System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于碳排放遥感监测,具体为一种基于大数据的工业碳排放遥感监测系统。
技术介绍
1、工业碳排放是城市大气中温室气体的重要来源,对气候变化和空气质量产生直接影响。通过监测城市工业碳排放,可以及时了解和掌握污染源的情况,有助于减少温室气体排放,推动城市环境的改善。
2、相较于传统的地面监测手段,遥感监测凭借能够广域监测和非侵入式监测的优势,使其成为现阶段碳排放监测的常用手段。
3、遥感监测碳排放的原理是由红外遥感设备采集工业地区的大气光谱数据,再由反演模型将光谱数据转换为碳排放量,在这之中,由于气象条件对光谱数据的传播和接收会产生影响,这使得反演模型的监测准确性也受到气象条件的影响,恶劣的气象条件容易导致监测存在较大误差,特别是在多云或雨雪天气下。而现有技术在利用遥感监测的碳排放量进行数据分析时为了保障数据分析的准备性,避免异常数据对分析结果的干扰,通常都会对碳排放量突变数据进行剔除,但其忽略了碳排放量的突变可能是由恶劣气象引起的,导致缺乏对碳排放量突变数据的甄别,进而在一定程度上影响了碳排放量突变数据剔除的准确性,从而难以为分析结果提供可靠的数据支撑。
4、另外,由于反演模型的准确性受气象条件的影响,使得在不同气象条件下得到的碳排放量数据存在可用价值的差异化,而现有技术中为了保障碳排放量数据的可用价值,通常会采用剔除异常天气下的碳排放量数据,只保留正常天气下的碳排放量数据,这种一刀切的做法存在适用局限,其只适用于正常天气下碳排放量数据较多的情况,当正常天气下碳排放量数据较少时,以有限的数
技术实现思路
1、鉴于此,本专利技术考虑到季节变化对工业活动的运行有着显著影响,进而会影响到碳排放量,通过对碳排放量的季节性分析,能够更好地理解季节变化对工业活动的影响,为相关产业的环境管理提供支持,在此基础上提出一种应用于碳排放量季节变化分析的基于大数据的工业碳排放遥感监测系统,通过对所监测碳排放量数据的处理方式进行优化,有效解决了
技术介绍
中所提出的问题。
2、本专利技术的目的可以通过以下技术方案实现:一种基于大数据的工业碳排放遥感监测系统,包括:监测区域确定模块,用于定位目标城市中工业企业的分布区域,作为监测区域。
3、季节时段选取划分模块,用于定位目标城市所处地理位置,由此确定目标城市所处地理位置对应的季节时段,与此同时选取监测年度,进而将监测年度按照季节时段进行时段划分,得到各监测年度对应的各季节时段。
4、云参考库,用于存储各气候类型对应的季节时段。
5、光谱数据采集模块,用于在各监测年度对应各季节时段的监测日利用红外遥感设备向监测区域的大气进行光谱数据采集。
6、碳排放量转化模块,用于将采集的光谱数据通过反演模型转化为碳排放量,得到各监测年度对应各季节时段中各监测日的碳排放量。
7、碳排放量时间序列集合构建模块,用于将各监测年度对应各季节时段中各监测日的碳排放量按照时间先后顺序构成各监测年度对应各季节时段的碳排放量时间序列集合。
8、气象条件调取模块,用于从目标城市所处地理位置的气象中心调取各监测年度对应各季节时段中各监测日的气象条件,并构成各监测年度对应各季节时段的气象条件时间序列集合。
9、异常数据识别模块,用于将各监测年度对应各季节时段的碳排放量时间序列集合与气象条件时间序列集合结合,由此识别出异常碳排放量。
10、碳排放量处理分析模块,用于从各监测年度对应各季节时段的碳排放量时间序列集合中剔除异常碳排放量,并基于异常碳排放量剔除后的碳排放量时间集合进行反演模型气象敏感性分析,进而根据分析结果分析目标城市碳排放量的季节变化趋势,同时将分析结果进行终端显示。
11、在一种可替换的实施方式中,所述确定目标城市所处地理位置对应的季节时段参见下述过程:将目标城市所处地理位置与地图中各种气候类型对应的分布地区进行比对,从中比对出目标城市所处地理位置对应的气候类型,并与云参考库中各气候类型对应的季节时段进行匹配,由此获取目标城市所处地理位置对应的季节时段。
12、在一种可替换的实施方式中,所述气象条件包括气象类型和气象表征参数,其中气象类型分为正常天气和异常天气,气象表征参数包括降雨量、降雪量、云量和光照强度。
13、在一种可替换的实施方式中,所述正常天气为晴天,异常天气包括雨天、雪天和多云。
14、在一种可替换的实施方式中,所述异常碳排放量的具体识别过程如下:将各监测年度对应各季节时段碳排放量时间序列集合中的碳排放量进行相邻对比,通过表达式得到各监测年度对应各季节时段中第t+1监测日与第t监测日之间的碳排放量突变度ηt+1→t,式中qt+1、qt分别表示为各监测年度对应各季节时段的碳排放量时间序列集合中第t+1监测日、第t监测日的碳排放量,t表示各监测年度对应各季节时段中监测日的编号,t=1,2......,z-1,e表示自然常数。
15、将各监测年度对应各季节时段中第t+1监测日与第t监测日之间的碳排放量突变度与设置的允许值进行对比,若某相邻监测日之间的碳排放量突变度大于允许值,则将该相邻监测日记为特定相邻监测日,进而从各监测年度对应各季节时段的气象条件时间序列集合中调取特定相邻监测日的气象条件,并从气象条件中提取气象表征参数。
16、将特定相邻监测日的气象表征参数进行对比,计算气象差异度,并与设置的限定值进行对比,若特定相邻监测日的气象差异度小于限定值,则识别特定相邻监测日的碳排放量中存在异常碳排放量,并从特定相邻监测日中选取后一监测日的碳排放量作为异常碳排放量。
17、在一种可替换的实施方式中,所述气象差异度的计算表达式为
18、
19、式中σ表示为特定相邻监测日的气象差异度,rl前、sl前、cc前、li前分别表示为特定相邻监测日中前一监测日的降雨量、降雪量、云量、光照强度,rl后、sl后、cc后、li后分别表示为特定相邻监测日中后一监测日的降雨量、降雪量、云量、光照强度。
20、在一种可替换的实施方式中,所述反演模型气象敏感性分析参见下述过程:基于异常碳排放量对应的监测日从各监测年度对应各季节时段的气象条件时间序列集合中剔除相应监测日的气象条件。
21、将剔除后的各监测年度对应各季节时段的气象条件时间序列集合中的监测日按照气象类型进行归类,得到正常天气监测日和异常天气监测日。
22、基于正常天气监测日、异常天气监测日从将异常碳排放量剔除后的各监测年度对应各季节时段的碳排放量时间序列集合中提取相应监测日对应的碳排放量,得到各监测年度对应各季节时段在正常监测日的碳排放量及在异常监测日的碳排放量。
23、将各监测年度对应各季节时段在正常监测日的碳排放量与在异常监测日的碳排放量进行对比,计算各监测年度对应各季节时段中反演模型对异常天气的敏本文档来自技高网...
【技术保护点】
1.一种基于大数据的工业碳排放遥感监测系统,其特征在于,包括:
2.如权利要求1所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述确定目标城市所处地理位置对应的季节时段参见下述过程:
3.如权利要求1所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述气象条件包括气象类型和气象表征参数,其中气象类型分为正常天气和异常天气,气象表征参数包括降雨量、降雪量、云量和光照强度。
4.如权利要求3所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述正常天气为晴天,异常天气包括雨天、雪天和多云。
5.如权利要求3所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述异常碳排放量的具体识别过程如下:
6.如权利要求5所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述气象差异度的计算表达式为式中σ表示为特定相邻监测日的气象差异度,RL前、SL前、CC前、LI前分别表示为特定相邻监测日中前一监测日的降雨量、降雪量、云量、光照强度,RL后、SL后、CC后、LI后分别表示为特定相邻监测日中后
7.如权利要求4所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述反演模型气象敏感性分析参见下述过程:
8.如权利要求7所述的的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述目标城市碳排放量的季节变化趋势参见下述分析过程:
9.如权利要求8所述的的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述从该监测年度对应该季节时段的所有监测日中选取适宜监测日具体操作如下:
...【技术特征摘要】
1.一种基于大数据的工业碳排放遥感监测系统,其特征在于,包括:
2.如权利要求1所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述确定目标城市所处地理位置对应的季节时段参见下述过程:
3.如权利要求1所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述气象条件包括气象类型和气象表征参数,其中气象类型分为正常天气和异常天气,气象表征参数包括降雨量、降雪量、云量和光照强度。
4.如权利要求3所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述正常天气为晴天,异常天气包括雨天、雪天和多云。
5.如权利要求3所述的一种基于大数据的工业碳排放遥感监测系统,其特征在于:所述异常碳排放量的具体识别过程如下:
6.如权利要求5所述的一种基于大数据的工...
【专利技术属性】
技术研发人员:张逸荃,周淑雄,郭承龙,庄家尧,
申请(专利权)人:南京林业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。