CN114077798B - 估算小尺度区域大气污染物网格浓度的方法 - Google Patents
估算小尺度区域大气污染物网格浓度的方法 Download PDFInfo
- Publication number
- CN114077798B CN114077798B CN202210057543.1A CN202210057543A CN114077798B CN 114077798 B CN114077798 B CN 114077798B CN 202210057543 A CN202210057543 A CN 202210057543A CN 114077798 B CN114077798 B CN 114077798B
- Authority
- CN
- China
- Prior art keywords
- grid
- small
- concentration
- scale
- monitoring
- 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
Links
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (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
本发明的估算小尺度范围厂区污染物浓度的方法,属于厂区污染浓度估算方法的技术领域,解决现有技术的方法估算厂区污染物浓度精度低的技术问题。其包括在小尺度区域内预设多个监测点位,在所述监测点位布设监测设备;通过所述监测设备实时获取大气污染物浓度数据、气象数据和所述监测设备的经纬度数据;获取所述小尺度区域的中心并确定小尺度扩散模型;将平均风矢量对应的第一网格与实时风矢量对应的第二网格进行融合,获得第一初始网格;根据背景浓度的误差和所述第一初始网格,获取第二初始网格;确定小尺度区域的实时浓度网格。本发明同化方法不受监测点位和网格精细度的限制,具有较强的适用性和移植性。
Description
技术领域
本发明属于厂区污染浓度估算方法的技术领域,尤其涉及一种估算小尺度区域大气污染物网格浓度的方法。
背景技术
针对重点大气污染物排放行业企业,其厂区内的大气污染物浓度分布情况往往较难获得。现有的三维区域质量模型,例如WRF-CMAQ等模式在分辨率上难以对厂区尺度的污染物进行高精度的网格化模拟。
利用AERMOD模型对厂区的污染物网格浓度进行模拟,通常难以获得厂区的实时有组织实时排放数据和无组织实时排放数据,在使用历史污染源数据的条件下,网格化浓度缺少实际观测值的同化,往往与实际的浓度时空分布有较大差距。
有鉴于此,特提出本发明。
发明内容
本发明的目的在于提供一种估算小尺度区域大气污染物网格浓度的方法,解决现有技术的方法估算厂区污染物浓度精度低的技术问题。本案的技术方案有诸多技术有益效果,见下文介绍:
提供一种估算小尺度区域大气污染物网格浓度的方法,所述方法包括:
在小尺度区域内预设多个监测点位,在所述监测点位布设监测设备;
通过所述监测设备实时获取大气污染物浓度数据、气象数据和所述监测设备的经纬度数据;
获取所述小尺度区域的中心,根据所述小尺度区域的中心运用GIS软件绘制等分网格;
小尺度扩散模型根据小尺度区域内的大气污染物的有组织污染源数据和无组织污染源数据模拟大气污染物扩散所确定;
将平均风矢量对应的第一网格与实时风矢量对应的第二网格进行融合,获得第一初始网格,所述融合包括:
Ci为融合后网格i的第一初始网格的浓度,Cij为监测点位j对应风场类型下网格i的第二网格的浓度,d为网格i与监测点位j的距离,R为监测点位j的影响半径,Cia为平均风场下网格i的第一网格的浓度;
根据背景浓度的误差和所述第一初始网格,获取第二初始网格;
根据所述监测设备实时获取的所述第二网格和所述第二初始网格,并将所述第二网格的浓度同化到所述第二初始网格,获得所述小尺度区域的实时浓度网格,包括:
其中:xb为第二网格的浓度;y0为监测点位的浓度;H(x)为监测点位所在第二网格的浓度,B为网格浓度误差协方差;R为监测浓度的误差协方差;J(x)为三维变分方法中的代价函数,当代价函数取得最小值时,x为小尺度区域的实时浓度网格。
在一个优选或可选的实施例中,所述监测点位包括固定的监测点位和可移动的监测点位。
在一个优选或可选的实施例中,所述小尺度区域包括高架点源,采用单弧线地面轴心浓度反推法在所述高架点源布设第一监控设备,且所述第一监控设备位于所述高架点源常年下风向的采样弧线上。
在一个优选或可选的实施例中,所述小尺度区域还包括低矮面源和无组织排放源,采用多弧线地面轴心浓度反推法在所述低矮面源和无组织排放源分别布设第二监控设备,且所述第二监控设备位于所述低矮面源和所述无组织排放源的下风向。
在一个优选或可选的实施例中,所述小尺度区域还包括多个稀疏点源,并设有可移动的第三监控设备,所述第三监控设备用于获取多个稀疏点源大气污染物网格浓度数据和气象数据;
所述第三监控设备设置在近邻所述稀疏点源位置处,或,所述第三监控设备设置在所述稀疏点源的下风向。
在一个优选或可选的实施例中,所述等分网格的行数和列数覆盖所述小尺度区域;所述等分网格为30m×30m。
在一个优选或可选的实施例中,所述小尺度扩散模型根据小尺度区域内的大气污染物的有组织污染源数据和无组织污染源数据模拟大气污染物扩散所确定,包括:
还根据所述小尺度区域内的气象数据进行模拟。
在一个优选或可选的实施例中,所述气象数据至少包括风矢量、温度和湿度;所述将平均风矢量对应的第一网格与实时风矢量对应的第二网格进行融合,获得第一初始网格,包括:
通过至少部分所述监测设备的风矢量,获得所述平均风矢量;
所述小尺度扩散模型根据所述平均风矢量获得所述第一网格;所述小尺度扩散模型根据所述实时风矢量获得所述第二网格。
在一个优选或可选的实施例中,所述背景浓度的误差,包括:
计算所述小尺度扩散模型模拟的第一背景浓度与所述平均风矢量下的第二背景浓度的差值。
在一个优选或可选的实施例中,所述根据背景浓度的误差和所述第一初始网格,获取第二初始网格,包括:
将所述差值叠加到所述第一初始网格,得到的最小值为所述第二初始网格。
在一个优选或可选的实施例中,所述根据所述监测设备实时获取的所述第二网格和所述第二初始网格确定小尺度区域的实时浓度网格,包括:
获取至少部分监测设备实时监测的所述第二网格的浓度;
通过将所述第二网格的浓度同化到所述第二初始网格,获得所述小尺度区域的实时浓度网格。
在一个优选或可选的实施例中,所述获取所述小尺度区域的中心,根据所述小尺度区域的中心运用GIS软件绘制等分网格,包括:
获取所述小尺度区域的最北端和最南端的纬度,确定平均纬度值a;
获取所述小尺度区域的最西端和最东端的经度,确定平均经度值b;
以所述平均纬度值a和平均经度值b作为所述小尺度区域中心点位置的经纬度;
所述平均纬度值a和平均经度值b作为ArcGIS网格的中心网格点,分别向北、南、西、东方向延伸相同数量的网格数;所述等分网格为高分辨率等分网格,所述高分辨率的范围为1:45至1:450。
与现有技术相比,本发明提供的技术方案包括以下有益效果:
本发明的方法在污染厂区内按预设分布点布设多个监测设备,至少可移动的监测装置,多个所述监测设备用以获取实时大气污染物浓度数据和气象场数据,以及获取设备的经纬度数据。考虑厂区无组织排放的对污染物浓度的影响,无组织排放,例如,不通过高架烟囱直接排放的污染物浓度计算,并且,通过风矢量平均值进行理论模型构建,并利用平均风适量确定第二初始网格且进行一次修正,且根据所述监测设备实时获取的所述第二网格对第二初始网格再次进行修正,最终确定小尺度区域的污染物浓度数据。
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获得其他的附图。
图1为本发明方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。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。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。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。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本发明,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践方面。为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
现有技术的估算软件或方法仅能对大范围区域的污染进行估算,无法计算小尺度范围的污染物的估算,小尺度范围,例如,1-20公里范围。本发明旨在提供一种小尺度范围内污染物的估算方法。
如图1所示的估算小尺度区域大气污染物网格浓度的方法,所述方法包括:
S101:在小尺度区域内预设多个监测点位,在监测点位布设监测设备,具体的:
预设的点位布置检测设备,预设可以是根据经纬度预设监测设备,或是,根据选取的网格进行预设布置,如,烟囱距离监测设备距离的远近。小尺度区域监测点位包括固定的监测点位和可移动的监测点位,需针对不同气象环境做不同的布置方案,在保证监测准确的情况下,尽可能的降低设备投入的成本,如下:
小尺度区域如包括高架点源,采用单弧线地面轴心浓度反推法在高架点源布设第一监控设备,且第一监控位于高架点源常年下风向的采样弧线上,考虑***高建筑物对风向的影响,风并非直线型风,沿弧线风向,即为,高架点源的下风侧进行测量,较为准确的测量实际污染物的值,和/或,
小尺度区域如包括低矮面源和无组织排放源,采用多弧线地面轴心浓度反推法在低矮面源和无组织排放源分别布设第二监控设备,且第二监控设备位于低矮面源和无组织排放源的下风向。考虑***高建筑物和中型建筑物对风向的影响,且包括无组织排放对有组织排放的影响,下风向侧布置监控设备,更加贴近实际值,和/或,
小尺度区域如包括多个稀疏点源,并设有可移动的第三监控设备,第三监控设备用于多个稀疏点源大气污染物网格浓度数据和气象数据的获取。进行周期性监测,稀疏点源无组织排放且无规律性,移动监测采集污染数据,更加准确,定点测量时,往往会偏小,因此,移动监控可较少考虑厂区内无组织排放的影响。
可选地,第三监控设备设置在稀疏点源附近;另外,第三监控设备还可以设置在稀疏点源的下风向。
S102:通过监测设备实时获取大气污染物浓度数据、气象数据和监测设备的经纬度数据,为实施检测并分析准备基础数据,监测设备,例如,使用现有技术中可与总服务器数据交互的设备即可,且带有GPS定位***;
S103:获取小尺度区域的中心,小尺度区域的中心通过GIS软件绘制等分网格,具体的:
等分网格的行数和列数覆盖小尺度区域,网格采用高分辨率的形式,优选的,设置网格为30m×30m的网格。例如,小尺度厂区范围为5km×5km,设置的网格为30m×30m,且等分网格为高分辨率等分网格,高分辨率范围为1:45至1:450,优选的,1:150;
S104:小尺度扩散模型根据小尺度区域内的大气污染物的有组织污染源数据和无组织污染源数据模拟大气污染物扩散,优选的为:
建立AERMOD扩散模型,获取小尺度区域的历史污染数据或是预设时间段小尺度区域的气象数据,该历史污染数据包括有组织污染源数据和无组织污染源数据等,在等分网格中通过历史污染数据模拟整体区域内大气污染物的扩散模型。向扩散模型输入不同节气下不同气象场能够输出对应的网格浓度,气象场包括风矢量,即为,不同月份或季度对应不同污染源数据,通过输入的风矢量能够生成对应的理论网格浓度,历史污染数据和气象数据至少包括风矢量、温度和湿度;
进一步的,还根据小尺度区域内的气象数据进行模拟;
S105:将平均风矢量对应的第一网格与实时风矢量对应的第二网格进行融合,获得第一初始网格,具体的:
气象数据至少包括风矢量、温度和湿度;
通过至少部分监测设备的风矢量,获得平均风矢量,当稀疏点较多时,进行所有检测的测量值的加权平均确定平均风矢量,当检测设备布置密集时,或,仅计算部分区域的浓度时,可采用部分监测设备的风矢量数据;
小尺度扩散模型输入平均风矢量获得第一网格;
小尺度扩散模型输入实时风矢量获得第二网格;
进行融合确定第一初始网格,具体的:
Ci为融合后网格i的第一初始网格的浓度,Cij为监测点位j对应风场类型下网格i的第二网格的浓度,d为网格i与监测点位j的距离,R为监测点位j的影响半径,Cia为平均风场下网格i的第一网格的浓度。
需要指出的是,R为监测点位j的影响半径,影响半径的目的是:不同点位可能存在不同的风场,根据监测点位周边的环境,设置该点位的影响半径,如,影响半径设置的范围为50-100m,影响半径内的网格浓度分布受监测点位周边的局地气象扩散影响较大,影响半径外的网格浓度分布受平均风场下浓度分布影响较大,因此,需要融合,提高整体估算的精确性。
S106:根据背景浓度的误差和第一初始网格,确定第二初始网格,具体的:
背景浓度的误差为:计算小尺度扩散模型模拟的第一背景浓度与平均风矢量下的第二背景浓度的差值,第一背景浓度是以最小值作为考量,例如,整体区域布设20个监控点,平均风计算为北风,以最北边的监控点作为背景点的监测数据,以最小值作为进行考量;
将上述差值叠加到第一初始网格,得到的最小值作为第二初始网格。
S107:根据监测设备实时获取的第二网格和第二初始网格确定小尺度区域的实时浓度网格,具体的:
获取至少部分监测设备实时监测的第二网格的浓度,优选的获取所有检测设备实时监测的第二网格的浓度
作为可选地的方案,还可以筛选部分监测设备实时监测的第二网格的浓度,针对特殊点位进行重点监测,能够减少计算量和提高计算效率。
通过将第二网格的浓度同化到第二初始网格,从而确定出小尺度区域的实时浓度网格,即为,在上述的最小值基础上进一步的修正;
进一步,同化的方法为:
其中:xb为第二网格的浓度;y0为监测点位的浓度;H(x)为监测点位所在第二网格的浓度,B为网格浓度误差协方差;R为监测浓度的误差协方差;J(x)为三维变分方法中的代价函数,当代价函数取得最小值时,x为小尺度区域的实时浓度网格。以实际值来校验,提高估算的准确性,即为,对上述中的模型进行校验或修正。
作为本案所提供的具体实施方式,获取所述小尺度区域的中心,根据小尺度区域的中心运用GIS软件绘制等分网格,包括:
获取小尺度区域的最北端和最南端的纬度,确定平均纬度值a;
获取小尺度区域的最西端和最东端的经度,确定平均经度值b;
以平均纬度值a和平均经度值b作为小尺度区域中心点位置的经纬度或是中心点坐标;
平均纬度值a和平均经度值b作为ArcGIS网格的中心网格点,分别向北、南、西、东方向延伸相同数量的网格数,并确定网格的上下、左右顶点经纬度,根据该方法所确定的等分网格,以平均经纬度进行计算,增加模型的准确性,降低误差的影响。
整体技术效果:
1、本案的方法基于稀疏/可移动监测点位监测数据进行污染物浓度同化和反演的算法,降低无组织污染物排放的影响,降低检测成本,且提高监测所获取真实数据的准确性;
2、融合了污染物点源排放数据和无组织源排放数据,能够快捷实现污染物网格化实时反演技术,在无组织污染物实时排放数据较难获得的条件下,对污染物的网格化分布有较好的模拟。
3、同时基于污染物浓度和监测气象的模拟场浓度的观测数据同化技术,除了对模拟网格的污染物浓度进行同化外,也根据各个监测点位的实时气象条件对模拟数据进行同化,改善观测同化的准确性。
4、不受监测点位和网格精细度的限制,具有较强的适用性和移植性。
以上的提出了一种适用于小尺度范围内厂房碳排放的估算方法,本申请的小尺度或小尺度区域等描述方式,可以是城市中的某一片区域或者城市中的小区、工厂、库房等区域,克服现有技术中无法对小尺度范围内碳排放的估算。
以上对本发明所提供的产品进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离发明创造原理的前提下,还可以对发明进行若干改进和修饰,这些改进和修饰也落入发明权利要求的保护范围。
Claims (12)
1.一种估算小尺度区域大气污染物网格浓度的方法,其特征在于,所述方法包括:
在小尺度区域内预设多个监测点位,在所述监测点位布设监测设备;
通过所述监测设备实时获取大气污染物浓度数据、气象数据和所述监测设备的经纬度数据;
获取所述小尺度区域的中心,根据所述小尺度区域的中心运用GIS软件绘制等分网格;
小尺度扩散模型根据小尺度区域内的大气污染物的有组织污染源数据和无组织污染源数据模拟大气污染物扩散所确定;
将平均风矢量对应的第一网格与实时风矢量对应的第二网格进行融合,获得第一初始网格,所述融合包括:
Ci为融合后网格i的第一初始网格的浓度,Cij为监测点位j对应风场类型下网格i的第二网格的浓度,d为网格i与监测点位j的距离,R为监测点位j的影响半径,Cia为平均风场下网格i的第一网格的浓度;
根据背景浓度的误差和所述第一初始网格,获取第二初始网格;
根据所述监测设备实时获取的所述第二网格和所述第二初始网格,并将所述第二网格的浓度同化到所述第二初始网格,获得所述小尺度区域的实时浓度网格,包括:
其中:xb为第二网格的浓度;y0为监测点位的浓度;H(x)为监测点位所在第二网格的浓度,B为网格浓度误差协方差;R为监测浓度的误差协方差;J(x)为三维变分方法中的代价函数,当代价函数取得最小值时,x为小尺度区域的实时浓度网格。
2.根据权利要求1所述的方法,其特征在于,所述监测点位包括固定的监测点位和可移动的监测点位。
3.根据权利要求1所述的方法,其特征在于,所述小尺度区域包括高架点源,采用单弧线地面轴心浓度反推法在所述高架点源布设第一监控设备,且所述第一监控设备位于所述高架点源常年下风向的采样弧线上。
4.根据权利要求3所述的方法,其特征在于,所述小尺度区域还包括低矮面源和无组织排放源,采用多弧线地面轴心浓度反推法在所述低矮面源和无组织排放源分别布设第二监控设备,且所述第二监控设备位于所述低矮面源和所述无组织排放源的下风向。
5.根据权利要求4所述的方法,其特征在于,所述小尺度区域还包括多个稀疏点源,并设有可移动的第三监控设备,所述第三监控设备用于获取多个稀疏点源大气污染物网格浓度数据和气象数据;
所述第三监控设备设置在近邻所述稀疏点源位置处,或,所述第三监控设备设置在所述稀疏点源的下风向。
6.根据权利要求1所述的方法,其特征在于,所述等分网格的行数和列数覆盖所述小尺度区域;所述等分网格为30m×30m。
7.根据权利要求1所述的方法,其特征在于,所述小尺度扩散模型根据小尺度区域内的大气污染物的有组织污染源数据和无组织污染源数据模拟大气污染物扩散所确定,包括:
还根据所述小尺度区域内的气象数据进行模拟。
8.根据权利要求7所述的方法,其特征在于,所述气象数据至少包括风矢量、温度和湿度;所述将平均风矢量对应的第一网格与实时风矢量对应的第二网格进行融合,获得第一初始网格,包括:
通过至少部分所述监测设备的风矢量,获得所述平均风矢量;
所述小尺度扩散模型根据所述平均风矢量获得所述第一网格;所述小尺度扩散模型根据所述实时风矢量获得所述第二网格。
9.根据权利要求8所述的方法,其特征在于,所述背景浓度的误差,包括:
计算所述小尺度扩散模型模拟的第一背景浓度与所述平均风矢量下的第二背景浓度的差值。
10.根据权利要求9所述的方法,其特征在于,所述根据背景浓度的误差和所述第一初始网格,获取第二初始网格,包括:
将所述差值叠加到所述第一初始网格,得到的最小值为所述第二初始网格。
11.根据权利要求1所述的方法,其特征在于,所述根据所述监测设备实时获取的所述第二网格和所述第二初始网格确定小尺度区域的实时浓度网格,包括:
获取至少部分监测设备实时监测的所述第二网格的浓度;
通过将所述第二网格的浓度同化到所述第二初始网格,获得所述小尺度区域的实时浓度网格。
12.根据权利要求1所述的方法,其特征在于,所述获取所述小尺度区域的中心,根据所述小尺度区域的中心运用GIS软件绘制等分网格,包括:
获取所述小尺度区域的最北端和最南端的纬度,确定平均纬度值a;
获取所述小尺度区域的最西端和最东端的经度,确定平均经度值b;
以所述平均纬度值a和平均经度值b作为所述小尺度区域中心点位置的经纬度;
所述平均纬度值a和平均经度值b作为ArcGIS网格的中心网格点,分别向东、南、西和北的方向延伸相同数量的网格并确定各个方向顶点的经纬度;所述等分网格为高分辨率等分网格,所述高分辨率的范围为1:45至1:450。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210057543.1A CN114077798B (zh) | 2022-01-19 | 2022-01-19 | 估算小尺度区域大气污染物网格浓度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210057543.1A CN114077798B (zh) | 2022-01-19 | 2022-01-19 | 估算小尺度区域大气污染物网格浓度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114077798A CN114077798A (zh) | 2022-02-22 |
CN114077798B true CN114077798B (zh) | 2022-04-22 |
Family
ID=80284576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210057543.1A Active CN114077798B (zh) | 2022-01-19 | 2022-01-19 | 估算小尺度区域大气污染物网格浓度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114077798B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912459B (zh) * | 2023-09-13 | 2023-12-19 | 中国海洋大学 | 一种变网格多尺度混合式资料同化方法 |
CN117686669B (zh) * | 2024-02-02 | 2024-04-23 | 北京市生态环境监测中心 | 一种无组织排放源网格化监测方法、装置、设备和介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113740220A (zh) * | 2021-09-07 | 2021-12-03 | 中国人民解放军国防科技大学 | 基于高分辨气溶胶资料的多尺度三维变分同化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201700064056A1 (it) * | 2017-06-09 | 2018-12-09 | Sense Square S R L S | Mappatura delle sorgenti d’inquinamento atmosferico e tracciamento degli inquinanti mediante l’utilizzo di reti di monitoraggio della qualità dell’aria ad alta risoluzione spazio-temporale |
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 |
CN111126710B (zh) * | 2019-12-27 | 2021-07-16 | 成都星时代宇航科技有限公司 | 一种大气污染物预测方法 |
CN113191096B (zh) * | 2021-04-13 | 2022-04-29 | 中南建筑设计院股份有限公司 | 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法 |
CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
-
2022
- 2022-01-19 CN CN202210057543.1A patent/CN114077798B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113740220A (zh) * | 2021-09-07 | 2021-12-03 | 中国人民解放军国防科技大学 | 基于高分辨气溶胶资料的多尺度三维变分同化方法 |
Non-Patent Citations (1)
Title |
---|
大气污染资料同化与应用综述;朱江 等;《大气科学》;20180515;第42卷(第3期);第607-620页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114077798A (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114077798B (zh) | 估算小尺度区域大气污染物网格浓度的方法 | |
CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
CN114757807B (zh) | 多模式融合的大气污染物实际排放量在线核算方法 | |
CN113624921B (zh) | 多模式综合污染溯源方法 | |
CN113297528A (zh) | 一种基于多源大数据的no2高分辨率时空分布计算方法 | |
CN106597416A (zh) | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 | |
US10775258B2 (en) | Heuristic based analytics for gas leak source identification | |
Boon et al. | Analysis of the potential of near-ground measurements of CO 2 and CH 4 in London, UK, for the monitoring of city-scale emissions using an atmospheric transport model | |
CN110658307A (zh) | 评估污染源对环境空气质量影响的方法 | |
KR101607878B1 (ko) | 가상센서와 관측센서를 통합한 대기질 정보 서비스 시스템 및 방법 | |
CN116842877B (zh) | 一种基于多源数据综合利用的小尺度三维风场重构算法 | |
CN112100922A (zh) | 一种基于wrf和cnn卷积神经网络的风资源预测方法 | |
RU2503042C1 (ru) | Способ пространственной количественной оценки уровня загрязнения атмосферного воздуха | |
CN110503348B (zh) | 一种基于位置匹配的个体空气污染暴露模拟测量方法 | |
CN111366195A (zh) | 一种地表水热通量的多尺度观测方法 | |
CN106156756A (zh) | 建设用地效率空间分布的快速估算方法 | |
CN116089406B (zh) | 一种用于海洋测绘的障碍可视化处理*** | |
CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 | |
CN115372287B (zh) | 基于高分五号卫星数据的二氧化硫排放清单构建方法 | |
CN106203891A (zh) | 基于多源遥感影像数据的国土开发密度三维综合评价方法 | |
CN115493657A (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
Calafate et al. | On the use of mobile sensors for estimating city-wide pollution levels | |
Malakan et al. | Comparison of AERMOD Performance using Observed and Prognostic Meteorological Data. |
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 |