[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN106709127A - 利用cfd和卫星数据提取污染排放源 - Google Patents

利用cfd和卫星数据提取污染排放源 Download PDF

Info

Publication number
CN106709127A
CN106709127A CN201610908252.3A CN201610908252A CN106709127A CN 106709127 A CN106709127 A CN 106709127A CN 201610908252 A CN201610908252 A CN 201610908252A CN 106709127 A CN106709127 A CN 106709127A
Authority
CN
China
Prior art keywords
model
physical diffusion
satellite
pollution
diffusion model
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
Application number
CN201610908252.3A
Other languages
English (en)
Other versions
CN106709127B (zh
Inventor
白鑫鑫
董进
杜辉
芮晓光
王海峰
谢保国
尹文君
张盟
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN106709127A publication Critical patent/CN106709127A/zh
Application granted granted Critical
Publication of CN106709127B publication Critical patent/CN106709127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/30—Controlling by gas-analysis apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/46—Removing components of defined structure
    • B01D53/54—Nitrogen compounds
    • B01D53/56—Nitrogen oxides
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及利用CFD和卫星数据提取污染排放源。具体地，一种用于对空气污染建模的方法包括接收特定地理区域的天气模型。接收在该地理区域的卫星观测污染观测数据。采用所接收的天气模型产生污染在该地理区域的物理扩散模型。将所接收的卫星观测污染观测数据内插到所产生的物理模型中。采用用于所内插的卫星观测污染观测数据和所产生的物理模型的加权系数，合并所内插的卫星观测污染观测数据和产生的物理模型。加权系数是根据物理扩散模型和卫星观测污染观测数据中的相对误差来计算的。

Description

利用CFD和卫星数据提取污染排放源
技术领域
本公开涉及提取污染源，更具体地，涉及利用CFD和卫星数据提取污染排放源的方法。
背景技术
空气污染是有害物质进入到了地球大气层。空气污染对人类健康有害，对于地球及其生态系统也具有其他重要的负面影响。
获得对于当前空气污染的精确测量，对于保护人们免受空气污染的有害影响、精确地定位补救行动以及对于空气污染的发展产生有意义的长期研究都是非常重要的。
空气污染通常源自各种排放源，因此对于各种排放源提供量化理解和可视化将是获得对于当前空气污染的精确测量和污染分布的一个重要的部分。
发明内容
一种用于对空气污染建模的方法包括接收特定地理区域的天气模型。接收在该地理区域的卫星观测污染观测数据。采用所接收的天气模型产生污染在该地理区域的物理扩散模型。将所接收的卫星观测污染观测数据内插到所产生的物理模型中。采用用于所内插的卫星观测污染观测数据和所产生的物理模型的加权系数，合并所内插的卫星观测污染观测数据和产生的物理模型。加权系数是根据物理扩散模型和卫星观测污染观测数据中的相对误差来计算的。
卫星观测污染观测数据可以具有比物理扩散模型更粗粒度的分辨率。所产生的物理扩散模型可以是计算流体力学(computed fluid dynamics，CFD)模型。
可以利用在一个或多个观测站取得的一个或多个观测排放水平来从所接收的天气模型产生物理扩散模型。还可以利用从卫星观测污染观测数据取得的一个或多个观测排放水平来从所接收的天气模型产生物理扩散模型。
可以通过使得在一个或多个观测站取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个观测站的位置的计算排放水平之间的差别最小，来优化物理扩散模型。也可以通过使得从在一个或多个位置的卫星观测污染观测数据取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个位置的计算排放水平之间的差别最小，来优化物理扩散模型。
可以基于物理扩散模型的计算出的反演模型误差以及卫星观测污染观测数据的预定误差来计算在物理扩散模型和卫星观测污染观测数据中的相对误差。
该方法还可以进一步包括将合并的内插卫星观测污染观测数据和产生的物理扩散模型显示为在特定地理区域上的空气污染水平的视觉表示。
一种用于对空气污染建模的方法包括接收特定地理区域的天气模型。接收在该地理区域的卫星观测污染观测数据。采用所接收的天气模型产生污染在该地理区域的物理扩散模型。将所接收的卫星观测污染观测数据内插到所产生的物理模型中。通过使得从在一个或多个位置的卫星观测污染观测数据取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个位置的计算排放水平之间的差别最小，来优化产生的物理扩散模型。
卫星观测污染观测数据可以具有比物理扩散模型更粗粒度的分辨率。所产生的物理扩散模型可以是计算流体力学(CFD)模型。
该方法还可以进一步包括将优化的物理扩散模型显示为在特定地理区域上的空气污染水平的视觉表示。
计算机系统包括处理器和非易失性的有形程序存储介质，其可由计算机系统读取，实现可由处理器执行的用于实现对空气污染建模的方法步骤的程序指令。该方法包括接收特定地理区域的天气模型。接收在该地理区域的卫星观测污染观测数据。采用所接收的天气模型产生污染在该地理区域的物理扩散模型。将所接收的卫星观测污染观测数据内插到所产生的物理模型中。采用用于所内插的卫星观测污染观测数据和所产生的物理模型的加权系数，合并所内插的卫星观测污染观测数据和产生的物理模型。加权系数是根据物理扩散模型和卫星观测污染观测数据中的相对误差来计算的。
卫星观测污染观测数据可以具有比物理扩散模型更粗粒度的分辨率。所产生的物理扩散模型可以是计算流体力学(CFD)模型。
可以利用在一个或多个观测站取得的一个或多个观测排放水平来从所接收的天气模型产生物理扩散模型。还可以利用从卫星观测污染观测数据取得的一个或多个观测排放水平来从所接收的天气模型产生物理扩散模型。可以通过使得在一个或多个观测站取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个观测站的位置的计算排放水平之间的差别最小，来优化物理扩散模型。
该方法还可以进一步包括将合并的内插卫星观测污染观测数据和产生的物理扩散模型显示为在特定地理区域上的空气污染水平的视觉表示。
附图简要说明
通过参考下面结合附图对于例示实施例的详细描述，可以更好地理解本发明以及其优选使用方式以及进一步的目标和优点，在附图中：
图1是根据本发明的例示实施例的在一个地理区域上的污染示意图；
图2是根据本发明的例示实施例的显示用于执行CFD以便理解在一个地理区域上的污染排放强度的方法的流程图；
图3是根据本发明的例示实施例的在一个地理区域上的卫星观测污染分布示意图；
图4是显示根据本发明的例示实施例的用于利用基于卫星的污染排放强度对于一个地理区域上的污染进行物理建模的方法的流程图；
图5是显示根据本发明的例示实施例的用于采用反演CFD建模来产生精细背景污染源的表示的方法的流程图；以及
图6显示了能够实现根据本发明的例示实施例的方法和装置的计算机系统的示例。
具体实施方式
在描述如附图所示的本公开的例示实施例时，为了清楚起见采用的特定术语。然而，所选择的特定术语并非意图用来限制本公开，应该理解，每个特定元件包括以类似方式操作的所有技术等同物。
可以利用计算流体动力(CFD)或卫星数据来测量空气污染的排放源。CFD、即计算流体动力或流体模拟，是在运用到空气污染的建模时用于产生分散和集中的污染物释放到大气中的方式的真实表示的计算机图形工具。通过向模型提供与排放源和大气条件相关的精确数据，CFD可以用于将当前的污染特征可视化，并精确地预测未来的污染分布方向。
图1是根据本发明的例示实施例的在一个地理区域上的污染示意图。CFD可以利用物理扩散建模，物理扩散建模例如可以通过采用多网格系统来开发。在这个多网格系统中，可以在一个更细网格系统上来解物理扩散等式，该更细网格系统的分辨率可以是δx＝δy＝400米，而粗网格系统用于近似在一个地理区域的源排放，其分辨率为Δx＝Δ＝5公里。在当前的网格系统中，污染排放表面G(x)可以用高斯核近似为：
其中，是粗网格系统的第i个网格点，例如，污染核的中心，σ＝0.6Δx是核的长度标量，βi是在第i个网格点的排放强度，其单位为吨/年(ton/year)或微克/秒(μg/sec)。
这里，将Xit,(i＝1,…,N)定义为物理扩散模型((x,t；))对于Q(x,βi,)在时刻t在N接收器或观测点位置(xr)的解。
其中，是用于计算机模型输出的在接收器位置处的污染浓度值的子集的狄拉克δ运算符。从这个计算机模型输出，可以将在时刻t的污染浓度值估计为：
这里，∈it是空间-时间误差过程。可以对排放比β进行估值。
图2是根据本发明的例示实施例的显示用于执行CFD以便理解在一个地理区域、例如新加坡的污染排放强度的方法的流程图。首先，可以提供量化的天气模型(步骤S201)。该天气模型可以用一个或多个常规的天气建模技术获得。天气模型可以覆盖一个有限的地理区域、例如新加坡。然后可以为该有限的地理区域生成物理扩散模型(步骤S202)。在给定边界条件和天气模型的情况下，物理扩散模型可以对污染排放源在该地理区域传播的方式建模。所利用的边界条件例如可以包括在一个或多个已知排放源处的排放输出。构造的物理扩散模型可用于预测在一个或多个观测站的空气条件(步骤S203)。可以将这些预测与在观测站的实际污染数据进行交叉验证(步骤S204)，并且可以优化模型以减小在给定站点所预测的与所观测的之间的差别(步骤S205)。然后可以将优化模型用于预测整个地理区域的排放强度(步骤S206)。
然而，需要注意的是，上述方法对于天气模型中的误差敏感，并且，由于天气模型不总是高度精确的，所产生的排放强度图同样会容易产生误差。
本发明的例示实施例还可以利用一种用于将一个地理区域的污染水平可视化的替代方法。这个替代方法可以利用卫星观测。根据卫星观测技术，可以从绕地球运行的卫星获得该地理区域的摄影图像、雷达图像等。由于污染水平可由这些方式观测到，因此可以获得实际的污染分布。例如，可以使用频谱分析技术来确定在大气中有哪些化学物质。
图3是在一个地理区域(这里是美国)上的卫星观测污染分布图的示意图。如图所示，采用这个可以基于卫星获取的图像和/或数据产生的示意图，可以了解整个地理区域的污染水平。
然而，污染分布的卫星观测的缺陷在于其分辨率和/或精度不高。
因此，本发明的例示实施例提供了对于污染分布建模的混合方式，其既利用卫星观测，也利用物理建模，这会比仅仅将其中一种或另一种技术用于污染分布分析要更精确。根据这个方法，可以使用卫星数据来生成粗粒度污染源观测，同时，采用如上所述的类似于CFD的过程对精细背景污染源进行建模。可以将粗粒度卫星数据内插到精细CFD模型上，并从其产生增强的污染源匹配。在优化这个模型的过程中，可以采用这里介绍的“集成”方法来计算CFD误差。
根据这个集成方法，将通常已知的卫星数据误差与可能是变化的并因此根据本发明的例示实施例计算出的CFD反演模型误差进行比较，并且，将误差的相对度用于对相应方法的贡献加权。这样，在CFD误差相对低的情况下，可以给予CFD反演模型更大加权，而在CFD反演模型误差相对高的情况下，可以给予卫星数据更大加权。
根据一个替代或补充方法，不是按照上面所描述的通过最小化在一个或多个观测站的集合的预测污染水平与观测污染水平间的差别来优化物理模型，而是可以使用卫星数据在本质上生成一个超大集合的虚拟观测站，然后在整个虚拟观测集合上执行模型的优化，或者，可替代地，在连续的地理区域上执行模型的优化，以便在上述的有限集合的观测站上实现更高级别的精度。
图4是显示根据本发明的例示实施例的用于利用基于卫星的污染排放强度对于一个地理区域、例如美国的污染进行物理建模的方法的流程图。
首先，可以从获取的卫星数据生成粗粒度污染源观测(步骤S401)。污染源观测可以是显示诸如NOx、SOx和CO的污染气体浓度的图。当前的、随时可用的卫星数据的分辨率是在15公里量级上。在考虑大约60公里x 60公里的区域时，可以产生25x 25象素的网格。
接着，可以采用反演CFD建模产生精细背景污染源图形表示(步骤S402)。图5是显示根据本发明的例示实施例的用于采用反演CFD建模来产生精细背景污染源的表示的方法的流程图。可以有多种方法来执行该步骤，这里仅描述了一个方法作为例示方法。首先，可以提供一个用于大气污染的数字模型(步骤S501)。可以将该信息与接收的污染观测结合(步骤S502)，以产生物理扩散模型(例如CFD)，例如如上所述。然后将该模型反转(步骤S504)，以确定在该地理区域的表面上的污染程度(步骤S505)。
在生成CFD模型之后，可以将所获得的卫星数据内插到CFD模型网格上(步骤S403)。该步骤可以用于为网格的每个象素计算污染水平。这样，由具有相对高的分辨率的卫星数据C(x,y)所获得的污染测量值可以用于生成具有相对低的分辨率的CFD数据网格的每个象素S(x,y)内的污染测量值。
接着，根据本发明的一些例示性实施例，如上所述，根据集成方法，可以计算CFD误差(步骤S404)(其中卫星误差是已知的)，然后，通过采用基于相对误差测量值的加权系数对元素加权，可以使用相对误差水平来合并CFD输出和卫星观测输出(步骤S405)。
然而，根据上述的补充方法，与传统的其中CFD模型可以被固定到观测数据的观测点的数量有限的CFD分析方法不同，这里相对粗粒度的卫星网格的每一个以及所有象素都可以用作一个锚点，因此，在CFD与观测污染水平之间的误差在卫星网格的每个象素上都会被最小化。
该补充方法可以与上面描述的集成方法一起使用，或者，任一个方法都可以单独使用。
根据该集成方法，为了整合CFD反演模型结果和卫星数据，可以了解误差的来源。通常，卫星数据误差可能是由仪器误差和在所使用的提取方法中所固有的误差导致的。然而，CFD反演模型误差可能难以获知。本发明的例示实施例可以使用集成方法来计算该误差。
假设例如从WRF提供了集成天气预报，可以运行集成CFD反演模型，集成输出为C1(x,y),Cx()x,y)…Cn(x,y)。然后，采用下面的公式估计CFD模型误差(Ec)：
其中N是集成成员的个数。
然后，可以采用加权系数将CFD输出与卫星观测合并(步骤S405)。例如，由I(x,y)代表的集成污染源可以被计算为：
I(x,y)＝a×C(x,y)+b×S(x,y)
其中a＝Es×Es/(Ec×Ec+Eb×Es)和b＝Ec×Ec/(Ec×Ec+Es×Es)是C(x,y)和S(x,y)的系数，Ec和Eb是C(x,y)和S(x,y)的标准差(std).因此，如果Es的误差比Ec大，则Ec更可信，给予其更高权重。相反，如果如果Ec的误差比Es大，则Es更可信，给予其更高权重。可以理解，a+b＝1，并且，因此，I(x,y)＝C(x,y)+b×(S-C)。通常，Es对于卫星可以是常数，这样，在步骤S404获得的Ec的值在步骤S405中可以用于产生优化的污染源。
可以使用各种计算硬件来执行上述步骤。图6显示了可以实现本公开的方法和系统的计算机系统的示例。本公开的系统和方法可以以运行在计算机系统、例如主机、个人计算机(PC)、手持计算机、服务器等上的软件应用的形式来实现。该软件应用可以存储在记录介质上，该记录介质可以由计算机系统从本地访问，并且可以经由到网络、例如局域网或因特网的硬连线或无线连接来访问。
计算机系统、通常称为系统1000例如可以包括中央处理酱园(CPU)1001、随机存取存储器(RAM)1004、打印机接口1010、显示单元1011、局域网(LAN)数据传输控制器1005、LAN接口1006、网络控制器1003、内部总线1002以及一个或多个输入设备1009，例如键盘、鼠标等。如图所示，系统1000可以经由链路1007连接到一个数据存储设备、例如硬盘1008。
所属技术领域的技术人员知道，本发明的各个方面可以实现为系统、方法或计算机程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明的各个方面还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件的上下文中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读信号介质可以包括具有在其中体现(例如在基带中或作为载波的一部分)的计算机可读程序代码的传播数据信号。此类传播信号可以采取多种形式中的任何一个，包括但不限于电磁、光或其任何适当组合。计算机可读信号介质可以是任何计算机可读介质，其并非计算机可读存储介质，并且能够发送、传播或传输程序以供指令执行系统、装置或设备使用或与之结合使用。
体现在计算机可读介质上的程序代码可以用任何适当的介质传输，所述介质包括但不限于：无线、有线、光缆、RF等，或上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的各个方面的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
这里参照根据本发明的各个实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，这些计算机程序指令通过计算机或其它可编程数据处理装置执行，产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机、其它可编程数据处理装置或其他设备以特定方式工作的计算机可读介质中，这样，存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令的制造品。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
这里所描述的例示实施例是示例性的，在不偏离本公开的精神以及附带权利要求的范围的情况下，可以引入许多变型。例如，不同例示性实施例的元件和/或特征可以在本公开的精神以及附带权利要求的范围内相互组合以及/或者相互替代。

Claims (20)

1.一种用于对空气污染建模的方法，包括：
接收一特定地理区域的天气模型；
接收该地理区域上的卫星观测污染观测数据；
采用所接收的天气模型产生污染在该地理区域的物理扩散模型；
将所接收的卫星观测污染观测数据内插到所产生的物理扩散模型；以及
采用用于所内插的卫星观测污染观测数据和所产生的物理扩散模型的加权系数，合并所内插的卫星观测污染观测数据和所产生的物理扩散模型，
其中，根据在物理扩散模型和卫星观测污染观测数据中的相对误差，计算所述加权系数。
2.如权利要求1所述的方法，其中，卫星观测污染观测数据具有比物理扩散模型更粗粒度的分辨率。
3.如权利要求1所述的方法，其中，所产生的物理扩散模型是计算流体动力(CFD)模型。
4.如权利要求1所述的方法，其中，物理扩散模型是采用在一个或多个观测站取得的一个或多个观测排放水平从所接收的天气模型产生的。
5.如权利要求1所述的方法，其中，物理扩散模型是采用从卫星观测污染观测数据取得的一个或多个观测排放水平从所接收的天气模型产生的。
6.如权利要求1所述的方法，其中，通过使得在一个或多个观测站取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个观测站的位置的计算排放水平之间的差别最小，来优化物理扩散模型。
7.如权利要求1所述的方法，其中，通过使得从在一个或多个位置的卫星观测污染观测数据取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个位置的计算排放水平之间的差别最小，来优化产生的物理扩散模型。
8.如权利要求1所述的方法，其中，基于物理扩散模型的计算出的反演模型误差以及卫星观测污染观测数据的预定误差来计算在物理扩散模型和卫星观测污染观测数据中的相对误差。
9.如权利要求1所述的方法，进一步包括，将合并的内插卫星观测污染观测数据和产生的物理扩散模型显示为在特定地理区域上的空气污染水平的视觉表示。
10.一种用于对空气污染建模的方法，包括：
接收一特定地理区域的天气模型；
接收该地理区域上的卫星观测污染观测数据；
采用所接收的天气模型产生污染在该地理区域的物理扩散模型；
将所接收的卫星观测污染观测数据内插到所产生的物理扩散模型；以及
通过使得从在一个或多个位置的卫星观测污染观测数据取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个位置的计算排放水平之间的差别最小，来优化产生的物理扩散模型。
11.如权利要求10所述的方法，其中，卫星观测污染观测数据具有比物理扩散模型更粗粒度的分辨率。
12.如权利要求10所述的方法，其中，所产生的物理扩散模型是计算流体力学(CFD)模型。
13.如权利要求10所述的方法，进一步包括将优化的物理扩散模型显示为在特定地理区域上的空气污染水平的视觉表示。
14.一种计算机系统，包括：
处理器；以及
非易失性的有形程序存储介质，其可由计算机系统读取，实现可由处理器执行的用于实现对空气污染建模的方法步骤的程序指令，所述方法包括：
接收一特定地理区域的天气模型；
接收该地理区域上的卫星观测污染观测数据；
采用所接收的天气模型产生污染在该地理区域的物理扩散模型；
将所接收的卫星观测污染观测数据内插到所产生的物理扩散模型；以及
采用用于所内插的卫星观测污染观测数据和所产生的物理扩散模型的加权系数，合并所内插的卫星观测污染观测数据和所产生的物理扩散模型，
其中，根据在物理扩散模型和卫星观测污染观测数据中的相对误差，计算所述加权系数。
15.如权利要求14所述的计算机系统，其中，卫星观测污染观测数据具有比物理扩散模型更粗粒度的分辨率。
16.如权利要求14所述的计算机系统，其中，所产生的物理扩散模型是计算流体动力(CFD)模型。
17.如权利要求14所述的计算机系统，其中，物理扩散模型是采用在一个或多个观测站取得的一个或多个观测排放水平从所接收的天气模型产生的。
18.如权利要求14所述的计算机系统，其中，物理扩散模型是采用从卫星观测污染观测数据取得的一个或多个观测排放水平从所接收的天气模型产生的。
19.如权利要求14所述的计算机系统，其中，通过使得在一个或多个观测站取得的一个或多个观测排放水平与从物理扩散模型计算出的在一个或多个观测站的位置的计算排放水平之间的差别最小，来优化物理扩散模型。
20.如权利要求14所述的计算机系统，进一步包括，将合并的内插卫星观测污染观测数据和产生的物理扩散模型显示为在特定地理区域上的空气污染水平的视觉表示。
CN201610908252.3A 2015-11-12 2016-10-18 利用cfd和卫星数据提取污染排放源 Active CN106709127B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/938,963 2015-11-12
US14/938,963 US10372846B2 (en) 2015-11-12 2015-11-12 Retrieving pollution emission source using CFD and satellite data

Publications (2)

Publication Number Publication Date
CN106709127A true CN106709127A (zh) 2017-05-24
CN106709127B CN106709127B (zh) 2021-03-16

Family

ID=58640543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610908252.3A Active CN106709127B (zh) 2015-11-12 2016-10-18 利用cfd和卫星数据提取污染排放源

Country Status (3)

Country Link
US (1) US10372846B2 (zh)
CN (1) CN106709127B (zh)
DE (1) DE102016221283A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112426856A (zh) * 2020-10-30 2021-03-02 聂鹏飞 一种烟气脱硫流场模拟方法、系统和装置
WO2022052068A1 (zh) * 2020-09-11 2022-03-17 西门子（中国）有限公司 一种基于目标可用模型的环境预测方法、装置、程序及其电子设备

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10796036B2 (en) * 2016-08-08 2020-10-06 International Business Machines Corporation Prediction of inhalable particles concentration
US10746714B2 (en) * 2017-06-16 2020-08-18 International Business Machines Corporation Air pollution source recognition based on dynamic pairing and comparison
CN109506809A (zh) * 2018-11-19 2019-03-22 北京英视睿达科技有限公司 基于地表温度确定大气污染热点网格的方法及装置
CN111695712B (zh) * 2019-03-12 2023-08-25 寰宇国际地球资讯有限公司 污染源追踪系统及其方法
CN111523717B (zh) * 2020-04-15 2023-05-16 北京工业大学 一种大气污染物排放清单的反演估算方法
CN111444633B (zh) * 2020-04-20 2021-04-27 中国科学院大气物理研究所 一种针对大气污染过程的定量解析方法和系统
CN111651873B (zh) * 2020-05-22 2023-03-14 上海市环境科学研究院 城市大气VOCs排放清单反演方法、系统、终端以及储存介质
WO2022097082A1 (en) * 2020-11-07 2022-05-12 Gist Advisory Switzerland System for quantifying pollution outcomes due to business activity of an enterprise
CN112365274B (zh) * 2020-12-01 2022-08-23 苏州深蓝空间遥感技术有限公司 一种基于多源数据的高精度水污染溯源方法
CN115544919B (zh) * 2022-11-24 2023-02-28 清华大学 一种气流体污染物排放源的溯源方法及装置
CN116644689B (zh) * 2023-07-24 2023-11-03 北京工业大学 复杂下垫面下局地尺度大气污染源强快速反算方法及系统
CN117952025B (zh) * 2024-03-27 2024-06-18 北京英视睿达科技股份有限公司 卫星自主规划的大气污染物监测方法、装置、设备及介质
CN117969769B (zh) * 2024-03-29 2024-05-31 山东昆仲信息科技有限公司 基于传感技术的大气污染物含量监测方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030015019A1 (en) * 2000-01-25 2003-01-23 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Portl Method and apparatus for concentrating samples for analysis
EP1309838A1 (en) * 2000-07-12 2003-05-14 Bo Galle Method for measuring of gaseous emissions and/or flux
US20040035183A1 (en) * 2000-01-25 2004-02-26 The State Of Oregon Acting And Through The State Board Of Higher Education On Behalf Of Portl Method and apparatus for sample analysis
US20070271997A1 (en) * 2000-01-25 2007-11-29 State Of Oregon Acting By & Through The State Of Higher Education On Behalf Of Portland State Univ. Method and apparatus for sample analysis
US20100154941A1 (en) * 2008-12-20 2010-06-24 Xiangguang Copper Co., Ltd. Environment-friendly Non-noise matte Granulation Technique
US20110251800A1 (en) * 2008-12-19 2011-10-13 Steven Wilkins System and apparatus for measurement and mapping of pollutants
CN102628852A (zh) * 2012-03-13 2012-08-08 北京工业大学 基于污染物来源识别技术的大气污染源分级方法
CN102944880A (zh) * 2012-11-13 2013-02-27 中国科学院城市环境研究所 一种基于遥感的城市工业热污染源调查方法
CN103065198A (zh) * 2012-12-17 2013-04-24 天津市环境保护科学研究院 大气恶臭污染精细源解析方法
US20140257772A1 (en) * 2013-03-06 2014-09-11 Exa Corporation Flow-induced noise source identification
US8949037B2 (en) * 2003-08-20 2015-02-03 Airdar Inc. Method and system for detecting and monitoring emissions
CN106019310A (zh) * 2016-05-10 2016-10-12 浙江大学 一种基于卫星遥感数据的分辨率提高方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170091350A1 (en) * 2015-09-24 2017-03-30 Alexander Bauer Near real-time modeling of pollution dispersion
US10036135B2 (en) * 2015-10-23 2018-07-31 Philip S. Dunlap Methods and systems to contain pollution and hazardous environments (CPHE)

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030015019A1 (en) * 2000-01-25 2003-01-23 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Portl Method and apparatus for concentrating samples for analysis
US20040035183A1 (en) * 2000-01-25 2004-02-26 The State Of Oregon Acting And Through The State Board Of Higher Education On Behalf Of Portl Method and apparatus for sample analysis
US20070271997A1 (en) * 2000-01-25 2007-11-29 State Of Oregon Acting By & Through The State Of Higher Education On Behalf Of Portland State Univ. Method and apparatus for sample analysis
EP1309838A1 (en) * 2000-07-12 2003-05-14 Bo Galle Method for measuring of gaseous emissions and/or flux
US8949037B2 (en) * 2003-08-20 2015-02-03 Airdar Inc. Method and system for detecting and monitoring emissions
US20110251800A1 (en) * 2008-12-19 2011-10-13 Steven Wilkins System and apparatus for measurement and mapping of pollutants
US20100154941A1 (en) * 2008-12-20 2010-06-24 Xiangguang Copper Co., Ltd. Environment-friendly Non-noise matte Granulation Technique
CN102628852A (zh) * 2012-03-13 2012-08-08 北京工业大学 基于污染物来源识别技术的大气污染源分级方法
CN102944880A (zh) * 2012-11-13 2013-02-27 中国科学院城市环境研究所 一种基于遥感的城市工业热污染源调查方法
CN103065198A (zh) * 2012-12-17 2013-04-24 天津市环境保护科学研究院 大气恶臭污染精细源解析方法
US20140257772A1 (en) * 2013-03-06 2014-09-11 Exa Corporation Flow-induced noise source identification
CN106019310A (zh) * 2016-05-10 2016-10-12 浙江大学 一种基于卫星遥感数据的分辨率提高方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CATHERINE BOULAND 等: "WP 2 Review and gaps identification in AQ and HIA methodologies at regional and local scale", 《APPRAISAL》 *
吴金栋 等: "随机天气模型参数化方案的研究及其模拟能力评估", 《气象学报》 *
李超群 等: "基于短期定量降水预报的隔河岩洪水预报研究", 《水电能源科学》 *
李鹍: "基于遥感与CFD仿真的城市热环境研究——以武汉市夏季为例", 《万方数据库》 *
陈静 等: "石家庄市空气污染预警天气背景分析及模型的建立", 《气象与环境学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022052068A1 (zh) * 2020-09-11 2022-03-17 西门子（中国）有限公司 一种基于目标可用模型的环境预测方法、装置、程序及其电子设备
CN112426856A (zh) * 2020-10-30 2021-03-02 聂鹏飞 一种烟气脱硫流场模拟方法、系统和装置
CN112426856B (zh) * 2020-10-30 2021-06-29 河北大唐国际王滩发电有限责任公司 一种烟气脱硫流场模拟方法、系统和装置

Also Published As

Publication number Publication date
DE102016221283A1 (de) 2017-05-18
US10372846B2 (en) 2019-08-06
CN106709127B (zh) 2021-03-16
US20170140075A1 (en) 2017-05-18

Similar Documents

Publication Publication Date Title
CN106709127B (zh) 利用cfd和卫星数据提取污染排放源
Zhou et al. High-resolution global urban growth projection based on multiple applications of the SLEUTH urban growth model
US11454500B2 (en) Map feature extraction system for computer map visualizations
Karjalainen et al. Circumpolar permafrost maps and geohazard indices for near-future infrastructure risk assessments
Ingebrigtsen et al. Spatial models with explanatory variables in the dependence structure
Moraga et al. A geostatistical model for combined analysis of point-level and area-level data using INLA and SPDE
JP7048928B2 (ja) 動的ペアリングおよび比較に基づく大気汚染源認識
CN109543909B (zh) 车辆案件数量的预测方法、装置和计算机设备
Ge et al. Vectorial boundary-based sub-pixel mapping method for remote-sensing imagery
Wu et al. Hyperparameter estimation for uncertainty quantification in mesoscale carbon dioxide inversions
US20160370333A1 (en) Generating fine resolution air pollution estimates
JP6884318B2 (ja) 気象予測システム、気象予測方法、気象予測プログラム
CN116802477A (zh) 用于监测温室气体排放的系统和方法
Kumar What can affect AOD–PM2. 5 association?
CN115719447A (zh) 基于双时相高分辨率遥感影像的建筑物变化检测方法
Nasser et al. Reliability of smart noise pollution map
Sha et al. Bayesian model–data synthesis with an application to global glacio‐isostatic adjustment
CN115239027B (zh) 空气质量格点化集合预报的方法及装置
CN116029151A (zh) 水流阻力预测方法、训练方法、流量预测方法及装置
Pacina et al. Georelief Transfiguration in Areas Affected by Open‐cast Mining
Krdžalić et al. A precise geoid model of Bosnia and Herzegovina by the KTH method and its validation
CN115859026A (zh) 一种高分辨率近地面pm2.5浓度遥感反演方法及装置
CN116631530B (zh) 污染物扩散风险识别方法、装置及设备
Klein Geospatial internet of things: Framework for fugitive methane gas leaks monitoring
CN111369676A (zh) 地图图像处理方法、装置和车载设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant