基于梯度提升决策树地表PM2.5浓度估算的方法技术

基于梯度提升决策树地表PM2.5浓度估算的方法，它涉及一种PM2.5浓度估算的方法。本发明专利技术为了解决利用化学、物理及统计模型估计或者预测PM2.5浓度时由于空间、时间非平稳性及受样本量的限制的问题。本方法如下：一、对地面观察的PM2.5浓度数据进行预处理，获得各个站点的平均PM2.5观测浓度数据。二、对遥感AOD产品数据进行处理，获得控制质量较好的AOD数据和扩大AOD数据的空间覆盖率。三、对气象数据和辅助数据预处理，统一化处理。四、数据进行整合，确保所有数据在空间和时间上都一致。五、对数据探索性分析，消除多变量间的共线性问题。六、利用梯度提升决策树方法构建PM2.5浓度估算模型。本发明专利技术适用于从遥感AOD数据中估算大范围地表PM2.5浓度空间分布。

【技术实现步骤摘要】
基于梯度提升决策树地表PM2.5浓度估算的方法
本专利技术涉及一种PM2.5浓度估算的方法。
技术介绍
细颗粒物PM2.5是大气污染物的主要成分，且关注度较高。已有研究表明，PM2.5被吸入人体后会直接进入支气管，引发包括哮喘、支气管炎和心血管病等方面的疾病，影响人体健康。鉴于目前出现的PM2.5污染问题，中国需要具有精细高、覆盖全国范围的高分辨率PM2.5数据。精确的PM2.5浓度数据主要靠地面监测获得，但由于地面监测网站点稀疏，监测数据有限，以及站点分布不均问题，导致无法模拟较大地理范围内PM2.5浓度的时空变化，有很大的局限性。而卫星遥感影像可以提供较大空间范围的数据，因此拟合卫星衍生的气溶胶光学深度(AOD)信息成为推断地面PM2.5浓度的另一种可靠方法。目前，设计出多种方法及模型来挖掘AOD与地面PM2.5之间的关系，进而估算或者预测地面PM2.5浓度。包括化学、物理及统计模型；其中，统计模型因其简单、快速且精确的特性而被广泛使用。例如线性混合效应(LME)模型、土地利用回归(LUR)模型等，再到地理加权回归(GWR)本文档来自技高网...

【技术保护点】
1.基于梯度提升决策树地表PM2.5浓度估算的方法，其特征在于所述基于梯度提升决策树地表PM2.5浓度估算的方法按照以下步骤进行：/n一、对地面观察的PM2.5浓度数据进行预处理，获取研究区内各个站点的日、月、年平均PM2.5观测浓度数据；/n二、对遥感AOD产品数据进行处理，获得控制质量较好的AOD数据和扩大AOD数据的空间覆盖率，然后根据步骤一所获得的结果数据提取对应点的遥感AOD数据；/n根据步骤一所获得的结果数据提取对应点的遥感AOD数据过程如下：/na、利用遥感AOD产品数据的控制质量文件数据，根据控制质量说明，通过对原始AOD数据裁切，获得控制质量较好的AOD数据；/nb、通过一般...

【技术特征摘要】
1.基于梯度提升决策树地表PM2.5浓度估算的方法，其特征在于所述基于梯度提升决策树地表PM2.5浓度估算的方法按照以下步骤进行：
一、对地面观察的PM2.5浓度数据进行预处理，获取研究区内各个站点的日、月、年平均PM2.5观测浓度数据；
二、对遥感AOD产品数据进行处理，获得控制质量较好的AOD数据和扩大AOD数据的空间覆盖率，然后根据步骤一所获得的结果数据提取对应点的遥感AOD数据；
根据步骤一所获得的结果数据提取对应点的遥感AOD数据过程如下：
a、利用遥感AOD产品数据的控制质量文件数据，根据控制质量说明，通过对原始AOD数据裁切，获得控制质量较好的AOD数据；
b、通过一般线性回归方法对每天不同源遥感数据的AOD数据进行拟合、弥补缺失区域以扩大空间覆盖率，线性回归拟合公式如下：
τ星1＝α×τ星2+β(1)
τ星2＝α×τ星1+β(2)
公式中τ星1为Terra卫星的AOD，τ星2为Aqua卫星的AOD数据，α和β分别为线性回归方程的斜率和截距；
c、根据步骤一所获得的结果数据提取对应点的遥感AOD数据；
三、对气象数据和辅助数据预处理，不同格式和时间分辨率数据统一化处理，然后，根据步骤二所获得的数据结果提取对应点的气象、辅助数据；
四、根据步骤三结果数据进行整合，以确保所有数据在空间和时间上都一致，具体过程如下：
d、创建覆盖整个研究区的格网数据，并与步骤三中合成的AOD数据相匹配；
e、对落在一个格网中同一变量的多个数据求平均，以确保所有变量数据在空间和时间上都与AOD数据一致；
五、根据步骤四结果对数据探索性分析，以消除多变量之间的共线性问题，从而避免信息重复，过程如下：
f、利用方差膨胀因子方法计算所选变量之间的共...

【专利技术属性】
技术研发人员：郑辉，张鹏岩，张文，李颜颜，杨丹，何炜欢，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南;41