一种逐小时高分辨率PM2.5数据的获取方法技术

本发明专利技术公开一种逐小时高分辨率PM2.5数据的获取方法，包括如下步骤：基于相关计算的气溶胶光学厚度数据填补；基于PM2.5浓度季节变化的遥感反演算法模型；基于空间权重的PM2.5遥感监测数据的多时相插值；基于台站数据与遥感数据的信息融合。高效率的填补缺失的气溶胶光学厚度数据，能够提升大气污染物的连续观测能力；建立能反映季节变化和大气边界层变化规律的地面PM2.5浓度反演模型，获取具有逐小时特征的高空间分辨率PM2.5浓度数据，使得高空间分辨率的遥感监测数据达到了逐小时特征的高时间分辨率，台站、遥感数据的信息融合，能够建立具有逐小时、高空间分辨率特征的精准PM2.5浓度数据集。

An hour by hour high resolution PM2.5 data acquisition method

【技术实现步骤摘要】
一种逐小时高分辨率PM2.5数据的获取方法
本专利技术涉及环境遥感
具体地说是一种逐小时高分辨率PM2.5数据的获取方法。
技术介绍
PM2.5又称细粒、细颗粒、细颗粒物，是指大气环境中空气动力学当量直径小于等于2.5微米的颗粒物，是我国大部分城市环境空气质量的首要污染物(郦嘉诚，2018)。目前的监测手段，主要是通过大量布设地面台站，实测地面PM2.5的浓度，能够获取每小时的大气污染数据，具有监测连续、数据精准的技术优势，但是地面台站仅仅是离散点的观测方式，难以获取高空间分辨率的PM2.5浓度分布；利用遥感手段获取的气溶胶光学厚度(AOD)数据反演大气PM2.5浓度的二维空间分布，具有高空间分辨率的技术优势，但是TERRA、AQUA卫星联合也只能每天最多获取2期数据(TERRA卫星上午10:30前后过境；AQUA卫星下午2:00前后过境)，无法实现逐小时连续的PM2.5监测。要研究并连续观测大气PM2.5浓度的空间变化规律，有必要建立逐小时的高空间分辨率的大气PM2.5数据集。此外，由于遥感获取气溶胶光学厚度(AOD)受云团零星覆盖或完全覆盖等影响严重，造成气溶胶光学厚度数据的局部孔洞或整体缺失，如何对气溶胶光学厚度数据的缺失部分进行有效填补，这是构建连续PM2.5数据集的重要需求和基础。近年来，利用中分辨率成像光谱仪MODIS和多角度成像光谱仪MISR和Geochem模型反演的年度PM2.5效果良好，但是每天的PM2.5不确定性极大(Donkelaar，2010)。STRAWA(2013)发展了采用OMI和MODIS结合的方式。目前，利用遥感技术反演PM2.5浓度计算方法大致分为四种：单线性模型、多元线性回归模型、人工智能模型和广义加法模型(马宗伟，2015)。这些方法监测范围大、成本低、可长时间动态监测，有效弥补了地面监测的不足，是目前PM2.5浓度监测的主要手段。但是大气污染中细颗粒物的光学特性与颗粒物的物质组成、粒径、温度、湿度等密切相关，相应的与温度、降水、地面秸秆焚烧、工业生产、供暖等都具有显著的季节变化现象，缺乏能够考虑季节差异的PM2.5浓度遥感反演方法。多年来观测数据与模式数据的同化研究方面发展迅速，在国家气象业务中得到充分论证和应用，成效显著(梁顺林，2013；姜立鹏等，2013)。Terra和AQUA卫星的同类观测数据之间的信息融合工作也进展迅速(陈韵竹，2013)。遥感监测的PM2.5数据受颗粒物物质组成、性质变化等有季节性规律的波动，会有反演精度的较大波动，需要利用地面台站数据进行反演结果的信息融合校准。站点数据的空间化，最为常用的是台站数据内插。如吴亮(2016)利用ARCGIS采用克里金插值方法对站点PM2.5数据的空间化；大气数据的空间化插值，往往需要考虑地理因素的影响。如廖顺宝(2003)考虑了经纬度、海拔的规律性和其他非规律性影响因素，建立了多元线性回归和反距离权重方法，对气温数据进行的空间化。大气PM2.5的变化也需要充分考虑大气物理模式作用下的浓度空间变化规律，这是台站数据空间化的重要控制性因素。
技术实现思路
为此，本专利技术所要解决的技术问题台站观测数据缺乏高分辨率空间属性，遥感观测数据缺乏逐小时的时间特征，提供一种能够获取逐小时高分辨率PM2.5数据的获取方法。为解决上述技术问题，本专利技术提供如下技术方案：一种逐小时高分辨率PM2.5数据的获取方法，包括如下步骤：(1)基于相关计算的气溶胶光学厚度数据填补；(2)基于PM2.5浓度季节变化的遥感反演算法模型；(3)基于空间权重的PM2.5遥感监测数据的多时相插值；(4)基于台站数据与遥感数据的信息融合。上述逐小时高分辨率PM2.5数据的获取方法，在步骤(1)中，(1-1)对零星云团覆盖，气溶胶光学厚度有孔洞的地区，填补缺失部分的数据：对待填补气溶胶数据与存档数据的二维空间相关性计算，通过相关性阈值遴选合适的存档数据进行气溶胶光学厚度孔洞的填补；(1-2)对于云团完全覆盖、无气溶胶光学厚度数据区域，填补缺失数据：对大面积无值区域，采用待填补时相的台站数据与台站存档数据进行相关性计算，遴选高相关时相的气溶胶光学厚度数据，填补无数据区域；(1-3)进行加权平均，赋值无数据像元。上述逐小时高分辨率PM2.5数据的获取方法，在步骤(1-1)中：实行二维空间相关的自适应滑动窗口，在待填补像元位置(Xi，Yi)周边搜索，至少保证10×10有效像元数量，遍历历史存档的气溶胶光学厚度数据，遴选，并确定平均相关系数在0.4-1.0之间的历史存档数据：二维图像的孔洞像元填补：对于小面积缺失的气溶胶光学厚度孔洞，缺失像元的搜索半径在5-20个像元以内，选择待填补区域的单个像元P(a,b)，a，b为像元行列号，遍历其周围最邻近非零像元，确定大于10×10的像元的行列坐标，读取像元数值X(i，j)；搜索长时间序列气溶胶光学厚度的历史存档数据，找到对应坐标的像元数值Y(i，j)，进行计算：式(Ⅰ)中，R为相关系数；X(i，j)为待填补窗口非零像元的数值(i＝1….10,j＝1…10)；Y(i,j)为存档气溶胶数据中相对应坐标的非零像元数值(i＝1….10,j＝1…10)，分别为待填补窗口中非零像元均值、对应非零像元位置的存档数据非零像元均值；计算得到的R值位于0.4-1.0之间，平均误差位于0-50％的存档气溶胶光学厚度数据；选出符合标准的多期气溶胶光学厚度数据。上述逐小时高分辨率PM2.5数据的获取方法，在步骤(1-2)中：台站数据与台站数据的相关性计算，确定卫星过境相同时间的站点数据，获得相关系数在0.4-1.0之间的时相，选定存档的气溶胶光学厚度历史数据；完全无数据区域填补：对于大面积缺失数据的区域，搜索半径距离大于20个像元，利用卫星过境前后30-90分钟以内的n个监测台站的3n个监测数据，对于待填补的卫星过境时间，每个台站有三个监测时刻，三个监测数据；计算3n个监测数据与历史存档数据的相关性和误差大小进行填补；台站数据相关计算：式(Ⅱ)中，R为相关系数；xi、yi分别为待填补时间的台站监测数据、存档台站数据中监测数值，i＝1….3n,n为监测台站数量，分别为待填补时刻的所有监测数据均值、对应时刻的存档数据均值；计算得到的R值位于0.4-1.0之间，平均误差位于0-60％的存档数据，记录相应的成像日期，获取该时刻的对应气溶胶光学厚度数据。上述逐小时高分辨率PM2.5数据的获取方法，在步骤(1-3)中，对步骤(1-1)和步骤(1-2)中的多期次的气溶胶光学厚度数据，进行加权平均计算：式(Ⅲ)中，像元P(a,b)为待填补像元数值；a，b为像元行列号；为步骤(1-1)或步骤(1-2)得到的n期气溶胶光学厚度存档数据的和；n为非零像元的期数。上述逐小时高分辨率PM2.5数据的获取方法，在步骤(2)中，利用大气边界层变化函数，修正地面气溶胶光学厚度，构建本文档来自技高网...

【技术保护点】
1.一种逐小时高分辨率PM2.5数据的获取方法，其特征在于，包括如下步骤：/n(1)基于相关计算的气溶胶光学厚度数据填补；/n(2)基于PM2.5浓度季节变化的遥感反演算法模型；/n(3)基于空间权重的PM2.5遥感监测数据的多时相插值；/n(4)基于台站数据与遥感数据的信息融合。/n

【技术特征摘要】
1.一种逐小时高分辨率PM2.5数据的获取方法，其特征在于，包括如下步骤：
(1)基于相关计算的气溶胶光学厚度数据填补；
(2)基于PM2.5浓度季节变化的遥感反演算法模型；
(3)基于空间权重的PM2.5遥感监测数据的多时相插值；
(4)基于台站数据与遥感数据的信息融合。


2.根据权利要求1所述的逐小时高分辨率PM2.5数据的获取方法，其特征在于，在步骤(1)中，
(1-1)对零星云团覆盖，气溶胶光学厚度有孔洞的地区，填补缺失部分的数据：对待填补气溶胶数据与存档数据的二维空间相关性计算，通过相关性阈值遴选合适的存档数据进行气溶胶光学厚度孔洞的填补；
(1-2)对于云团完全覆盖、无气溶胶光学厚度数据区域，填补缺失数据：对大面积无值区域，采用待填补时相的台站数据与台站存档数据进行相关性计算，遴选高相关时相的气溶胶光学厚度数据，填补无数据区域；
(1-3)进行加权平均，赋值无数据像元。


3.根据权利要求2所述的逐小时高分辨率PM2.5数据的获取方法，其特征在于，在步骤(1-1)中：实行二维空间相关的自适应滑动窗口，在待填补像元位置(Xi，Yi)周边搜索，至少保证10×10有效像元数量，遍历历史存档的气溶胶光学厚度数据，遴选，并确定平均相关系数在0.4-1.0之间的历史存档数据：
二维图像的孔洞像元填补：对于小面积缺失的气溶胶光学厚度孔洞，缺失像元的搜索半径在5-20个像元以内，选择待填补区域的单个像元P(a,b)，a，b为像元行列号，遍历其周围最邻近非零像元，确定大于10×10的像元的行列坐标，读取像元数值X(i，j)；搜索长时间序列气溶胶光学厚度的历史存档数据，找到对应坐标的像元数值Y(i，j)，进行计算：



式(Ⅰ)中，R为相关系数；X(i，j)为待填补窗口非零像元的数值(i＝1….10,j＝1…10)；Y(i,j)为存档气溶胶数据中相对应坐标的非零像元数值(i＝1….10,j＝1…10)，分别为待填补窗口中非零像元均值、对应非零像元位置的存档数据非零像元均值；
计算得到的R值位于0.4-1.0之间，平均误差位于0-50％的存档气溶胶光学厚度数据；选出符合标准的多期气溶胶光学厚度数据。


4.根据权利要求2所述的逐小时高分辨率PM2.5数据的获取方法，其特征在于，在步骤(1-2)中：台站数据与台站数据的相关性计算，确定卫星过境相同时间的站点数据，获得相关系数在0.4-1.0之间的时相，选定存档的气溶胶光学厚度历史数据；完全无数据区域填补：对于大面积缺失数据的区域，搜索半径距离大于20个像元，利用卫星过境前后30-90分钟以内的n个监测台站的3n个监测数据，对于待填补的卫星过境时间，每个台站有三个监测时刻，三个监测数据；计算3n个监测数据与历史存档数据的相关性和误差大小进行填补；
台站数据相关计算：



式(Ⅱ)中，R为相关系数；xi、yi分别为待填补时间的台站监测数据、存档台站数据中监测数值，i＝1….3n,n为监测台站数量，分别为待填补时刻的所有监测数据均值、对应时刻的存档数据均值；
计算得到的R值位于0.4-1.0之间，平均误差位于0-60％的存档数据，记录相应的成像日期，获取该时刻的对应气溶胶光学厚度数据。


5.根据权利要求2所述的逐小时高分辨率PM2.5数据的获取方法，其特征在于，在步骤(1-3)中，对步骤(1-1)和步骤(1-2)中的多期次的气溶胶光学厚度数据，进行加权平均计算：



式(Ⅲ)中，像元P(a,b)为待填补像元数值；a，b为像元行列号；为步骤(1-1)或步骤(1-2)得到的n期气溶胶光学厚度存档数据的和；n为非零像元的期数。


6.根据权利要求1所述的逐小时高分辨率PM2.5数据的获取方法，其特征在于，在步骤(2)中，利用大气边界层变化函数，修正地面气溶胶光学厚度，构建的逐月的PM2.5多时相反演模型的方法和精度变化规律，确定的高敏感月份和算法形式；
具体高空间分辨率PM2.5浓度数据的计算步骤为：基于步骤(1)获取的全覆盖气溶胶光学厚度，利用细颗粒物光学特性季节规律建立PM2.5大气柱浓度模型，结合大气边界层变化规律，计算大气层底部的PM2.5浓度数据。


7.根据权利要求6所述的逐小时高分辨率PM2.5数据...

【专利技术属性】
技术研发人员：阎福礼，韩春明，范湘涛，白林燕，丁翼星，
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