基于时空加权回归模型近地面大气细颗粒物浓度估算方法技术

本发明专利技术涉及一种基于时空加权回归模型近地面大气细颗粒物浓度估算方法，包括：S1，获取地面监测站点的PM

Estimation method of atmospheric fine particle concentration near the ground based on spatiotemporal weighted regression model

【技术实现步骤摘要】
基于时空加权回归模型近地面大气细颗粒物浓度估算方法
本专利技术涉及遥感数据应用
，尤其涉及一种基于时空加权回归模型近地面大气细颗粒物浓度估算方法。
技术介绍
大气颗粒物(particalatematter,PM)是城镇大气主要污染之一。细颗粒物(fineparticles)，是指空气动力学当量直径≦2.5μm的颗粒物，即PM2.5。PM2.5可深入到细支气管和肺泡。近几年来随着中国经济的发展，PM2.5的排放量也在增加，逐渐引起人们对空气质量的关注。虽然全国367个城市都建立了空气监测站点，但站点分布不均匀，且站点数量经济发达地区比较稠密，经济落后地区比较稀少，并不能精确反应PM2.5浓度的分布。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺点，而提出一种基于时空加权回归模型近地面大气细颗粒物浓度估算方法。为了实现上述目的，本专利技术采用了如下技术方案：一种基于时空加权回归模型近地面大气细颗粒物浓度估算方法，包括以下步骤：S1，获取地面监测站点的PM2.5月浓度数据；S2，本文档来自技高网...

【技术保护点】
1.一种基于时空加权回归模型近地面大气细颗粒物浓度估算方法，其特征在于，包括以下步骤：/nS1，获取地面监测站点的PM

【技术特征摘要】
1.一种基于时空加权回归模型近地面大气细颗粒物浓度估算方法，其特征在于，包括以下步骤：
S1，获取地面监测站点的PM2.5月浓度数据；
S2，获取MODIS/Terra1kmAOT数据，并对所述AOT数据消除量纲；
S3，获取气象数据和NDVI5数据，
S4，将所述PM2.5月浓度数据、对应月份消除量纲后的AOT数据、对应月份的气象监测数据和对应月份的NDVI数据进行匹配，构建单月的AOT-PM2.5模型；
S5，利用所述AOT-PM2.5模型对近地PM2.5浓度时空分布进行模拟，回归映射估算出近地面PM2.浓度。


2.根据权利要求1所述的基于时空加权回归模型近地面大气细颗粒物浓度估算方法，其特征在于，所述AOT-PM2.5模型为：
PM2.5K＝β0(μK，γK)+β1(μK，γK)AOTK+β2(μK，γK)PK+β3(μK，γK)RK+β4(μK，γK)UK+β5(μK，γK)WK+β6(μK，γK)TK+β7(μK，γK)HK+β8(μK，γK)SK+β10(μK，γK)NDVIK+εk(μK，γK)，PM2,5K
其中PM2.5K为监测K点在位置(μK，γK)处PM2.5浓度；β0为位置(μK，γK)处的截距；AOTK、PK、UK、WK、TK、HK、SK、NDVIK和为(μK，γK)位置处的建模变量值；β1-β8分别为特定位置处(μK，γK)气溶胶光学厚度AOT、大气压P、降水量R、相对湿度U、风速W、气温T、边界层高度H、日照时长S和植物覆盖指数NDVI的斜率；εk(μK，γK)是误差项。


3.根据权利要求1所述的基于时空加权回归模型近地面大气细颗粒物浓度估算方法，其特征在于，在步骤S4中，在模型构建过程中利用自适应型Gauss函数按照相关要素分布的疏密创建核表面。


4.根据权利要求1所述的基于时空加权回归模型近地面大气细颗粒物浓度估算方法，其特征在于，在步骤S5之间还包括：利用交叉验证法验证所述AOT–PM2.5模型的拟合优良...

【专利技术属性】
技术研发人员：霍霞，叶凯，徐锡金，戴情园，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东;44