用于PM2.5浓度分布的时空估算和预测的方法技术

本发明专利技术提供了用于PM2.5浓度分布的时空估算和预测的方法。用于PM2.5浓度分布的时空估算和预测的方法包括：细粒度气溶胶光学厚度(AOD)的采集与校正，计算细粒度PM2.5的回归模型，以及细颗粒PM2.5浓度分布预测。通过对几种回归模型和机器学习模型的比较，确定了XGBoost模型作为该框架下的估计模型，其均方根误差(RMSE)最低为32.86μg/m

A method for spatiotemporal estimation and prediction of PM2.5 concentration distribution

【技术实现步骤摘要】
用于PM2.5浓度分布的时空估算和预测的方法
本专利技术涉及环境领域，具体地，涉及用于PM2.5浓度分布的时空估算和预测的方法。
技术介绍
PM，颗粒物的缩写，指空气中运动当量直径小于等于2.5微米的颗粒物。大量的观测研究表明，PM2.5的质量浓度主要受各种污染源和气象条件的影响。以PM2.5为主要污染物的大气重污染事件，对人们的日常出行和社会活动产生重大影响。已经证实，细颗粒物的浓度与心肺疾病和呼吸系统的发病率和死亡率呈正相关。如果人们生活在空气污染物浓度过高的环境中，会因吸入污染物过多而产生急性健康风险，如慢性呼吸道疾病、心血管疾病等。研究表明，PM2.5可渗透到肺和支气管，长期接触PM2.5可增加呼吸系统疾病和心血管疾病的发病率和死亡率；PM2.5直径小，质量好，在大气中停留时间长，传输距离长，因此，它会严重影响大气能见度，对人们的日常生活和社会活动产生不良影响。因此，快速准确地预测PM2.5浓度已成为大气污染防治领域的研究热点。
技术实现思路
本专利技术提供了一种用于PM2.5浓度分布的时空估算和预测的方法，包括：<本文档来自技高网...

【技术保护点】
1.一种用于PM2.5浓度分布的时空估算和预测的方法，包括：/n细粒度气溶胶光学厚度(AOD)的采集与校正，包括：/n处理MCD19A2、GEOS FP和地面气象观测数据的原始数据集，选择并定义从MCD19A2中提取的AOD为AOD-0数据集，在GEOS-FP数据的基础上，利用自然邻域插值方法将PBLH转换成与AOD数据集相同的栅格格式文件，便于AOD的校正；/n使用相对湿度分布数据集修正AOD-0。校正方程如下，/n

【技术特征摘要】
1.一种用于PM2.5浓度分布的时空估算和预测的方法，包括：
细粒度气溶胶光学厚度(AOD)的采集与校正，包括：
处理MCD19A2、GEOSFP和地面气象观测数据的原始数据集，选择并定义从MCD19A2中提取的AOD为AOD-0数据集，在GEOS-FP数据的基础上，利用自然邻域插值方法将PBLH转换成与AOD数据集相同的栅格格式文件，便于AOD的校正；
使用相对湿度分布数据集修正AOD-0。校正方程如下，



其中RH表示相对湿度，AOD0表示AOD-0，AOD1表示AOD-1，对于每一个对应的单元，使用函数来修正AOD-0，然后得到AOD-1分布；
基于AOD-1和PBLH数据集，使用下面的公式第二次修正AOD：



其中AOD1是AOD-1，AOD2是AOD-2。最后得到了AOD-2分布，即修正后的精细时空AOD分布；
计算细粒度PM2.5的回归模型：
对空气质量观测数据进行预处理，提取16个空气质量站点的PM2.5小时浓度值，再利用地面气象观测资料提取风速和降水值；
计算151天内16个站点PM2.5浓度、风速和降水的日平均值，对AOD-2光栅图像进行相同的预处理；
从151天和...

【专利技术属性】
技术研发人员：张光远，芮小平，逯海玥，于光夏，范永磊，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32