CN115185292A - 基于地空一体化的空气污染智能监测方法及平台 - Google Patents
基于地空一体化的空气污染智能监测方法及平台 Download PDFInfo
- Publication number
- CN115185292A CN115185292A CN202210734211.2A CN202210734211A CN115185292A CN 115185292 A CN115185292 A CN 115185292A CN 202210734211 A CN202210734211 A CN 202210734211A CN 115185292 A CN115185292 A CN 115185292A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- pollution
- air
- ground
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 253
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003915 air pollution Methods 0.000 title claims abstract description 30
- 230000010354 integration Effects 0.000 title claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- 239000003344 environmental pollutant Substances 0.000 claims description 57
- 231100000719 pollutant Toxicity 0.000 claims description 56
- 230000007613 environmental effect Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 238000009877 rendering Methods 0.000 claims description 9
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 6
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 6
- 239000012855 volatile organic compound Substances 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000000809 air pollutant Substances 0.000 abstract description 6
- 231100001243 air pollutant Toxicity 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000010485 coping Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- 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
-
- 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
-
- 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
- G01N33/0047—Organic compounds
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Medicinal Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于地空一体化的空气污染智能监测方法及平台,方法包括:(1)按预设条件划定待测区域且对其进行巡航监测,生成监测数据;(2)获取监测数据,对其进行校正处理;(3)获取经校正处理的监测数据,按预设条件进行巡航监测调整;(4)根据校正处理的监测数据和巡航路线,结合地图数据,生成污染热点图数据;(5)根据污染热点图数据,对污染热点区域进行追踪,生成污染排放追踪数据;(6)根据污染排放追踪数据,输出决策信息;本方案可根据需求对目标区域环境空气污染物进行三维监测与智能修正,实现污染分布的可视化表达、污染热点的快速识别以及排放源的追踪,为应对特征源情景下空气污染排放的防控决策提供科学依据。
Description
技术领域
本发明涉及环境科学监测技术领域,尤其涉及基于地空一体化的空气污染智能监测方法及平台。
背景技术
随着环境保护的观念越来越普及和公众对环境保护的意识越来越强,以及国内相应环境保护法的实施落实,目前,全国范围内空气污染总体水平明显下降,但由于污染源、气象等易变多变性也正使得城市局部空气污染问题的日益突显,同时典型污染源的突发性污染泄漏以及常发性偷排、高排等也成为城市空气污染精细化防治的风险因素。面对空气污染高时空分辨率以及立体分布的现实特征,当前稀疏的城市固定监测站难以针对特定目标区域进行高效监测,即便逐渐兴起的道路车载移动测量也无法获知污染物的三维变化特征及其热点的快速识别和排放源的准确追踪。尤其对于紧急突发性污染事件而言,污染强度大且对人体危害强,加之周边地理环境复杂使得人员可进入的风险大,从而常规性地面站和车载移动监测显得无用武之地,无从获知目标源污染泄漏特征及其环境影响趋势,也因此无法精准应对污染风险和难以科学施策。
经过对现有技术的检索发现,中国专利文献号CN111060654A公开(公告)日2020-04-24公开一种基于数字孪生的无人机大气污染实时监测预警平台,包括无人机终端、服务器组和监控终端;所述无人机终端包括摄像头、有害气体浓度传感器、颗粒物浓度传感器、温度传感器、湿度传感器、风速传感器、风向传感器、高度计、无人机主控制器、数据存储装置、定位装置、无线通信装置、供电***。该发明针对传统大气污染监测技术装备智能化水平较低、数据处理分析效率不够高等问题,该方案基于大数据、物联网、人工智能和5G通信等技术,建立城市环境的数字孪生模型,开展大气污染数据的处理分析及自动监测预警,实现对PM2.5、SO2、氮氧化物等环境污染物实时监测和预警。该发明与本发明相比,其无法解决的技术问题包括:1)考虑到所测空气污染物的水平和垂直变化以及在极其狭小空间内无人机无法飞行或有飞行风险等实际情况,可集成骑行背包、机动车载和无人机等不同载具,实现空气污染物的全方位三维智能监测;2)鉴于外业环境的复杂多变,如突发强风、高温高湿等特殊天气,可建立基于外部环境参数的反馈机制自主调整无人机飞行模式和指导地面协同测量,同时在线自动校正污染测量数据,使监测更高效可靠和所测结果更准确;3)基于地空一体化平台的测量轨迹数据,建立三维可视化表达方法,图解现状环境空气污染的高时空分辨率特征,设计开发考虑样本时序特征和环境参数影响的空气污染智能预报***,为污染趋势的精准研判和应对决策提供便捷高效的技术支持。
经过对现有技术的检索发现,中国专利文献号CN111258334A公开(公告)日2020-03-23公开一种环境污染自动寻源方法,通过在无人机端搭载检测模块、高精度定位模块和无线通信模块,从而实现对污染物的超视距监控;同时,结合MATLAB软件对无人机采集的数据进行分析处理,通过污染物浓度公式计算出各点污染物的浓度大小,并分析污染物扩散路径,结合浓度梯度信息,对无人机的飞行轨迹进行控制,从而确定污染源的位置信息并反馈,完成自动寻源过程,机动性强,检测范围广,而且不受场地限制。该发明与本发明相比,其无法解决的技术问题包括:1)鉴于应对紧急突发性污染事件需要人为决策,可对污染分布可视化表达,实现快速有效地辅助决策;2)考虑到污染的分布大多为三维立体分布,可依托无人机和骑行背包、机动车载具等交通工具,通过智能检测平台对污染物进行三维立体监测。
发明内容
有鉴于此,本发明的目的在于提出一种可根据需求对目标区域环境空气污染物进行三维监测与智能修正,实现污染分布的可视化表达、污染热点的快速识别以及排放源的追踪,为应对特征源情景下空气污染排放的防控决策提供科学依据的基于地空一体化的空气污染智能监测方法及平台。
为了实现上述的技术目的,本发明所采用的技术方案为:
一种基于地空一体化的空气污染智能监测方法,其包括:
(1)按预设条件划定待测区域,且对待测区域的污染物指标进行巡航监测,生成监测数据;
(2)获取监测数据,对其进行校正处理;
(3)获取经校正处理的监测数据,按预设条件进行巡航监测调整;
(4)根据校正处理的监测数据和巡航路线,结合地图数据,生成污染热点图数据;
(5)根据污染热点图数据,对污染热点区域进行追踪,生成污染排放追踪数据;
(6)根据污染排放追踪数据,输出决策信息。
作为一种可能的实施方式,具体的,本方案包括:
(1)按预设需求划定待测区域,且按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,生成监测数据;
(2)获取监测数据,按预设条件对其进行数据校正处理,生成经校正的监测数据;
(3)获取经校正的监测数据,按预设条件对其进行异常状况判断,当经校正的监测数据被判断为异常时,输出警告信息且以此进行下一监测位置的预判,继而沿接近下一监测位置方向移动并监测空气指标和环境指标,生成监测数据且进行校正和异常状况判断;
(4)获取地图数据,将巡航路线和经校正的监测数据与地图数据进行关联,再按预设条件对经校正的监测数据进行可视化颜色渲染且与地图数据关联,生成污染热点的空间范围识别结果;
(5)获取污染热点的空间范围识别结果,按预设条件对污染热点的空间范围识别结果中的污染热点区域进行空中巡航且监测空气指标和环境指标,并根据空气指标逐步接近污染浓度高的位置,同时,指引地面巡航驶向空中巡航对应的地面位置进行地面监测数据的采集,生成污染排放追踪数据;
(6)根据污染排放追踪数据,按预设条件输出决策信息。
本方案中,用于按预设路线对待测区域的地面、空中进行巡航监测空气指标和环境指标,且线生成监测数据的巡航监测单元包括无人机、地面车辆。
作为一种较优的选择实施方式,优选的,步骤(1)中,通过无人机进行空中巡航监测,其加载有用于监测空气指标和环境指标的传感设备;通过地面车辆进行地面巡航监测,其加载有用于监测空气指标和环境指标的传感设备。
通过基于污染源周围地形、盛行风向等局部环境条件,进行预设无人机空中航线和地面车载移动路线,通过无人机、地面车辆上加载的中央控制器来连接污染物浓度传感器等数据采集单元进行收集原始污染物浓度、同步收集气象数据,经纬度坐标,移动速度和高度等实时数据,而后台的地空一体化平台将在线监测数据信息同步交互并存储到中央处理器,实现数据的存储和远程计算;其中,无人机、地面车辆监测所得的实时数据通过中央控制器连接的4G通讯模块,将其全部上传至服务器,同时复制一份用于存档,原始数据用于后续预处理及分析使用。
作为一种较优的选择实施方式,优选的,步骤(1)中,所述监测数据包括:污染物浓度数据、气象数据、经纬度坐标数据、采集时间、巡航移动速度数据和巡航高度数据中的一项以上。
作为一种较优的选择实施方式,优选的,所述空气指标至少包括VOCs指标、SO2指标以及PM2.5指标中的一项以上;所述环境指标包括风速、风向、地形中的一项以上。
作为一种较优的选择实施方式,优选的,步骤(2)包括:
S021、获取监测数据;
S022、根据监测数据的项目,调取对应项目预置的校正数学模型,然后对监测数据对应的项目进行数据校正处理,生成经校正的监测数据。
步骤(2)中,可以通过基于各类空气污染物测量所用仪器的原理,事先建立环境参数与设备所测污染物之间的定量化经验公式,将其用于在线实测数据的自动修正与存储。尤其针对突发强风、高温高湿等特殊天气,参照国家环境监测设备使用标准及测量规范,设定外业环境参数的警戒阈值,低于或超出阈值则自动报警,并据此自动调整无人机飞行模式并指导地面协同测量,促使高效、准确、可靠的地空一体化智能协同监测,过程数据均上传至服务器。
作为一种较优的选择实施方式,优选的,步骤(3)中,当巡航监测的设备为无人机时,根据环境指标中的风速、风向是否异常,按预设条件调整无人机的飞行模式,以对应执行继续巡航或定点停留和调整无人机的速度、路线、飞行高度;
当巡航监测的设备为地面车辆时,根据环境指标中的地形和环境因素,按预设条件调整地面车辆的行驶路线和速度。
本方案步骤(3)中,针对修正后的实测数据设置有无质量问题的判断准则,通过程序自动判断并实时识别异常数据,及时发出警告并以此进行下一测量位置的预判。具体需根据监测平台所依靠的载具和所处的环境数据进行判断,当载具为无人机时根据风速、风向等是否异常,自动调整无人机飞行模式(巡航或定点停留)、速度、路线和高度等,以达到无人机适应环境的自主安全飞行;当载具为地面车辆时根据地形和环境因素等指导监测人员控制载具的行驶路线和速度等。
作为一种较优的选择实施方式,优选的,步骤(4)中,所获取地图数据为电子地图或实景地图;其还包括:
对实时获取的监测数据中的污染浓度数据按空间平均与时间平均绘制二维或三维污染分布图;或者以时间为横轴,将监测数据中的各污染物浓度用统计图表进行对比展示。
作为一种举例,步骤(4)将步骤(2)中智能校正后的数据进行地图可视化表达,即对所测污染物浓度的点数据按其值域范围进行分级渲染,并考虑插值方法渲染二维和三维的污染分布,可直观解析污染分布特征并识别污染热点分布。例如,将校正后的污染物浓度点数据与经纬度和高度等对应,选择合适的空间插值方法将二维或三维实测数据匹配到实地电子地图,通过不同颜色将污染物浓度在地图中实时显示,并结合无人机自带摄像功能进行地物观测和地形测绘,实时完善测量区域的地理信息,有助于污染变化原因的解析。
在此基础上,可以进一步将步骤(2)中智能校正后的污染物浓度数据,以时间为横轴,实时绘制污染物浓度的变化曲线图、箱体图等统计图表,以此总体认识污染分布差异,从而辨识污染热点范围。
作为一种较优的选择实施方式,优选的,步骤(5)包括,获取污染热点的空间范围识别结果,驱驶无人机飞往污染热点的空间范围识别结果中的污染热点区域,以一定距离围绕该范围进行环绕式监测以获取空气指标和环境指标,然后逐步向污染物浓度更高位置靠近,并指引地面巡航的地面车辆根据实际道路驶向无人机所监测的污染热点区域,以补充地面调查资料;然后按预设条件预测污染热点区域的污染物浓度;在预测数据中绘制等值线,通过颜色深浅标记出污染浓度最高的位置,进而结合经纬度锁定排放源位置,生成污染排放追踪数据。
步骤(5)中,预测后的数据可以以相等间隔分为十类,颜色由深到浅表示污染浓度从高到低,同时在区间交界处绘制等值线,再结合经纬度获取排放源位置。
关于步骤(6)可以先行预置不同情况下的处理决策意见,然后综合各类污染物浓度及各类辅助数据,对监测情况进行实时判断,通过人工智能对比以往监测的历史数据进行判断,以提出适合当前监测结果的决策意见,即,通过将污染排放追踪数据与处理决策意见进行关联,根据污染排放追踪数据的关联性来对应输出处理决策意见。
基于上述方案,本发明还提供基于地空一体化的空气污染智能监测平台,其包括:
监测规划单元,用于按预设需求划定待测区域,且按预设路线对待测区域的地面和/或空中进行规划巡航监测空气指标和环境指标的路线;
巡航监测单元,包括无人机和/或地面车辆,其用于按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,且线生成监测数据;
数据校正单元,用于获取监测数据,按预设条件对其进行数据校正处理,生成经校正的监测数据;
数据处理单元,用于获取地图数据,将巡航路线和经校正的监测数据与地图数据进行关联,再按预设条件对经校正的监测数据进行可视化颜色渲染且与地图数据关联,生成污染热点的空间范围识别结果;
控制调整单元,用于获取经校正的监测数据,按预设条件对其进行异常状况判断,当经校正的监测数据被判断为异常时,输出警告信息且以此进行下一监测位置的预判,继而沿接近下一监测位置方向移动并监测空气指标和环境指标,生成监测数据且进行校正和异常状况判断;还用于获取污染热点的空间范围识别结果,按预设条件对污染热点的空间范围识别结果中的污染热点区域进行空中巡航且监测空气指标和环境指标,并根据空气指标逐步接近污染浓度高的位置,同时,指引地面巡航驶向空中巡航对应的地面位置进行地面监测数据的采集,生成污染排放追踪数据;
决策输出单元,用于根据污染排放追踪数据,按预设条件输出决策信息。
基于上述方案,本发明还提供一种计算机存储介质,所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的基于地空一体化的空气污染智能监测方法。
采用上述的技术方案,本发明与现有技术相比,其具有的有益效果为:本方案提出一种基于地空一体化的空气污染智能监测方法,通过按预设需求划定待测区域,且利用无人机和地面载具(地面车辆)按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,生成监测数据,通过智能规划无人机飞行方式和指导地面载具的行驶,对偷排、高排以及紧急烟雾事件进行监测与实时热点识别与排放追踪,对极端气候条件(湿度温度等)与外界因素(震动、噪声)影响下的数据修正回显与数据存储并进行简单的可视化分析;在此基础上,本方案还对数据做实时的空间平均与时间平均下浓度分布图,对修正过的数据做与时间相关的浓度散点图或折线图;在实现对特定区域的准确有效智能监测,在监测完成后向监测人员提出决策建议,为环境保护监测提供了积极的助力。
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获得其他的附图。
图1是本发明实施例方案的简要实施流程示意图;
图2是本发明实施实例的实施流程图。
图3是本发明实施实例针采集大气颗粒物和污染物浓度与发送硬件部分组成示意图。
图4是本发明实施实例在二维电子地图中实时显示污染物浓度示意图。
图5是本发明实施实例将PM2.5作为示例以时间为横轴实时变化显示污染物浓度示意图。
图6是本发明实施实例将监测数据经过尤克里金插值预测绘制等值线,进而识别PM2.5排放源的示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细描述。特别指出的是,以下实施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例仅为本发明的部分实施例而非全部实施例,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它实施例,都属于本发明保护的范围。
如图1所示,本实施例提供一种基于地空一体化的空气污染智能监测方法,其包括:
(1)按预设需求划定待测区域,且按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,生成监测数据;
(2)获取监测数据,按预设条件对其进行数据校正处理,生成经校正的监测数据;
(3)获取经校正的监测数据,按预设条件对其进行异常状况判断,当经校正的监测数据被判断为异常时,输出警告信息且以此进行下一监测位置的预判,继而沿接近下一监测位置方向移动并监测空气指标和环境指标,生成监测数据且进行校正和异常状况判断;
(4)获取地图数据,将巡航路线和经校正的监测数据与地图数据进行关联,再按预设条件对经校正的监测数据进行可视化颜色渲染且与地图数据关联,生成污染热点的空间范围识别结果;
(5)获取污染热点的空间范围识别结果,按预设条件对污染热点的空间范围识别结果中的污染热点区域进行空中巡航且监测空气指标和环境指标,并根据空气指标逐步接近污染浓度高的位置,同时,指引地面巡航驶向空中巡航对应的地面位置进行地面监测数据的采集,生成污染排放追踪数据;
(6)根据污染排放追踪数据,按预设条件输出决策信息。
本实施例方案中,用于按预设路线对待测区域的地面、空中进行巡航监测空气指标和环境指标,且线生成监测数据的巡航监测单元包括无人机、地面车辆;其中,无人机和地面车辆均加载有用于监测空气指标和环境指标的传感设备;其所述采集的监测数据包括:污染物浓度数据、气象数据、经纬度坐标数据、采集时间、巡航移动速度数据和巡航高度数据中的一项以上;所述空气指标至少包括VOCs指标、SO2指标以及PM2.5指标中的一项以上;所述环境指标包括风速、风向、地形中的一项以上。
通过基于污染源周围地形、盛行风向等局部环境条件,进行预设无人机空中航线和地面车载移动路线,通过无人机、地面车辆上加载的中央控制器来连接污染物浓度传感器等数据采集单元进行收集原始污染物浓度、同步收集气象数据,经纬度坐标,移动速度和高度等实时数据,而后台的地空一体化平台将在线监测数据信息同步交互并存储到中央处理器,实现数据的存储和远程计算;其中,无人机、地面车辆监测所得的实时数据通过中央控制器连接的4G通讯模块,将其全部上传至服务器,同时复制一份用于存档,原始数据用于后续预处理及分析使用。
本实施例方案步骤(2)包括:
S021、获取监测数据;
S022、根据监测数据的项目,调取对应项目预置的校正数学模型,然后对监测数据对应的项目进行数据校正处理,生成经校正的监测数据。
步骤(2)中,可以通过基于各类空气污染物测量所用仪器的原理,事先建立环境参数与设备所测污染物之间的定量化经验公式,将其用于在线实测数据的自动修正与存储。尤其针对突发强风、高温高湿等特殊天气,参照国家环境监测设备使用标准及测量规范,设定外业环境参数的警戒阈值,低于或超出阈值则自动报警,并据此自动调整无人机飞行模式并指导地面协同测量,促使高效、准确、可靠的地空一体化智能协同监测,过程数据均上传至服务器。
本实施例方案步骤(3)中,当巡航监测的设备为无人机时,根据环境指标中的风速、风向是否异常,按预设条件调整无人机的飞行模式,以对应执行继续巡航或定点停留和调整无人机的速度、路线、飞行高度;当巡航监测的设备为地面车辆时,根据环境指标中的地形和环境因素,按预设条件调整地面车辆的行驶路线和速度。
本实施例方案步骤(3)中,针对修正后的实测数据设置有无质量问题的判断准则,通过程序自动判断并实时识别异常数据,及时发出警告并以此进行下一测量位置的预判。具体需根据监测平台所依靠的载具和所处的环境数据进行判断,当载具为无人机时根据风速、风向等是否异常,自动调整无人机飞行模式(巡航或定点停留)、速度、路线和高度等,以达到无人机适应环境的自主安全飞行;当载具为地面车辆时根据地形和环境因素等指导监测人员控制载具的行驶路线和速度等。
本实施例方案步骤(4)中,所获取地图数据为电子地图或实景地图;其还包括:
对实时获取的监测数据中的污染浓度数据按空间平均与时间平均绘制二维或三维污染分布图;或者以时间为横轴,将监测数据中的各污染物浓度用统计图表进行对比展示。
作为一种举例,步骤(4)将步骤(2)中智能校正后的数据进行地图可视化表达,即对所测污染物浓度的点数据按其值域范围进行分级渲染,并考虑插值方法渲染二维和三维的污染分布,可直观解析污染分布特征并识别污染热点分布。例如,将校正后的污染物浓度点数据与经纬度和高度等对应,选择合适的空间插值方法将二维或三维实测数据匹配到实地电子地图,通过不同颜色将污染物浓度在地图中实时显示,并结合无人机自带摄像功能进行地物观测和地形测绘,实时完善测量区域的地理信息,有助于污染变化原因的解析。
在此基础上,可以进一步将步骤(2)中智能校正后的污染物浓度数据,以时间为横轴,实时绘制污染物浓度的变化曲线图、箱体图等统计图表,以此总体认识污染分布差异,从而辨识污染热点范围。
本实施例方案步骤(5)包括,获取污染热点的空间范围识别结果,驱驶无人机飞往污染热点的空间范围识别结果中的污染热点区域,以一定距离围绕该范围进行环绕式监测以获取空气指标和环境指标,然后逐步向污染物浓度更高位置靠近,并指引地面巡航的地面车辆根据实际道路驶向无人机所监测的污染热点区域,以补充地面调查资料;然后按预设条件预测污染热点区域的污染物浓度;在预测数据中绘制等值线,通过颜色深浅标记出污染浓度最高的位置,进而结合经纬度锁定排放源位置,生成污染排放追踪数据。
步骤(5)中,预测后的数据可以以相等间隔分为十类,颜色由深到浅表示污染浓度从高到低,同时在区间交界处绘制等值线,再结合经纬度获取排放源位置。
关于步骤(6)可以先行预置不同情况下的处理决策意见,然后综合各类污染物浓度及各类辅助数据,对监测情况进行实时判断,通过人工智能对比以往监测的历史数据进行判断,以提出适合当前监测结果的决策意见,即,通过将污染排放追踪数据与处理决策意见进行关联,根据污染排放追踪数据的关联性来对应输出处理决策意见。
基于上述方案,本发明还提供基于地空一体化的空气污染智能监测平台,其包括:
监测规划单元,用于按预设需求划定待测区域,且按预设路线对待测区域的地面和/或空中进行规划巡航监测空气指标和环境指标的路线;
巡航监测单元,包括无人机和/或地面车辆,其用于按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,且线生成监测数据;
数据校正单元,用于获取监测数据,按预设条件对其进行数据校正处理,生成经校正的监测数据;
数据处理单元,用于获取地图数据,将巡航路线和经校正的监测数据与地图数据进行关联,再按预设条件对经校正的监测数据进行可视化颜色渲染且与地图数据关联,生成污染热点的空间范围识别结果;
控制调整单元,用于获取经校正的监测数据,按预设条件对其进行异常状况判断,当经校正的监测数据被判断为异常时,输出警告信息且以此进行下一监测位置的预判,继而沿接近下一监测位置方向移动并监测空气指标和环境指标,生成监测数据且进行校正和异常状况判断;还用于获取污染热点的空间范围识别结果,按预设条件对污染热点的空间范围识别结果中的污染热点区域进行空中巡航且监测空气指标和环境指标,并根据空气指标逐步接近污染浓度高的位置,同时,指引地面巡航驶向空中巡航对应的地面位置进行地面监测数据的采集,生成污染排放追踪数据;
决策输出单元,用于根据污染排放追踪数据,按预设条件输出决策信息。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
作为一种实施实例举例,其具体如下:
如图2所示,本实施实例一种基于地空一体化的空气污染智能监测方法,其包括:
1)根据需求在工业园区巡航测量获取各项原始数据;
2)实测数据的智能校正;
3)根据工业园区的地形和气象条件等智能调整监测方式;
4)识别工业园区污染热点的空间范围;
5)污染热点区域的排放追踪;
6)提出最适合当前监测情况的决策意见。
其中,结合图3所示,步骤1)根据需求在工业园区巡航测量获取各项原始数据包括:根据工业园区种类选择不同的监测仪器,如化工厂较多的工业园区可选择监测VOCs(挥发性有机物)、SO2以及PM2.5等。将监测仪器与中央控制器相连,进而搭载到无人机与车辆上。根据该园区地形、盛行风等局部条件,预设无人机空中航线和车辆的移动路线,通过中央控制器连接的污染物浓度传感器收集原始污染物浓度、同步收集气象数据,经纬度坐标,移动速度和高度等实时数据,地空一体化平台将在线监测数据信息同步交互并存储之中央处理器。本案例以采集空气中的PM2.5为例,对工业园区进行巡航测量。
步骤2)原始监测数据的智能校正包括:对采集的原始数据进行检查,检查无误后根据各类污染物的特点和仪器误差等进行实时校正。
例如对采集得到的PM2.5原始数据进行湿度剔除,公式为:
CF=a+b*RH2/(1-RH)
其中,CF表示湿度校准因子,RH表示相对湿度(取值为0-1),a和b分别为经验参数(a、b可分别取值1和0.25)。Y=X/CF,Y代表校准后的PM浓度真实值((μg/m3),X代表的PM浓度原始测量值(μg/m3)。
对于一些异常环境情况,步骤2)中,如遇到突发强风、高温高湿等特殊天气,参照国家环境监测设备使用标准及测量规范,设定外业环境参数的警戒阈值,低于或超出阈值则自动报警,并据此自动调整无人机飞行模式并指导地面协同测量,促使高效、准确、可靠的地空一体化智能协同监测,过程数据均上传至服务器。
3)根据工业园区的地形和气象条件等智能调整监测方式包括:针对修正后的实测数据设置有无质量问题的判断准则,通过程序自动判断并实时识别异常数据,及时发出警告并以此进行下一测量位置的预判。具体需根据监测平台所依靠的载具和工业园区环境数据进行判断。当载具为无人机时,根据风速、风向等是否异常,自动调整无人机飞行模式(巡航或定点停留)、速度、路线和高度等,以达到无人机适应环境的自主安全飞行,如风速较大时可降低无人机的飞行速度;当载具为地面车辆时,根据地形和环境因素等指导监测人员控制载具的行驶路线和速度等,如根据工业园区建筑和地形,在避开无法行驶区域后,配合无人机获取三维数据。
4)识别工业园区污染热点的空间范围包括:通过两种方式进行热点辨识,一种是根据需求选择电子地图或实景地图,对实时的污染浓度数据按空间平均与时间平均绘制二维或三维污染分布图,另一种是以时间为横轴,将各污染物浓度用统计图表进行对比展示,例如图5或图6。
具体的,其包括:
4.1)将步骤2)中智能校正后的数据进行地图可视化表达,即对所测污染物浓度的点数据按其值域范围进行分级渲染,并考虑合适的插值方法渲染二维和三维的污染分布,可直观解析污染分布特征并识别污染热点分布。例如,将校正后的污染物浓度点数据与经纬度和高度等对应,选择合适的空间插值方法将二维或三维实测数据匹配到实地电子地图,通过不同颜色将污染物浓度在地图中实时显示,并结合无人机自带摄像功能进行地物观测和地形测绘,实时完善测量区域的地理信息,有助于污染变化原因的解析。在本例中,因工业园区现状与电子地图相差较小,便直接通过经纬度与地图匹配,再在地图中按颜色显示PM2.5浓度,例如图4所示。
4.2)将步骤2)中智能校正后的污染物浓度数据,以时间为横轴,实时绘制污染物浓度的变化曲线图、箱体图等统计图表,以此总体认识污染分布差异,从而辨识污染热点范围。在本例中通过绘制以时间为横轴,校正后的PM2.5浓度为纵轴的折线图,例如图5。
5)污染热点区域的排放追踪包括:驱驶无人机飞往污染热点区域,以一定距离围绕该范围进行环绕式监测,逐步向污染物浓度更高位置靠近,并指引地面车载***根据实际道路驶向无人机所测热点区域,补充地面调查资料。将监测所得点数据于污染热点区域采用尤克里金等方法进行空间插值,进而预测污染热点区域污染物浓度。在预测数据中绘制等值线,通过颜色深浅标记出污染浓度最高的位置,进而结合经纬度锁定排放源位置,例如图6。
其中,步骤5)预测后的数据以相等间隔分为十类,颜色由深到浅表示污染浓度从高到低,同时在区间交界处绘制等值线,再结合经纬度获取排放源位置。
6)提出最适合当前监测情况的决策意见包括:综合各类污染物浓度及各类辅助数据,对监测情况进行实时判断,通过人工智能对比以往监测的历史数据进行判断,以提出适合当前监测结果的决策意见。
概括而言,本实施实例的步骤如下:
1)根据需求划定待测区域并对其巡航测量,对待测区域的多种大气污染物的浓度进行实时监测;
2)依据所测不同污染物指标各自的校正方法,结合环境气象等因子的实测值,对所测污染物指标测量结果实时智能校正;
3)通过在线分析实时的实验环境条件及地形等要素,自动控制无人机有效飞行、及时指示监测人员协同地面载具监测,实现地空一体化监测方式的智能调整;
4)通过污染物浓度与预备或临时测绘所得的地图结合可视化描述污染状况,同时以时间为横轴实时绘制污染变化图,初步划定污染热点的空间范围;
5)利用空间插值方法预测污染热点区域的污染物浓度分布,再绘制等值线以识别区域高排放中心位置,从而达到对污染热点区域排放源的追踪;
6)基于地空一体化监测结果,对当前区域环境污染发展的趋势进行预测评判,并提出适合本区域环境污染监测与评估的技术方案及污染防控建议。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于地空一体化的空气污染智能监测方法,其特征在于,其包括:
(1)按预设条件划定待测区域,且对待测区域的污染物指标进行巡航监测,生成监测数据;
(2)获取监测数据,对其进行校正处理;
(3)获取经校正处理的监测数据,按预设条件进行巡航监测调整;
(4)根据校正处理的监测数据和巡航路线,结合地图数据,生成污染热点图数据;
(5)根据污染热点图数据,对污染热点区域进行追踪,生成污染排放追踪数据;
(6)根据污染排放追踪数据,输出决策信息。
2.如权利要求1所述的基于地空一体化的空气污染智能监测方法,其特征在于,其包括:
(1)按预设需求划定待测区域,且按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,生成监测数据;
(2)获取监测数据,按预设条件对其进行数据校正处理,生成经校正的监测数据;
(3)获取经校正的监测数据,按预设条件对其进行异常状况判断,当经校正的监测数据被判断为异常时,输出警告信息且以此进行下一监测位置的预判,继而沿接近下一监测位置方向移动并监测空气指标和环境指标,生成监测数据且进行校正和异常状况判断;
(4)获取地图数据,将巡航路线和经校正的监测数据与地图数据进行关联,再按预设条件对经校正的监测数据进行可视化颜色渲染且与地图数据关联,生成污染热点的空间范围识别结果;
(5)获取污染热点的空间范围识别结果,按预设条件对污染热点的空间范围识别结果中的污染热点区域进行空中巡航且监测空气指标和环境指标,并根据空气指标逐步接近污染浓度高的位置,同时,指引地面巡航驶向空中巡航对应的地面位置进行地面监测数据的采集,生成污染排放追踪数据;
(6)根据污染排放追踪数据,按预设条件输出决策信息。
3.如权利要求2所述的基于地空一体化的空气污染智能监测方法,其特征在于,步骤(1)中,所述监测数据包括:污染物浓度数据、气象数据、经纬度坐标数据、采集时间、巡航移动速度数据和巡航高度数据中的一项以上。
4.如权利要求2所述的基于地空一体化的空气污染智能监测方法,其特征在于,所述空气指标至少包括VOCs指标、SO2指标以及PM2.5指标中的一项以上;所述环境指标包括风速、风向、地形中的一项以上。
5.如权利要求3所述的基于地空一体化的空气污染智能监测方法,其特征在于,步骤(2)包括:
获取监测数据;
根据监测数据的项目,调取对应项目预置的校正数学模型,然后对监测数据对应的项目进行数据校正处理,生成经校正的监测数据。
6.如权利要求2所述的基于地空一体化的空气污染智能监测方法,其特征在于,步骤(1)中,通过无人机进行空中巡航监测,其加载有用于监测空气指标和环境指标的传感设备;通过地面车辆进行地面巡航监测,其加载有用于监测空气指标和环境指标的传感设备;
步骤(3)中,当巡航监测的设备为无人机时,根据环境指标中的风速、风向是否异常,按预设条件调整无人机的飞行模式,以对应执行继续巡航或定点停留和调整无人机的速度、路线、飞行高度;
当巡航监测的设备为地面车辆时,根据环境指标中的地形和环境因素,按预设条件调整地面车辆的行驶路线和速度。
7.如权利要求3所述的基于地空一体化的空气污染智能监测方法,其特征在于,步骤(4)中,所获取地图数据为电子地图或实景地图;其还包括:
对实时获取的监测数据中的污染浓度数据按空间平均与时间平均绘制二维或三维污染分布图;或者以时间为横轴,将监测数据中的各污染物浓度用统计图表进行对比展示。
8.如权利要求2所述的基于地空一体化的空气污染智能监测方法,其特征在于,步骤(5)包括,获取污染热点的空间范围识别结果,驱驶无人机飞往污染热点的空间范围识别结果中的污染热点区域,以一定距离围绕该范围进行环绕式监测以获取空气指标和环境指标,然后逐步向污染物浓度更高位置靠近,并指引地面巡航的地面车辆根据实际道路驶向无人机所监测的污染热点区域,以补充地面调查资料;然后按预设条件预测污染热点区域的污染物浓度;在预测数据中绘制等值线,通过颜色深浅标记出污染浓度最高的位置,进而结合经纬度锁定排放源位置,生成污染排放追踪数据。
9.基于地空一体化的空气污染智能监测平台,其特征在于,其包括:
监测规划单元,用于按预设需求划定待测区域,且按预设路线对待测区域的地面和/或空中进行规划巡航监测空气指标和环境指标的路线;
巡航监测单元,包括无人机和/或地面车辆,其用于按预设路线对待测区域的地面和/或空中进行巡航监测空气指标和环境指标,且线生成监测数据;
数据校正单元,用于获取监测数据,按预设条件对其进行数据校正处理,生成经校正的监测数据;
数据处理单元,用于获取地图数据,将巡航路线和经校正的监测数据与地图数据进行关联,再按预设条件对经校正的监测数据进行可视化颜色渲染且与地图数据关联,生成污染热点的空间范围识别结果;
控制调整单元,用于获取经校正的监测数据,按预设条件对其进行异常状况判断,当经校正的监测数据被判断为异常时,输出警告信息且以此进行下一监测位置的预判,继而沿接近下一监测位置方向移动并监测空气指标和环境指标,生成监测数据且进行校正和异常状况判断;还用于获取污染热点的空间范围识别结果,按预设条件对污染热点的空间范围识别结果中的污染热点区域进行空中巡航且监测空气指标和环境指标,并根据空气指标逐步接近污染浓度高的位置,同时,指引地面巡航驶向空中巡航对应的地面位置进行地面监测数据的采集,生成污染排放追踪数据;
决策输出单元,用于根据污染排放追踪数据,按预设条件输出决策信息。
10.一种计算机存储介质,其特征在于,所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现如权利要求1至8之一所述的基于地空一体化的空气污染智能监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210734211.2A CN115185292B (zh) | 2022-06-27 | 2022-06-27 | 基于地空一体化的空气污染智能监测方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210734211.2A CN115185292B (zh) | 2022-06-27 | 2022-06-27 | 基于地空一体化的空气污染智能监测方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115185292A true CN115185292A (zh) | 2022-10-14 |
CN115185292B CN115185292B (zh) | 2024-06-14 |
Family
ID=83515209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210734211.2A Active CN115185292B (zh) | 2022-06-27 | 2022-06-27 | 基于地空一体化的空气污染智能监测方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115185292B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制***和方法 |
CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及*** |
CN116629035A (zh) * | 2023-07-25 | 2023-08-22 | 欧梯恩智能科技(苏州)有限公司 | 河道污染扩散模拟方法、装置及*** |
CN116934101A (zh) * | 2023-09-19 | 2023-10-24 | 湖北君邦环境技术有限责任公司 | 智慧园区辅助执法管理方法、装置、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
CN107193056A (zh) * | 2017-05-09 | 2017-09-22 | 西南石油大学 | 空气污染物监测预警方法及云平台 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN110826767A (zh) * | 2019-09-29 | 2020-02-21 | 中国人民解放军陆军防化学院 | 一种基于排放源监测数据的空气污染追溯方法和装置 |
-
2022
- 2022-06-27 CN CN202210734211.2A patent/CN115185292B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160021528A (ko) * | 2014-08-18 | 2016-02-26 | 한국과학기술연구원 | 대기 오염 모니터 방법 |
CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
CN107193056A (zh) * | 2017-05-09 | 2017-09-22 | 西南石油大学 | 空气污染物监测预警方法及云平台 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN110826767A (zh) * | 2019-09-29 | 2020-02-21 | 中国人民解放军陆军防化学院 | 一种基于排放源监测数据的空气污染追溯方法和装置 |
Non-Patent Citations (1)
Title |
---|
吕立慧: "基于车载激光雷达的大气颗粒物走航探测技术研究及应用", 《博士电子期刊出版信息》, no. 11, 15 November 2018 (2018-11-15) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制***和方法 |
CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及*** |
CN115876964B (zh) * | 2023-01-31 | 2024-01-23 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及*** |
CN116629035A (zh) * | 2023-07-25 | 2023-08-22 | 欧梯恩智能科技(苏州)有限公司 | 河道污染扩散模拟方法、装置及*** |
CN116629035B (zh) * | 2023-07-25 | 2023-09-15 | 欧梯恩智能科技(苏州)有限公司 | 河道污染扩散模拟方法、装置及*** |
CN116934101A (zh) * | 2023-09-19 | 2023-10-24 | 湖北君邦环境技术有限责任公司 | 智慧园区辅助执法管理方法、装置、存储介质及电子设备 |
CN116934101B (zh) * | 2023-09-19 | 2023-11-24 | 湖北君邦环境技术有限责任公司 | 智慧园区辅助执法管理方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115185292B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115185292A (zh) | 基于地空一体化的空气污染智能监测方法及平台 | |
CN111897318B (zh) | 基于无人船的水体污染智能调查方法及装置 | |
CN106950334B (zh) | 一种空间分布式城市空气环境质量的移动监测*** | |
CN111289040A (zh) | 走航监测*** | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN113189615A (zh) | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 | |
CN108827722B (zh) | 一种用于估算工业区pm高架直排源强的无人机***及方法 | |
CN109164214B (zh) | 一种边界污染源快速映射定位及强度反演***及方法 | |
CN112763426A (zh) | 一种循环优化的高光谱大数据水质全天候动态监测方法 | |
CN116048129B (zh) | 污染物排放的监测方法、装置、电子设备和存储介质 | |
CN111563331B (zh) | 一种基于移动监测的区域大气污染分布预测方法 | |
CN215005324U (zh) | 一种水空无人***协同水质无人检测*** | |
CN113655175A (zh) | 一种网格化空气监测方法、***、计算机设备及存储介质 | |
CN113848226B (zh) | 一种智能化空间移动污染物自主溯源***及溯源方法 | |
CN115060850B (zh) | 空地双场耦合的大气污染源追踪和通量测量装置及方法 | |
CN116070839A (zh) | 一种多源数据的道路微环境空气质量贡献溯源方法 | |
CN116989681A (zh) | 一种输电线路的导线弧垂在线监测方法 | |
CN117217739B (zh) | 一种智能电力巡检*** | |
Yao et al. | Application of UAV in monitoring chemical pollutant gases | |
CN110389393B (zh) | 一种综合观测逆温层扰动的方法 | |
CN115455814A (zh) | 基于深度学习的污染源查找及污染物分布预测方法及*** | |
CN114755674A (zh) | 基于人工智能的多站雷达融合监测*** | |
Bateman et al. | Preliminary observations from robot-enabled surface methane concentration monitoring at a MSW landfill | |
CN113449918A (zh) | 突发重大污染事件应急指挥辅助决策方法和*** | |
CN219065411U (zh) | 一种立体化远程大气污染监测*** |
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 |