【技术实现步骤摘要】
一种基于多源数据和神经网络模型的PM2.5反演方法
本专利技术具体涉及一种基于多源数据和神经网络模型反演PM2.5的反演方法。
技术介绍
近年来PM2.5成为人们重点关注的大气污染物之一,其输送距离远,在空气中停留时间长,会对人体和环境造成不良影响,研究表明长期暴露于PM2.5污染中将严重危害人体的健康。避开高污染区是减少威胁的有效方法,但有效避开高污染区的路线选择需要高时间精度、大范围、高质量的PM2.5分布数据做支撑。当前已有PM2.5监测站,但其分布稀疏且集中在城市建成区,数据分布不均匀且精度低,近年来利用覆盖范围广的遥感影像和其他数据的多源数据PM2.5反演方法快速发展。中分辨率成像光谱仪(MODIS)AOD、多角度成像光谱仪(MISR)AOD、可见红外成像辐射计(VIIRS)AOD等是当前常用的遥感影像产品。然而这些影像的分辨率较低,PM2.5反演结果精度受限。AOD产品是结合影像通过算法获得的,误差累计的风险比直接使用影像数据要高。目前使用的多源数据有气象、土地利用类型、人口密度等等,表征人类活动的数据较少,然而人类活动与大气质量之间有着密切的联系。现有利用遥感影像反演地面PM2.5浓度的方法有线性回归模型、线性混合模型以及神经网络等。线性回归模型和线性混合模型忽略了空间异质性,在下垫面情况复杂的情况下,模型不能正确反映污染物浓度。如果不对多源数据进行处理,无论哪种方法都容易出现过拟合的情况。
技术实现思路
专利技术目的:鉴于上述问题,本专利技术的目的是提供一种基于多源数据和神经网络模 ...
【技术保护点】
1.一种基于多源数据和神经网络模型的PM2.5反演方法,其特征在于,包括如下步骤:/n步骤一:获取Landsat 8影像数据,PM2.5监测数据,气象数据,高程数据和城市特征数据;/n步骤二:提取Landsat 8影像特征及其衍生特征;/n步骤三:提取风速、温度、降水和相对湿度与PM2.5具有相关性的气象特征;/n步骤四:提取地形特征以及工厂密度、道路密度、人口密度和人均GDP等城市特征;/n步骤五:搭建神经网络模型,对数据集进行训练;/n步骤六:根据留出法的验证结果对模型进行优化;/n步骤七:使用反演模型得到PM2.5反演结果;/n步骤八:利用逐小时气象数据实时更新反演结果并利用逐小时空气质量数据对反演结果进行纠偏。/n
【技术特征摘要】
1.一种基于多源数据和神经网络模型的PM2.5反演方法,其特征在于,包括如下步骤:
步骤一:获取Landsat8影像数据,PM2.5监测数据,气象数据,高程数据和城市特征数据;
步骤二:提取Landsat8影像特征及其衍生特征;
步骤三:提取风速、温度、降水和相对湿度与PM2.5具有相关性的气象特征;
步骤四:提取地形特征以及工厂密度、道路密度、人口密度和人均GDP等城市特征;
步骤五:搭建神经网络模型,对数据集进行训练;
步骤六:根据留出法的验证结果对模型进行优化;
步骤七:使用反演模型得到PM2.5反演结果;
步骤八:利用逐小时气象数据实时更新反演结果并利用逐小时空气质量数据对反演结果进行纠偏。
2.根据权利要求1所述的基于多源数据和神经网络模型的PM2.5反演方法,其特征在于,所述的步骤一中的气象数据包括风速、相对湿度、温度、和降水量;城市特征数据包括工厂和道路分布数据、人均GDP和人口密度栅格图。
3.根据权利要求1所述的基于多源数据和神经网络模型的PM2.5反演方法,其特征在于,所述的步骤二具体为:
2.1对Landsat8遥感影像进行辐射校正、大气校正、去云的预处理;
2.2提取Landsat8影像数据的红光波段反射率R和蓝光波段反射率B;
2.3提取影像成像的月份M;
2.4根据如下公式计算NDVI:
其中,NIR为近红外波段反射率,R为红光波段反射率。
4.根据权利要求1所述的基于多源数据和神经网络模型的PM2.5反演方法,其特征在于,所述的步骤三具体为:
3.1构建气象站点的泰森多边形,将落入各泰森多边形中的PM2.5监测站点与各多边形对应的气象站点匹配;
3.2提取PM2.5监测站点对应的气象站当天和前一天的数据。
5.根据权利要求1所述的基于多源数据和神经网络模型的PM2.5反演方法,其特征在于,所述的步骤四具体为:
4.1在每个栅格像元中心的一定范围内定义一个邻域area,将邻域内点的数量相加,得到count,然后除以邻域面积,即得到工厂的密度Df;
4.2定义一个领域半径R,以栅格像元中心为圆心...
【专利技术属性】
技术研发人员:高丽娜,闫金伟,陶菲,王辰怡,张帅倩,孔薇,周侗,
申请(专利权)人:南通大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。