CN113052743A - 一种城市碳排放数据处理方法、装置、介质及终端设备 - Google Patents
一种城市碳排放数据处理方法、装置、介质及终端设备 Download PDFInfo
- Publication number
- CN113052743A CN113052743A CN202110312116.9A CN202110312116A CN113052743A CN 113052743 A CN113052743 A CN 113052743A CN 202110312116 A CN202110312116 A CN 202110312116A CN 113052743 A CN113052743 A CN 113052743A
- Authority
- CN
- China
- Prior art keywords
- suspected
- stain
- data
- carbon emission
- value
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 126
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 126
- 238000003672 processing method Methods 0.000 title claims description 8
- 239000002699 waste material Substances 0.000 claims abstract description 178
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000007613 environmental effect Effects 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 6
- 229910052782 aluminium Inorganic materials 0.000 claims description 6
- 239000004568 cement Substances 0.000 claims description 6
- 239000000571 coke Substances 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012732 spatial analysis Methods 0.000 claims description 5
- 229910000640 Fe alloy Inorganic materials 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 5
- 229910001021 Ferroalloy Inorganic materials 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002912 waste gas Substances 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
- 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
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种城市碳排放数据处理方法,本发明技术方案通过确定疑似废污点的位置信息,根据疑似废污点的碳排放浓度数据和面积值确定其环境值,从而确定重大废污点,以解决现有技术在对城市重大废污点进行排查的过程中,通过人工实地考察的方式确定城市中的重大废污点的策略由于城市发展纵深和其他因素局限,导致人工考察的难度越来越大,引起考察成本的上升和确定重大废污点准确度下降的技术问题,实现在无需人工现场考察的情况下,利用大数据精准地计算出城市中的重大废污点,提高城市碳排放考察的便捷性和准确性。
Description
技术领域
本发明涉及城市碳排放处理技术领域,尤其涉及一种城市碳排放数据处理方法、装置、介质及终端设备。
背景技术
世界经济在不断发展,人口不断增加,科学技术的突飞猛进大大提升了人们的生活质量,城市化、全球化正广泛展开,这一切都推动着巨额的物质和能源消费。与此同时,人们发现,无节制的向大气排放温室气体将使全球变暖,对地球的生态环境产生深远的影响。
城市碳排放一直是我国在进行环境改善中备受争议的话题,如何改善城市碳排放,对城市中废气排放的重大废污点进行清除,是环境改善计划中的重要一部分。现有技术在对城市重大废污点进行排查的过程中,人们往往是通过人工实地考察的方式确定城市中的重大废污点;但随着城市发展纵深和其他因素局限,人工考察的难度越来越大,导致了考察成本的上升和确定重大废污点的准确度下降,因此,现有的人工实地考察的重大废污点确定策略已经不适合在现有城市勘察中了。
因此,目前市面上亟需一种城市碳排放数据处理策略,可以在无需人工现场考察的情况下,利用大数据精准地计算出城市中的重大废污点,提高城市碳排放考察的便捷性和准确性。
发明内容
本发明提供了一种城市碳排放数据处理方法,以解决现有技术在对城市重大废污点进行排查的过程中,通过人工实地考察的方式确定城市中的重大废污点的策略由于城市发展纵深和其他因素局限,导致人工考察的难度越来越大,引起考察成本的上升和确定重大废污点准确度下降的技术问题。
为了解决上述技术问题,本发明实施例提供了一种城市碳排放数据处理方法,包括:
获取目标城市的地图数据,根据所述地图数据建立二维坐标系;
根据所述目标城市的产业布局,确定疑似废污点的位置信息并在所述二维坐标系中标记;
根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值;
获取疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值;
对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点。
作为优选方案,所述环境值的计算公式为:
其中,a1为环境值,Cn为碳排放浓度数据,Si为面积值。
作为优选方案,所述采集疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值,包括:
获取目标城市中的允许碳排放值;
根据疑似废污点的碳排放浓度数据和允许碳排放值,确定疑似废污点的碳超标值;
根据所述疑似废污点的碳超标值和面积值确定所述疑似废污点的环境值。
作为优选方案,在所述疑似废污点中获取多个碳排放浓度数据作为该疑似废污点的碳排放浓度数据,结合允许碳排放值,确定疑似废污点的碳超标值。
作为优选方案,所述环境值的计算公式为:
其中,a2为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值。
作为优选方案,所述获取目标城市的地图数据,根据所述地图数据建立二维坐标系,包括:
对所述地图数据进行预处理,得到预处理数据;
对所述预处理数据进行空间解析,得到空间数据,其中,所述空间数据包括目标城市中各个建筑物的水平数据和垂直数据;
以所述水平数据作为X轴,以所述垂直数据作为Y轴,建立二维坐标系。
作为优选方案,所述根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值的步骤中,根据疑似废污点在所述二维坐标系中的水平数据和垂直数据,计算出所述疑似废污点在所述二维坐标系中的坐标面积,作为所述疑似废污点的面积值。
作为优选方案,所述疑似废污点包括火电厂、水泥厂、焦化厂、铁合金厂、钢铁厂或炼铝厂中的一者或多者。
作为优选方案,所述对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点,包括:
对所有环境值进行从大到小排序,将最大环境值所对应的疑似废污点作为重大废污点。
作为优选方案,在确定所述疑似废污点的环境值的步骤中,还包括:确定环境影响因子,根据所述环境影响因子、所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值。
作为优选方案,所述环境值的计算公式为:
其中,a3为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值,Ki为环境影响因子。
相应地,本发明另一实施例还提供了一种城市碳排放数据处理装置,包括:
数据获取模块,用于获取目标城市的地图数据,根据所述地图数据建立二维坐标系;
坐标标记模块,用于根据所述目标城市的产业布局,确定疑似废污点的位置信息并在所述二维坐标系中标记;
面积计算模块,用于根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值;
数值确定模块,用于获取疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值;
结果确定模块,用于对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点。
作为优选方案,所述环境值的计算公式为:
其中,a1为环境值,Cn为碳排放浓度数据,Si为面积值。
作为优选方案,所述数值确定模块具体用于:获取目标城市中的允许碳排放值;根据疑似废污点的碳排放浓度数据和允许碳排放值,确定疑似废污点的碳超标值;根据所述疑似废污点的碳超标值和面积值确定所述疑似废污点的环境值。
作为优选方案,所述数值确定模块具体用于:在所述疑似废污点中获取多个碳排放浓度数据作为该疑似废污点的碳排放浓度数据,结合允许碳排放值,确定疑似废污点的碳超标值。
作为优选方案,所述环境值的计算公式为:
其中,a2为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值。
作为优选方案,所述数据获取模块具体用于:对所述地图数据进行预处理,得到预处理数据;对所述预处理数据进行空间解析,得到空间数据,其中,所述空间数据包括目标城市中各个建筑物的水平数据和垂直数据;以所述水平数据作为X轴,以所述垂直数据作为Y轴,建立二维坐标系。
作为优选方案,所述面积计算模块具体用于:根据疑似废污点在所述二维坐标系中的水平数据和垂直数据,计算出所述疑似废污点在所述二维坐标系中的坐标面积,作为所述疑似废污点的面积值。
作为优选方案,所述疑似废污点包括火电厂、水泥厂、焦化厂、铁合金厂、钢铁厂或炼铝厂中的一者或多者。
作为优选方案,所述结果确定模块具体用于:对所有环境值进行从大到小排序,将最大环境值所对应的疑似废污点作为重大废污点。
作为优选方案,所述数值确定模块在确定所述疑似废污点的环境值的步骤中,还用于:确定环境影响因子,根据所述环境影响因子、所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值。
作为优选方案,所述环境值的计算公式为:
其中,a3为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值,Ki为环境影响因子。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的城市碳排放数据处理方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述任一项所述的城市碳排放数据处理方法。
相比于现有技术,本发明实施例具有如下有益效果:
本发明技术方案通过确定疑似废污点的位置信息,根据疑似废污点的碳排放浓度数据和面积值确定其环境值,从而确定重大废污点,以解决现有技术在对城市重大废污点进行排查的过程中,通过人工实地考察的方式确定城市中的重大废污点的策略由于城市发展纵深和其他因素局限,导致人工考察的难度越来越大,引起考察成本的上升和确定重大废污点准确度下降的技术问题,实现在无需人工现场考察的情况下,利用大数据精准地计算出城市中的重大废污点,提高城市碳排放考察的便捷性和准确性。
附图说明
图1:为本发明实施例提供的一种城市碳排放数据处理方法的步骤流程图;
图2:为本发明实施例提供的一种城市碳排放数据处理装置的结构示意图;
图3:为本发明实施例提供的终端设备的一种实施例的结构示意图。
具体实施方式
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,所描述的实施例仅仅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作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。
实施例一
请参照图1,为本发明实施例提供的一种城市碳排放数据处理方法的步骤流程图,包括步骤101至步骤105,各步骤具体如下:
步骤101,获取目标城市的地图数据,根据所述地图数据建立二维坐标系。
在本实施例中,所述步骤101包括步骤1011至步骤1013,各步骤具体如下:步骤1011,对所述地图数据进行预处理,得到预处理数据;步骤1012,对所述预处理数据进行空间解析,得到空间数据,其中,所述空间数据包括目标城市中各个建筑物的水平数据和垂直数据;步骤1013,以所述水平数据作为X轴,以所述垂直数据作为Y轴,建立二维坐标系。
具体地,将某一城市区域作为研究对象,可以根据以往对该目标城市采集的历史二维数据进行利用,或者利用无人机等设备对目标城市区域进行数据采集,获取目标区域的二维数据;可以理解的是,该二维数据应当包括目标区域的水平数据和垂直数据,使得后续能够具有足够的数据用以建立二维坐标系。技术人员在获得目标区域的二维数据后,应当先对获得的数据进行预处理,其中,预处理可以包括但不限于:格式化,归一化,数据过滤等基础数据预处理手段,可以理解的是,所述预处理手段可以为现有技术中的数据预处理手段,在本方案中不加以累赘陈述。为了构建二维坐标系,在本方案将理所当然地将水平数据作为X轴,以及将垂直数据作为Y轴,建立二维坐标系。
步骤102,根据所述目标城市的产业布局,确定疑似废污点的位置信息并在所述二维坐标系中标记。在本实施例中,所述疑似废污点包括火电厂、水泥厂、焦化厂、铁合金厂、钢铁厂或炼铝厂中的一者或多者。
具体地,为了提高重大废污点的确定效率,可以初步将一些废弃排放严重的企业作为疑似废污点,可以理解的是,在企业生产运营过程中,污染较为严重的相关领域,包括但不限于:火电厂、水泥厂、焦化厂、铁合金厂、钢铁厂和炼铝厂。在本步骤中,产业布局是指在目标城市中各个疑似废污点的所在位置,其中,该产业布局可以通过国土资源局等政府单位的官网统一接口获取,还可以通过网络公用地图对各个疑似废污点的所在位置进行标注,经标记完成的城市地图即可作为产业布局进行疑似废污点的位置参考。可以理解的是,本方案中获取产业布局的方法仅仅是可实施方式中的其中一种,只要能实现目标城市的产业布局获取方案的,均在本技术方案的保护范围之内。
步骤103,根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值。
在本实施例中,所述根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值的步骤中,根据疑似废污点在所述二维坐标系中的水平数据和垂直数据,计算出所述疑似废污点在所述二维坐标系中的坐标面积,作为所述疑似废污点的面积值。
具体地,为了配合后续的环境值算法计算,本步骤需要计算出各个疑似废污点的面积值。在计算疑似废污点的面积值时,可以根据其在二维坐标系中的相关面积进行计算,可以理解的是,在计算其相关面积时,根据疑似废污点在二维坐标系中的水平数据和垂直数据即可计算出其面积值。其中,在二维坐标系中,水平数据为xi、垂直数据为yi,采用边缘计算法,计算出二维坐标系中每个单元格的面积值si,再结合所有单元格的面积值,计算可得总的面积值sn;可得:公式中,水平数据xi和垂直数据yi的值均取绝对值。
步骤104,获取疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值。
在本实施例的第一个方面中,所述环境值的计算公式为:
其中,a1为环境值,Cn为碳排放浓度数据,Si为面积值。
具体地,在本技术方案的第一个可能方案中,利用疑似废污点的碳排放浓度数据和面积值,通过上述公式即可计算出疑似废污点的环境值。碳排放浓度数据可从网络资源获取,或利用传感器监测得到。
在本实施例的第二个方面中,所述步骤104包括步骤1041至步骤1043,各步骤具体如下:步骤1041,获取目标城市中的允许碳排放值;步骤1042,根据疑似废污点的碳排放浓度数据和允许碳排放值,确定疑似废污点的碳超标值;步骤1043,根据所述疑似废污点的碳超标值和面积值确定所述疑似废污点的环境值。其中,在所述疑似废污点中获取多个碳排放浓度数据作为该疑似废污点的碳排放浓度数据,结合允许碳排放值,确定疑似废污点的碳超标值。
则,所述环境值的计算公式为:
其中,a2为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值。
具体地,在本技术方案的第二个可能方案中,为了更清楚、更准确地了解疑似废污点与允许碳排放值之间的差值关系,在公式中加入了允许碳排放值作为影响因子,利用允许碳排放值、疑似废污点的碳排放浓度数据和面积值,通过上述公式即可进一步更精准地计算出疑似废污点的环境值。
在本实施例的第三个方面中,在确定所述疑似废污点的环境值的步骤中,还包括:确定环境影响因子,根据所述环境影响因子、所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值。
则,所述环境值的计算公式为:
其中,a3为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值,Ki为环境影响因子。
具体地,在本技术方案的第三个可能方案中,为了进一步更清楚、更准确地了解疑似废污点与其他环境影响因子之间的关系,在公式中加入了Ki值作为环境影响因子,其中,环境影响因子可以为疑似废污点周边的居民密度值,又或者可以为疑似废污点周边的绿化率,等等。根据不同的环境影响因子加入到公式中,可以更加全面地考虑疑似废污点与其他各种因素之间的关系,使得环境值计算的结果更精准。因此,利用环境影响因子、允许碳排放值、疑似废污点的碳排放浓度数据和面积值,通过上述公式即可进一步更精准地计算出疑似废污点的环境值。
步骤105,对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点。
在本实施例中,所述步骤105包括:对所有环境值进行从大到小排序,将最大环境值所对应的疑似废污点作为重大废污点。
具体地,经过以上步骤的计算后,可以获得多个疑似废污点的环境值,只要对获得的多个环境值进行排序,就可以将环境值最大的那个数据所对应的疑似废污点作为重大废污点。
本发明技术方案通过确定疑似废污点的位置信息,根据疑似废污点的碳排放浓度数据和面积值确定其环境值,从而确定重大废污点,以解决现有技术在对城市重大废污点进行排查的过程中,通过人工实地考察的方式确定城市中的重大废污点的策略由于城市发展纵深和其他因素局限,导致人工考察的难度越来越大,引起考察成本的上升和确定重大废污点准确度下降的技术问题,实现在无需人工现场考察的情况下,利用大数据精准地计算出城市中的重大废污点,提高城市碳排放考察的便捷性和准确性。
实施例二
请参照图2,为本发明另一实施例提供的一种城市碳排放数据处理装置的结构示意图,包括:数据获取模块、坐标标记模块、面积计算模块、数值确定模块和结果确定模块,各模块具体如下:
数据获取模块,用于获取目标城市的地图数据,根据所述地图数据建立二维坐标系。
在本实施例中,所述数据获取模块具体用于:对所述地图数据进行预处理,得到预处理数据;对所述预处理数据进行空间解析,得到空间数据,其中,所述空间数据包括目标城市中各个建筑物的水平数据和垂直数据;以所述水平数据作为X轴,以所述垂直数据作为Y轴,建立二维坐标系。
坐标标记模块,用于根据所述目标城市的产业布局,确定疑似废污点的位置信息并在所述二维坐标系中标记。
在本实施例中,所述疑似废污点包括火电厂、水泥厂、焦化厂、铁合金厂、钢铁厂或炼铝厂中的一者或多者。
面积计算模块,用于根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值。
在本实施例中,所述面积计算模块具体用于:根据疑似废污点在所述二维坐标系中的水平数据和垂直数据,计算出所述疑似废污点在所述二维坐标系中的坐标面积,作为所述疑似废污点的面积值。
数值确定模块,用于获取疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值。
在本实施例的第一方面中,所述环境值的计算公式为:
其中,a1为环境值,Cn为碳排放浓度数据,Si为面积值。
在本实施例的第二方面中,所述数值确定模块具体用于:获取目标城市中的允许碳排放值;根据疑似废污点的碳排放浓度数据和允许碳排放值,确定疑似废污点的碳超标值;根据所述疑似废污点的碳超标值和面积值确定所述疑似废污点的环境值。在本实施例中,所述数值确定模块具体用于:在所述疑似废污点中获取多个碳排放浓度数据作为该疑似废污点的碳排放浓度数据,结合允许碳排放值,确定疑似废污点的碳超标值。
则,所述环境值的计算公式为:
其中,a2为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值。
在本实施例的第三方面中,所述数值确定模块在确定所述疑似废污点的环境值的步骤中,还用于:确定环境影响因子,根据所述环境影响因子、所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值。
则,所述环境值的计算公式为:
其中,a3为环境值,Cn为碳排放浓度数据,Cj为允许碳排放值,Si为面积值,Ki为环境影响因子。
结果确定模块,用于对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点。
在本实施例中,所述结果确定模块具体用于:对所有环境值进行从大到小排序,将最大环境值所对应的疑似废污点作为重大废污点。
实施例三
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的城市碳排放数据处理方法。
实施例四
请参照图3,是本发明实施例提供的终端设备的一种实施例的结构示意图,所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述任一实施例所述的城市碳排放数据处理方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作***、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMedia Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种城市碳排放数据处理方法,其特征在于,包括:
获取目标城市的地图数据,根据所述地图数据建立二维坐标系;
根据所述目标城市的产业布局,确定疑似废污点的位置信息并在所述二维坐标系中标记;
根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值;
获取疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值;
对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点。
2.如权利要求1所述的城市碳排放数据处理方法,其特征在于,所述采集疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值,包括:
获取目标城市中的允许碳排放值;
根据疑似废污点的碳排放浓度数据和允许碳排放值,确定疑似废污点的碳超标值;
根据所述疑似废污点的碳超标值和面积值确定所述疑似废污点的环境值。
3.如权利要求2所述的城市碳排放数据处理方法,其特征在于,在所述疑似废污点中获取多个碳排放浓度数据作为该疑似废污点的碳排放浓度数据,结合允许碳排放值,确定疑似废污点的碳超标值。
4.如权利要求1所述的城市碳排放数据处理方法,其特征在于,所述获取目标城市的地图数据,根据所述地图数据建立二维坐标系,包括:
对所述地图数据进行预处理,得到预处理数据;
对所述预处理数据进行空间解析,得到空间数据,其中,所述空间数据包括目标城市中各个建筑物的水平数据和垂直数据;
以所述水平数据作为X轴,以所述垂直数据作为Y轴,建立二维坐标系。
5.如权利要求4所述的城市碳排放数据处理方法,其特征在于,所述根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值的步骤中,根据疑似废污点在所述二维坐标系中的水平数据和垂直数据,计算出所述疑似废污点在所述二维坐标系中的坐标面积,作为所述疑似废污点的面积值。
6.如权利要求1至5所述的城市碳排放数据处理方法,其特征在于,所述疑似废污点包括火电厂、水泥厂、焦化厂、铁合金厂、钢铁厂或炼铝厂中的一者或多者。
7.如权利要求1所述的城市碳排放数据处理方法,其特征在于,所述对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点,包括:
对所有环境值进行从大到小排序,将最大环境值所对应的疑似废污点作为重大废污点。
8.一种城市碳排放数据处理装置,其特征在于,包括:
数据获取模块,用于获取目标城市的地图数据,根据所述地图数据建立二维坐标系;
坐标标记模块,用于根据所述目标城市的产业布局,确定疑似废污点的位置信息并在所述二维坐标系中标记;
面积计算模块,用于根据所述疑似废污点在所述二维坐标系中的坐标参数,计算出所述疑似废污点的面积值;
数值确定模块,用于获取疑似废污点的碳排放浓度数据,根据所述疑似废污点的碳排放浓度数据和面积值确定所述疑似废污点的环境值;
结果确定模块,用于对每个疑似废污点的环境值进行比较,从所述疑似废污点中确定重大废污点。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的城市碳排放数据处理方法。
10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的城市碳排放数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312116.9A CN113052743B (zh) | 2021-03-24 | 2021-03-24 | 一种城市碳排放数据处理方法、装置、介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312116.9A CN113052743B (zh) | 2021-03-24 | 2021-03-24 | 一种城市碳排放数据处理方法、装置、介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113052743A true CN113052743A (zh) | 2021-06-29 |
CN113052743B CN113052743B (zh) | 2022-07-15 |
Family
ID=76514721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110312116.9A Expired - Fee Related CN113052743B (zh) | 2021-03-24 | 2021-03-24 | 一种城市碳排放数据处理方法、装置、介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052743B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510273A (zh) * | 2008-08-28 | 2009-08-19 | 南京大学 | 快速统计城市规划用地面积的方法和计算机程序 |
CN106650044A (zh) * | 2016-12-05 | 2017-05-10 | 北京工业大学 | 一种确定swmm软件中地表径流污染物参数w的方法 |
CN107436343A (zh) * | 2017-07-31 | 2017-12-05 | 南京南瑞集团公司 | 一种模拟计算敏感区域污染物浓度的方法 |
CN108388643A (zh) * | 2018-02-26 | 2018-08-10 | 墣锦环境工程(海南)有限公司 | 确定城市表层土重金属污染源位置的方法 |
CN108596465A (zh) * | 2018-04-17 | 2018-09-28 | 西安建筑科技大学 | 一种城市居住建筑***碳能测算方法 |
CN108629505A (zh) * | 2018-05-02 | 2018-10-09 | 长安大学 | 一种沥青面层施工碳排放量化评价方法 |
CN111310124A (zh) * | 2020-02-13 | 2020-06-19 | 北京市环境保护科学研究院 | 一种城市径流数据处理方法 |
CN111537023A (zh) * | 2020-05-13 | 2020-08-14 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
CN112379806A (zh) * | 2020-11-27 | 2021-02-19 | 平安国际智慧城市科技股份有限公司 | 农事活动的标记显示方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-24 CN CN202110312116.9A patent/CN113052743B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510273A (zh) * | 2008-08-28 | 2009-08-19 | 南京大学 | 快速统计城市规划用地面积的方法和计算机程序 |
CN106650044A (zh) * | 2016-12-05 | 2017-05-10 | 北京工业大学 | 一种确定swmm软件中地表径流污染物参数w的方法 |
CN107436343A (zh) * | 2017-07-31 | 2017-12-05 | 南京南瑞集团公司 | 一种模拟计算敏感区域污染物浓度的方法 |
CN108388643A (zh) * | 2018-02-26 | 2018-08-10 | 墣锦环境工程(海南)有限公司 | 确定城市表层土重金属污染源位置的方法 |
CN108596465A (zh) * | 2018-04-17 | 2018-09-28 | 西安建筑科技大学 | 一种城市居住建筑***碳能测算方法 |
CN108629505A (zh) * | 2018-05-02 | 2018-10-09 | 长安大学 | 一种沥青面层施工碳排放量化评价方法 |
CN111310124A (zh) * | 2020-02-13 | 2020-06-19 | 北京市环境保护科学研究院 | 一种城市径流数据处理方法 |
CN111537023A (zh) * | 2020-05-13 | 2020-08-14 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
CN112379806A (zh) * | 2020-11-27 | 2021-02-19 | 平安国际智慧城市科技股份有限公司 | 农事活动的标记显示方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113052743B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114359002B (zh) | 基于移动监测趋势挖掘的大气污染小尺度溯源方法及*** | |
CN113592822B (zh) | 一种电力巡检图像的绝缘子缺陷定位方法 | |
CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
CN107909192B (zh) | 土壤重金属含量的估测方法及装置 | |
CN114663764B (zh) | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 | |
CN114897860B (zh) | 一种一氧化碳污染受土地利用影响下的推演方法及装置 | |
CN112348388A (zh) | 基于排放数据的臭氧主导前体物识别方法及装置 | |
CN113008806A (zh) | 一种农产品产地重金属空间分布确定方法 | |
CN113340821B (zh) | 一种城市建设用地表层土壤重金属污染快速识别方法 | |
CN113052743B (zh) | 一种城市碳排放数据处理方法、装置、介质及终端设备 | |
CN116703004B (zh) | 一种基于预训练模型的水系流域智慧巡护方法和装置 | |
CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN115170822A (zh) | 一种农田土壤重金属定性源解析的联用方法 | |
CN115078190A (zh) | 一种悬浮体现场激光粒度数据处理方法及其装置 | |
CN114295050A (zh) | 基于卷积神经网络的预制混凝土板多尺寸检测方法及*** | |
CN114974452A (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
CN116206169A (zh) | 一种智能煤矸石目标检测方法 | |
CN114117757A (zh) | 地下水污染物溯源方法、装置、设备及存储介质 | |
CN114778795B (zh) | 一种基于城市布局的土壤质量等级确定方法及装置 | |
CN115705510A (zh) | 厂区气体污染分布预测方法、***、电子设备及存储介质 | |
CN110619011A (zh) | 基于大数据分析的高校化学实验室污染治理***及方法 | |
CN115113228B (zh) | 一种基于地理信息技术的退圩还湖工程测验方法 | |
CN117371851A (zh) | 一种典型流域生态修复工程治理效益评价***及方法 | |
CN117095216B (zh) | 基于对抗生成网络的模型训练方法、***、设备及介质 | |
CN115577099B (zh) | 一种污染地块边界识别方法、***、介质及设备 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220715 |
|
CF01 | Termination of patent right due to non-payment of annual fee |