一种基于日变化约束的PM2.5卫星遥感反演方法技术

本发明专利技术提供了一种基于日变化约束的PM

【技术实现步骤摘要】
一种基于日变化约束的PM2.5卫星遥感反演方法
本专利技术涉及遥感
，具体涉及一种基于日变化约束的PM2.5卫星遥感反演方法。
技术介绍
地面PM2.5浓度是空气质量观测的重要内容，通常有两种观测手段，其一为常规的地面站点观测，该技术手段虽然可以提供较为准确的PM2.5观测值，但是运行成本较高，空间覆盖有限；其二为基于卫星观测的反演方法，由于卫星观测通常具有较大的空间范围和重复连续观测的特点，因此利用卫星观测可提供长时间序列且空间覆盖很高的PM2.5反演值。基于卫星遥感反演PM2.5技术通常使用气溶胶光学厚度(该变量表征整个大气柱的消光能力，通常与气溶胶浓度呈正比)作为反演模型的输入量，利用该模型计算的PM2.5区域平均值存在较大误差。近期，有研究者使用另外一种卫星观测变量(大气层顶反射率)去反演PM2.5，该模型改善了样本偏差，进而提高了PM2.5区域平均值的反演精度，但是该模型仍存在一定的局限性，在模型构建过程中，并没有考虑PM2.5日变化因子对模型的影响，考虑到不同地区PM2.5通常都具有明显的日变化特征(日变化特征表示的是空气污染浓度在一天内逐小时的规律性变化)，因此，将日变化因子纳入到反演模型中可能会提高PM2.5的反演精度。在尝试利用日变化因子反演PM2.5的过程中，有两个技术难点：(1)通常使用的数据为极轨卫星产品，该类型的卫星只能提供每天某一固定时间的观测，并不能提供日变化特征信息；(2)如何定量表征日变化特征，在PM2.5反演模型构建中，需要将日变量特征定量化，进而作为模型的输入变量。
技术实现思路
为了解决上述问题，本专利技术提供一种基于日变化约束的PM2.5卫星遥感反演方法，采用静止卫星数据可提供白天逐小时的观测值，同时将日变化特征根据季节和时间点的不同进行量化，并与所述PM2.5数据、所述静止卫星数据以及所述气象数据进行融合获得训练数据集，提高了PM2.5反演精度。为了实现以上目的，本专利技术采取的一种技术方案是：一种基于日变化约束的PM2.5卫星遥感反演方法，包括如下步骤：S10数据采集，采集PM2.5数据、静止卫星数据以及气象数据，所述静止卫星数据为可见光观测值，所述静止卫星数据以及所述气象数据为栅格数据；S20数据处理，将所述PM2.5数据与所述静止卫星数据以及所述气象数据进行时空匹配，其中，所述时空匹配包括：所述地面观测站点的空间位置与所述静止卫星和所述气象数据对应栅格数据空间匹配，以及所述地面观测站点观测时段与所述静止卫星数据和所述气象数据时间匹配；S30日变化特征的量化，所述日变化特征包括不同季节PM2.5随时间的变化特征以及变异系数；所述不同季节PM2.5随时间的变化特征通过一元二次多项式拟合获得；所述变异系数为每天同一时间点PM2.5波动的幅度，所述变异系数为同一时间点的所有PM2.5观测数据的标准差与平均值之比；S40构建PM2.5反演算法，将所述PM2.5数据、所述静止卫星数据、所述气象数据以及所述日变化特征进行融合，获得训练数据集，使用所述训练集训练机器学习模型，获得所述PM2.5反演算法模型；以及S50将待测气象数据以及待测静止卫星数据输入所述PM2.5反演算法模型获得PM2.5反演结果。进一步地，所述PM2.5数据为地面观测站点逐小时PM2.5观测数据以及相应的地面观测站点经纬度信息；所述静止卫星数据为三个不同波段的反射率、四个卫星观测角度以及卫星的云掩膜数据产品逐小时观测数据，其中，三个不同波段分别为0.47、0.64以及2.3微米，四个卫星观测角度分别为卫星方位角、卫星天顶角、太阳方位角、太阳天顶角；所述气象数据包括地表气压、相对湿度、10米风速、2米气温、总柱水量、总柱臭氧、大气边界层高度。进一步地，所述机器学习模型为随机森林模型、XGBoost模型、梯度提升模型或支持向量机模型。进一步地，采用十折交叉验证的方法对所述PM2.5反演算法模型的精度进行测试。本专利技术的上述技术方案相比现有技术具有以下优点：本专利技术的一种基于日变化约束的PM2.5卫星遥感反演方法，采用静止卫星数据可提供白天逐小时的观测值，解决了传统使用极轨卫星只能每天固定时间观测的问题；将日变化特征根据季节和时间点的不同进行量化，并与所述PM2.5数据、所述静止卫星数据以及所述气象数据进行融合获得训练数据，使用所述训练数据对反演模型进行训练进一步提高了PM2.5反演精度。附图说明下面结合附图，通过对本专利技术的具体实施方式详细描述，将使本专利技术的技术方案及其有益效果显而易见。图1所示为本专利技术一实施例的一种基于日变化约束的PM2.5卫星遥感反演方法的流程图；图2所示为本专利技术一实施例的一种基于日变化约束的PM2.5卫星遥感反演方法的流程简图；图3所示为长三角地区2016年PM2.5年均值分布图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本实施例提供了一种基于日变化约束的PM2.5卫星遥感反演方法，如图1～2所示，包括如下步骤：S10数据采集，采集PM2.5数据、静止卫星数据以及气象数据，所述静止卫星数据为可见光观测值，所述静止卫星数据以及所述气象数据为栅格数据。S20数据处理，将所述PM2.5数据与所述静止卫星数据以及所述气象数据进行时空匹配，其中，所述时空匹配包括：所述地面观测站点的空间位置与所述静止卫星和所述气象数据对应栅格数据空间匹配，以及所述地面观测站点观测时段与所述静止卫星数据和所述气象数据时间匹配。S30日变化特征的量化，所述日变化特征包括不同季节PM2.5随时间的变化特征以及变异系数；所述不同季节PM2.5随时间的变化特征通过一元二次多项式拟合获得；所述变异系数为每天同一时间点PM2.5波动的幅度，所述变异系数为同一时间点的所有PM2.5观测数据的标准差与平均值之比。S40构建PM2.5反演算法，将所述PM2.5数据、所述静止卫星数据、所述气象数据以及所述日变化特征进行融合，获得训练数据集，使用所述训练集训练机器学习模型，获得所述PM2.5反演算法模型。以及S50将待测气象数据以及待测静止卫星数据输入所述PM2.5反演算法模型获得PM2.5反演结果。所述步骤S10所述PM2.5数据为地面观测站点逐小时PM2.5观测数据以及相应的地面观测站点经纬度信息。所述静止卫星数据为三个不同波段的反射率、四个卫星观测角度以及卫星的云掩膜数据产品逐小时观测数据，其中，三个不同波段分别为0.47、0.64以及2.3微米，四个卫星观测角度分别为卫星方位角、卫星天顶角、太阳方位角、太阳天顶角，使用卫星的云掩膜数据产品去挑选晴空像素。由于最终反演算法的输入是卫星和气象数据，考虑到卫星为栅格数据，因此气象数据也选择该类型的数据，气象数据来自欧洲数值预报中心本文档来自技高网...

【技术保护点】
1.一种基于日变化约束的PM

【技术特征摘要】
1.一种基于日变化约束的PM2.5卫星遥感反演方法，其特征在于，包括如下步骤：
S10数据采集，采集PM2.5数据、静止卫星数据以及气象数据，所述静止卫星数据为可见光观测值，所述静止卫星数据以及所述气象数据为栅格数据；S20数据处理，将所述PM2.5数据与所述静止卫星数据以及所述气象数据进行时空匹配，其中，所述时空匹配包括：所述地面观测站点的空间位置与所述静止卫星和所述气象数据对应栅格数据空间匹配，以及所述地面观测站点观测时段与所述静止卫星数据和所述气象数据时间匹配；
S30日变化特征的量化，所述日变化特征包括不同季节PM2.5随时间的变化特征以及变异系数；所述不同季节PM2.5随时间的变化特征通过一元二次多项式拟合获得；所述变异系数为每天同一时间点PM2.5波动的幅度，所述变异系数为同一时间点的所有PM2.5观测数据的标准差与平均值之比；
S40构建PM2.5反演算法，将所述PM2.5数据、所述静止卫星数据、所述气象数据以及所述日变化特征进行融合，获得训练数据集，使用所述训练集训练机器学习模型，获得所述PM2.5反演算法模型；以及<...

【专利技术属性】
技术研发人员：白鹤鸣，王理，刘伟，张远鹏，张玲玲，吴媛媛，李俊琦，
申请(专利权)人：南通大学，南通先进通信技术研究院有限公司，
类型：发明
国别省市：江苏;32