一种网络化二氧化碳浓度监测系统及浓度监测方法与流程

1.本发明涉及环境气体监测技术领域，尤其涉及网络化二氧化碳浓度监测系统及浓度监测方法。


背景技术：

2.二氧化碳(co2)是大气重要的组成部分，也是目前导致全球变化、温室效应的主要气体。为了有效监测大气co2浓度，中国气象局等部门已经牵头在全国构建了由16个picarro观测仪器的观测网络。这些观测仪器虽然精度高，但价格和维护成本昂贵，不能进行大批量、高密度观测，导致地面co2观测数据稀疏，在进行“自上而下”的方法计算碳通量时，不能够很好进行区域、城市尺度的数据支撑。
3.因此，在以picarro等仪器为代表的超高精度co2监测仪之外，仍需要构建一套以昂贵高精度co2监测仪并搭配多个、高密度、低价的co2监测仪进行组网、高密度、连续观测，来监测道路交通、工厂等排放源的高时空分辨率信号。
4.经检索，申请号cn202111608744.8的中国专利，公开了一种用于城市碳监测用机械非标二氧化碳测量预估设备，其目的是实现对数据进行实时采集和远程获取用于城市碳监测，但是二氧化碳的监测成本、监测精度依然需要考虑。
5.目前采用较多的监测方法有激光类和光学等多种方法，激光类算法相对精度较高，但工艺难度大、价格高昂、维护成本高使其不能进行大范围、大批量应用，光学方法精度相对较低。


技术实现要素：

6.本发明的目的是为了解决现有技术中存在的缺陷，而提出的网络化二氧化碳浓度监测系统。
7.为了实现上述目的，本发明采用了如下技术方案：
8.根据本发明的一个方面，提供了一种网络化网络化二氧化碳浓度监测系统。
9.一种网络化二氧化碳浓度监测系统，包括高精度基站和若干与所述高精度基站相连接的co2监测装置，所述高精度基站与所述co2监测装置用于实现协同监测，所述高精度基站还用于对co2监测装置的运行状况监控。
10.进一步地，所述co2监测装置包括腔体和若干与所述腔体相连接的管路，若干所述管路均设有空气进气阀门，所述管路包括若干进气管路和若干出气管路，其中，至少一条进气管路连接有湿度发生器，至少一条出气管路连接压力控制系统，至少一条出气管路连接高精度分析仪，所述腔体的内部设有温度控制器和风扇。
11.进一步地，所述腔体连接两条进气管路和两条出气管路，其中，一条进气管路直接连接腔体，另一条进气管路连接湿度发生器，一条出气管路连接高精度分析仪，另一条出气管路连接压力控制系统。
12.进一步地，所述温度发生器、所述压力控制器和空气进气阀门，用于实现阶梯化温
度控制，其中，具体流程步骤为：关闭湿度发生器和压力控制器的阀门，打开空气进气阀门，同时，控制温度控制器的温度，实现阶梯化温度控制。
13.进一步地，所述压力控制器、所述温度控制器和所述空气进气阀门，用于现阶梯化压力控制，其中，具体流程步骤为：关闭温度控制器和空气进气阀门，打开压力控制器阀门，同时，控制压力控制器的压力，实现阶梯化压力控制。
14.进一步地，所述温度控制器、所述压力控制器和所述湿度发生器，用于实现阶梯化湿度控制，其中，具体流程步骤为：关闭温度控制器和压力控制器阀门，打开湿度发生器阀门；同时，控制湿度发生器，实现阶梯化湿度控制。
15.根据本发明的另一个方面，提供了一种co2浓度监测方法。
16.一种co2浓度监测方法，包括以下步骤：
17.s1：利用co2监测装置实现完整的一套环境试验；
18.s2：试验后，获得由时间t、温度t、湿度rh、压力p、传感器信号值value和高精度co2参考信号组成的数据结构；
19.s3：将数据输入根据实际使用情况调校参数的基于深度学习的lstm算法，获得lstm模型结构；
20.s4：筛选出最佳lstm模型结构x和最佳lstm算法初始参数x定为最终算法；
21.s5：在不同环境下的温度t0、湿度rh0、压力p0和传感器信号value0，输入到lstm模型x中，获得最准确的co2浓度值。
22.进一步地，在步骤s4中，筛选的方法流程为：
23.通过编程方式，实现不同初始参数(1,2,3
…
n)的lstm算法针对同一组参数分析；
24.获得多个lstm模型结构(1，2，3
…
n)和误差分析结果(1，2，3
…
n)；
25.筛选出最佳lstm模型结构x和最佳lstm算法初始参数x定为最终算法
26.相比于现有技术，本发明的有益效果在于：
27.采用基站和站点组网观测互相标定的高低精度站点搭配的方式，能够在设置一个标准基站基础上搭配多个低成本co2监测仪器，获得精度高、密度大的面源、线源、点源co2网格化数据，在实现高低进度搭配监测的同时，能相互协同和监控运行状况监测和精度纠正，此外，通过此种搭配方式实现的浓度监测方法，也能够弥补高精度站点占地面积大、造价昂贵、维护成本高等缺点。
附图说明
28.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
29.图1为本发明提出的网络化二氧化碳浓度监测系统的分布示意图；
30.图2为本发明实施例中的网络化二氧化碳浓度监测系统的矫正变化示意图；
31.图3为本发明提出的网络化二氧化碳浓度监测系统的co2监测装置的实施示意图；
32.图4为本发明提出的co2浓度监测方法的步骤流程图；
33.图5为本发明实施例中的获取区域碳通量的步骤流程图；
34.图6为本发明实施例中的数据矫正结果图。
具体实施方式
35.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
36.参照图1-2，网络化二氧化碳浓度监测系统，包括高精度基站和若干与所述高精度基站相连接的co2监测装置，所述高精度基站与所述co2监测装置用于实现协同监测，所述高精度基站还用于对co2监测装置的运行状况监控。
37.在本实施例中，高精度基站为超高精度co2监测仪作为标注基站，co2监测装置为co2监测仪器，数量为多个高密度分布，用于与超高精度co2监测仪进行搭配使用。
38.其中，超高精度co2监测仪器除了用于与高密度co2监测仪器协同监测，在特定条件下，高精度co2监测仪器可用于co2监测仪器的运行状况监控。低成本co2监测仪器常见问题是信号漂移，其信号的灵敏度不变，但其基线可能随着时间或者环境变化而变化；
39.在特定条件下，例如夜晚、大风天气，在此类环境条件下，人为活动对仪器的影响弱化；此时，使用基站的co2标准值矫正每个高密度点位的co2监测仪器信号，将其信号补偿至正常水平。
40.另外，在已有的碳源汇核算算法上，增加低成本、高密度的co2监测仪用于完善高精度、高分辨率co2浓度观测要求，进而完善区域和城市碳源汇核算方法(如“自上而下”的碳源汇核算方法)。
41.参照图5，区域碳通量是由大气背景co2浓度、人类统计的碳排放清单、自然生态系统通量、高精度站点的co2观测值、高密度网络co2观测值综合核算得出的，具体步骤流程为：
42.通过大气传输模型生成的气象数据与人类活动碳排放清单、自然生态系统通量、大气背景co2浓度等排放数据输入到大气传输模型中，模拟出区域co2浓度数据；
43.将模拟生成的co2浓度数据与高密度站点获得co2观测数据输入到同化系统中，同化、修正高精度的人类活动碳排放通量、自然生态系统通量等co2通量。
44.实施例一
45.参照图3，所述co2监测装置包括腔体和若干与所述腔体相连接的管路，若干所述管路均设有空气进气阀门，所述管路包括若干进气管路和若干出气管路，其中，至少一条进气管路连接有湿度发生器，至少一条出气管路连接压力控制系统，至少一条出气管路连接高精度分析仪，所述腔体的内部设有温度控制器和风扇。
46.实施例二
47.参照图3，在实施例一的基础上，所述腔体连接两条进气管路和两条出气管路，其中，一条进气管路直接连接腔体，另一条进气管路连接湿度发生器，一条出气管路连接高精度分析仪，另一条出气管路连接压力控制系统。
48.实施例三
49.参照图3，在实施例二的基础上，所述温度发生器、所述压力控制器和空气进气阀门，用于实现阶梯化温度控制，其中，具体流程步骤为：关闭湿度发生器和压力控制器的阀门，打开空气进气阀门，同时，控制温度控制器的温度，实现阶梯化温度控制；
50.所述压力控制器、所述温度控制器和所述空气进气阀门，用于现阶梯化压力控制，其中，具体流程步骤为：关闭温度控制器和空气进气阀门，打开压力控制器阀门，同时，控制
压力控制器的压力，实现阶梯化压力控制；
51.所述温度控制器、所述压力控制器和所述湿度发生器，用于实现阶梯化湿度控制，其中，具体流程步骤为：关闭温度控制器和压力控制器阀门，打开湿度发生器阀门；同时，控制湿度发生器，实现阶梯化湿度控制。
52.根据本发明的实施例，还提供了一种co2浓度监测方法。
53.参照图4，一种co2浓度监测方法，包括以下步骤：
54.利用co2监测装置实现完整的一套环境试验；
55.试验后，获得由时间t、温度t、湿度rh、压力p、传感器信号值value和高精度co2参考信号组成的数据结构；
56.将数据输入根据实际使用情况调校参数的基于深度学习的lstm算法，获得lstm模型结构；
57.筛选出最佳lstm模型结构x和最佳lstm算法初始参数x定为最终算法；
58.在不同环境下的温度t0、湿度rh0、压力p0和传感器信号value0，输入到lstm模型x中，获得最准确的co2浓度值。
59.在本技术的具体实施例中，在步骤s4中，筛选的方法流程为：
60.通过编程方式，实现不同初始参数(1,2,3
…
n)的lstm算法针对同一组参数分析；
61.获得多个lstm模型结构(1，2，3
…
n)和误差分析结果(1，2，3
…
n)；
62.筛选出最佳lstm模型结构x和最佳lstm算法初始参数x定为最终算法。
63.如图6所示，为了更好的理解本技术的技术方案，本技术中还将co2监测装置进行lstm模型矫正后的数据与高精度co2分析仪的数据进行比较，最终比较结果为均方根误差为1.17ppm，精度达到1-3ppm的范围。
64.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。