We try to identify the unknown sour

We try to identify the unknown source of air pollution caused by unknown substance. We do it using only complaints on odor submitted by population living in the ∼20 × 30-km area. We test all possible locations of pollution source on the grid with 1-km spacing covering the area. For each virtual location, we perform the dispersion modeling using AERMOD with meteorological data from three nearest stations. We assume a low, ambient temperature area source with unit emission rate. The space-time array of concentrations is correlated with the analogous array of complaints, and the best correlated source position is chosen. We performed extensive experimentation with data processing options to obtain the best spatially focused correlation hotspot. This included filtering the moments of time used for correlation, quantizing the complaint numbers and concentrations, and finding the best time lag between concentrations and complaints. The best lag was 3 h in total or 1 h added to propagation time from source to receptor. The resulting focus is 1–2 km wide, positioned exactly on an active landfill. We estimate this accuracy as very good, better than warranted by the quality of source data. This demonstrates the possibility of obtaining a good focus for the location of an unknown source even from very imperfect data. The technique applied can be useful in many situations where the inventory of air pollution sources is incomplete, especially in developing countries. © 2015, Springer Science+Business Media Dordrecht.

ผลลัพธ์ (ไทย) 1:

เราพยายามระบุไม่ทราบแหล่งที่มาของมลพิษทางอากาศที่เกิดจากสารที่ไม่รู้จัก เราทำโดยใช้เฉพาะข้อร้องเรียนเกี่ยวกับกลิ่นโดยประชากรที่อาศัยอยู่ในพื้นที่ ∼20 × 30 กม. เราสามารถทดสอบสถานทั้งหมดที่เป็นไปได้ของแหล่งมลพิษบนกริด ด้วยระยะห่าง 1 กม.ครอบคลุมพื้นที่ สำหรับแต่ละสถานที่เสมือน เราทำโมเดลกระจาย AERMOD ด้วยข้อมูลทางอุตุนิยมวิทยาจากสถานีที่ใกล้ที่สุด 3 เราถือว่าเป็นแหล่งที่ตั้งอุณหภูมิต่ำ อุณหภูมิอัตราปล่อยหน่วย ความเข้มข้นหลากหลายลานกว้างมีความสัมพันธ์กับอาร์เรย์ของข้อร้องเรียนคู่ และเลือกตำแหน่งแหล่งที่มีความสัมพันธ์ที่ดีที่สุด เราทำการทดลองอย่างละเอียด ด้วยตัวเลือกการประมวลผลข้อมูลเพื่อขอรับฮอตสปอ spatially เน้นความสัมพันธ์ที่ดีที่สุด กรองช่วงเวลาของเวลาที่ใช้สำหรับสัมพันธ์ quantizing ตัวเลขร้องเรียนและความเข้มข้น และการค้นหาการหน่วงเวลาที่ดีที่สุดระหว่างความเข้มข้นและการร้องเรียนด้วย ความล่าช้าที่สุดคือ 3 ชม.ทั้งหมด หรือ 1 ชม.เพิ่มระยะเวลาจากต้นทางเพื่อรับ เน้นผลลัพธ์เป็น 1-2 กม.กว้าง ตำแหน่งตรงกับการฝังกลบที่ใช้งานอยู่ เราประเมินความแม่นยำนี้เป็นดีมาก ดีกว่ารับประกันคุณภาพของแหล่งข้อมูล แสดงให้เห็นถึงการรับโฟกัสดีสถานที่แหล่งไม่รู้จักแม้แต่จากข้อมูลที่ไม่สมบูรณ์มากความ เทคนิคที่ใช้จะเป็นประโยชน์ในหลายสถานการณ์ที่สินค้าคงคลังของแหล่งมลภาวะอากาศไม่สมบูรณ์ โดยเฉพาะอย่างยิ่งในประเทศกำลังพัฒนา © 2015 ดอร์เดรชท์สื่อวิทยาศาสตร์ + ธุรกิจสปริง

ผลลัพธ์ (ไทย) 2:

เราพยายามที่จะระบุแหล่งที่ไม่รู้จักของมลพิษทางอากาศที่เกิดจากสารที่ไม่รู้จัก เราทำมันโดยใช้การร้องเรียนเฉพาะในกลิ่นที่ส่งมาจากประชากรที่อาศัยอยู่ในพื้นที่ ~20 × 30 กม. เราจะทดสอบสถานที่เป็นไปได้ทั้งหมดของแหล่งกำเนิดมลพิษในตาราง 1 กิโลเมตรระยะห่างครอบคลุมพื้นที่ สำหรับสถานที่เสมือนแต่ละที่เราดำเนินการสร้างแบบจำลองการแพร่กระจายโดยใช้ AERMOD กับข้อมูลอุตุนิยมวิทยาจากสามสถานีที่ใกล้ที่สุด เราถือว่าต่ำบริเวณแหล่งกำเนิดอุณหภูมิที่มีอัตราการปล่อยก๊าซเรือนกระจกต่อหน่วย อาร์เรย์พื้นที่เวลาของความเข้มข้นที่มีความสัมพันธ์กับอาร์เรย์คล้ายคลึงของการร้องเรียนและตำแหน่งแหล่งที่มามีความสัมพันธ์ที่ดีที่สุดได้รับการแต่งตั้ง เราดำเนินการทดลองอย่างกว้างขวางกับตัวเลือกการประมวลผลข้อมูลที่จะได้รับสปอตความสัมพันธ์ที่มุ่งเน้นตำแหน่งที่ดีที่สุด นี้รวมถึงการกรองช่วงเวลาของเวลาที่ใช้สำหรับความสัมพันธ์ที่ quantizing ตัวเลขร้องเรียนและความเข้มข้นและการหาล่าช้าเวลาที่ดีที่สุดระหว่างความเข้มข้นและการร้องเรียน ความล่าช้าที่ดีที่สุดคือ 3 ชั่วโมงรวมหรือ 1 ชั่วโมงเพิ่มเวลาการขยายพันธุ์จากแหล่งที่รับ ส่งผลให้ความสำคัญเป็น 1-2 กม. กว้างในตำแหน่งที่ตรงกับฝังกลบที่ใช้งาน เราประเมินความถูกต้องเช่นนี้เป็นสิ่งที่ดีมากดีกว่าการรับประกันคุณภาพของแหล่งข้อมูล แสดงให้เห็นถึงความเป็นไปได้นี้ของการได้รับการให้ความสำคัญที่ดีสำหรับสถานที่ตั้งของแหล่งที่ไม่รู้จักได้จากข้อมูลที่ไม่สมบูรณ์มาก เทคนิคที่นำมาใช้จะมีประโยชน์ในหลาย ๆ สถานการณ์ที่สินค้าคงคลังของแหล่งที่มาของมลพิษทางอากาศไม่สมบูรณ์โดยเฉพาะอย่างยิ่งในประเทศกำลังพัฒนา © 2015 Springer วิทยาศาสตร์ + ธุรกิจสื่อ Dordrecht