腾瑞万里信息技术有限公司 | 基于实时路况的路线规划方法及其服务设备 |
| CN104006821A (zh) * | 2014-05-28 | 2014-08-27 | 英华达（南京）科技有限公司 | 一种导航方法和*** |
| CN105043401A (zh) * | 2015-07-14 | 2015-11-11 | 南京理工大学 | 基于浮动车法的城市健康出行规划方法及*** |
| CN106814162A (zh) * | 2016-12-15 | 2017-06-09 | 珠海华海科技有限公司 | 一种室外空气质量解决方法和*** |
| CN108020237A (zh) * | 2017-11-28 | 2018-05-11 | 浙江树人大学 | 一种吸入机动车尾气污染物最少的行人路径规划方法 |
| CN108845076A (zh) * | 2018-04-25 | 2018-11-20 | 北京市电话工程有限公司 | 一种小区的空气质量监测*** |
| CN108426818A (zh) * | 2018-05-31 | 2018-08-21 | 深圳大图科创技术开发有限公司 | 一种大气污染物浓度观测*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111948356A (zh) * | 2020-09-23 | 2020-11-17 | 戴镭 | 一种用于孕妇健康管理的空气质量检测分析*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Park et al. | Individual exposure estimates may be erroneous when spatiotemporal variability of air pollution and human mobility are ignored | |
| Bennett et al. | Sources of indoor air pollution at a New Zealand urban primary school; a case study | |
| Sharma et al. | Forecasting air pollution load in Delhi using data analysis tools | |
| Koehler et al. | New methods for personal exposure monitoring for airborne particles | |
| Ravindra et al. | Air pollution in India: bridging the gap between science and policy | |
| Butts et al. | Spatial modeling of social networks | |
| Janssen et al. | Criteria for the collection of useful respirator performance data in the workplace | |
| Sharker et al. | Computing least air pollution exposure routes | |
| Ogulei et al. | Modeling source contributions to submicron particle number concentrations measured in Rochester, New York | |
| Rengasamy et al. | A comparison of total inward leakage measured using sodium chloride (NaCl) and corn oil aerosol methods for air-purifying respirators | |
| CN112084231A (zh) | 一种大气温室气体在线观测数据的本底筛分方法 | |
| CN107977673A (zh) | 一种基于大数据的经济活动人口识别方法 | |
| CN105630842B (zh) | 建立空气质量信息数据库、确定受污染信息的方法及装置 | |
| CN110095394A (zh) | 一种大气颗粒物污染快速溯源方法 | |
| Ham et al. | Seasonal variation of airborne particle deposition efficiency in the human respiratory system | |
| CN108241630A (zh) | 一种行车目的地推荐方法及装置 | |
| CN110057982A (zh) | 一种室外环境监测分析***及方法 | |
| Giemsa et al. | Influence of local sources and meteorological parameters on the spatial and temporal distribution of ultrafine particles in Augsburg, Germany | |
| Munir et al. | Characterising the temporal variations of ground-level ozone and its relationship with traffic-related air pollutants in the United Kingdom: a quantile regression approach | |
| CN110993108A (zh) | 一种健康风险评估预警方法 | |
| Herts et al. | Cloud service ThingSpeak for monitoring the surface layer of the atmosphere polluted by particulate matters | |
| Prado-Rujas et al. | A multivariable sensor-agnostic framework for spatio-temporal air quality forecasting based on Deep Learning | |
| Ukpebor et al. | Field comparison of two total suspended particulates (TSP) samplers to assess spatial variation | |
| Messer et al. | STREAM CHEMISTRY IN THE SOUTHERN BLUE RIDGE: FEASIBILITY OF A REGIONAL SYNOPTIC SAMPLING APPROACH 1 | |
| Venek et al. | Evaluating the Brownian bridge movement model to determine regularities of people’s movements |
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: 20190726 |
|
| RJ01 | Rejection of invention patent application after publication |