CN110909483A - 一种基于网格化数据的点源大气污染物排放清单校验方法 - Google Patents
一种基于网格化数据的点源大气污染物排放清单校验方法 Download PDFInfo
- Publication number
- CN110909483A CN110909483A CN201911220646.XA CN201911220646A CN110909483A CN 110909483 A CN110909483 A CN 110909483A CN 201911220646 A CN201911220646 A CN 201911220646A CN 110909483 A CN110909483 A CN 110909483A
- Authority
- CN
- China
- Prior art keywords
- data
- list
- grid
- point source
- emission
- 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.)
- Granted
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 59
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012795 verification Methods 0.000 title claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 14
- 238000011160 research Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 3
- 239000003546 flue gas Substances 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000006477 desulfuration reaction Methods 0.000 description 3
- 230000023556 desulfurization Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 238000001694 spray drying Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于网格化数据的点源大气污染物排放清单校验方法,其利用网格化监测数据在于获取的是高时空分辨率的空气质量真实数据的优势,使用该数据用于校验高分辨率清单的模拟结果。其通过模拟结果与真实的结果的偏差来调整原始输入的清单数据,可以实现对原始清单的校核,尤其是对局部空气质量影响较大重点点源的校验有明显优势。
Description
技术领域
本发明涉环保监测领域,尤指一种基于网格化数据的点源大气污染物排放清单校验方法。
背景技术
当前的大气污染物排放清单通常是基于调查、统计方法获取,因而工作量大、周期长,每年度只能获取上一年度的结果。而在当前环境管理形势下,大气污染源随着治理或管控措施的实施排放情况变化较快,导致基于原有清单与当前实际排放情况存在偏差,从而影响当前空气质量的模拟结果及空气质量预报结果的准确度。
以此急需一种能用现有的可靠性高的数据能对其评估,找出清单中偏差较大的数据区域,从而进行进一步修正。
而目前污染的实时监测已经基本上保证了真实性、准确性和及时性,为此本发明公开了一种基于网格化监测数据的点源大气污染物排放清单校验方法。
发明内容
有鉴于此,本发明主要目的在于,提供一种能矫正并纠正原始输入的大气污染物排放清单数据的方法。
为实现上述目的,本发明的技术方案为:一种基于网格化数据的点源大气污染物排放清单校验方法,其包含步骤:
(1)将初始清单输入空气质量模型模拟,得到环境空气质量空间网格模拟结果;
(2)各网格模拟结果与网格化数据监测结果对比,找出二者之间相对偏差值超出预设的网格,相对偏差较大的网格说明该区域附近污染源排放量与实际情况有偏差;
其中,各网格模拟结果与网格化监测结果可以根据式a)进行对比分析,偏差值超出预设值的网格为异常网格,其中预设值可根据实际校准要求设定,
i,网格坐标,
j,污染物,所述污染物通常包括PM10、PM2.5、SO2、NO2、CO,
CS,大气污染物浓度模拟值,
CM,大气污染物浓度监测值,
Di,j,i网格点污染物j的网格模拟结果与监测结果的偏差值;
3)对该网格及周边网格内存在的点源进行识别和筛选,识别异常网格并确定待修正目标点源,
其中,较佳的,该识别因点源排放量数据异常导致偏差值增大的异常网格组的步骤可包含:
1)不少于3个异常网格相邻,且偏差值同为正值或负值;
2)研究时段内60%偏差值异常;
3)识别异常网格组中心点预定范围内(可为方圆5km)及各网格预定(可为方圆3km)范围内所有污染物j排放点源,被识别点源的排放数据为修正目标。
(4)根据偏差值分别对修正目标点源进行调整,
即是根据正负偏差分别对目标点源进行向下或向上调整,其修正原则:
1)目标点源数量k=1时,D>0则点源排放量数据向下调整,D<0则点源排放量数据向上调整,调整比例根据案例实际情况设定(下同);
2)目标点源数量1<k≤3时,D>0则点源排放量数据向下调整,D<0则点源排放量数据向上调整。;
3)目标点源数量k>3时,选取污染物j排放量最大的3个点源为修正目标,依据原则2)调整。
得到调整后清单。
(5)修正后清单重新进行模式模拟,
调整后清单继续输入空气质量模型,重复(2)、(4),而异常网格组保持不变,直至相对偏差满足预设目标要求,得到优化后的清单。
其中较佳的,目标点源数量1<k≤3时,点源依据排放量数据由大到小依次为k1、k2、k3,重复循环每三次更换调整目标,更换次序为:
1)1-3次,单独调整k1排放数据;
2)4-6次,单独调整k2排放数据;
3)7-9次,单独调整k3排放数据;
4)10-12次,同时调整k1、k2排放数据;
5)13-15次,同时调整k1、k3排放数据;
6)16-18次,同时调整k2、k3排放数据;
7)19-21次,同时调整k1、k2、k3排放数据;
8)22-24次,在1)基础上,继续单独调整k1排放数据;
以此规律类推,直至相对偏差满足预设目标要求,得到优化后的清单。
在步骤(4)中的调整比例是根据实际需要的情况设定。
所述空气质量模型包括但不限于CMAQ、CALPUFF、Aermod。
上述技术方案中,所述大气污染物排放清单指某一特定地理区域在某一特定时期内,基于污染源分类的,由各种污染源排放到大气中的一种或多种污染物的数据集。
其中,所述点源大气污染物排放清单包括的信息可为经度坐标和纬度坐标、烟囱高度(m)、烟囱出口内径(m)、烟囱排气温度(K)、烟气流速(m/h)及各污染物排放量(其中,颗粒物为g/h,气态污染物为mol/h)。
而所述网格化数据指由空气质量监测设备获取的、高时空分辨率(≤2km*2km,≤1h),多参数(PM10、PM2.5、SO2、NO2、CO)的浓度监测数据。
所述初始清单指研究区域内包含点源大气污染物排放清单和面源大气污染物排放清单的集合,并且所述面源排放清单包含的信息为排放位置、排放量(颗粒物为g/h,气态污染物为mol/h)。
其中,所述气象信息的获取具体是可包括以下步骤:
选取模拟时间段;
收集所选模拟时间段在研究区域内各气象站点的气象观测数据;
收集气象模式所需的地形及土地利用资料;
通过气象模式进行研究区域气象模拟获得气象信息。
本发明有益效果在于,借助上述技术方案,利用网格化监测数据在于获取的是高时空分辨率的空气质量真实数据的优势,使用该数据用于验证高分辨率清单的模拟结果。其通过模拟结果与真实结果的偏差来调整原始输入的清单数据,可以实现对原始清单的校核,尤其是对局部空气质量影响较大重点点源的校验有明显优势。
附图说明
图1本发明的以种能矫正并纠正原始输入的大气污染物排放清单数据的方法的步骤框图;
图2为实施例的洛阳市区SO2网格化监测浓度空间分布图;
图3、图4为实施例的洛阳市区一修正前及修正后的SO2模拟浓度空间分布图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案做进一步具体的说明。
本发明所说的大气污染物排放清单指某一特定地理区域在某一特定时期内,基于污染源分类的,由各种污染源排放到大气中的一种或多种污染物的数据集。而所述点源大气污染物排放清单包括的信息为经度坐标和纬度坐标、烟囱高度(m)、烟囱出口内径(m)、烟囱排气温度(K)、烟气流速(m/h)及各污染物排放量(颗粒物为g/h,气态污染物为mol/h。
如图1所示,其为本发明的以种能矫正并纠正原始输入的大气污染物排放清单数据的方法的步骤框图。
其校验方法步骤如下:
(1)将初始清单输入空气质量模型模拟,得到环境空气质量空间网格模拟结果,
此步骤首先是获得初始清单与气象信息,并以此进行空气质量模拟。
(2)各网格模拟结果与监测结果进行偏差分析;
各网格模拟结果与网格化数据监测结果对比,相对偏差较大的网格说明该区域附近污染源排放量与实际情况有偏差;
具体步骤为:是根据式a)进行对比分析,偏差值超出预设值的网格为异常网格,其中预设值根据实际案例校准要求设定,
i,网格坐标,
j,污染物,包括PM10、PM2.5、SO2、NO2、CO,
CS,大气污染物浓度模拟值,
CM,大气污染物浓度监测值,
Di,j,i网格点污染物j的网格模拟结果与监测结果的偏差值。
(3)对该网格及周边网格内存在的点源进行识别和筛选,
在识别因点源排放量数据异常导致偏差值增大的异常网格组时,其包含步骤:
1)不少于3个异常网格相邻,且偏差值同为正值或负值;
2)研究时段内60%偏差值异常;
3)识别异常网格组中心点方圆5km及各网格方圆3km范围内所有污染物j排放点源,被识别点源的排放数据为修正目标;
(4)对待修正目标点源进行修正:根据偏差值分别对修正目标点源进行调整,此步骤是根据正负偏差分别对目标点源进行向下或向上调整,并得到调整后清单;
在该步骤中,其修正原则:
1)目标点源数量k=1时,D>0则点源排放量数据向下调整,D<0则点源排放量数据向上调整,调整比例根据案例实际情况设定(下同);
2)目标点源数量1<k≤3时,D>0则点源排放量数据向下调整,D<0则点源排放量数据向上调整。;
3)目标点源数量k>3时,选取污染物j排放量最大的3个点源为修正目标,依据原则2)调整。;
得到调整后清单。
(5)调整后清单继续输入空气质量模型,在异常网格组不变的情况下,重复步骤(2)、(4),直至相对偏差满足目标要求,得到优化后清单。
其中,目标点源数量1<k≤3时,点源依据排放量数据由大到小依次为k1、k2、k3,重复循环每三次更换调整目标,更换次序为:
1)1-3次,单独调整k1排放数据;
2)4-6次,单独调整k2排放数据;
3)7-9次,单独调整k3排放数据;
4)10-12次,同时调整k1、k2排放数据;
5)13-15次,同时调整k1、k3排放数据;
6)16-18次,同时调整k2、k3排放数据;
7)19-21次,同时调整k1、k2、k3排放数据;
8)22-24次,在1)基础上,继续单独调整k1排放数据;
以此规律类推,直至相对偏差满足预设目标要求,得到优化后的清单。
其中,所述网格化数据指由空气质量监测设备获取的、高时空分辨率(≤2km*2km,≤1h),多参数(PM10、PM2.5、SO2、NO2、CO)的浓度监测数据。而所述初始清单指研究区域内包含点源大气污染物排放清单和面源大气污染物排放清单的集合。所述面源排放清单包含的信息一般为排放位置、排放量(颗粒物为g/h,气态污染物为mol/h)。
本发明的一种能矫正并纠正原始输入的大气污染物排放清单数据的方法采用的校验方法举例如下:
请参见图2,为本实施例的洛阳市区SO2网格化监测浓度空间分布图,并请参见图3、图4,分别为本实施例的洛阳市区一修正前及修正后的SO2模拟浓度空间分布图。其操作如下:
首先,基于原始清单数据应用Aermod模型对洛阳市区供热后SO2空间分布进行模拟,得到图3的SO2模拟浓度空间分布图。
然后,将该网格模拟结果与监测数据比对,其中西工区东南部分污染物浓度明显偏高,经偏差值(预设值为30%)分析,该区域网格偏差值>30%,被识别为异常网格组,并明确附近的两家热源厂为待修正目标点源,通过本方案进行SO2排放量修正后,模拟结果请参见图4,模拟的SO2空间分布与监测值SO2空间分布基本一致,且异常网格组各网格偏差值达到27%。同时结合现场调研,该两家热源厂的脱硫工艺分别已改进为钠气喷雾干燥法、AO干法脱硫脱销,而原始清单因基准年原因脱硫措施效率较低,导致原始清单模拟结果与实际结果的偏差。调研结果进一步验证了本方案在点源大气污染物排放清单校验的效果。
在本发明中,其中的气象信息获取具体可包括以下步骤:
选取模拟时间段;
收集所选模拟时间段在研究区域内各气象站点的气象观测数据;
收集气象模式所需的地形及土地利用资料;
通过气象模式进行研究区域气象模拟获得气象信息。
并且,本发明所述空气质量模型可采用现有的模型,其包括但不限于CMAQ、CALPUFF、Aermod。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解,依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,包含步骤:
(1)将研究区域初始清单和气象信息输入空气质量模型进行模拟,获得环境空气质量空间网格模拟结果;
(2)各网格模拟结果与网格化数据监测结果对比,找出二者之间相对偏差值超出预设的网格;
(3)识别因点源排放量数据异常导致偏差值增大的异常网格组,其包含步骤:
1)不少于3个异常网格相邻,且偏差值同为正值或负值;
2)研究时段内60%偏差值异常;
3)识别异常网格组中心点预定范围内及各网格预定范围内所有污染物j排放点源,被识别点源的排放数据为修正目标;
(4)根据偏差值分别对修正目标点源进行调整,其修正原则:
1)目标点源数量k=1时,D>0则点源排放量数据向下调整,D<0则点源排放量数据向上调整,;
2)目标点源数量1<k≤3时,D>0则点源排放量数据向下调整,D<0则点源排放量数据向上调整;
3)目标点源数量k>3时,选取污染物j排放量最大的3个点源为修正目标,依据原则2)调整;
得到调整后清单;
(5)修正后清单重新进行模式模拟:调整后清单继续输入空气质量模型,重复步骤(2)、(4),而异常网格组保持不变,
直至相对偏差满足预设目标要求,得到优化后的清单。
3.根据权利要求1所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,在步骤(4)中的调整比例是根据实际需要的情况设定。
4.根据权利要求1所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,所述大气污染物排放清单指某一特定地理区域在某一特定时期内,基于污染源分类的,由各种污染源排放到大气中的一种或多种污染物的数据集。
5.根据权利要求1所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,所述点源大气污染物排放清单包括的信息为经度坐标和纬度坐标、烟囱高度、烟囱出口内径、烟囱排气温度、烟气流速及各污染物排放量。
6.根据权利要求1所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,所述网格化数据指由空气质量监测设备获取的、高时空分辨率,多参数的浓度监测数据。
7.根据权利要求1所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,所述初始清单指研究区域内包含点源大气污染物排放清单和面源大气污染物排放清单的集合。
8.根据权利要求4所述的面源大气污染物排放清单校验方法,其特征在于,所述面源排放清单包含的信息为排放位置及排放量。
9.根据权利要求1所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,所述气象信息的获取是包括以下步骤:
选取模拟时间段;
收集所选模拟时间段在研究区域内各气象站点的气象观测数据;
收集气象模式所需的地形及土地利用资料;
通过气象模式进行研究区域气象模拟获得气象信息。
10.根据权利要求1以上任一所述的一种基于网格化数据的点源大气污染物排放清单校验方法,其特征在于,在步骤(5)中,目标点源数量1<k≤3时,点源依据排放量数据由大到小依次为k1、k2、k3,重复循环每三次更换调整目标,更换次序为:
1)1-3次,单独调整k1排放数据;
2)4-6次,单独调整k2排放数据;
3)7-9次,单独调整k3排放数据;
4)10-12次,同时调整k1、k2排放数据;
5)13-15次,同时调整k1、k3排放数据;
6)16-18次,同时调整k2、k3排放数据;
7)19-21次,同时调整k1、k2、k3排放数据;
8)22-24次,在1)基础上,继续单独调整k1排放数据;
以此规律类推,直至相对偏差满足预设目标要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220646.XA CN110909483B (zh) | 2019-12-03 | 2019-12-03 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220646.XA CN110909483B (zh) | 2019-12-03 | 2019-12-03 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909483A true CN110909483A (zh) | 2020-03-24 |
CN110909483B CN110909483B (zh) | 2023-09-08 |
Family
ID=69821650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911220646.XA Active CN110909483B (zh) | 2019-12-03 | 2019-12-03 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909483B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111915465A (zh) * | 2020-07-09 | 2020-11-10 | 暨南大学 | 一种针对大气面源排放清单的分配方法和*** |
CN111930864A (zh) * | 2020-07-15 | 2020-11-13 | 中科三清科技有限公司 | 基于监测数据的网格化清单优化方法和装置 |
CN112036038A (zh) * | 2020-08-31 | 2020-12-04 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112085295A (zh) * | 2020-09-21 | 2020-12-15 | 中国科学院大气物理研究所 | 一种大气污染多情景控制效果快速预测评估方法 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN112800603A (zh) * | 2021-01-26 | 2021-05-14 | 北京航空航天大学 | 一种基于集合最优插值算法的大气环境数据同化方法 |
CN113688506A (zh) * | 2021-07-29 | 2021-11-23 | 北京化工大学 | 基于微站等多维数据的潜在大气污染源识别方法 |
CN113777224A (zh) * | 2021-08-12 | 2021-12-10 | 北京金水永利科技有限公司 | 一种网格化空气质量评估数据的生成方法及*** |
CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
CN114676601A (zh) * | 2022-05-27 | 2022-06-28 | 湖南工商大学 | 排放成本计算方法、装置、计算机设备及存储介质 |
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*** |
CN114792057A (zh) * | 2022-05-30 | 2022-07-26 | 交通运输部规划研究院 | 一种基于ais数据的高精度空气质量模型船舶排放清单处理方法 |
CN114841438A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量影响的方法、装置和电子设备 |
CN114841437A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量贡献的方法、装置和电子设备 |
CN116228502A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 重点污染源排放量订正方法、装置、存储介质及电子设备 |
US20230419823A1 (en) * | 2022-06-28 | 2023-12-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for managing exhaust emission in a smart city based on industrial internet of things |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
US20170124461A1 (en) * | 2015-10-28 | 2017-05-04 | International Business Machines Corporation | Air quality forecast by adapting pollutant emission inventory |
CN107238679A (zh) * | 2016-03-29 | 2017-10-10 | 株式会社日立制作所 | 观测区域中的空气物质排放源的排放量修正方法和装置 |
CN108710604A (zh) * | 2018-05-23 | 2018-10-26 | 成都市环境保护科学研究院 | 一种基于smoke模型的城市尺度高分辨率模型排放清单处理方法 |
CN109858686A (zh) * | 2019-01-14 | 2019-06-07 | 南京大学 | 一种基于EnKF的地面排放清单反演优化方法 |
-
2019
- 2019-12-03 CN CN201911220646.XA patent/CN110909483B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
US20170124461A1 (en) * | 2015-10-28 | 2017-05-04 | International Business Machines Corporation | Air quality forecast by adapting pollutant emission inventory |
CN107238679A (zh) * | 2016-03-29 | 2017-10-10 | 株式会社日立制作所 | 观测区域中的空气物质排放源的排放量修正方法和装置 |
CN108710604A (zh) * | 2018-05-23 | 2018-10-26 | 成都市环境保护科学研究院 | 一种基于smoke模型的城市尺度高分辨率模型排放清单处理方法 |
CN109858686A (zh) * | 2019-01-14 | 2019-06-07 | 南京大学 | 一种基于EnKF的地面排放清单反演优化方法 |
Non-Patent Citations (3)
Title |
---|
SARATH K.: "A GIS based emissions inventory at 1 km *1km spatial resolution for air pollution analysis in Delhi, India" * |
杨晓帆: "机动车排放清单时空分配 及校验方法研究" * |
石颖颖;李莉;陈勇航;安静宇;刘琼;严茹莎;黄成;: "基于OMI数据的长三角地区NO_x排放清单校验" * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021208393A1 (zh) * | 2020-04-15 | 2021-10-21 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111523717B (zh) * | 2020-04-15 | 2023-05-16 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111915465A (zh) * | 2020-07-09 | 2020-11-10 | 暨南大学 | 一种针对大气面源排放清单的分配方法和*** |
CN111930864B (zh) * | 2020-07-15 | 2021-02-23 | 中科三清科技有限公司 | 基于监测数据的网格化清单优化方法和装置 |
CN111930864A (zh) * | 2020-07-15 | 2020-11-13 | 中科三清科技有限公司 | 基于监测数据的网格化清单优化方法和装置 |
CN112036038B (zh) * | 2020-08-31 | 2021-07-23 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112036038A (zh) * | 2020-08-31 | 2020-12-04 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112085295B (zh) * | 2020-09-21 | 2021-09-21 | 中国科学院大气物理研究所 | 一种大气污染多情景控制效果快速预测评估方法 |
CN112085295A (zh) * | 2020-09-21 | 2020-12-15 | 中国科学院大气物理研究所 | 一种大气污染多情景控制效果快速预测评估方法 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN112800603A (zh) * | 2021-01-26 | 2021-05-14 | 北京航空航天大学 | 一种基于集合最优插值算法的大气环境数据同化方法 |
CN112800603B (zh) * | 2021-01-26 | 2024-05-24 | 北京航空航天大学 | 一种基于集合最优插值算法的大气环境数据同化方法 |
CN113688506A (zh) * | 2021-07-29 | 2021-11-23 | 北京化工大学 | 基于微站等多维数据的潜在大气污染源识别方法 |
CN113688506B (zh) * | 2021-07-29 | 2024-04-12 | 北京首创大气环境科技股份有限公司 | 基于微站等多维数据的潜在大气污染源识别方法 |
CN113777224B (zh) * | 2021-08-12 | 2024-04-30 | 北京金水永利科技有限公司 | 一种网格化空气质量评估数据的生成方法及*** |
CN113777224A (zh) * | 2021-08-12 | 2021-12-10 | 北京金水永利科技有限公司 | 一种网格化空气质量评估数据的生成方法及*** |
CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
CN114841437A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量贡献的方法、装置和电子设备 |
CN114841438A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量影响的方法、装置和电子设备 |
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*** |
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 |
US20230394611A1 (en) * | 2022-05-23 | 2023-12-07 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system for area management in smart city based on internet of things |
CN114676601A (zh) * | 2022-05-27 | 2022-06-28 | 湖南工商大学 | 排放成本计算方法、装置、计算机设备及存储介质 |
CN114792057B (zh) * | 2022-05-30 | 2023-05-12 | 交通运输部规划研究院 | 一种基于ais数据的空气质量模型船舶排放清单处理方法 |
CN114792057A (zh) * | 2022-05-30 | 2022-07-26 | 交通运输部规划研究院 | 一种基于ais数据的高精度空气质量模型船舶排放清单处理方法 |
US20230419823A1 (en) * | 2022-06-28 | 2023-12-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for managing exhaust emission in a smart city based on industrial internet of things |
CN116228502B (zh) * | 2023-05-08 | 2023-08-04 | 中科三清科技有限公司 | 重点污染源排放量订正方法、装置、存储介质及电子设备 |
CN116228502A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 重点污染源排放量订正方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110909483B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909483A (zh) | 一种基于网格化数据的点源大气污染物排放清单校验方法 | |
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源***及方法 | |
CN110824110B (zh) | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源*** | |
Wang et al. | The contribution from distant dust sources to the atmospheric particulate matter loadings at XiAn, China during spring | |
CN115358332A (zh) | 面向多源数据的大气污染溯源方法 | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
CN114022052B (zh) | 水质异常监测方法、装置、存储介质及计算机设备 | |
Naughton et al. | A land use regression model for explaining spatial variation in air pollution levels using a wind sector based approach | |
CN113624921B (zh) | 多模式综合污染溯源方法 | |
Fang et al. | Characteristics of atmospheric CO2 and CH4 at the Shangdianzi regional background station in China | |
CN116011317B (zh) | 一种基于多方法融合的小尺度近实时大气污染溯源方法 | |
CN108802856B (zh) | 一种基于ai的源数据动态修正预报***及其工作方法 | |
CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
CN114578457B (zh) | 一种基于进化集成学习的大气污染物浓度时空预测方法 | |
CN110658307A (zh) | 评估污染源对环境空气质量影响的方法 | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
KR101882874B1 (ko) | 대기환경을 고려한 발전기 운영 계획 수립 방법 및 그 장치 | |
CN115146537A (zh) | 基于耗电量的大气污染物排放量估算模型构建方法及*** | |
CN115545565A (zh) | 基于大气环境质量的园区排污总量管控方法和*** | |
CN116611547A (zh) | 大气污染物来源预报方法、装置、设备及存储介质 | |
CN114822709A (zh) | 大气污染多粒度精准成因分析方法及装置 | |
CN113420984A (zh) | 空气污染源区的确定方法 | |
CN117291343A (zh) | 一种基于空天地监测网络的大气污染防治管控*** | |
CN115293579A (zh) | 可获得恶臭污染治理目标的反演评估方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |