近地面臭氧空间分布的估算方法、装置、介质及设备制造方法及图纸

本发明专利技术实施例公开了一种近地面臭氧空间分布的估算方法、装置、介质及设备。该方法包括：获取特征数据；所述特征数据包括实时采集的气象数据和卫星遥感数据；将所述特征数据输入至预先训练的神经网络模型，得到所述神经网络模型的输出结果；根据所述输出结果，确定近地面臭氧空间分布的估算结果。通过采用本方案，可以基于气象数据和卫星监测的臭氧前体物浓度，可以通过建立近地面臭氧浓度卷积神经网络估算方法，获得空间连续分布的近地面臭氧浓度估算结果。

【技术实现步骤摘要】
近地面臭氧空间分布的估算方法、装置、介质及设备
本专利技术实施例涉及卫星遥感
，尤其涉及一种近地面臭氧空间分布的估算方法、装置、介质及设备。
技术介绍
随着科学技术的发展，遥感技术已经成为天气、气象、环境空气质量以及其他空间现象最主要的探测技术。大气臭氧只占空气各组份的几百万分之一，却对全球气候和环境变化产生重要影响，因此采用遥感技术探测臭氧浓度也是近年来比较火热的议题。目前，比如常用的两种臭氧探测方式包括热红外遥感探测和紫外遥感探测。热红外遥感的臭氧探测技术主要是基于9.6微米附件的一组波段反演获得臭氧总量和臭氧廓线，这是现有的比较成熟的技术。进一步也可基于热红外遥感反演的臭氧廓线，把对流层臭氧总量和近地面臭氧含量提取出来。但由于热红外遥感受地表热辐射对底层大气热辐射的影响，以及底层大气臭氧热辐射信号在上行辐射传输过程中，会被中高层大气吸收一部分，使近地面臭氧反演结果存在较大的不确定性，无法将热红外遥感反演的近地面臭氧直接用于环境空气质量监测。紫外波段是臭氧吸收最强的光谱范围，利用紫外波段的卫星遥感探测数据，可以通过差分本文档来自技高网...

【技术保护点】
1.一种近地面臭氧空间分布的估算方法，其特征在于，包括：/n获取特征数据；所述特征数据包括实时采集的气象数据和卫星遥感数据；/n将所述特征数据输入至预先训练的神经网络模型，得到所述神经网络模型的输出结果；/n根据所述输出结果，确定近地面臭氧空间分布的估算结果。/n

【技术特征摘要】
1.一种近地面臭氧空间分布的估算方法，其特征在于，包括：
获取特征数据；所述特征数据包括实时采集的气象数据和卫星遥感数据；
将所述特征数据输入至预先训练的神经网络模型，得到所述神经网络模型的输出结果；
根据所述输出结果，确定近地面臭氧空间分布的估算结果。


2.根据权利要求1所述的方法，其特征在于，在获取特征数据之后，所述方法还包括：
对所述特征数据按照预设网格化规则进行网格化处理，得到网格化后的单点数据；
相应的，将所述特征数据输入至预先训练的神经网络模型，包括：
将所述单点数据输入至预先训练的神经网络模型。


3.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程包括：
从预先设置的采样点获取样本数据；其中，所述样本数据包括气象数据和卫星遥感数据，所述气象数据包括2m气温、2m比湿、10m风速、2m地面气压、降水以及短波辐射中的至少一种；所述卫星遥感数据包括O3对流层柱浓度、CO柱浓度、NO2柱浓度和甲醛柱浓度中的至少一种；
将所述样本数据进行预处理，并将预处理后的样本数据分为训练集和测试集；
采用训练集的样本数据输入至初始神经网络模型的输入层，以对所述初始神经网络模型进行训练，得到目标神经网络模型；其中，所述初始神经网络模型的网络架构是预先确定的；
对测试集的样本数据进行网格化处理，并将网格化样本数据的特征输入至所述目标神经网络模型，以对所述目标神经网络模型的输出结果进行测试；
若测试为收敛，则确定目标神经网络模型训练完成。


4.根据权利要求3所述的方法，其特征在于，所述初始神经网络模型的网络架构包括：输入层，第一卷积...

【专利技术属性】
技术研发人员：王志宝，夏石明，宗棕，
申请(专利权)人：海南星瞰信息咨询中心有限合伙，
类型：发明
国别省市：海南;46