CN112132450A - 一种气态污染物的定位方法 - Google Patents
一种气态污染物的定位方法 Download PDFInfo
- Publication number
- CN112132450A CN112132450A CN202010998797.4A CN202010998797A CN112132450A CN 112132450 A CN112132450 A CN 112132450A CN 202010998797 A CN202010998797 A CN 202010998797A CN 112132450 A CN112132450 A CN 112132450A
- Authority
- CN
- China
- Prior art keywords
- pollutant concentration
- pollutant
- value
- area
- remote sensing
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 153
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009792 diffusion process Methods 0.000 claims abstract description 29
- 239000002245 particle Substances 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 12
- 239000000356 contaminant Substances 0.000 claims description 5
- 230000007547 defect Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012412 chemical coupling Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种气态污染物的定位方法，属于大气环境技术领域。本发明的方法为：获取遥感数据和气态污染物排放清单，根据遥感数据和气态污染物排放清单确定污染物浓度高值区域；再获取遥感影像，根据遥感影像确定污染源；然后根据污染源并利用空气粒子扩散轨迹模型模拟得到污染物浓度高值区域的污染气团的概率分布，并根据概率分布得到污染源对污染物浓度的贡献值；之后在污染物浓度高值区域内利用小微尺度模型模拟得到污染物的扩散结果。本发明的目的在于克服现有技术中，不能实现对整个区域污染物的精准定位的不足，本发明可以快速定位污染物浓度高值区，并且可以对污染物浓度高值区进行精细化模拟，进而实现了整个区域污染物的精准定位。
Description
技术领域
本发明涉及大气环境技术领域，更具体地说，涉及一种气态污染物的定位方法。
背景技术
近年来，空气污染成为最受社会关注的问题之一，有效开展大气污染的预警和防治工作，快速定位污染发生位置并预测其扩散能力显得尤为重要。大气环境影响预测是利用数学模型或模拟试验，计算或估计评价项目的污染因子在评价区域内对大气环境质量的影响。常用的大气环境影响预测方法是通过建立数学模型来模拟各种气象条件、地形条件下的污染物在大气中输送、扩散、转化和清除等物理、化学机制。
目前我国已经形成较为成熟的污染物监测网络，地面观测对于城市或地区尺度的污染物溯源起到了很大的帮助，实现了对重点城市和区域污染物浓度的实时监控，但受观测站点分布密度影响，只能对重点地区进行定点观测，无法做到全面覆盖，精准定位，这对后续在小尺度及小微尺度上开展预测扩散模拟研究造成了一定阻碍。
针对大气污染溯源的问题，现有技术也提出了一些解决方案，例如发明创造名称为：基于拉格朗日模型和移动观测平台的大气污染溯源方法(申请日：2018年11月26日；申请号：201811418456.4)，该方案公开了一种基于拉格朗日模型和移动观测平台的大气污染溯源方法，涉及云计算数据分析应用技术领域。该方案基于拉格朗日溯源模型和移动超站观测的大气污染溯源方法，针对园区局地大气环境污染问题，通过进行站点数据分析、模型小尺度污染溯源分析、有针对性对于典型区域及时段移动超站监测分析，特殊时期针对突发状况应急保障措施，为测定出区域异味的具体成分，并追踪锁定异味污染的源头，为解决异味污染问题提供技术支持，为相关部门执法做指导。但是该方案不足之处在于：该方案仅仅通过小尺度模型预测污染物扩散能力，不能实现对整个区域污染物的精准定位。
有鉴于此，如何实现对整个区域污染物的精准定位，是现有技术亟需解决的问题。
发明内容
1.要解决的问题
本发明的目的在于克服现有技术中，不能实现对整个区域污染物的精准定位的不足，提供了一种气态污染物的定位方法，可以快速定位污染物浓度高值区，并且可以对污染物浓度高值区进行精细化模拟，进而实现了整个区域气态污染物的精准定位。
2.技术方案
为了解决上述问题，本发明所采用的技术方案如下：
本发明的一种气态污染物的定位方法，包括以下步骤：获取遥感数据和气态污染物排放清单，根据遥感数据和气态污染物排放清单确定污染物浓度高值区域；获取遥感影像，根据遥感影像确定污染物浓度高值区域的污染源；之后根据污染源并利用空气粒子扩散轨迹模型模拟得到污染物浓度高值区域的污染气团的概率分布，并根据污染气团的概率分布得到污染源对污染物浓度的贡献值；再在污染物浓度高值区域内利用小微尺度模型模拟得到污染物的扩散结果。
更进一步地，确定污染物浓度高值区域的具体过程为：根据遥感数据得到不同区域的污染物浓度值，再根据不同区域的污染物浓度值确定污染物浓度高值区域A；再根据气态污染物排放清单中排放量确定污染物排放高值区域B；将污染物浓度高值区域A和污染物排放高值区域B中相同的位置区域作为污染物浓度高值区域。
更进一步地，确定污染物浓度高值区域的污染源的具体过程为：先根据遥感影像判断污染物浓度高值区域的周边环境，根据污染物浓度高值区域的周边环境判断污染源类型；根据污染物浓度高值区域的气象数据以及污染源类型判断污染是否来源于本地。
更进一步地，根据污染气团的概率分布得到污染源对污染物浓度的贡献值的具体过程为：通过污染气团的概率分布得到粒子在不同网格的停留时间；再根据污染气团的概率分布得到不同网格在全部网格的气团概率分布占比；之后根据气团概率分布占比计算得到污染源对不同网格的污染物浓度的贡献值。
更进一步地，模拟得到污染物的扩散结果的具体过程为：在污染物浓度高值区域内选取模拟区域；再利用小微尺度模型对模拟区域进行模拟得到污染物的扩散结果。
更进一步地，对遥感数据进行插值计算得到不同区域的污染物浓度值。
更进一步地，计算得到污染源对不同网格的污染物浓度的贡献值的具体过程为：根据气态污染物排放清单得到排放量，将排放量与气团概率分布相乘得到污染源对不同网格的污染物浓度的贡献值。
更进一步地，通过下载卫星数据获取遥感数据和遥感影像。
更进一步地，小微尺度模型为ENVI-met模型。
3.有益效果
相比于现有技术，本发明的有益效果为：
本发明的一种气态污染物的定位方法，通过遥感数据气态污染物和排放清单可以从大尺度角度精确定位污染物浓度高值区域位置，进一步通过空气粒子扩散轨迹模型模拟和微小尺度模型可以从小尺度及小微尺度的角度实现对污染物浓度高值区域的精细化模拟，从而实现了从大尺度到小尺度再到小微尺度的气态污染物的快速精准定位及扩散模拟研究，进一步提高了气态污染物的预测扩散能力。
附图说明
图1为本发明的方法流程示意图一；
图2为本发明的方法流程示意图二；
图3为实施例1中不同区域的污染物浓度值示意图；
图4为实施例1中污染物浓度高值区域的气象数据示意图；
图5为实施例1中模拟的污染物浓度分布图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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；而且，各个实施例之间不是相对独立的，根据需要可以相互组合，从而达到更优的效果。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。
实施例1
结合图1所示，本发明的一种气态污染物的定位方法，包括以下步骤：
1)获取数据
结合图2所示，获取气态污染物排放清单和遥感数据；具体地，通过下载卫星数据获取遥感数据，本实施例中下载哨兵五号遥感数据。此外，通过统计调查各企业的排放量，根据各企业的排放量制作得到气态污染物排放清单。
2)确定污染物浓度高值区域
根据遥感数据和气态污染物排放清单确定污染物浓度高值区域；具体地，先根据遥感数据得到不同区域的污染物浓度值，具体地，对遥感数据进行插值计算得到不同区域的污染物浓度值；本实施例将遥感数据插值为1km*1km的格网数据，该格网数据即为不同区域的污染物浓度值；如图3所示。进一步地，根据不同区域的污染物浓度值确定污染物浓度高值区域A；值得说明的是，确定污染物浓度高值区域A的具体过程为：将不同区域的污染物浓度值从高到低排序，取前1％的区域作为污染物浓度高值区域A。即根据污染物浓度的相对高低，可以直观快速地从大尺度角度定位污染物浓度高值区。
根据气态污染物排放清单中排放量确定污染物排放高值区域B；具体地，将不同区域的排放量进行比较，具体地，将不同区域的排放量从高到低排序，取前1％的区域作为污染物排放高值区域B。之后将污染物浓度高值区域A和污染物排放高值区域B中相同的位置区域作为污染物浓度高值区域。
3)确定污染源
获取遥感影像，根据遥感影像确定污染物浓度高值区域的污染源；具体地，本发明通过卫星数据获取高分辨率的遥感影像，根据高分辨率的遥感影像可以快速判断污染物浓度高值区域的周边环境，再根据污染物浓度高值区域的周边环境判断污染源类型。
进一步地，根据污染物浓度高值区域的气象数据以及污染源类型判断污染是否来源于本地。具体地，根据污染物浓度高值区域的气象数据并利用气象化学耦合模式模拟得到污染物浓度分布图，根据污染物浓度分布图以及污染源类型可以判断污染是否来源于本地，如果来源于本地，则进行后续的空气粒子扩散轨迹模型及小微尺度模型模拟；如果不是本地生成，则以污染物浓度高值区域作为溯源点，利用空气粒子扩散轨迹模型后推72小时模拟得到到达溯源点的气团来源分布，并可叠加排放清单数据统计各地区污染物一次排放对溯源点的贡献比例。
本实施例以某地区为例，图4为某地区某日的风速、边界层高度及污染物浓度分布示意图，根据该图所示的气象数据可以判断出当日的天气条件静稳，风速偏小，该地区风速在2m/s左右，边界层高度较低，在200-500m范围，整体条件不利于污染物在水平与垂直方向上的扩散，结合气象化学耦合模式模拟的污染物浓度分布图，如图5所示，确定该图中的沿江地区污染物浓度高于周边区域，且无明显的传输作用，因此可以判断该案例主要以本地生成为主。但应注意的是，气象条件的判断应结合具体情况分析，并不局限于本实施例中的范围。
4)空气粒子扩散轨迹模型模拟
根据污染源并利用空气粒子扩散轨迹模型模拟得到污染物浓度高值区域的污染气团的概率分布；值得说明的是，空气粒子扩散轨迹模型模拟的空间分辨率可以任意设置，本实施例中将空间分辨率设置为100m，时间分辨率设置为1小时，模拟污染物浓度高值区前推2小时的气团轨迹，从而可得到污染气团的概率分布，该概率分布表示粒子在不同网格的停留时间，其单位为小时/立方米。
之后根据污染气团的概率分布得到污染源对污染物浓度的贡献值；具体地，通过污染气团的概率分布得到粒子在不同网格的停留时间；再根据污染气团的概率分布得到不同网格在全部网格的气团概率分布占比；再根据气团概率分布占比计算得到污染源对不同网格的污染物浓度的贡献值。值得说明的是，计算得到污染源对不同网格的污染物浓度的贡献值的具体过程为：根据气态污染物排放清单得到排放量，排放量的单位为吨/年，将该单位换算为微克/小时，将排放量与气团概率分布相乘得到污染源对不同网格的污染物浓度的贡献值。值得进一步说明的是，若模拟区域中包含观测站点，通过上述计算方法可以定量探究不同企业的气态污染物排放量对观测站点浓度的影响。
5)小微尺度模型模拟
在污染物浓度高值区域内利用小微尺度模型模拟得到污染物的扩散结果。具体地，先在污染物浓度高值区域内选取模拟区域；本实施例中设置模拟区域为2090m×1840m，空间分辨率为10m，时间分辨率为1h。之后利用小微尺度模型对模拟区域进行模拟得到污染物的扩散结果。本实施例中的小微尺度模型为ENVI-met模型。
值得说明的是，通过微小尺度模型可以模拟在城市环境下(建筑、植被和道路等)污染物的扩散能力及影响范围。进一步地，根据模拟区域内是否有观测站点，探究观测站点位置受污染源扩散影响，并且可以得到气态污染物的释放对周边居民生活的影响范围及影响程度。值得进一步说明的是，小微尺度模型使用方便且所需数据获取较为容易，可有效提高研究***运转效率。
本发明的一种气态污染物的定位方法，通过遥感数据气态污染物和排放清单可以从大尺度角度精确定位污染物浓度高值区域位置，进一步通过空气粒子扩散轨迹模型模拟和微小尺度模型可以从小尺度及小微尺度的角度实现对污染物浓度高值区域的精细化模拟，从而实现了从大尺度到小尺度再到小微尺度的气态污染物的快速精准定位及扩散模拟研究，进一步提高了气态污染物的预测扩散能力。
在上文中结合具体的示例性实施例详细描述了本发明。但是，应当理解，可在不脱离由所附权利要求限定的本发明的范围的情况下进行各种修改和变型。详细的描述和附图应仅被认为是说明性的，而不是限制性的，如果存在任何这样的修改和变型，那么它们都将落入在此描述的本发明的范围内。此外，背景技术旨在为了说明本技术的研发现状和意义，并不旨在限制本发明或本申请和本发明的应用领域。
Claims (9)
1.一种气态污染物的定位方法，其特征在于，包括以下步骤：
获取遥感数据和气态污染物排放清单，根据遥感数据和气态污染物排放清单确定污染物浓度高值区域；
获取遥感影像，根据遥感影像确定污染物浓度高值区域的污染源；
根据污染源并利用空气粒子扩散轨迹模型模拟得到污染物浓度高值区域的污染气团的概率分布，并根据污染气团的概率分布得到污染源对污染物浓度的贡献值；
在污染物浓度高值区域内利用小微尺度模型模拟得到污染物的扩散结果。
2.根据权利要求1所述的一种气态污染物的定位方法，其特征在于，确定污染物浓度高值区域的具体过程为：
根据遥感数据得到不同区域的污染物浓度值，再根据不同区域的污染物浓度值确定污染物浓度高值区域A；
根据气态污染物排放清单中排放量确定污染物排放高值区域B；
将污染物浓度高值区域A和污染物排放高值区域B中相同的位置区域作为污染物浓度高值区域。
3.根据权利要求1所述的一种气态污染物的定位方法，其特征在于，确定污染物浓度高值区域的污染源的具体过程为：
先根据遥感影像判断污染物浓度高值区域的周边环境，根据污染物浓度高值区域的周边环境判断污染源类型；
根据污染物浓度高值区域的气象数据以及污染源类型判断污染是否来源于本地。
4.根据权利要求1所述的一种气态污染物的定位方法，其特征在于，根据污染气团的概率分布得到污染源对污染物浓度的贡献值的具体过程为：
通过污染气团的概率分布得到粒子在不同网格的停留时间；再根据污染气团的概率分布得到不同网格在全部网格的气团概率分布占比；
之后根据气团概率分布占比计算得到污染源对不同网格的污染物浓度的贡献值。
5.根据权利要求1所述的一种气态污染物的定位方法，其特征在于，模拟得到污染物的扩散结果的具体过程为：
在污染物浓度高值区域内选取模拟区域；
利用小微尺度模型对模拟区域进行模拟得到污染物的扩散结果。
6.根据权利要求2所述的一种气态污染物的定位方法，其特征在于，对遥感数据进行插值计算得到不同区域的污染物浓度值。
7.根据权利要求4所述的一种气态污染物的定位方法，其特征在于，计算得到污染源对不同网格的污染物浓度的贡献值的具体过程为：
根据气态污染物排放清单得到排放量，将排放量与气团概率分布相乘得到污染源对不同网格的污染物浓度的贡献值。
8.根据权利要求1～7任一项所述的一种气态污染物的定位方法，其特征在于，通过下载卫星数据获取遥感数据和遥感影像。
9.根据权利要求1～7任一项所述的一种气态污染物的定位方法，其特征在于，小微尺度模型为ENVI-met模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010998797.4A CN112132450A (zh) | 2020-09-22 | 2020-09-22 | 一种气态污染物的定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010998797.4A CN112132450A (zh) | 2020-09-22 | 2020-09-22 | 一种气态污染物的定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112132450A true CN112132450A (zh) | 2020-12-25 |
Family
ID=73842195
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010998797.4A Pending CN112132450A (zh) | 2020-09-22 | 2020-09-22 | 一种气态污染物的定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112132450A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113284244A (zh) * | 2021-04-20 | 2021-08-20 | 四川大学 | 一种基于格点化扩散模拟的大气污染物溯源方法 |
| CN115420854A (zh) * | 2022-08-22 | 2022-12-02 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
| CN116227749A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 污染物排放量的确定方法、装置、存储介质及电子设备 |
| CN118195282A (zh) * | 2024-05-17 | 2024-06-14 | 浙江省生态环境监测中心(浙江省生态环境信息中心) | 污染治理指导方法、装置、存储介质及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
| WO2018137103A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及*** |
| CN109522603A (zh) * | 2018-10-18 | 2019-03-26 | 南京大学 | 基于云平台的车载拉格朗日实时大气污染溯源***及方法 |
| CN109543592A (zh) * | 2018-11-19 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于遥感地物确定大气污染热点网格的方法及装置 |
-
2020
- 2020-09-22 CN CN202010998797.4A patent/CN112132450A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018137103A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及*** |
| CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
| CN109522603A (zh) * | 2018-10-18 | 2019-03-26 | 南京大学 | 基于云平台的车载拉格朗日实时大气污染溯源***及方法 |
| CN109543592A (zh) * | 2018-11-19 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于遥感地物确定大气污染热点网格的方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 周姝雯;唐荣莉;张育新;马克明;: "城市街道空气污染物扩散模型综述", 应用生态学报, no. 03 * |
| 周德荣: "G20 峰会期间杭州市大气区域输送特征研究", 中国环境监测, vol. 36, no. 5 * |
| 陈晨: "无人机遥感监测下大气污染源追踪定位仿真", 计算机仿真, vol. 36, no. 6 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113284244A (zh) * | 2021-04-20 | 2021-08-20 | 四川大学 | 一种基于格点化扩散模拟的大气污染物溯源方法 |
| CN113284244B (zh) * | 2021-04-20 | 2023-09-05 | 四川大学 | 一种基于格点化扩散模拟的大气污染物溯源方法 |
| CN115420854A (zh) * | 2022-08-22 | 2022-12-02 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
| CN115420854B (zh) * | 2022-08-22 | 2023-12-15 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
| CN116227749A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 污染物排放量的确定方法、装置、存储介质及电子设备 |
| CN118195282A (zh) * | 2024-05-17 | 2024-06-14 | 浙江省生态环境监测中心(浙江省生态环境信息中心) | 污染治理指导方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| CN110085281B (zh) | 一种基于特征污染因子源解析的环境污染溯源***及方法 | |
| CN112132450A (zh) | 一种气态污染物的定位方法 | |
| Moussiopoulos et al. | Air quality status in Greater Thessaloniki Area and the emission reductions needed for attaining the EU air quality legislation | |
| Ketzel et al. | Evaluation of the street pollution model OSPM for measurements at 12 streets stations using a newly developed and freely available evaluation tool | |
| Jiménez et al. | Modeling the ozone weekend effect in very complex terrains: a case study in the Northeastern Iberian Peninsula | |
| Brandt et al. | Air pollution forecasting from regional to urban street scale––implementation and validation for two cities in Denmark | |
| Jiménez-Guerrero et al. | The use of a modelling system as a tool for air quality management: Annual high-resolution simulations and evaluation | |
| CN106339974A (zh) | 一种市区大气污染物排放清单的建立方法 | |
| Righi et al. | Statistical and diagnostic evaluation of the ADMS-Urban model compared with an urban air quality monitoring network | |
| Zhou et al. | Effects of potential recirculation on air quality in coastal cities in the Yangtze River Delta | |
| Venegas et al. | Modelling of urban background pollution in Buenos Aires City (Argentina) | |
| Blanchard et al. | Spatial representativeness and scales of transport during the 1995 integrated monitoring study in California's San Joaquin Valley | |
| Dore et al. | Quantifying missing annual emission sources of heavy metals in the United Kingdom with an atmospheric transport model | |
| Vitali et al. | A Lagrangian modelling approach to assess the representativeness area of an industrial air quality monitoring station | |
| Volta et al. | GAMES, a comprehensive gas aerosol modelling evaluation system | |
| Pugliese et al. | High-resolution quantification of atmospheric CO 2 mixing ratios in the Greater Toronto Area, Canada | |
| CN116070839A (zh) | 一种多源数据的道路微环境空气质量贡献溯源方法 | |
| CN113284244A (zh) | 一种基于格点化扩散模拟的大气污染物溯源方法 | |
| CN114819704A (zh) | 一种移动源污染物排放溯源方法及*** | |
| CN115545565A (zh) | 基于大气环境质量的园区排污总量管控方法和*** | |
| Mijling | High-resolution mapping of urban air quality with heterogeneous observations: a new methodology and its application to Amsterdam | |
| Menut et al. | Impact of meteorological data resolution on the forecasted ozone concentrations during the ESCOMPTE IOP2a and IOP2b | |
| Veratti et al. | Urban population exposure forecast system to predict NO2 impact by a building-resolving multi-scale model approach | |
| Park et al. | Meteorological characteristics and assessment of the effect of local emissions during high PM10 concentration in the Seoul Metropolitan Area |
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 |