CN114689802B - 一种空气污染立体监测展示***及方法 - Google Patents
一种空气污染立体监测展示***及方法 Download PDFInfo
- Publication number
- CN114689802B CN114689802B CN202210353896.6A CN202210353896A CN114689802B CN 114689802 B CN114689802 B CN 114689802B CN 202210353896 A CN202210353896 A CN 202210353896A CN 114689802 B CN114689802 B CN 114689802B
- Authority
- CN
- China
- Prior art keywords
- data
- air quality
- quality data
- statistical
- dimensional
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000003915 air pollution Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 45
- 231100000719 pollutant Toxicity 0.000 claims abstract description 45
- 230000000007 visual effect Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 14
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 8
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 8
- 239000000356 contaminant Substances 0.000 claims description 7
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 6
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 5
- 239000013618 particulate matter Substances 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract description 32
- 229910000831 Steel Inorganic materials 0.000 abstract description 17
- 239000010959 steel Substances 0.000 abstract description 17
- 229910052742 iron Inorganic materials 0.000 abstract description 16
- 238000012800 visualization Methods 0.000 abstract description 7
- 238000009792 diffusion process Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000002912 waste gas Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0037—NOx
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0039—O3
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0042—SO2 or SO3
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Dispersion Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及空气污染监测领域,尤其涉及一种空气污染立体监测展示***及方法,包括:无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个空气质量数据的统计数据,空气质量数据的统计数据传输至数据处理模块;数据处理模块,将空气质量数据的统计数据转换为三维可视化数据,并将三维可视化数据传输至展示模块;展示模块,用于将三维可视化数据在3D地图上可视化显示。在实际应用过程中,本申请的展示***,能够通过无人机采集模块对钢铁企业厂区进行全空域的污染排放物监测,能够更为准确及时得监测污染排放物的扩散状况,且将采集数据通过可视化得处理,使得污染排放物能够更直观得展现。
Description
技术领域
本申请涉及空气污染监测领域,尤其涉及一种空气污染立体监测展示***及方法。
背景技术
钢铁企业在生产过程中会大量使用化石燃料,因此会向大气环境中排放大量的废烟废气污染物,导致严重破坏大气环境。获取并分析钢铁企业所排出的废烟废气污染物,并制定相关的解决方案是治理排放污染物的手段之一。
为了对钢铁企业的排放污染物进行监测,目前的监测方法是通过地面设置的空气质量监测仪进行监测。空气质量监测仪布局在所需监测区域内的立杆上,待空气质量监测仪检测完空气质量后,读取空气质量检测仪中的空气质量测量数据,最后再将不同检测区域的空气质量情况汇总并标注在地图上,从而对污染物排放治理做出决策。
现有的监测方法只能通过设置在地面立杆上的空气质量检测仪进行监测,对于高于地面十米、二十米、一百米等高度的空气质量无法进行监测;且对于检测区域内的空气质量情况的展示效果较为单一,只能够读取检测数据人为得辨别污染程度,不能直观得了解钢铁企业污染物排放对空气质量的影响情况。
发明内容
为了解决现有技术中对钢铁企业的高空污染排放物难以监测,且监测的数据展示单一不够直观的问题,本申请提供了一种空气污染立体监测展示***包括:
无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,并将所述空气质量数据的统计数据传输至数据处理模块;
所述数据处理模块,用于将所述空气质量数据的统计数据转换为三维可视化数据,并将所述三维可视化数据传输至展示模块;
所述展示模块,用于将所述三维可视化数据在3D厂区地图上可视化显示。
进一步的,所述空气质量数据转换为三维可视化数据,包括:
将空气质量数据转化为像素矩阵并进行数据填充,最后得到所述三维可视化数据。
进一步的,所述三维可视化数据包括至少一个数据点,所述数据点包含对应的三维坐标和数据值,所述数据值具有相应的空气污染等级。
进一步的,所述数据填充,包括:对预设区域内的空气质量数据进行填补,直至预设区域内的空气质量数据填补完毕。
进一步的,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,包括:
每当达到预设的预处理条件时,获取所述预处理条件对应的统计时段;
确定所述统计时段对应的统计数据。
进一步的,所述统计数据包括:二氧化硫排放量、二氧化氮排放量、颗粒物排放量、一氧化碳排放量和臭氧排放量。
进一步的,所述统计时段包括:24小时时段和1小时时段。
进一步的,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,所述预处理,包括:
获取第一次读取的所述空气质量数据,再获得预设时间段后的第二次读取的所述空气质量数据,得到的两次所述空气质量数据取平均值;
将平均值作为预设区域内的空气质量数据的统计数据。
一种空气污染立体监测展示方法,应用于如上述所述的一种所述一种空气污染立体监测,所述空气污染立体监测方法包括:
读取预设区域内不同高度的空气质量数据,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据;
将所述空气质量数据的统计数据转换为三维可视化数据;
将所述三维可视化数据在3D厂区地图上可视化显示。
一种计算机设备包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述所述的基于一种空气污染立体监测展示方法的步骤。
由以上技术方案可知,无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,并将所述空气质量数据的统计数据传输至数据处理模块;所述数据处理模块,用于将所述空气质量数据的统计数据转换为三维可视化数据,并将所述三维可视化数据传输至展示模块;所述展示模块,用于将所述三维可视化数据在3D厂区地图上可视化显示。
在实际应用过程中,本申请的一种空气污染立体监测展示***,能够通过无人机采集模块对钢铁企业厂区进行全空域的污染排放物监测,能够更为准确及时得监测污染排放物的扩散状况;且,将采集数据通过可视化得处理,使得污染排放物能够更直观得展现,为污染排放物的治理决策提供了保障。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本申请实施例一种空气污染立体监测展示***的示意图;
图2为本申请实施例一种空气污染立体监测展示方法的示意图;
图3为本申请实施例一种空气污染立体监测展示***的场景示意图;
图4为本申请实施例一种空气污染立体监测展示***的效果示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“连接”应做广义理解,例如,可以是电连接,也可以是通信连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
此外,术语“包括”和“用于”以及他们的任何变形,意图在于覆盖但不排他的包含,例如,包含了一系列组件的产品或设备不必限于清楚地列出的那些组件,而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
为了解决现有技术中对钢铁企业的高空污染排放物难以监测,且监测的数据展示单一不够直观的问题,参见图1,为本申请实施例一种空气污染立体监测展示***的示意图;本申请实施例第一方面提供一种空气污染立体监测展示***,包括:无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,并将所述空气质量数据的统计数据传输至数据处理模块。
具体的,在本申请部分实施例中,在无人机上设置空气质量检测仪,并选择无人机作为钢铁企业污染排放物的采集端,使用无人机对选定的检测区域空间内的大气数据分布进行监测,并收集实际的钢铁企业内的污染物排放量,同时可以操纵无人机读取不同高度的污染排放物,能够更好得对钢铁企业的排放污染物进行全面得监测。无人机通过通信技术与地面操纵台互为通信,通过地面操纵台的设定路线进行污染物监控作业,同时接收来自无人机所采集的实际空气污染的排放物数据,并将采集到的空气污染物数据转化为统计信息,以获取实际的空气污染排放数据以及用于可视化展示的统计信息。
在本申请的部分实施例中,选定所需监测的预设地区,获取对应的监测区域的坐标图,由卫星图以及结合实际厂区排放点作为选定预设的监测区域;选定的预设区域是具有不同高度的预设监测范围,用于读取不同高度的污染排放物含量;具体的,选定预设区域的俯视图为第一检测面,设定距离第一检测面若干米的平面作为第二检测面,第一检测面与第二检测面中间区域为待检测区域,无人机在预设的待检测区域内沿着X、Y和Z轴方向检测污染排放物,形成不同高度的三维空间污染物排放检测图。
在本申请部分实施例中,所述数据处理模块,用于将所述空气质量数据的统计数据转换为三维可视化数据,并将所述三维可视化数据传输至展示模块;基于预设的待检测区域,建立三维网格模型,用于作为三维可视化数据的框架,其中三维网格模型的坐标轴范围与预设的待监测区域相同;同时,由于钢铁企业的厂区中所检测到的空气污染数据无法直观得展示,其数据具有稀疏性,所以要对所述空气质量数据进行转化,将真实的空气质量数据转化为像素矩阵并在三维网格模型中进行数据填充,通过不同等级的所述空气质量数据通过不同颜色的像素矩阵进行标示,能够更为直观得观察检测区域内的空气污染程度以及范围。
进一步的,在本申请部分实施例中,所述展示模块,用于将所述三维可视化数据在3D厂区地图上可视化显示;所述3D厂区地图展示在显示器上,呈现出钢铁企业厂区的多个视图视角,每个视图视角都对应这该场景的观看方向;所述三维可视化数据为带三维网格模型和已进行数据填充的像素矩阵,且不同污染程度的像素矩阵所展示的颜色不同;当所述三维可视化数据与所述3D厂区地图结合时,观看者能够观看到所述展示模块所提供的三维深度展示效果,更能够直观察到钢铁企业的污染物排放状况,以便于之后做出对排放污染物的治理决策。
由以上技术方案可知,本申请提供的一种空气污染立体监测展示***,包括无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,并将所述空气质量数据的统计数据传输至数据处理模块;所述数据处理模块,用于将所述空气质量数据的统计数据转换为三维可视化数据,并将所述三维可视化数据传输至展示模块;所述展示模块,用于将所述三维可视化数据在3D厂区地图上可视化显示。
在实际应用过程中,本申请的一种空气污染立体监测展示***,能够通过无人机采集模块对钢铁企业厂区进行全空域的污染排放物监测,能够更为准确及时得监测污染排放物的扩散状况;且,将采集数据通过可视化得处理,使得污染排放物能够更直观得展现,为污染排放物的治理决策提供了保障。
进一步的,在本申请的部分实施例中,所述空气质量数据转换为三维可视化数据,具体为:将空气质量数据转化为像素矩阵并进行数据填充,最后得到所述三维可视化数据;首先将无人机模块所采集到的所述空气质量数据进行处理,去除格式有误的数据文件,再将所得到数据文件进行三维场景图像的转化,得到三维可视化数据;所采用的三维可视化的场景设计不仅能够让污染排放物数据进行实时监测反馈,使得监测人员对所处环境的空气质量环境产生感官上的认知,而不只是通过传统的数值进行辨识,有效得提升了用户的体验。
在本申请的部分实施例中,所述三维可视化数据包括至少一个数据点,所述数据点包含对应的三维坐标和数据值,所述数据值具有相应的空气污染等级。所述三维可视化数据用于直观得展示污染排放物模型,当监测人员需要依据三维可视化数据判断污染物排放状况时,需要读取其中的数据,用于之后的排放物治理,所以所述三维可视化数据保护三维坐标以及其中的空气污染等级;所述空气污染等级,具体为:
其中,IAQIP为污染物的空气质量分指数,IAQIHI为空气质量分指数,IAQILo为污染物浓度限值的低位值分指数,BPHI为污染物项目的质量浓度限值的高位值,BPLo为污染物项目的质量浓度限值的低位值,CP为污染物项目的质量浓度值。
在本申请的部分实施例中,所述数据填充,具体为:对预设区域内的空气质量数据进行填补,直至预设区域内的空气质量数据填补完毕。由于从钢铁企业的厂区中所获得的污染排放物数据是由无人机读取,无人机对于扩散型污染排放物读取具有局部性,所获取的数据具有稀疏性,而对于获取数据后的对可视化数据的转换,需要优先转换为像素矩阵并完成建模,而对于一些无人机采集数据所缺失的数据,将会使用数据填充方法进行完善;针对动态时空大数据中互相作用的复杂映射关系,构建相关的推理网络,基于三维卷积神经网络较强的时空域特征学习能力,设计3D网络模型进行面向时空域的时空特征统一建模。以此呈现上一帧像素分布受到时空运动影响后,呈现新一帧像素矩阵,以像素矩阵形式呈现全局呈现结果。
在本申请的部分实施例中,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,包括:每当达到预设的预处理条件时,获取所述预处理条件对应的统计时段;确定所述统计时段对应的统计数据。具体的,当设定所需读取污染排放物数据,获取统计时段内的排放污染物数据,将排放污染物数据按照统计规则计算出统计数据,并将统计数据进行存储;选定第一时间点跟第二时间点,分别读取两个时间点的污染排放物数据,最后根据统计规则计算出统计数据。其中,统计规则可以为均值、最值或者差值等计算公式。将累计时刻对应的累计污染排放物数据进行存储。根据统计时段内的多个累计时刻的累计污染排放物数据,确定统计时段对应的统计数据。所述统计时段包括:24小时时段和1小时时段。
在本申请的部分实施例中,所述统计数据包括:二氧化硫排放量、二氧化氮排放量、颗粒物排放量、一氧化碳排放量和臭氧排放量。通过二氧化硫排放量、二氧化氮排放量、颗粒物排放量、一氧化碳排放量和臭氧排放量的比值可以做出如下判断当颗粒物排放量的比值小于0.4并且浓度比较高时,那么可以判断当前环境受到沙尘影响;当二氧化硫排放量的数值均有大幅度变化时,可以判断当前时段移动源有显著增加;由于一氧化碳排放量是一种比较稳定的气体,因此一氧化碳排放量可以较为客观的评估二氧化硫排放量的变化趋势,可以判断在当前时段工业燃煤的情况;同理一氧化碳排放量也可以较为客观的评估二氧化氮排放量的变化趋势,还可以判断在当前时段柴油消耗排放的情况,也就是说通过不同污染物之间的比值可以反映出这两种污染物之间的联系,进而对当前环境进行情况判断。
为了实现上述***的实际应用,本申请实施例第二方面还提供一种空气污染立体监测展示***,参见图2,为本申请实施例一种空气污染立体监测展示方法的示意图;所述空气污染立体监测方法包括:读取预设区域内不同高度的空气质量数据,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据;将所述空气质量数据的统计数据转换为三维可视化数据;将所述三维可视化数据在3D厂区地图上可视化显示。
参见图3,为本申请实施例一种空气污染立体监测展示***的场景示意图,本申请部分实施例第三方面提供了一种计算机设备包括:
存储器,用于存储计算机程序。
处理器,用于执行所述计算机程序时实现如第二方面实施例的基于一种空气污染立体监测展示方法的步骤。
参加图4,为本申请实施例一种空气污染立体监测展示***的效果示意图,在效果示意图中展示颜色深浅程度,代表了厂区地图中的污染物排放物的严重程度。由此可以更为直观得体验厂区污染情况。
由以上技术方案可知一种无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,并将所述空气质量数据的统计数据传输至数据处理模块;所述数据处理模块,用于将所述空气质量数据的统计数据转换为三维可视化数据,并将所述三维可视化数据传输至展示模块;所述展示模块,用于将所述三维可视化数据在3D厂区地图上可视化显示。
在实际应用过程中,本申请的一种空气污染立体监测展示***,能够通过无人机采集模块对钢铁企业厂区进行全空域的污染排放物监测,能够更为准确及时得监测污染排放物的扩散状况;且,将采集数据通过可视化得处理,使得污染排放物能够更直观得展现,为污染排放物的治理决策提供了保障。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。
Claims (7)
1.一种空气污染立体监测展示***,其特征在于,包括:
无人机采集模块,用于读取预设区域内不同高度的空气质量数据,同时对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,并将所述空气质量数据的统计数据传输至数据处理模块,所述统计数据包括:二氧化硫排放量、二氧化氮排放量、颗粒物排放量、一氧化碳排放量和臭氧排放量,以通过二氧化硫排放量、二氧化氮排放量、颗粒物排放量、一氧化碳排放量和臭氧排放量的比值判断当前环境;所述数据处理模块,用于将所述空气质量数据的统计数据转换为三维可视化数据包括:
将空气质量数据转化为像素矩阵并进行数据填充,最后得到所述三维可视化数据,并用于将所述三维可视化数据传输至展示模块,所述三维可视化数据包括至少一个数据点,所述数据点包含对应的三维坐标和数据值,所述数据值具有相应的空气污染等级,不同等级的所述空气质量数据通过不同颜色的像素矩阵进行标示,所述空气污染等级,具体为:
其中,IAQIP为污染物的空气质量分指数,IAQIHI为空气质量分指数,IAQILo为污染物浓度限值的低位值分指数,BPHI为污染物项目的质量浓度限值的高位值,BPLo为污染物项目的质量浓度限值的低位值,CP为污染物项目的质量浓度值;
所述展示模块,用于将所述三维可视化数据在3D厂区地图上可视化显示。
2.根据权利要求1所述的一种空气污染立体监测展示***,其特征在于,所述数据填充包括:对预设区域内的空气质量数据进行填补,直至预设区域内的空气质量数据填补完毕。
3.根据权利要求1所述的一种空气污染立体监测展示***,其特征在于,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,包括:
每当达到预设的预处理条件时,获取所述预处理条件对应的统计时段;
确定所述统计时段对应的统计数据。
4.根据权利要求3所述的一种空气污染立体监测展示***,其特征在于,所述统计时段包括:24小时时段和1小时时段。
5.根据权利要求1所述的一种空气污染立体监测展示***,其特征在于,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据,所述预处理,包括:
获取第一次读取的所述空气质量数据,再获得预设时间段后的第二次读取的所述空气质量数据,得到的两次所述空气质量数据取平均值;
将平均值作为预设区域内的空气质量数据的统计数据。
6.一种空气污染立体监测展示方法,其特征在于,应用于权利要求1-5任一项所述的一种空气污染立体监测展示***,所述空气污染立体监测展示方法包括:
读取预设区域内不同高度的空气质量数据,对多个空气质量数据进行预处理,得到多个所述空气质量数据的统计数据;
将所述空气质量数据的统计数据转换为三维可视化数据;
将所述三维可视化数据在3D厂区地图上可视化显示。
7.一种计算机设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求6所述的一种空气污染立体监测展示方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210353896.6A CN114689802B (zh) | 2022-04-06 | 2022-04-06 | 一种空气污染立体监测展示***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210353896.6A CN114689802B (zh) | 2022-04-06 | 2022-04-06 | 一种空气污染立体监测展示***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114689802A CN114689802A (zh) | 2022-07-01 |
CN114689802B true CN114689802B (zh) | 2024-03-05 |
Family
ID=82142489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210353896.6A Active CN114689802B (zh) | 2022-04-06 | 2022-04-06 | 一种空气污染立体监测展示***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114689802B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116953177A (zh) * | 2023-09-20 | 2023-10-27 | 深圳市晟世环保能源股份有限公司 | 一种垃圾填埋场环境污染动态监测装置及其控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254330A (zh) * | 2010-07-29 | 2011-11-23 | 山东大学 | 基于图像处理的空气污染数据可视化方法 |
CN109975492A (zh) * | 2019-04-15 | 2019-07-05 | 南京大学 | 沿海大气复合污染天空地一体化监测预警*** |
CN110910480A (zh) * | 2019-09-29 | 2020-03-24 | 谢国宇 | 基于颜色模式映射关系的环境监测图像渲染方法 |
CN112102432A (zh) * | 2020-09-17 | 2020-12-18 | 中科三清科技有限公司 | 空气质量垂直分布图绘制方法、装置及存储介质 |
CN113091820A (zh) * | 2021-04-07 | 2021-07-09 | 青岛国瑞力恒环保科技有限公司 | 一种三维立体环境监测*** |
CN113255995A (zh) * | 2021-05-24 | 2021-08-13 | 北京建筑大学 | 一种空气污染预测方法 |
CN113804829A (zh) * | 2021-08-20 | 2021-12-17 | 重庆市生态环境监测中心 | 一种大气污染天空地一体化实时监测***及方法 |
CN113988540A (zh) * | 2021-09-30 | 2022-01-28 | 山东瑞智飞控科技有限公司 | 一种基于gis技术的大气污染趋势分析方法 |
-
2022
- 2022-04-06 CN CN202210353896.6A patent/CN114689802B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254330A (zh) * | 2010-07-29 | 2011-11-23 | 山东大学 | 基于图像处理的空气污染数据可视化方法 |
CN109975492A (zh) * | 2019-04-15 | 2019-07-05 | 南京大学 | 沿海大气复合污染天空地一体化监测预警*** |
CN110910480A (zh) * | 2019-09-29 | 2020-03-24 | 谢国宇 | 基于颜色模式映射关系的环境监测图像渲染方法 |
CN112102432A (zh) * | 2020-09-17 | 2020-12-18 | 中科三清科技有限公司 | 空气质量垂直分布图绘制方法、装置及存储介质 |
CN113091820A (zh) * | 2021-04-07 | 2021-07-09 | 青岛国瑞力恒环保科技有限公司 | 一种三维立体环境监测*** |
CN113255995A (zh) * | 2021-05-24 | 2021-08-13 | 北京建筑大学 | 一种空气污染预测方法 |
CN113804829A (zh) * | 2021-08-20 | 2021-12-17 | 重庆市生态环境监测中心 | 一种大气污染天空地一体化实时监测***及方法 |
CN113988540A (zh) * | 2021-09-30 | 2022-01-28 | 山东瑞智飞控科技有限公司 | 一种基于gis技术的大气污染趋势分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114689802A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110068655A (zh) | 一种天空地一体化大气监测*** | |
CN107607450A (zh) | 一种大气质量监测方法及相关设备 | |
CN113655175A (zh) | 一种网格化空气监测方法、***、计算机设备及存储介质 | |
CN111462451A (zh) | 基于视频信息的秸秆焚烧检测报警*** | |
CN114689802B (zh) | 一种空气污染立体监测展示***及方法 | |
CN105005581A (zh) | 一种风电场风资源数据处理方法及*** | |
CN206959905U (zh) | 基于OneNET云平台的校园环境监测*** | |
CN209858530U (zh) | 一种天空地一体化大气监测*** | |
CN114298557A (zh) | 一种社区环境质量分析方法及装置 | |
CN115436573A (zh) | 一种大气污染源智能监测方法及装置 | |
CN205193028U (zh) | 一种空气污染移动检测车 | |
CN103530864B (zh) | 一种环保烟尘无组织排放视频监测黑度分析*** | |
CN113018725A (zh) | 基于远程图像分析处理技术的智慧消防分析管理一体化平台 | |
CN109188568B (zh) | 一种多普勒雷达气象矢量化电网精细预警*** | |
CN115170044A (zh) | 大气污染时空态势及传播模式的可视分析*** | |
CN117727162A (zh) | 一种大气污染风险预警方法和*** | |
CN113267601A (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN107831699A (zh) | 一种智能数据采集分析方法和*** | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
CN114112972B (zh) | 一种密闭空间sf6气体泄漏红外遥测装置及其成像定位方法 | |
CN114646735A (zh) | 一种空气中二氧化碳浓度监测*** | |
CN113835139A (zh) | 一种台风动态监视*** | |
CN110941031B (zh) | 一种民航自动气象站在线核查方法及存储介质 | |
CN105677743A (zh) | 水污染环境三维快速显示方法和*** | |
CN117808626B (zh) | 燃煤电厂负荷运行状态监测方法、装置、设备及介质 |
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 |