基于热点网格的空气污染物数据获取方法与流程

本发明涉及数据处理技术领域，尤其涉及一种基于热点网格的空气污染物数据获取方法。

背景技术：

2016年，环保部与科技企业进行合作，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。按照划分成的网格，加密分布大气监测点位。通过大数据定期筛选出大气污染程度较高的热点网格，发送给相关地方政府和环保部门，推动实施精准执法。

热点网格将全国2+26个城市的污染治理重点，放到了36793个3km×3km划分的网格上，实现了对污染的一步聚焦。但是，3km×3km对于微观环境来说依然不够细致。

因此，需要一种更细粒度的大气污染监测解决方案。

技术实现要素：

本发明的目的是针对现有技术中存在的缺陷，提供一种基于热点网格的空气污染物数据获取方法。

为实现上述目的，第一方面,本发明提供了一种基于热点网格的空气污染物数据获取方法，包括：

获取预设时间段内的多个第一热点网格的第一空气污染物浓度数据；

将多个所述第一空气污染物浓度数据按照浓度由高到低进行排序，生成排序列表；

在所述排序列表中选择预设比例的多个第二热点网格的第二空气污染物浓度数据；

在每个所述第二热点网格对应的区域内利用监测设备采集多个空气污染物数据样本；

将每个所述第二热点网格按照预设方式进行划分，得到对应的多个第三热点网格；

根据所述空气污染物数据样本进行插值计算,得到所有第三热点网格的第三污染物浓度数据；

计算所述第二热点网格内的所有所述第三污染物浓度数据的平均值；

将每一个所述第三污染物浓度数据与所述平均值做差，得到所述第三污染物浓度数据的补偿值；

根据所述补偿值对所述第三污染物浓度数据进行补偿处理,得到第四污染物浓度数据。

进一步的，所述在每个所述第二热点网格对应的区域内利用监测设备采集多个空气污染物数据样本具体包括:

在每个所述第二热点网格对应的区域内利用监测设备按照螺旋形路线移动采集多个空气污染物数据样本。

进一步的，所述将每个所述第二热点网格按照预设方式进行划分，得到对应的多个第三热点网格具体包括：

将每个所述第二热点网格按照百米级别划分为多个第三热点网格。

进一步的，所述根据所述空气污染物数据样本进行插值计算,得到所有第三热点网格的第三污染物浓度数据具体包括：

获取所述空气污染物数据样本对应的样本污染物浓度数据；

利用克里金插值法对所述样本污染物浓度数据进行插值计算，得到所有第三热点网格的第三污染物浓度数据。

进一步的，所述根据所述补偿值对所述第三污染物浓度数据进行补偿处理,得到第四污染物浓度数据具体包括：

将所述第三污染物浓度数据加上对应的补偿值，得到所述四污染物浓度数据。

进一步的，在获取预设时间段内的多个第一热点网格的第一空气污染物浓度数据之前，所述方法还包括：

将监测区域按照预设尺寸平均划分成多个第一热点网格。

进一步的，所述获取预设时间段内的多个第一热点网格的第一空气污染物浓度数据具体包括：

根据卫星遥感数据、空气质量地面观测数据、气象观测数据计算多个第一热点网格对应的区域的年平均pm2.5浓度。

第二方面,本发明提供了一种设备，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行第一方面及第一方面的各种实现方式中的方法。

第三方面,本发明提供了一种包含指令的计算机程序产品，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第一方面及第一方面的各种实现方式中的方法。

第四方面,本发明提供了一种计算机可读存储介质，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第一方面及第一方面的各种实现方式中的方法。

本发明提供的基于热点网格的空气污染物数据获取方法，从第一热点网格中提取出空气污染物浓度较高的一部分第二热点网格，在每个第二热点网格对应的区域内利用监测设备采集多个空气污染物数据样本，进一步将每个第二热点网格划分成多个第三热点网格，根据采集的空气污染物数据样本对第三热点网格中的空气污染物浓度进行插值和补偿，从而得到所有第三热点网格对应区域的空气污染物浓度数据。本发明提供的方法，通过对热点网格的进一步划分，并进行插值和补偿，从而进一步聚焦到更细粒度的重点热点网格内的污染分布，使污染监测更加具有针对性。

附图说明

图1为本发明实施例一提供的基于热点网格的空气污染物数据获取方法流程图；

图2为本发明实施例一提供的移动数据采集路线图；

图3为本发明实施例一提供的半变异函数方差的分布示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

图1为本发明实施例一涉及的基于热点网格的空气污染物数据获取方法流程图。如图1所示，具体包括如下步骤：

步骤101，获取预设时间段内的多个第一热点网格的第一空气污染物浓度数据。

在步骤101，之前，将监测区域按照预设尺寸平均划分成多个第一热点网格。热点网格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。

第一热点网格是指从划分的热点网格中提取一部分或者全部热点网格，例如，从“2+26”城市中筛选出每个城市pm2.5浓度最高的10个热点网格作为第一热点网格，共280个。对每个热点网格进行编码，每个热点网格编码唯一对应一个划分后的监测区域单元。获取第一热点网格对应的区域的第一空气污染物浓度的历史监测数据。例如，根据卫星遥感数据、空气质量地面观测数据、气象观测数据计算多个第一热点网格对应的区域的年平均pm2.5浓度。可以通过监测设备获取污染物浓度数据，也可以从公开的数据库中获取，第一空气污染物具体可以是能够排放到空气中造成空气污染的所有污染物，可以是pm2.5、pm10等。预设时间段是可以根据具体需要选取的历史时间，例如，获取过去一年的多个第一热点网格对应区域的pm2.5浓度的平均值。

步骤102，将多个第一空气污染物浓度数据按照浓度由高到低进行排序，生成排序列表。

具体的，将选取的多个第一热点网格对应的监测区域的空气污染物浓度按照浓度由高到低的顺序进行排序，例如，热点网格对应的区域编码和年平均pm2.5浓度分别为a1/b1、a2/b2、a3/b3、a4/b4、a5/b5，其中，年平均pm2.5浓度b5＞b4＞b3＞b2＞b1，则生成的排序列表如表1所示：

表1

步骤103，在排序列表中选择预设比例的多个第二热点网格的第二空气污染物浓度数据。

从排序后的第一热点网格中选择部分污染物浓度排名靠前的重点热点网格作为第二热点网格,例如,根据“二八原则”选择污染物浓度排名前20％的第一热点网格作为第二热点网格。其中，预设比例不限于此，可以根据具体需要进行设置。

步骤104，在每个第二热点网格对应的区域内利用监测设备采集多个空气污染物数据样本。

具体的，携带监测设备，对于每个3km×3km的第二热点网格对应的区域，沿如图2所示螺旋形移动路线移动采集多个空气污染物数据样本，每一条线间隔100米。

步骤105，将每个第二热点网格按照预设方式进行划分，得到对应的多个第三热点网格。

具体的，将每个第二热点网格划分为多个100米×100米尺寸的第三热点网格。将第二热点网格更加细化地划分为多个第三热点网格的目的是对污染监测区域进行精准定位，从而更加有效地进行污染监控。

将第二热点网格划分为第三热点网格的具体划分方式和尺寸可以根据已有的人力物力监控条件进行确定。

步骤106，根据空气污染物数据样本进行插值计算,得到所有第三热点网格的第三污染物浓度数据。

具体的，根据获取到的空气污染物数据样本计算对应的样本污染物浓度数据；利用克里金插值法对样本污染物浓度数据进行插值计算，得到所有第三热点网格的第三污染物浓度数据。

在第二热点网格细化后的第三热点网格中进行克里金插值，在监测点结构的空间建模中，以经验半变异函数的图形开始，针对以距离h分隔的所有位置对，已知监测点的半变异函数如下：

semivariogram(distanceh)＝0.5*average((valuei–valuej)²)(i、j＝1，2，…，n)

通过分析半变异函数方差的分布特征，如图3所示，使用指数模型来拟合，获得指数方程s(h)如公式(1)。

其中，c为基台值，a为变程，h为滞后距。

采用公式(2)计算每个未知网格的污染物浓度数据。

其中，z(xi)是已知网格点对应区域污染物浓度，z(x0)是未知点x0的插值结果，最终获得所有第三热点网格对应区域的污染物浓度数据。λi为待定权重系数，通过半变异函数得出，z(xi)之间存在一定的相关关系，这种相关性除了与距离有关外，还与其相对方向变化有关，针对克里金方法无偏、最小方差条件可得到待定权重系数λi满足公式(3)；

以无偏为前提，克里金方差为最小可得到求解待定权重系数λi的公式(4)；

其中，c(xi,xj)为z(xi)和z(xj)的协方差函数，μ为确定趋势值。

步骤107，计算第二热点网格内的所有第三污染物浓度数据的平均值。

例如，根据第二热点网格内的10个插值结果：c1、c2、c3、c4、c5、c6、c7、c8、c9、c10，计算平均值为

步骤108，将每一个第三污染物浓度数据与平均值做差，得到第三污染物浓度数据的补偿值。

如步骤107中的例子，第二热点网格内的10个插值结果：c1、c2、c3、c4、c5、c6、c7、c8、c9、c10对应的补偿值依次为

步骤109，根据补偿值对第三污染物浓度数据进行补偿处理,得到第四污染物浓度数据。

具体的，根据第三污染物浓度数据，对每个第三热点网格内的插值点进行平移，加上补偿值，从而得到补偿后的插值结果，第四污染物浓度数据为经过补偿之后的污染物浓度数据。

本发明技术方案得到所有对3km×3km热点网格对应区域细分之后的更精细的区域的污染物浓度数据,便于辅助用户根据这些污染物浓度数据查找污染源,以及解决污染物排放相关问题。

本发明提供的基于热点网格的空气污染物数据获取方法，从第一热点网格中提取出空气污染物浓度较高的一部分第二热点网格，在每个第二热点网格对应的区域内利用监测设备采集多个空气污染物数据样本，进一步将每个第二热点网格划分成多个第三热点网格，根据采集的空气污染物数据样本对第三热点网格中的空气污染物浓度进行插值和补偿，从而得到所有第三热点网格对应区域的空气污染物浓度数据。本发明提供的方法，通过对热点网格的进一步划分，并进行插值和补偿，从而进一步聚焦到更细粒度的重点热点网格内的污染分布，使污染监测更加具有针对性。

本发明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，例如硬盘驱动器和闪存，存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能；设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序，该软件程序被执行时，能够实现本发明实施例提供的方法。

本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。

本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。