CN113759441B - 基于风玫瑰图及污染源监测的空气质量溯源方法 - Google Patents

基于风玫瑰图及污染源监测的空气质量溯源方法 Download PDF

Info

Publication number
CN113759441B
CN113759441B CN202111048466.5A CN202111048466A CN113759441B CN 113759441 B CN113759441 B CN 113759441B CN 202111048466 A CN202111048466 A CN 202111048466A CN 113759441 B CN113759441 B CN 113759441B
Authority
CN
China
Prior art keywords
wind
server
air quality
time period
source
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.)
Active
Application number
CN202111048466.5A
Other languages
English (en)
Other versions
CN113759441A (zh
Inventor
李丽娜
李绍俊
刘英伟
张树旺
庞景秋
齐井春
陈兴钰
崔放
李忆平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Jiacheng Information Technology Co ltd
Original Assignee
Changchun Jiacheng Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Jiacheng Information Technology Co ltd filed Critical Changchun Jiacheng Information Technology Co ltd
Priority to CN202111048466.5A priority Critical patent/CN113759441B/zh
Publication of CN113759441A publication Critical patent/CN113759441A/zh
Application granted granted Critical
Publication of CN113759441B publication Critical patent/CN113759441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于风玫瑰图及污染源监测的空气质量溯源方法，包括：所述气象站每隔第一预设时间段将采集的空气质量指数发送至所述服务器；所述气象站每隔第二预设时间段将采集的风向风速数据发送至所述服务器，其中，所述第二预设时间段小于所述第一预设时间段；所述服务器基于各气象站的所述空气质量指数；本发明提出的基于风玫瑰图及污染源监测的空气质量溯源方法，基于气象站采集的空气质量指数来监测是否出现空气污染事件，当出现了空气污染事件时，进而通过气象站采集的风向风速数据生成第一风频风速玫瑰图，然后基于该气象站的第一风频风速玫瑰图，即可推算出空气污染源的溯源位置，从而针对空气污染快速、准确地找到污染源。

Description

基于风玫瑰图及污染源监测的空气质量溯源方法
技术领域
本发明涉及空气质量溯源技术领域，具体涉及一种基于风玫瑰图及污染源监测的空气质量溯源方法。
背景技术
随着工业的发展，大气污染变得越来越严重，治理大气污染已成为亟待解决的环境问题之一，目前，空气污染监测主要采用的方式是在需要监测的区域广泛部署空气站，通过空气站监测空气质量的变化，当空气站监测到空气质量降低时，及时采取防治措施以阻止空气质量进一步恶化，在此过程中，虽然能够及时监测到空气污染现象，但并不能够快速、准确地找到空气污染源；但是，现有技术并不能够针对空气污染快速、准确地找到污染源。
发明内容
本发明的主要目的是提供一种基于风玫瑰图及污染源监测的空气质量溯源方法，旨在解决现有技术并不能够针对空气污染快速、准确地找到污染源的问题。
本发明提出的技术方案为：
一种基于风玫瑰图及污染源监测的空气质量溯源方法，应用于基于风玫瑰图及污染源监测的空气质量溯源***；所述***包括服务器和多个气象站；多个所述气象站呈网格状等间距分布设置于监测区域；多个所述气象站均与所述服务器通信连接；所述方法，包括：
所述气象站每隔第一预设时间段将采集的空气质量指数发送至所述服务器；
所述气象站每隔第二预设时间段将采集的风向风速数据发送至所述服务器，其中，所述第二预设时间段小于所述第一预设时间段；
所述服务器基于各气象站的所述空气质量指数，获取检测到空气污染事件的气象站，并标记为目标气象站；
所述服务器基于所述目标气象站的过去所述第一预设时间段内的所述风向风速数据生成对应的第一风频风速玫瑰图；
所述服务器基于所述第一风频风速玫瑰图确定空气污染源的溯源位置。
优选的，所述服务器基于各气象站的所述空气质量指数，获取检测到空气污染事件的气象站，并标记为目标气象站，包括：
所述服务器将当前的空气质量指数减去上一采集时刻采集的空气质量指数，以得到各气象站的指数差值；
所述服务器基于所述第一预设时间段生成预设差值；
所述服务器将大于所述预设差值的所有的所述指数差值标记为目标集合；
所述服务器将所述目标集合中的最大的所述指数差值标记为目标差值；
所述服务器将所述目标差值对应的所述气象站标记为所述目标气象站。
优选的，所述服务器基于所述第一预设时间段生成预设差值的计算公式为：
Figure BDA0003251895950000021
其中，Cy为所述预设差值；Cb为标准差值，为大于0的常数，根据待测区域的年平均空气质量指数确定；T1为所述第一预设时间段；Tb为标准时长，为大于0的常数。
优选的，所述服务器基于所述第一风频风速玫瑰图确定空气污染源的溯源位置，包括：
所述服务器基于所述第一风频风速玫瑰图计算过去第一预设时间段的总风力移动矢量：
Figure BDA0003251895950000022
其中，
Figure BDA0003251895950000023
为过去第一预设时间段的总风力移动矢量；所述第一风频风速玫瑰图以东西向为X轴，以南北向为Y轴，所述第一风频风速玫瑰图包括N个不同方向的风向矢量，每个所述风向矢量对应有频率值，每个所述风向矢量还对应有平均风速值，
Figure BDA0003251895950000024
代表第i个所述风向矢量，所述风向矢量的模为对应的所述频率值，Fi,v为第i个所述风向矢量对应的平均风速值；
所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标。
优选的，所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述服务器将与所述溯源位置最近的所述气象站标记为第一气象站；
所述服务器判断所述第一气象站是否为所述目标气象站；
若否，所述服务器基于所述第一风频风速玫瑰图生成过去第一预设时间段内的各个子风力移动矢量：
Figure BDA0003251895950000031
其中，
Figure BDA0003251895950000032
为过去第一预设时间段内的第i个子风力移动矢量，i大于0且小于或等于N，N为所述第一风频风速玫瑰图中风向矢量的个数；
所述服务器基于过去第一预设时间段内的各个子风力移动矢量得到所述溯源位置至所述第一气象站方向上的风力移动矢量，并标记为第一风力移动矢量；
所述服务器判断所述第一风力移动矢量的模是否大于所述溯源位置与所述第一气象站之间的距离；
若是，所述服务器判断所述第一气象站的所述指数差值是否大于所述预设差值；
若小于，所述服务器生成溯源存疑信息。
优选的，所述***还包括无人机和显示屏；所述服务器用于控制所述无人机的飞行；所述无人机具有拍照功能；所述显示屏与所述服务器通信连接；所述方法，还包括：
所述服务器控制所述无人机飞行至所述溯源位置；
所述无人机对所述溯源位置进行拍摄，以获取溯源位置图像；
所述无人机将所述溯源位置图像发送至所述服务器；
所述服务器将所述溯源位置图像显示于所述显示屏。
优选的，所述无人机将所述溯源位置图像发送至所述服务器，之后还包括：
所述服务器对所述溯源位置图像进行图像分析，以判断所述溯源位置是否为空气污染源的实际位置。
优选的，所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述服务器基于所述目标气象站的未来所述第一预设时间段内的所述风向风速数据生成对应的第二风频风速玫瑰图；
所述服务器基于所述第二风频风速玫瑰图生成未来第一预设时间段内的各个子风力移动矢量：
Figure BDA0003251895950000041
其中，
Figure BDA0003251895950000042
为未来第一预设时间段内的第i个子风力移动矢量，i大于0且小于或等于N，N为所述第二风频风速玫瑰图中风向矢量的个数；所述第二风频风速玫瑰图以东西向为X轴，以南北向为Y轴，所述第二风频风速玫瑰图包括N个不同方向的风向矢量，每个所述风向矢量对应有频率值，每个所述风向矢量还对应有平均风速值，
Figure BDA0003251895950000043
代表第i个所述风向矢量，所述风向矢量的模为对应的所述频率值，Wi,v为第i个所述风向矢量对应的平均风速值；
所述服务器基于未来第一预设时间段内的各个子风力移动矢量得到所述溯源位置至所述目标气象站方向上的风力移动矢量，并标记为第二风力移动矢量；
当所述第二风力移动矢量的模大于所述溯源位置与所述目标气象站之间的距离时，所述服务器判断所述目标气象站的未来所述第一预设时间段后的所述指数差值是否为正数；
若未来所述第一预设时间段后的所述指数差值不为正数，所述服务器生成溯源存疑信息；
当所述第二风力移动矢量的模小于所述溯源位置与所述目标气象站之间的距离时，所述服务器判断所述目标气象站的未来所述第一预设时间段后的所述指数差值是否为负数；
若未来所述第一预设时间段后的所述指数差值不为负数，所述服务器生成溯源存疑信息。
优选的，所述无人机设置有空气质量检测仪；所述空气质量检测仪能够实时检测空气质量，并实时生成空气质量指数；所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述服务器判断所述总风力移动矢量的模是否大于2个相邻的所述气象站之间的最大距离；
若是，所述服务器控制所述无人机以所述目标气象站为起始位置，向所述溯源位置移动，移动过程中每隔预设距离检测一次空气质量，并实时生成空气质量指数；
所述无人机将实时生成的空气质量指数以及对应的检测位置发送至所述服务器；
所述服务器将实时生成的空气质量指数首次为正常值时，所述无人机所对应的所述检测位置以行进方向反向预设距离的位置标记为勘正位置。
优选的，所述***还包括报警器；所述报警器通信连接于所述服务器；所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述报警器发出警报。
通过上述技术方案，能实现以下有益效果：
本发明提出的基于风玫瑰图及污染源监测的空气质量溯源方法，基于气象站采集的空气质量指数来监测是否出现空气污染事件，当出现了空气污染事件时，进而通过气象站采集的风向风速数据生成第一风频风速玫瑰图，然后基于该气象站的第一风频风速玫瑰图，即可推算出空气污染源的溯源位置，从而针对空气污染快速、准确地找到污染源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，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，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明提出的基于风玫瑰图及污染源监测的空气质量溯源方法第一实施例的流程图；
图2为本发明提出的基于风玫瑰图及污染源监测的空气质量溯源方法第一实施例中第一风频风速玫瑰图的示例图。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提出基于风玫瑰图及污染源监测的空气质量溯源方法。
如附图1所示，在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第一实施例中，本基于风玫瑰图及污染源监测的空气质量溯源方法应用于基于风玫瑰图及污染源监测的空气质量溯源***；所述***包括服务器和多个气象站；多个所述气象站呈网格状等间距分布设置于监测区域；多个所述气象站均与所述服务器通信连接；本实施例包括如下步骤：
步骤S110：所述气象站每隔第一预设时间段将采集的空气质量指数发送至所述服务器。
具体的，这里的第一预设时间段优选为1小时，这里的空气质量指数即为AQI。
步骤S120：所述气象站每隔第二预设时间段将采集的风向风速数据发送至所述服务器，其中，所述第二预设时间段小于所述第一预设时间段。
具体的，这里的第二预设时间段优选为1分钟。即通过气象站建立分钟级的风力监测数据。这里的风向风速数据既包括风力的方向，也包括风力的平均速度。
步骤S130：所述服务器基于各气象站的所述空气质量指数，获取检测到空气污染事件的气象站，并标记为目标气象站。
具体的，即当空气质量指数的值出现大幅增加时，即说明对应的气象站处出现了空气污染事件，则服务器将该气象站标记为目标气象站，以便于进行后续的污染源定位操作。
步骤S140：所述服务器基于所述目标气象站的过去所述第一预设时间段内的所述风向风速数据生成对应的第一风频风速玫瑰图。
具体的，即服务器基于过去1小时内，目标气象站发送的风向风速数据，生成目前气象站处对应的第一风频风速玫瑰图。
如附图2所示，风频风速玫瑰图用于表示风向，以及风向的频率和风向的平均风速。风向频率是在一定时间内各种风向(例如16个风向)出现的次数占所有观察次数的百分比。根据各方向风的出现频率，以相应的比例长度(即极坐标系中的半径)表示，按风向从外向中心吹，描在用8个或16个方位所表示的极坐标图上，然后将各相邻方向的端点用直线连接起来，绘成一个形式宛如玫瑰的闭合折线，然后再于各端点位置标记各风向的平均风速，就是风频风速玫瑰图。
步骤S150：所述服务器基于所述第一风频风速玫瑰图确定空气污染源的溯源位置。
具体的，基于目标气象站处的风频风速玫瑰图，可以进而推算得到空气污染源的位置，从而确定空气污染源的溯源位置。
本发明提出的基于风玫瑰图及污染源监测的空气质量溯源方法，基于气象站采集的空气质量指数来监测是否出现空气污染事件，当出现了空气污染事件时，进而通过气象站采集的风向风速数据生成第一风频风速玫瑰图，然后基于该气象站的第一风频风速玫瑰图，即可推算出空气污染源的溯源位置，从而针对空气污染快速、准确地找到污染源。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第二实施例中，基于第一实施例，步骤S130，包括如下步骤：
步骤S210：所述服务器将当前的空气质量指数减去上一采集时刻采集的空气质量指数，以得到各气象站的指数差值。
具体的，这里的指数差值能够反映气象站处空气质量指数的变化，若该指数差值为正数，则说明空气质量变差，且指数差值越大，则说明空气质量变得越差。
步骤S220：所述服务器基于所述第一预设时间段生成预设差值。
具体的，这里的预设差值为正常情况下(不出现空气污染事件时)，气象站处的空气质量指数的变化阈值，本实施例中，预设差值优选为8。
步骤S230：所述服务器将大于所述预设差值的所有的所述指数差值标记为目标集合。
具体的，若指数差值大于预设差值，则说明对应的气象站处出现了空气污染事件，故将大于预设差值的所有的指数差值标记为目标集合。
步骤S240：所述服务器将所述目标集合中的最大的所述指数差值标记为目标差值。
具体的，即目标集合中最大的指数差值即说明空气质量指数增加值最大。
步骤S250：所述服务器将所述目标差值对应的所述气象站标记为所述目标气象站。
具体的，进而说明对应的气象站处出现空气污染的程度最严重，故直接将目标差值对应的气象站标记为目标气象站。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第三实施例中，基于第二实施例，所述服务器基于所述第一预设时间段生成预设差值的计算公式为：
Figure BDA0003251895950000081
其中，Cy为所述预设差值；Cb为标准差值，为大于0的常数，根据待测区域的年平均空气质量指数确定，且与待测区域的年平均空气质量指数呈正相关，本实施例中优选为40；T1为所述第一预设时间段，本实施例中为1小时；Tb为标准时长，为大于0的常数，本实施例中优选为5小时。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第四实施例中，基于第二实施例，步骤S150，包括如下步骤：
步骤S410：所述服务器基于所述第一风频风速玫瑰图计算过去第一预设时间段的总风力移动矢量：
Figure BDA0003251895950000082
其中，
Figure BDA0003251895950000083
为过去第一预设时间段的总风力移动矢量；所述第一风频风速玫瑰图以东西向为X轴，以南北向为Y轴，所述第一风频风速玫瑰图包括N个不同方向的风向矢量(本实施例中N为16)，每个所述风向矢量对应有频率值，每个所述风向矢量还对应有平均风速值，这里的平均风速值的单位为km/h，
Figure BDA0003251895950000084
代表第i个所述风向矢量，所述风向矢量的模为对应的所述频率值，Fi,v为第i个所述风向矢量对应的平均风速值。
具体的，通过上述公式，能够计算得到过去1小时内的总风力移动矢量，该总风力移动矢量即表示风力在过去1小时内所吹向的方向和吹动的距离。
步骤S420：所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标。
具体的，因空气污染源的坐标再与总风力移动矢量相加而得到目标气象站的位置，故将目标气象站的地理坐标减去总风力移动矢量，即可以生成空气污染源的溯源位置坐标。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第五实施例中，基于第四实施例，步骤S420，之后还包括如下步骤：
步骤S510：所述服务器将与所述溯源位置最近的所述气象站标记为第一气象站。
步骤S520：所述服务器判断所述第一气象站是否为所述目标气象站。
具体的，因第一气象站是距离溯源位置最近的气象站，在正常情况下，污染最严重的应该是第一气象站，即第一气象站应该即是目标气象站，但如果第一气象站不是目标气象站，则需要进一步进行验证，以保证该溯源位置的准确性。
若否，执行步骤S530：所述服务器基于所述第一风频风速玫瑰图生成过去第一预设时间段内的各个子风力移动矢量：
Figure BDA0003251895950000091
其中，
Figure BDA0003251895950000092
为过去第一预设时间段内的第i个子风力移动矢量，i大于0且小于或等于N，N为所述第一风频风速玫瑰图中风向矢量的个数(本实施例中N为16)。
具体的，即计算得到16个方向的子风力移动矢量。
步骤S540：所述服务器基于过去第一预设时间段内的各个子风力移动矢量得到所述溯源位置至所述第一气象站方向上的风力移动矢量，并标记为第一风力移动矢量。
具体的，计算得到16个方向上的子风力移动矢量映射在溯源位置至第一气象站方向上的风力移动矢量。
步骤S550：所述服务器判断所述第一风力移动矢量的模是否大于所述溯源位置与所述第一气象站之间的距离。
具体的，若第一风力移动矢量的模大于溯源位置与所述第一气象站之间的距离，即说明在过去第一预设时间段内，风力能够将溯源位置的污染空气吹至第一气象站，即第一气象站应该能够检测到空气污染。
若是，执行步骤S560：所述服务器判断所述第一气象站的所述指数差值是否大于所述预设差值。
具体的，即服务器会判断第一气象站的指数差值是否大于预设差值。
步骤S570：若小于，所述服务器生成溯源存疑信息。
具体的，若小于，说明第一气象站并未检测到空气污染，则说明上述计算得到的溯源位置出现了错误，需要进一步对溯源位置进行验证判断，故服务器生成溯源存疑信息。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第六实施例中，基于第五实施例，所述***还包括无人机和显示屏；所述服务器用于控制所述无人机的飞行；所述无人机具有拍照功能；所述显示屏与所述服务器通信连接；本实施例还包括如下步骤：
步骤S610：所述服务器控制所述无人机飞行至所述溯源位置。
步骤S620：所述无人机对所述溯源位置进行拍摄，以获取溯源位置图像。
步骤S630：所述无人机将所述溯源位置图像发送至所述服务器。
步骤S640：所述服务器将所述溯源位置图像显示于所述显示屏。
具体的，通过无人机将溯源位置的图像显示于显示屏，工作人员观察该图片，看图片内是否出现了空气污染现象，以便于工作人员基于该图片判断前述计算得到的溯源位置是否准确。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第七实施例中，基于第六实施例，步骤S630，之后还包括如下步骤：
步骤S710：所述服务器对所述溯源位置图像进行图像分析，以判断所述溯源位置是否为空气污染源的实际位置。
具体的，通过图像分析的方式来判断溯源位置图像中是否出现了空气污染现象，从而判断溯源位置是否为空气污染源的实际位置，相比人力判断更加便捷快速。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第八实施例中，基于第四实施例，步骤S420，之后还包括如下步骤：
步骤S810：所述服务器基于所述目标气象站的未来所述第一预设时间段内的所述风向风速数据生成对应的第二风频风速玫瑰图。
即服务器于1小时后再次获取目标气象站的未来第一预设时间段内的风向风速数据。
然后基于目标气象站未来1小时的风向风速数据，从而生成对应的第二风频风速玫瑰图。
步骤S820：所述服务器基于所述第二风频风速玫瑰图生成未来第一预设时间段内的各个子风力移动矢量。
Figure BDA0003251895950000101
其中，
Figure BDA0003251895950000102
为未来第一预设时间段内的第i个子风力移动矢量，i大于0且小于或等于N，N为所述第二风频风速玫瑰图中风向矢量的个数；所述第二风频风速玫瑰图以东西向为X轴，以南北向为Y轴，所述第二风频风速玫瑰图包括N个不同方向的风向矢量，每个所述风向矢量对应有频率值，每个所述风向矢量还对应有平均风速值，
Figure BDA0003251895950000111
代表第二风频风速玫瑰图中第i个所述风向矢量，所述风向矢量的模为对应的所述频率值，Wi,v为第二风频风速玫瑰图中第i个所述风向矢量对应的平均风速值。
步骤S830：所述服务器基于未来第一预设时间段内的各个子风力移动矢量得到所述溯源位置至所述目标气象站方向上的风力移动矢量，并标记为第二风力移动矢量。
具体的，这里的第二风力移动矢量即是未来1小时后，风力从溯源位置吹向目标气象站方向上的移动矢量。
步骤S840：当所述第二风力移动矢量的模大于所述溯源位置与所述目标气象站之间的距离时，所述服务器判断所述目标气象站的未来所述第一预设时间段后的所述指数差值是否为正数。
具体的，当所述第二风力移动矢量的模大于所述溯源位置与所述目标气象站之间的距离时，说明在未来1小时后，风力能够从溯源位置吹至目标气象站，则目标气象站应当仍然能够检测到空气污染。
故进一步判断目标气象站的未来第一预设时间段后的指数差值是否为正数。
步骤S850：若未来所述第一预设时间段后的所述指数差值不为正数，所述服务器生成溯源存疑信息。
具体的，若不为正数，说明目标气象站检测的空气质量指数出现了下降，与前述的目标气象站应当仍然能够检测到空气污染的结论矛盾，从而说明溯源位置出现了错误，故服务器生成溯源存疑信息，以提醒工作人员进行人工勘误。
步骤S860：当所述第二风力移动矢量的模小于所述溯源位置与所述目标气象站之间的距离时，所述服务器判断所述目标气象站的未来所述第一预设时间段后的所述指数差值是否为负数。
具体的，当所述第二风力移动矢量的模小于所述溯源位置与所述目标气象站之间的距离时，说明在未来1小时后，风力并不能够从溯源位置吹至目标气象站，则目标气象站应当检测不到空气污染。
故进一步判断目标气象站的未来第一预设时间段后的指数差值是否为负数。
步骤S870：若未来所述第一预设时间段后的所述指数差值不为负数，所述服务器生成溯源存疑信息。
具体的，若不为负数，说明目标气象站检测的空气质量指数出现了上升，与前述的目标气象站应当检测不到空气污染的结论矛盾，从而说明溯源位置出现了错误，故服务器生成溯源存疑信息，以提醒工作人员进行人工勘误。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第九实施例中，基于第六实施例，所述无人机设置有空气质量检测仪；所述空气质量检测仪能够实时检测空气质量，并实时生成空气质量指数；步骤S420，之后还包括如下步骤：
步骤S910：所述服务器判断所述总风力移动矢量的模是否大于2个相邻的所述气象站之间的最大距离。
若是，执行步骤S920：所述服务器控制所述无人机以所述目标气象站为起始位置，向所述溯源位置移动，移动过程中每隔预设距离检测一次空气质量，并实时生成空气质量指数。
具体的，若总风力移动矢量的模大于2个相邻的气象站之间的最大距离，则说明风力吹动的距离大于2个相邻的气象站之间的最大距离，从而说明实际空气污染源的位置可能在溯源位置与目标气象站之间的直线上的任一点，需要进一步进行判断，以提升溯源位置的准确性。
故直接控制无人机以目标气象站为起始位置，向溯源位置移动，移动过程中每隔预设距离(例如1公里)检测一次空气质量，并实时生成空气质量指数，即通过无人机实地检测，以精准获取空气污染源的位置。
步骤S930：所述无人机将实时生成的空气质量指数以及对应的检测位置发送至所述服务器。
步骤S940：所述服务器将实时生成的空气质量指数首次为正常值时，所述无人机所对应的所述检测位置以行进方向反向预设距离的位置标记为勘正位置。
具体的，在无人机的移动过程中，在真正的空气污染源和目标气象站之间时，所检测的空气质量指数应当是超标的，而一旦超过了真正的空气污染原的位置，则检测的空气质量指数应当是正常的(即为正常值时，本实施例中，该正常值即是采集时刻，本区域内空气质量指数的平均值)，故一旦无人机检测的空气质量指数为首次为正常值时，则说明无人机刚刚超过真正的空气污染源，故直接将该检测位置反向推1公里后的位置标记为勘正位置，该勘正位置即为真正的空气污染源位置。
在本发明提出的一种基于风玫瑰图及污染源监测的空气质量溯源方法的第十实施例中，基于第四实施例，所述***还包括报警器；所述报警器通信连接于所述服务器；步骤S420，之后还包括如下步骤：
步骤S1010：所述报警器发出警报。
具体的，即计算到了溯源位置后，通过报警器提醒工作人员，以便于进行下一步空气治理措施。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，应用于基于风玫瑰图及污染源监测的空气质量溯源***；所述***包括服务器和多个气象站；多个所述气象站呈网格状等间距分布设置于监测区域；多个所述气象站均与所述服务器通信连接；所述方法，包括：
所述气象站每隔第一预设时间段将采集的空气质量指数发送至所述服务器；
所述气象站每隔第二预设时间段将采集的风向风速数据发送至所述服务器，其中，所述第二预设时间段小于所述第一预设时间段；
所述服务器基于各气象站的所述空气质量指数，获取检测到空气污染事件的气象站，并标记为目标气象站；
所述服务器基于所述目标气象站的过去所述第一预设时间段内的所述风向风速数据生成对应的第一风频风速玫瑰图；
所述服务器基于所述第一风频风速玫瑰图确定空气污染源的溯源位置；
所述服务器基于各气象站的所述空气质量指数，获取检测到空气污染事件的气象站，并标记为目标气象站，包括：
所述服务器将当前的空气质量指数减去上一采集时刻采集的空气质量指数，以得到各气象站的指数差值；
所述服务器基于所述第一预设时间段生成预设差值；
所述服务器将大于所述预设差值的所有的所述指数差值标记为目标集合；
所述服务器将所述目标集合中的最大的所述指数差值标记为目标差值；
所述服务器将所述目标差值对应的所述气象站标记为所述目标气象站；
所述服务器基于所述第一预设时间段生成预设差值的计算公式为：
Figure FDA0003534372260000011
其中，Cy为所述预设差值；Cb为标准差值，为大于0的常数，根据待测区域的年平均空气质量指数确定；T1为所述第一预设时间段；Tb为标准时长，为大于0的常数。
2.根据权利要求1所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述服务器基于所述第一风频风速玫瑰图确定空气污染源的溯源位置，包括：
所述服务器基于所述第一风频风速玫瑰图计算过去第一预设时间段的总风力移动矢量：
Figure FDA0003534372260000021
其中，
Figure FDA0003534372260000025
为过去第一预设时间段的总风力移动矢量；所述第一风频风速玫瑰图以东西向为X轴，以南北向为Y轴，所述第一风频风速玫瑰图包括N个不同方向的风向矢量，每个所述风向矢量对应有频率值，每个所述风向矢量还对应有平均风速值，
Figure FDA0003534372260000022
代表第i个所述风向矢量，所述风向矢量的模为对应的所述频率值，Fi,v为第i个所述风向矢量对应的平均风速值；
所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标。
3.根据权利要求2所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述服务器将与所述溯源位置最近的所述气象站标记为第一气象站；
所述服务器判断所述第一气象站是否为所述目标气象站；
若否，所述服务器基于所述第一风频风速玫瑰图生成过去第一预设时间段内的各个子风力移动矢量：
Figure FDA0003534372260000023
其中，
Figure FDA0003534372260000024
为过去第一预设时间段内的第i个子风力移动矢量，i大于0且小于或等于N，N为所述第一风频风速玫瑰图中风向矢量的个数；
所述服务器基于过去第一预设时间段内的各个子风力移动矢量得到所述溯源位置至所述第一气象站方向上的风力移动矢量，并标记为第一风力移动矢量；
所述服务器判断所述第一风力移动矢量的模是否大于所述溯源位置与所述第一气象站之间的距离；
若是，所述服务器判断所述第一气象站的所述指数差值是否大于所述预设差值；
若小于，所述服务器生成溯源存疑信息。
4.根据权利要求3所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述***还包括无人机和显示屏；所述服务器用于控制所述无人机的飞行；所述无人机具有拍照功能；所述显示屏与所述服务器通信连接；所述方法，还包括：
所述服务器控制所述无人机飞行至所述溯源位置；
所述无人机对所述溯源位置进行拍摄，以获取溯源位置图像；
所述无人机将所述溯源位置图像发送至所述服务器；
所述服务器将所述溯源位置图像显示于所述显示屏。
5.根据权利要求4所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述无人机将所述溯源位置图像发送至所述服务器，之后还包括：
所述服务器对所述溯源位置图像进行图像分析，以判断所述溯源位置是否为空气污染源的实际位置。
6.根据权利要求2所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述服务器基于所述目标气象站的未来所述第一预设时间段内的所述风向风速数据生成对应的第二风频风速玫瑰图；
所述服务器基于所述第二风频风速玫瑰图生成未来第一预设时间段内的各个子风力移动矢量：
Figure FDA0003534372260000031
其中，
Figure FDA0003534372260000032
为未来第一预设时间段内的第i个子风力移动矢量，i大于0且小于或等于N，N为所述第二风频风速玫瑰图中风向矢量的个数；所述第二风频风速玫瑰图以东西向为X轴，以南北向为Y轴，所述第二风频风速玫瑰图包括N个不同方向的风向矢量，每个所述风向矢量对应有频率值，每个所述风向矢量还对应有平均风速值，
Figure FDA0003534372260000033
代表第i个所述风向矢量，所述风向矢量的模为对应的所述频率值，Wi,v为第i个所述风向矢量对应的平均风速值；
所述服务器基于未来第一预设时间段内的各个子风力移动矢量得到所述溯源位置至所述目标气象站方向上的风力移动矢量，并标记为第二风力移动矢量；
当所述第二风力移动矢量的模大于所述溯源位置与所述目标气象站之间的距离时，所述服务器判断所述目标气象站的未来所述第一预设时间段后的所述指数差值是否为正数；
若未来所述第一预设时间段后的所述指数差值不为正数，所述服务器生成溯源存疑信息；
当所述第二风力移动矢量的模小于所述溯源位置与所述目标气象站之间的距离时，所述服务器判断所述目标气象站的未来所述第一预设时间段后的所述指数差值是否为负数；
若未来所述第一预设时间段后的所述指数差值不为负数，所述服务器生成溯源存疑信息。
7.根据权利要求4所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述无人机设置有空气质量检测仪；所述空气质量检测仪能够实时检测空气质量，并实时生成空气质量指数；所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述服务器判断所述总风力移动矢量的模是否大于2个相邻的所述气象站之间的最大距离；
若是，所述服务器控制所述无人机以所述目标气象站为起始位置，向所述溯源位置移动，移动过程中每隔预设距离检测一次空气质量，并实时生成空气质量指数；
所述无人机将实时生成的空气质量指数以及对应的检测位置发送至所述服务器；
所述服务器将实时生成的空气质量指数首次为正常值时，所述无人机所对应的所述检测位置以行进方向反向预设距离的位置标记为勘正位置。
8.根据权利要求2所述的一种基于风玫瑰图及污染源监测的空气质量溯源方法，其特征在于，所述***还包括报警器；所述报警器通信连接于所述服务器；所述服务器将所述目标气象站的地理坐标减去所述总风力移动矢量，以生成空气污染源的溯源位置坐标，之后还包括：
所述报警器发出警报。
CN202111048466.5A 2021-09-08 2021-09-08 基于风玫瑰图及污染源监测的空气质量溯源方法 Active CN113759441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111048466.5A CN113759441B (zh) 2021-09-08 2021-09-08 基于风玫瑰图及污染源监测的空气质量溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111048466.5A CN113759441B (zh) 2021-09-08 2021-09-08 基于风玫瑰图及污染源监测的空气质量溯源方法

Publications (2)

Publication Number Publication Date
CN113759441A CN113759441A (zh) 2021-12-07
CN113759441B true CN113759441B (zh) 2022-04-22

Family

ID=78793755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111048466.5A Active CN113759441B (zh) 2021-09-08 2021-09-08 基于风玫瑰图及污染源监测的空气质量溯源方法

Country Status (1)

Country Link
CN (1) CN113759441B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117054616B (zh) * 2023-09-20 2024-03-26 青岛熙正数字科技有限公司 一种基于人工智能的远程中台大气污染溯源***

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201120419A (en) * 2009-12-09 2011-06-16 Ind Tech Res Inst Method and system to estimate air pollutant emission sources
CN102116734A (zh) * 2009-12-30 2011-07-06 财团法人工业技术研究院 污染物来源预测方法及***
CN104849415A (zh) * 2015-06-11 2015-08-19 刘国宝 基于北斗定位的空气污染监控***
CN105911219A (zh) * 2016-04-08 2016-08-31 北京盈盛恒泰科技有限责任公司 一种污染气体监测预警***及方法
CN107917987A (zh) * 2017-11-09 2018-04-17 北京伟瑞迪科技有限公司 一种面向城市空气污染物溯源分析方法
CN108535418A (zh) * 2018-04-12 2018-09-14 盐城工学院 一种污染物溯源方法、装置、监控终端及存储介质
CN108645769A (zh) * 2018-06-05 2018-10-12 广州市荣盛环保科技有限公司 一种基于无人机的环境空气质量监测方法
CN109375285A (zh) * 2018-08-20 2019-02-22 泛测（北京）环境科技有限公司 一种应用于污染分析的玫瑰图制作方法
CN110427533A (zh) * 2019-07-25 2019-11-08 东北师范大学 基于时序粒子跟踪的污染传播模式可视分析方法及***
CN110687255A (zh) * 2019-10-21 2020-01-14 软通动力信息技术有限公司 一种空气污染物的溯源方法、装置、设备和存储介质
CN110988259A (zh) * 2019-11-15 2020-04-10 博环(北京)科技有限公司 一种污染源定位方法、装置、***及存储介质
CN111339500A (zh) * 2020-05-20 2020-06-26 中兴仪器（深圳）有限公司 空气污染溯源方法、装置、计算机设备和存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201120419A (en) * 2009-12-09 2011-06-16 Ind Tech Res Inst Method and system to estimate air pollutant emission sources
CN102116734A (zh) * 2009-12-30 2011-07-06 财团法人工业技术研究院 污染物来源预测方法及***
CN104849415A (zh) * 2015-06-11 2015-08-19 刘国宝 基于北斗定位的空气污染监控***
CN105911219A (zh) * 2016-04-08 2016-08-31 北京盈盛恒泰科技有限责任公司 一种污染气体监测预警***及方法
CN107917987A (zh) * 2017-11-09 2018-04-17 北京伟瑞迪科技有限公司 一种面向城市空气污染物溯源分析方法
CN108535418A (zh) * 2018-04-12 2018-09-14 盐城工学院 一种污染物溯源方法、装置、监控终端及存储介质
CN108645769A (zh) * 2018-06-05 2018-10-12 广州市荣盛环保科技有限公司 一种基于无人机的环境空气质量监测方法
CN109375285A (zh) * 2018-08-20 2019-02-22 泛测（北京）环境科技有限公司 一种应用于污染分析的玫瑰图制作方法
CN110427533A (zh) * 2019-07-25 2019-11-08 东北师范大学 基于时序粒子跟踪的污染传播模式可视分析方法及***
CN110687255A (zh) * 2019-10-21 2020-01-14 软通动力信息技术有限公司 一种空气污染物的溯源方法、装置、设备和存储介质
CN110988259A (zh) * 2019-11-15 2020-04-10 博环(北京)科技有限公司 一种污染源定位方法、装置、***及存储介质
CN111339500A (zh) * 2020-05-20 2020-06-26 中兴仪器（深圳）有限公司 空气污染溯源方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN113759441A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN107289925B (zh) 一种绘制用户轨迹的方法和装置
US20190382111A1 (en) Drone and rover preplacement for remote autonomous inspection of utility system components
CN113409617B (zh) 一种渔业船舶偏航预警***及方法
US20090286556A1 (en) Apparatus, method, and program for outputting present position
WO2019028380A1 (en) SYSTEMS, DEVICES AND METHODS FOR RELAYING COMMUNICATIONS USING AUTONOMOUS DRONES
WO2019028333A1 (en) SYSTEMS, DEVICES AND METHODS FOR GENERATING ROUTES OF VEHICLES WITHIN SIGNAL COVERAGE ZONES
US11403814B2 (en) Systems, devices, and methods for generating a dynamic three dimensional communication map
CN113759441B (zh) 基于风玫瑰图及污染源监测的空气质量溯源方法
CN105992259B (zh) 定位检测方法及装置
CN114020002B (zh) 无人机巡检风机叶片的方法、装置、设备、无人机及介质
EP3641350A1 (en) Automatic driving method for motor vehicle, and terminal device
US20220150790A1 (en) Wireless communication device, communication control method, and computer program
CN111812268A (zh) 监测方法、控制装置、无人机和无人机***
CN111665508B (zh) 直升机载地形跟随与回避可视化导航***以及导航方法
JP2017138262A (ja) 位置推定システム
CN115933746A (zh) 一种电力配网自动巡检方法及装置
US11113567B1 (en) Producing training data for machine learning
CN112083454A (zh) 轨迹纠偏方法、装置、设备及存储介质
CN105682031A (zh) 一种自动切换网络定位服务的方法和装置
CN109373531B (zh) 空调机组及其检测方法、检测装置和云服务器
CN111563689A (zh) 一种飞行器操作评分方法及***
CN116989842A (zh) 一种基于大数据的设备故障诊断方法、装置及存储介质
CN108124268B (zh) 一种参数准确性识别方法及网络设备
JP2015190830A (ja) 消費エネルギー推定装置、通信装置、消費エネルギー推定方法、消費エネルギー推定プログラム
KR102619131B1 (ko) 위성데이터 결측값 추정방법 및 시스템

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