一种基于热点网格污染数据监测的预警方法技术

本发明专利技术提供了一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，并通过获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。

An Early Warning Method Based on Hotspot Grid Pollution Data Monitoring

【技术实现步骤摘要】
一种基于热点网格污染数据监测的预警方法
本专利技术涉及数据处理
，尤其涉及一种基于热点网格污染数据监测的预警方法。
技术介绍
解决好环境问题的重要基础之一就是要准确掌握环境现状，包括存在哪些具体的环境问题等等，而环境监测工作又是解决环境问题、及时了解环境现状的关键，这其中“预警网格”就成为环境监测工作的重点和关键环节。预警网格是制定环境环保政策和措施的基础，也是环境管理、执法、统计、信息发布和环保目标责任制度考核的依据。因此，预警网格的质量与否对于环境保护工作具有积极的意义。预警网格的目的在于识别大气中的污染物质，掌握其分布与扩散规律，监视大气污染源的排放和控制情况，并快速定位污染区域。
技术实现思路
本专利技术是基于热点网格污染数据监测技术，并旨在提供一种更为细化的预警方法，具体技术方案如下：一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，其特征在于：所述方法还包括提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。进一步地，所述本周期数据得分计算公式为“得分＝1-(本周期网格浓度-本周期网格浓度最小值)*100/本周期网格浓度最大值-本周期网格浓度最小值)”；通过该得分的升序或降序确定排名。进一步地，所述同比变化的计算公式为“变化＝1-(本周期网格浓度-上一年度同周期网格浓度)*100/上一年度同周期网格浓度)”。进一步地，所述同比得分的计算公式为“得分＝1-(同比变化-同比变化最小值)*100/(同比变化最大值-同比变化最小值)”；通过该得分的升序或降序确定排名。进一步地，所述环比得分通过本周期排名与上周期排名之间的差确定。进一步地，所述环比得分的计算公式为“得分＝1-(环比排名变化-环比排名变化最小值)*100/(环比排名变化最大值-环比排名变化最小值)”；通过该得分的升序或降序确定排名。第二方面，本专利技术还提供了一种设备，包括存储器和处理器，其特征在于，所述存储器用于存储程序，所述处理器用于执行如权利要求1-6任一所述的方法。第三方面，本专利技术还提供了一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1-6任一权利要求所述的方法。第四方面，本专利技术还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任一权利要求所述的方法。本专利技术提出一种新的概念，即“预警网格”，并给出了地图的显示方式、计算方法以及预警网格在环境保护中重要作用。其中预警网格的概念很新颖，计算方法较为复杂，主要涉及到本周期网格的浓度得分、排名、网格浓度同比变化、网格浓度同比得分、排名、环比排名变化以及环比得分、排名。预警网格是制定环境环保政策和措施的基础，也是环境管理、执法、统计、信息发布和环保目标责任制度考核的依据。因此，预警网格的质量与否对于环境保护工作具有积极的意义。预警网格的目的在于识别大气中的污染物质，掌握其分布与扩散规律，监视大气污染源的排放和控制情况，并快速定位污染区域。附图说明图1是本专利技术实施例提供的将监测区域划分成网格单元示意图，地图上的矩形框是网格，其中每一个网格都有一个网格编号，以T开头；图2是本专利技术实施例提供的将网格中污染物浓度进行提取的示意图；图3是本专利技术实施例提供的将网格中污染物浓度进行排名的示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部份实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域。其中，网格单元是指将污染监测区域划分成多个网格,便于进行精确监测。例如，将京津冀及周边重点区域“2+26”城市(2指北京市和天津市，26指河北省石家庄、唐山、保定、廊坊、沧州、衡水、邯郸、邢台，山西省太原、阳泉、长治、晋城，山东省济南、淄博、聊城、德州、滨州、济宁、菏泽，河南省郑州、新乡、鹤壁、安阳、焦作、濮阳、开封26个城市)按照3km×3km划分网格，共计36793个。为了更进一步细化，将每个3km×3km的网格再次划分成多个100米×100米的网格单元。如图1所示，将划分之后的每个网格单元赋予一个唯一的以T开头的网格编码，根据网格编码能够查询到对应的监测子区域。其次，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，最后，提取每个子监测区域的本月网格化污染物浓度数据、上月网格化污染物浓度数据、上一年度本月网格化污染物浓度数据，并计算出每个子监测区域的本月的数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本月排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。预警评估计算公式以及计算标准：①本月网格的浓度得分、排名：②网格浓度同比变化:③网格浓度同比得分、排名:④环比排名变化环比排名变化＝-(本月排名-上月排名)⑤环比得分、排名：(2)预警网格确定及原因分析每月将各城市PM2.5月均浓度最高、同比去年PM2.5浓度改善情况最差、环比上月改善情况最差等三类热点网格作为预警网格推送给各个城市，指明这些网格需要重点关注。(3)约谈机制对一年内连续3次被预警或累计6次被预警的热点网格，生态环境部将采取公开通报、派驻工作组和公开约谈网格所在县(区、市)政府负责人等措施，督促地方解决问题，改善环境。本专利技术实施例二提供了一种设备，包括存储器和处理器，存储器用于存储程序，存储器可通过总线与处理器连接。存储器可以是非易失存储器，本文档来自技高网...

【技术保护点】
1.一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，其特征在于：所述方法还包括提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。

【技术特征摘要】
1.一种基于热点网格污染数据监测的预警方法，所述方法包括将污染监测区域划分为多个网格单元，每个所述网格单元对应一个监测子区域，获取每一个监测子区域的多源卫星观测数据、地面特征数据、时空特征数据、大气污染物数据、气象数据，并分别得出相应地气溶胶光学厚度AOD特征参数、地面特征参数、时空特征参数、污染物浓度特征参数、气象特征参数，并据此得出每一个监测子区域的多维特征向量，将所有所述多维特征向量生成多维特征样本集；采用深度学习模型对所述多维特征样本集进行训练，得到关系模型；获取目标区域的多源卫星观测数据，并提取网格化多维特征信息；根据所述网格化多维特征信息和所述关系模型，得到所述目标区域的网格化污染物浓度数据，其特征在于：所述方法还包括提取每个子监测区域的本周期网格化污染物浓度数据、上周期网格化污染物浓度数据、上一年度同一周期网格化污染物浓度数据，并计算出每个子监测区域的本周期数据得分、排名，同比变化，同比得分、排名，环比排名变化，环比得分、排名，并据此确定本周期排名最低、同比得分最低、环比得分最低的子监测区域，实施预警措施。2.根据权利要求1所述的方法，其特征在于：所述本周期数据得分计算公式为“得分＝1-(本周期网格浓度-本周期网格浓度最小值)*100/本周期网格浓度最大值-本周期网格浓...

【专利技术属性】
技术研发人员：尹文君，廖炳瑜，田启明，张泽佳，何苗，黄思，范迎春，
申请(专利权)人：北京英视睿达科技有限公司，
类型：发明
国别省市：北京,11