基于卫星遥感的地面PM2.5反演方法及系统技术方案

本发明专利技术提供一种基于卫星遥感的地面PM2.5反演方法及系统，其中的方法包括：将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的网格后进行数据匹配；根据网格中所匹配的地面PM2.5数据、AOD数据和气象数据，构建反映时间变异的线性混合效应模型以估算待反演地区的地面PM2.5的初步浓度值；根据待反演地区的地理坐标和土地利用数据，构建反映空间变异的广义加和模型以获取线性混合效应模型的PM2.5残差；将PM2.5残差与初步浓度值加和，估算待反演地区的地面PM2.5的最终浓度值。通过本发明专利技术能够有效提高对地面PM2.5浓度的估算精度。

【技术实现步骤摘要】

本专利技术涉及气溶胶监测
，更为具体地，涉及一种基于卫星遥感的地面PM2.5反演方法及系统。
技术介绍
PM2.5指空气中空气动力学粒径小于2.5微米的颗粒物。与大粒径颗粒物相比，PM2.5粒径小，富含大量的有毒有害物质且在大气中的停留时间长、输送距离远，因而对人体和大气环境质量的影响很大。国外大量的流行病学研究证明PM2.5与负面的健康效应有关，如会导致心血管和呼吸系统疾病的发病率及死亡率升高。其中，对PM2.5的健康效应的研究需要长时间、大范围的PM2.5暴露数据的支撑。而利用卫星遥感AOD(AerosolOpticalDepth，气溶胶光学厚度)反演地面PM2.5是近年来快速发展的一项新技术。与地面监测相比，卫星监测不受地面监测站点选址的限制，具有地面监测站点无可比拟的时间和空间覆盖度。现有的利用卫星遥感AOD反演地面PM2.5浓度的方法主要有比例因子方法、基于物理机理的半经验公式法和统计模型法三种。其中，比例因子方法是利用大气化学传输模型模拟出PM2.5与AOD的比例关系因子，然后将这个比例因子乘上卫星遥感得到的AOD，从而估算地面PM2.5浓度。该方法不需要地面PM2.5监测数据就可以进行模型模拟和计算，但模型准确性差，且涉及到大气污染化学传输模型的模拟，对数据要求高，需要准确的地面污染物排放清单，不利于推广应用。基于物理机理的半经验公式法是基于PM2.5、AOD、湿度、以及AOD垂直廓线特征等参数之间关系的物理机理，构建出PM2.5的估算公式。由于PM2.5和AOD关系的物理机理比较复杂，现有的半经验公式尚不能完全准确描述他们之间的关系，因而使得PM2.5反演的效果总体不理想。与前两种方法相比，统计模型法的准确性相对较高，特别是高级统计模型可适用于高PM2.5浓度区域，但其需要大量的地面监测数据来进行模型的拟合和验证。虽然我国目前已经构建了一些利用卫星遥感AOD反演PM2.5的高级统计模型方法(如广义线性模型、地理加权回归模型等)，但其精度并不高，因此需要开发一种精度更高的统计模型，从而为环境及健康效应的研究提供精度更高的PM2.5暴露数据。
技术实现思路
鉴于上述问题，本专利技术的目的是提供一种基于卫星遥感的地面PM2.5反演方法及系统，以解决现有的高级统计模型在反演地面PM2.5时存在精度不高的问题。根据本专利技术的一个方面，提供一种基于卫星遥感的地面PM2.5反演方法，包括：将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的与AOD数据分辨率相同的网格后进行数据匹配；根据网格中所匹配的地面PM2.5数据、AOD数据和气象数据，构建反映时间变异的线性混合效应模型，根据线性混合效应模型估算待反演地区的地面PM2.5的初步浓度值；根据待反演地区的地理坐标和土地利用数据，构建反映空间变异的广义加和模型，根据广义加和模型获取线性混合效应模型的PM2.5残差；将PM2.5残差与初步浓度值加和，估算待反演地区的地面PM2.5的最终浓度值。此外，还包括：采用十折交叉验证方法对线性混合效应模型和广义加和模型进行交叉验证，并相应调整线性混合效应模型和广义加和模型，以确定最终的线性混合效应模型和广义加和模型；根据确定的最终的线性混合效应模型和广义加和模型估算待反演地区的地面PM2.5的最终浓度值。另一方面，本专利技术还提供一种基于卫星遥感的地面PM2.5反演系统，包括：数据匹配单元，用于将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的与AOD数据分辨率相同的网格后进行数据匹配；线性混合效应模型构建单元，用于根据网格中所匹配的地面PM2.5数据、AOD数据和气象数据，构建反映时间变异的线性混合效应模型，根据线性混合效应模型估算待反演地区的地面PM2.5的初步浓度值；广义加和模型构建单元，用于根据待反演地区的地理坐标和土地利用数据，构建反映空间变异的广义加和模型，根据广义加和模型获取线性混合效应模型的PM2.5残差；PM2.5浓度值估算单元，用于将PM2.5残差与初步浓度值加和，估算待反演地区的地面PM2.5的最终浓度值。利用上述根据本专利技术的基于卫星遥感的地面PM2.5反演方法及系统，通过采用两级(即线性混合效应模型+广义加和模型)高级统计模型来反映PM2.5随时间和空间的变异，从而有效提高对地面PM2.5浓度的估算精度；同时，还可以根据数据的可获得性，加入不同的气象数据、土地利用数据来进一步提高模型的精度，从而使PM2.5的反演更加灵活。为了实现上述以及相关目的，本专利技术的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本专利技术的某些示例性方面。然而，这些方面指示的仅仅是可使用本专利技术的原理的各种方式中的一些方式。此外，本专利技术旨在包括所有这些方面以及它们的等同物。附图说明通过参考以下结合附图的说明及权利要求书的内容，并且随着对本专利技术的更全面理解，本专利技术的其它目的及结果将更加明白及易于理解。在附图中：图1为根据本专利技术实施例的基于卫星遥感的地面PM2.5反演方法流程示意图；图2为根据本专利技术实施例的基于卫星遥感的地面PM2.5反演系统的逻辑结构框图。在所有附图中相同的标号指示相似或相应的特征或功能。具体实施方式以下将结合附图对本专利技术的具体实施例进行详细描述。针对前述现有的高级统计模型在估算地面PM2.5浓度时存在精度不高的问题，本专利技术通过采用线性混合效应模型+广义加和模型两级高级统计模型，从而能够有效提高对地面PM2.5的估算精度。在对本专利技术进行说明前，先对本专利技术中涉及的概念和术语进行说明。在本专利技术中采用美国宇航局Aqua卫星上的中分辨率成像光谱仪(MODerate-resolutionImagingSpectroradiometer，简称MODIS)第六版(C6)卫星遥感AOD产品。对该产品中的数据采用暗目标算法(DT)和深蓝算法(DB)提取卫星AOD数据并进行逆方差加权融合，以构建并反演我国全国尺度的PM2.5浓度分布。其中，在本专利技术中，采用基于逆方差加权平均的卫星AOD数据融合方法对AOD数据进行融合，至于是如何采用上述方法对AOD数据进行融合的，则不在本专利技术描述的范围之内，在此不再赘述。此外，需要说明的是，在本专利技术中PM2.5亦可写为PM2.5。为了详细说明本专利技术提供的基于卫星遥感的地面PM2.5反演方法，图1示出了根据本专利技术实施例的基于卫星遥感的地面PM2.5反演方法流程。如图1所示，本专利技术提供的基于卫星遥感的地面PM2.5反演方法包括：S110：将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的网格中，然后进行数据匹配。需要说明的是，上述待反演地区的AOD数据为融合后的AOD数据，待反演地区的地面PM2.5数据、气象数据以及土地利用数据分别从相应的数据产品中收集所得。其中，首先创建一个与AOD数据分辨率相当的网格，然后将融合后的待反演地区的AOD数据、收集到的待反演地区的地面PM2.5数据、待反演地区的气象数据和待反演地区的土地利用数据进行重采样到网格中并匹配。具体地，对于AOD数据采用如下方式：首先构建AOD数据像元点的泰森多边形，本文档来自技高网...

【技术保护点】
一种基于卫星遥感的地面PM2.5反演方法，包括：将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的与所述AOD数据分辨率相同的网格后进行数据匹配；根据所述网格中所匹配的地面PM2.5数据、AOD数据和气象数据，构建反映时间变异的线性混合效应模型，根据所述线性混合效应模型估算待反演地区的地面PM2.5的初步浓度值；根据待反演地区的地理坐标和所述土地利用数据，构建反映空间变异的广义加和模型，根据所述广义加和模型获取所述线性混合效应模型的PM2.5残差；将所述PM2.5残差与所述初步浓度值加和，估算待反演地区的地面PM2.5的最终浓度值。

【技术特征摘要】
1.一种基于卫星遥感的地面PM2.5反演方法，包括：将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的与所述AOD数据分辨率相同的网格后进行数据匹配；根据所述网格中所匹配的地面PM2.5数据、AOD数据和气象数据，构建反映时间变异的线性混合效应模型，根据所述线性混合效应模型估算待反演地区的地面PM2.5的初步浓度值；根据待反演地区的地理坐标和所述土地利用数据，构建反映空间变异的广义加和模型，根据所述广义加和模型获取所述线性混合效应模型的PM2.5残差；将所述PM2.5残差与所述初步浓度值加和，估算待反演地区的地面PM2.5的最终浓度值。2.如权利要求1所述的基于卫星遥感的地面PM2.5反演方法，还包括：采用十折交叉验证方法对所述线性混合效应模型和所述广义加和模型进行交叉验证，并相应调整所述线性混合效应模型和所述广义加和模型，以确定最终的线性混合效应模型和广义加和模型；根据确定的最终的线性混合效应模型和广义加和模型估算待反演地区的地面PM2.5的最终浓度值。3.如权利要求2所述的基于卫星遥感的地面PM2.5反演方法，其中，在进行交叉验证的过程中，当交叉验证结果显示所述线性混合效应模型和广义加和模型存在过度拟合时，通过调整所述AOD数据、所述气象数据、土地利用数据对所述线性混合效应模型和广义加和模型进行调整，然后对调整后的线性混合效应模型和广义加和模型再次进行交叉验证，直到交叉验证结果显示调整后的线性混合效应模型和广义加和模型的过度拟合在预设的范围内时，根据调整后的线性混合效应模型和广义加和模型估算地面PM2.5的最终浓度值；其中，当估算的地面PM2.5的最终浓度值在空间分布上存在异常时，再次对所述线性混合
\t效应模型和广义加和模型进行调整，并重新进行交叉验证。4.如权利要求1所述的基于卫星遥感的地面PM2.5反演方法，其中，在将待反演地区的AOD数据、地面PM2.5数据、气象数据以及土地利用数据分别重采样到创建的与所述AOD数据分辨率相同的网格后进行数据匹配的过程中，构建所述AOD数据像元点的泰森多边形，与所述网格进行空间叠置分析，将AOD数据分配到所述网格中的每个网格单元中；将所述网格中的某个网格单元内所有PM2.5站点同一天采集到的地面PM2.5数据进行平均后赋值给对应的网格单元；将所述网格中的某个网格单元的分辨率与该网格单元对应的气象数据的分辨率进行比较，将高于对应网格单元的分辨率的气象数据进行平均后赋值给对应的网格单元，将不高于对应网格单元的分辨率的气象数据采用空间插值方法赋值给对应的网格单元；将...

【专利技术属性】
技术研发人员：刘阳，马宗伟，毕军，陈良富，陶金花，李莘莘，王子峰，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11