CN110687547A - 一种基于遥感雷达的有毒有害气体环境风险预警监测方法 - Google Patents
一种基于遥感雷达的有毒有害气体环境风险预警监测方法 Download PDFInfo
- Publication number
- CN110687547A CN110687547A CN201910923814.5A CN201910923814A CN110687547A CN 110687547 A CN110687547 A CN 110687547A CN 201910923814 A CN201910923814 A CN 201910923814A CN 110687547 A CN110687547 A CN 110687547A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- toxic
- harmful gas
- laser radar
- early warning
- 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 78
- 231100000331 toxic Toxicity 0.000 title claims abstract description 40
- 230000002588 toxic effect Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000009792 diffusion process Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000008033 biological extinction Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 8
- 239000000203 mixture Substances 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 46
- 239000003344 environmental pollutant Substances 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 11
- 231100000614 poison Toxicity 0.000 claims description 9
- 230000007096 poisonous effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000006855 networking Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000007123 defense Effects 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 230000028161 membrane depolarization Effects 0.000 claims description 3
- 239000013618 particulate matter Substances 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 238000004451 qualitative analysis Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 238000011835 investigation Methods 0.000 abstract description 2
- 230000002093 peripheral effect Effects 0.000 abstract description 2
- 239000002245 particle Substances 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于遥感雷达的有毒有害气体环境风险预警监测方法，包括激光雷达，所述激光雷达可用于连续监测大气有毒有害气体的分布，分析其组成结构和时空演变；所述激光雷达的探测数据可获得大气边界层(PBL)的结构和时空演变特征、有毒有害气体消光系数垂直廓线和时间演变特征、云层高度及多层云结构、大气能见度和颗粒物浓度等信息。该发明水平监测可分析区域内污染分布、排查污染源，监控污染扩散等。实时拍摄观测区域的污染分布情况，实时显示与GIS地图相叠加的监测数据，重点区域污染排查、工业区污染排放变化过程的监控，周边污染对子站影响的数据分析等。
Description
技术领域
本发明属于污染排放监测方法技术领域，具体涉及一种基于遥感雷达的有毒有害气体环境风险预警监测方法。
背景技术
近年来，中国化学工业总量规模迅速扩张，已经形成了相对集中的产业布局，化工产业有资金技术密集、产业链长、关联度高、经济总量大的优势，但同时也存在环保要求高、环境风险大的特点。
现有的有毒有害气体监测主要依靠固定监测点和人力监测，监测种类多，监测精度高，可以进行连续监测，但存在监测范围小、布设密度大、人力和设备成本高的问题，难以应用于较大范围有毒有害气体环境风险预警。而激光雷达的应用也局限于扫描观测，查看当前污染扩散情况，无法利用获取的数据进行分析。综上所述，所以我设计了一种基于遥感雷达的有毒有害气体环境风险预警监测方法。
发明内容
为了解决上述存在的问题，本发明提供一种基于遥感雷达的有毒有害气体环境风险预警监测方法。
本发明是通过以下技术方案实现：
一种基于遥感雷达的有毒有害气体环境风险预警监测方法，包括激光雷达，所述激光雷达可用于连续监测大气有毒有害气体的分布，分析其组成结构和时空演变；所述激光雷达的探测数据可获得大气边界层(PBL)的结构和时空演变特征、有毒有害气体消光系数垂直廓线和时间演变特征、云层高度及多层云结构、大气能见度和颗粒物浓度等信息，同时所述激光雷达可监测工业烟尘的排放等城市上空环境污染物的扩散规律,监测灰霾和沙尘暴等天气过程：所述激光雷达由扫描***，光学收发***，数据采集***三部分组成：所述扫描***的激光器发射532nm波长的脉冲激光，经准直扩束后进入大气，与大气中的有毒有害气体相互作用，产生后向散射光，散射信号被望远镜***接收，汇聚至光学检偏***，形成532nm平行、532nm垂直的两个通道信号，经光电探测***和信号采集***，由计算机反演出有毒有害气体的消光系数和退偏振度系数空间分布，进而描述被探测的大气中有毒有害气体的监测情况。
作为本发明的进一步优化方案，所述激光雷达常规的监测方式是垂直监测，监测近地面到高空的有毒有害气体时空演变，测试中假定同一高度下有毒有害气体分布相同，分析不同高度的有毒有害气体变化过程。
作为本发明的进一步优化方案，所述激光雷达在特定区域进行组网联防联控监测，同时结合移动监测方式，可以提供各个关键传输通道上的廓线数据，进行输送通量的定性分析，从而形成结合实时数据和可视化图像，涵盖点、线、面不同尺度的多层次园区有毒有害气体监测监控和预警体系。
作为本发明的进一步优化方案，所述扫描***通过激光雷达积累的历史监测数据，整理分析区内企业组织的特征污染物监测资料，分析污染物的浓度水平和时空变化，初步了解污染物的扩散规律，通过开展必要的外场观测，了解有毒有害气体的现有浓度水平和变化，分析动态影响因素，为监测网络设计和预警阈值研究等提供基础。
作为本发明的进一步优化方案，所述数据采集***围绕激光雷达组网、应急监测和相关标准，解决体系建设中的监测集成和量值传递等内容，构建数字化平台，结合污染源监控、工况监控、环境质量监控和图像、视频监控，构建一体化数字化在线监控中心。
与现有的技术相比，本发明的有益效果是：该发明水平监测可分析区域内污染分布、排查污染源，监控污染扩散等。实时拍摄观测区域的污染分布情况，实时显示与GIS地图相叠加的监测数据，重点区域污染排查、工业区污染排放变化过程的监控，周边污染对子站影响的数据分析等。通过分析激光雷达的大气回波信号，结合当时的天气和其他参数，对有毒有害气体污染源分布及污染物走势进行两天的监测分析。雷达连续实时监测，分析重点区域内污染源的变化规律，排放规律、污染扩散情况。通过雷达水平扫描发现不同时间段重污染源的污染排放量不同，排放时间不同。根据风向变化以及雷达实时监测的数据，判断污染扩散情况。
附图说明
图1是本发明所用设备示意图；
图2是本发明的针对溯源分析的大数据算法示意图；
图3是本发明工作原理图。
图中：1、激光雷达。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
如图1-3所示，一种基于遥感雷达的有毒有害气体环境风险预警监测方法，包括激光雷达(1)，所述激光雷达(1)可用于连续监测大气有毒有害气体的分布，分析其组成结构和时空演变；所述激光雷达(1)的探测数据可获得大气边界层(PBL)的结构和时空演变特征、有毒有害气体消光系数垂直廓线和时间演变特征、云层高度及多层云结构、大气能见度和颗粒物浓度等信息，同时所述激光雷达(1)可监测工业烟尘的排放等城市上空环境污染物的扩散规律,监测灰霾和沙尘暴等天气过程：所述激光雷达(1)由扫描***，光学收发***，数据采集***三部分组成：所述扫描***的激光器发射532nm波长的脉冲激光，经准直扩束后进入大气，与大气中的有毒有害气体相互作用，产生后向散射光，散射信号被望远镜***接收，汇聚至光学检偏***，形成532nm平行、532nm垂直的两个通道信号，经光电探测***和信号采集***，由计算机反演出有毒有害气体的消光系数和退偏振度系数空间分布，进而描述被探测的大气中有毒有害气体的监测情况；所述激光雷达(1)常规的监测方式是垂直监测，监测近地面到高空的有毒有害气体时空演变，测试中假定同一高度下有毒有害气体分布相同，分析不同高度的有毒有害气体变化过程；所述激光雷达(1)在特定区域进行组网联防联控监测，同时结合移动监测方式，可以提供各个关键传输通道上的廓线数据，进行输送通量的定性分析，从而形成结合实时数据和可视化图像，涵盖点、线、面不同尺度的多层次园区有毒有害气体监测监控和预警体系；稳定的光学***结构设计，消除盲区，降低几何重叠因子。区域雷达组网，多类型多功能雷达数据(大气激光雷达、3D可视型激光雷达、风廓线雷达、温廓线雷达等)集成，雷达运行数据信息在GIS地图展现，包括当前24H(消光系数、PBL、AOD)展现及24H变化趋势播放展现。
针对溯源分析的大数据算法；雷达获取的测量结果图，通过海量历史数据相互之间自由组合分析，筛选出合适的预测模型对突发环境应急事件进行模拟，推演各个测量结果之间的关系及演变特征，从而预测事故发生时的污染物扩散趋势，弄清最不利条件下风险物质扩散的时空分布特点，为应急响应提供依据；所述扫描***通过激光雷达(1)积累的历史监测数据，整理分析区内企业组织的特征污染物监测资料，分析污染物的浓度水平和时空变化，初步了解污染物的扩散规律，通过开展必要的外场观测，了解有毒有害气体的现有浓度水平和变化，分析动态影响因素，为监测网络设计和预警阈值研究等提供基础；所述数据采集***围绕激光雷达(1)组网、应急监测和相关标准，解决体系建设中的监测集成和量值传递等内容，构建数字化平台，结合污染源监控、工况监控、环境质量监控和图像、视频监控，构建一体化数字化在线监控中心。
所述本发明装置在这个实施例中，该发明结构简单，容易制作；使用方便，将不同疼痛强度评估工具与时间因素有机结合，较为直接简单快速做出疼痛评估，同时为临床选择用药提供合理依据，使疼痛得到及时有效的处理，保证患者最大程度的舒适，值得推广。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于遥感雷达的有毒有害气体环境风险预警监测方法，包括激光雷达，其特征在于：所述激光雷达可用于连续监测大气有毒有害气体的分布，分析其组成结构和时空演变；所述激光雷达的探测数据可获得大气边界层(PBL)的结构和时空演变特征、有毒有害气体消光系数垂直廓线和时间演变特征、云层高度及多层云结构、大气能见度和颗粒物浓度等信息，同时所述激光雷达可监测工业烟尘的排放等城市上空环境污染物的扩散规律,监测灰霾和沙尘暴等天气过程：所述激光雷达由扫描***，光学收发***，数据采集***三部分组成：所述扫描***的激光器发射532nm波长的脉冲激光，经准直扩束后进入大气，与大气中的有毒有害气体相互作用，产生后向散射光，散射信号被望远镜***接收，汇聚至光学检偏***，形成532nm平行、532nm垂直的两个通道信号，经光电探测***和信号采集***，由计算机反演出有毒有害气体的消光系数和退偏振度系数空间分布，进而描述被探测的大气中有毒有害气体的监测情况。
2.根据权利要求1所述的一种基于遥感雷达的有毒有害气体环境风险预警监测方法，其特征在于：所述激光雷达常规的监测方式是垂直监测，监测近地面到高空的有毒有害气体时空演变，测试中假定同一高度下有毒有害气体分布相同，分析不同高度的有毒有害气体变化过程。
3.根据权利要求1所述的一种基于遥感雷达的有毒有害气体环境风险预警监测方法，其特征在于：所述激光雷达在特定区域进行组网联防联控监测，同时结合移动监测方式，可以提供各个关键传输通道上的廓线数据，进行输送通量的定性分析，从而形成结合实时数据和可视化图像，涵盖点、线、面不同尺度的多层次园区有毒有害气体监测监控和预警体系。
4.根据权利要求1所述的一种基于遥感雷达的有毒有害气体环境风险预警监测方法，其特征在于：所述扫描***通过激光雷达积累的历史监测数据，整理分析区内企业组织的特征污染物监测资料，分析污染物的浓度水平和时空变化，初步了解污染物的扩散规律，通过开展必要的外场观测，了解有毒有害气体的现有浓度水平和变化，分析动态影响因素，为监测网络设计和预警阈值研究等提供基础。
5.根据权利要求1所述的一种基于遥感雷达的有毒有害气体环境风险预警监测方法，其特征在于：所述数据采集***围绕激光雷达组网、应急监测和相关标准，解决体系建设中的监测集成和量值传递等内容，构建数字化平台，结合污染源监控、工况监控、环境质量监控和图像、视频监控，构建一体化数字化在线监控中心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910923814.5A CN110687547A (zh) | 2019-09-27 | 2019-09-27 | 一种基于遥感雷达的有毒有害气体环境风险预警监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910923814.5A CN110687547A (zh) | 2019-09-27 | 2019-09-27 | 一种基于遥感雷达的有毒有害气体环境风险预警监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110687547A true CN110687547A (zh) | 2020-01-14 |
Family
ID=69110663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910923814.5A Pending CN110687547A (zh) | 2019-09-27 | 2019-09-27 | 一种基于遥感雷达的有毒有害气体环境风险预警监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110687547A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115144548A (zh) * | 2022-08-31 | 2022-10-04 | 天津市环鉴环境检测有限公司 | 有害气体成分实时监测***及其监测方法 |
| CN115356748A (zh) * | 2022-09-29 | 2022-11-18 | 江西财经大学 | 基于激光雷达观测结果提取大气污染信息的方法与*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002196075A (ja) * | 2000-12-26 | 2002-07-10 | Inc Engineering Co Ltd | レーザレーダ監視方法及び装置 |
| CN103616698A (zh) * | 2013-11-19 | 2014-03-05 | 中国科学院合肥物质科学研究院 | 一种大气细粒子时空分布拉曼米散射激光雷达测量装置 |
| CN105651710A (zh) * | 2015-12-30 | 2016-06-08 | 淮北师范大学 | 一种获取气溶胶绝对光强的光学遥感方法 |
| CN106872324A (zh) * | 2017-03-15 | 2017-06-20 | 西安理工大学 | 一种气溶胶颗粒物质量浓度的探测装置及探测方法 |
| CN107966534A (zh) * | 2017-12-25 | 2018-04-27 | 河北先河环保科技股份有限公司 | 具有传感器检测元件的有毒有害气体网络监测仪及监测数据处理方法 |
| 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*** |
| CN108872149A (zh) * | 2018-09-21 | 2018-11-23 | 天测（天津）遥感科技有限公司 | 一种基于云平台数据处理的网络化大气颗粒物层析*** |
| CN109541628A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种天地一体化大气污染立体监测方法及监测*** |
| CN110031868A (zh) * | 2019-05-15 | 2019-07-19 | 国耀量子雷达科技有限公司 | 一种基于相干测风激光雷达载噪比反演边界层高度的方法 |
-
2019
- 2019-09-27 CN CN201910923814.5A patent/CN110687547A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002196075A (ja) * | 2000-12-26 | 2002-07-10 | Inc Engineering Co Ltd | レーザレーダ監視方法及び装置 |
| CN103616698A (zh) * | 2013-11-19 | 2014-03-05 | 中国科学院合肥物质科学研究院 | 一种大气细粒子时空分布拉曼米散射激光雷达测量装置 |
| CN105651710A (zh) * | 2015-12-30 | 2016-06-08 | 淮北师范大学 | 一种获取气溶胶绝对光强的光学遥感方法 |
| CN106872324A (zh) * | 2017-03-15 | 2017-06-20 | 西安理工大学 | 一种气溶胶颗粒物质量浓度的探测装置及探测方法 |
| CN107966534A (zh) * | 2017-12-25 | 2018-04-27 | 河北先河环保科技股份有限公司 | 具有传感器检测元件的有毒有害气体网络监测仪及监测数据处理方法 |
| 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*** |
| CN108872149A (zh) * | 2018-09-21 | 2018-11-23 | 天测（天津）遥感科技有限公司 | 一种基于云平台数据处理的网络化大气颗粒物层析*** |
| CN109541628A (zh) * | 2018-12-14 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种天地一体化大气污染立体监测方法及监测*** |
| CN110031868A (zh) * | 2019-05-15 | 2019-07-19 | 国耀量子雷达科技有限公司 | 一种基于相干测风激光雷达载噪比反演边界层高度的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 东梅等: "无锡夏季颗粒污染物的垂直特征分析", 《南京大学学报(自然科学)》 * |
| 任雍等: "基于激光雷达的厦门大气气溶胶监测分析", 《海峡科学》 * |
| 林阿玲等: "2017年2-3月厦门气溶胶激光雷达数据分析", 《海峡科学》 * |
| 董云升等: "2008年北京奥运期间大气颗粒物激光雷达观测研究", 《大气与环境光学学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115144548A (zh) * | 2022-08-31 | 2022-10-04 | 天津市环鉴环境检测有限公司 | 有害气体成分实时监测***及其监测方法 |
| CN115356748A (zh) * | 2022-09-29 | 2022-11-18 | 江西财经大学 | 基于激光雷达观测结果提取大气污染信息的方法与*** |
| CN115356748B (zh) * | 2022-09-29 | 2023-01-17 | 江西财经大学 | 基于激光雷达观测结果提取大气污染信息的方法与*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Engel-Cox et al. | Integrating lidar and satellite optical depth with ambient monitoring for 3-dimensional particulate characterization | |
| Gupta et al. | Satellite remote sensing of particulate matter and air quality assessment over global cities | |
| Engel-Cox et al. | Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality | |
| CN110673229A (zh) | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 | |
| CN109444062B (zh) | 一种无人机载高排典型污染物差分吸收光谱检测方法 | |
| CN109583743A (zh) | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 | |
| Dodson et al. | An analysis of continuous black carbon concentrations in proximity to an airport and major roadways | |
| Cottle et al. | A pervasive and persistent Asian dust event over North America during spring 2010: lidar and sunphotometer observations | |
| Shmool et al. | Saturation sampling for spatial variation in multiple air pollutants across an inversion-prone metropolitan area of complex terrain | |
| Kokkalis et al. | Optical, microphysical, mass and geometrical properties of aged volcanic particles observed over Athens, Greece, during the Eyjafjallajökull eruption in April 2010 through synergy of Raman lidar and sunphotometer measurements | |
| Lv et al. | Comprehensive study of regional haze in the North China Plain with synergistic measurement from multiple mobile vehicle-based lidars and a lidar network | |
| CN115855761B (zh) | 五基协同天空地一体化大气环境立体遥感监测***及方法 | |
| CN110687547A (zh) | 一种基于遥感雷达的有毒有害气体环境风险预警监测方法 | |
| Hung et al. | Investigation of long-range transported PM2. 5 events over Northern Taiwan during 2005–2015 winter seasons | |
| Ko et al. | Measurements to determine the mixing state of black carbon emitted from the 2017–2018 California wildfires and urban Los Angeles | |
| Wright et al. | Extensive aerosol optical properties and aerosol mass related measurements during TRAMP/TexAQS 2006–Implications for PM compliance and planning | |
| Szczepanik et al. | Properties of saharan dust versus local urban dust—a case study | |
| Peshev et al. | Large-Scale Saharan Dust Episode in April 2019: Study of Desert Aerosol Loads over Sofia, Bulgaria, Using Remote Sensing, In Situ, and Modeling Resources | |
| Baggio et al. | Local to continental scale coupled fire-atmosphere simulation of large industrial fire plume | |
| Shi et al. | High-precision methodology for quantifying gas point source emission | |
| Engel-Cox et al. | Application of satellite remote-sensing data for source analysis of fine particulate matter transport events | |
| Wu et al. | Development of a spectrum-based ship fuel sulfur content real-time evaluation method | |
| Fast et al. | Using aircraft measurements to characterize subgrid-scale variability of aerosol properties near the Atmospheric Radiation Measurement Southern Great Plains site | |
| Zhao et al. | Identification of the roles of urban plume and local chemical production in ozone episodes observed in Long Island Sound during LISTOS 2018: Implications for ozone control strategies | |
| Ding et al. | Improving spatial resolution of PM2. 5 measurements during wildfires |
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: 20200114 |
|
| RJ01 | Rejection of invention patent application after publication |