基于卫星遥感的近地面PM2．5浓度预测方法与系统技术方案

本发明专利技术公开了一种基于卫星遥感的近地面PM2.5浓度预测方法与系统，将多元卫星的卫星遥感数据与相关的地理信息数据，以及空气质量模型模拟的气象数据与不同类型气溶胶的时空分布数据；输入至结合大气特征的深度学习模型中进行预测，可以准确的实现近地面PM2.5浓度值的短期预测。值的短期预测。值的短期预测。

【技术实现步骤摘要】
基于卫星遥感的近地面PM2.5浓度预测方法与系统


[0001]本专利技术涉及空气质量监测预报领域，尤其涉及一种基于卫星遥感的近地面PM2.5浓度预测方法与系统。

技术介绍

[0002]空气质量预报对于人们日常出行生活，实行区域管控提供有效数据支撑和依据。
[0003]目前的空气质量预报主要有基于国控站点的站点预报和基于大气物理化学的模式预报。但是：1)基于国控站点的站点预报无法实现空间范围内的监测，无法提供在大部分无国控站点区域的预报；2)基于大气物理化学的模式预报依赖初始参数和调查的排放清单，无法做到高准确性的空气质量预报。
[0004]随着航空航天技术的发展，越来越多的卫星能够提供大范围实时监测结果，可以将卫星观测的光谱信息转换成需要的污染物浓度信息进而进行空气质量预测，但是，目前还没有较为准确的预测方案。

技术实现思路

[0005]本专利技术的目的是提供一种基于卫星遥感的近地面PM2.5浓度预测方法与系统，可以利用卫星遥感数据，准确实现近地面PM2.5浓度预测。
[0006]本专利技术的目的是通过以下技术方案实现的：
[0007]一种基于卫星遥感的近地面PM2.5浓度预测方法，包括：
[0008]获取多元卫星的卫星遥感数据，以及相关的地理信息数据；
[0009]利用空气质量模型模拟气象场及污染场，获得模拟的气象数据与不同类型气溶胶的时空分布数据；
[0010]将所述多元卫星的卫星遥感数据、地理信息数据、模拟的气象数据与不同类型气溶胶的时空分布数据输入至预先构建的深度神经网络预测模型中，将所述多元卫星的卫星遥感数据与模拟的不同类型气溶胶的时空分布数据进行融合后，与所述模拟的气象数据进行融合，获得融合后的时间序列数据，将所述融合后的时间序列数据与所述地理信息数据作为深度神经网络预测模型中LSTM网络层的输入，预测PM2.5浓度值。
[0011]一种基于卫星遥感的近地面PM2.5浓度预测系统，用于实现前述的方法，该系统包括：
[0012]实际数据获取单元，用于获取多元卫星的卫星遥感数据，以及相关的地理信息数据；
[0013]模拟数据获取单元，用于利用空气质量模型模拟气象场及污染场，获得模拟的气象数据与不同类型气溶胶的时空分布数据；
[0014]PM2.5浓度值预测单元，用于将所述多元卫星的卫星遥感数据、地理信息数据、模拟的气象数据与不同类型气溶胶的时空分布数据输入至预先构建的深度神经网络预测模型中，将所述多元卫星的卫星遥感数据与模拟的不同类型气溶胶的时空分布数据进行融合
后，与所述模拟的气象数据进行融合，获得时间序列数据，将所述时间序列数据与地理信息数据作为深度神经网络预测模型中LSTM网络层的输入，预测PM2.5浓度值。
[0015]一种处理设备，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
[0016]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述的方法。
[0017]一种可读存储介质，存储有计算机程序，其特征在于，当计算机程序被处理器执行时实现前述的方法。
[0018]由上述本专利技术提供的技术方案可以看出，利用卫星观测反演得到的大气污染物浓度信息(也即多元卫星遥感数据的结果)，以及通过空气质量模型模拟得到的气象数据与不同类型气溶胶的时空分布数据，通过一种结合大气特征的深度学习模型，可以准确的实现近地面PM2.5浓度值的短期(一般为3天内)预测。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0020]图1为本专利技术实施例提供的一种基于卫星遥感的近地面PM2.5浓度预测方法的流程图；
[0021]图2为本专利技术实施例提供的一种基于卫星遥感的近地面PM2.5浓度预测方法的模型示意图；
[0022]图3为本专利技术实施例提供的一种残差网络模块的结构示意图；
[0023]图4为本专利技术实施例提供的局部区域的12小时预测结果示意图；
[0024]图5为本专利技术实施例提供的局部区域的24小时预测结果示意图；
[0025]图6为本专利技术实施例提供的一种基于卫星遥感的近地面PM2.5浓度预测系统的示意图；
[0026]图7为本专利技术实施例提供的一种处理设备的示意图。
具体实施方式
[0027]下面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。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0028]首先对本文中可能使用的术语进行如下说明：
[0029]术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等)，应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公
知的其它技术特征要素。
[0030]下面对本专利技术所提供的一种基于卫星遥感的近地面PM2.5浓度预测方法进行详细描述。本专利技术实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本专利技术实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本专利技术实施例中所用仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
[0031]如图1所示，一种基于卫星遥感的近地面PM2.5浓度预测方法，主要包括如下步骤：
[0032]步骤1、获取多元卫星的卫星遥感数据，以及相关的地理信息数据。
[0033]本专利技术实施例中，所述多元卫星的卫星遥感数据主要包括：气溶胶光学厚度数据(AOD，Aerosol Optiacl Depth)以及云参数结果，其中，气溶胶光学厚度数据来自对象包括但不限于MODIS，VIIRS，葵花8卫星；之后，将获取的多元卫星的卫星遥感数据重投影到指定分辨率下，例如，0.05
°
*0.05
°
分辨率。
[0034]本专利技术实施例中，所述地理信息数据类型包括但不限于：交通道路数据、建筑物分布数据、地表类型数据、人口密度数据与GDP分布数据。
[0035]本专利技术实施例中，交通道路网级别分为：快速路、主干路、次干路、支路、高速公路、一级、二级、三级与四级公路；建筑物分为：居民区建筑、休闲娱乐区域建筑、工业区域建筑、景区公园与教育行政区域建筑。
[0036]本专利技术实施例中，采用下述方式对地理信息数据进行处理：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卫星遥感的近地面PM2.5浓度预测方法，其特征在于，包括：获取多元卫星的卫星遥感数据，以及相关的地理信息数据；利用空气质量模型模拟气象场及污染场，获得模拟的气象数据与不同类型气溶胶的时空分布数据；将所述多元卫星的卫星遥感数据、地理信息数据、模拟的气象数据与不同类型气溶胶的时空分布数据输入至预先构建的深度神经网络预测模型中，将所述多元卫星的卫星遥感数据与模拟的不同类型气溶胶的时空分布数据进行融合后，与所述模拟的气象数据进行融合，获得融合后的时间序列数据，将所述融合后的时间序列数据与所述地理信息数据作为深度神经网络预测模型中LSTM网络层的输入，预测PM2.5浓度值。2.根据权利要求1所述的一种基于卫星遥感的近地面PM2.5浓度预测方法，其特征在于，所述空气质量模型采用第四代空气质量模型，即WRF
‑
Chem模型；使用设定的边界场信息数据进行三重嵌套模拟指定分辨率下的气象场及污染场。3.根据权利要求1所述的一种基于卫星遥感的近地面PM2.5浓度预测方法，其特征在于，所述模拟的气象数据包括：三维的温度、相对湿度、压强、南北方向风速、东西方向风速与边界层高度数据；所述模拟的不同类型气溶胶的时空分布数据包括：碳质气溶胶、有机气溶胶与硫酸盐气溶胶的时空分布数据。4.根据权利要求1所述的一种基于卫星遥感的近地面PM2.5浓度预测方法，其特征在于，所述地理信息数据包括：交通道路数据、建筑物分布数据、地表类型数据、人口密度数据与GDP分布数据；其中，交通道路网级别分为：快速路、主干路、次干路、支路、高速公路、一级、二级、三级与四级公路；建筑物分为：居民区建筑、休闲娱乐区域建筑、工业区域建筑、景区公园与教育行政区域建筑；对地理信息数据进行如下处理后再输入至所述深度神经网络预测模型：理后再输入至所述深度神经网络预测模型：其中，地理信息数据为二维的栅格数据，[i，j]表示栅格中位置，k表示不同道路与建筑类型；Density
traffic
[i，j，k]为[i，j]处k类型道路的密度分布，level length[i，j，k]表示[i，j]处对应k类型道路的长度，square[i，j]为[i，j]处对应的面积大小，Density
poi
[i，j，k]表示[i，j]处k类型建筑物的密度分布，building type[i，j，k]表示k类型建筑物的表示数目。5.根据权利要求1所述的一种基于卫星遥感的近地面PM2.5浓度预测方法，其特征在于，将所述多元卫星的卫星遥感数据与模拟的不同类型气溶胶的时空分布数据进行融合的方式包括：将所述多元卫星的卫星遥感数据进行卷积操作，表示为：X
satellite
＝{St8…
St
15
，St
16
}其中，下标数值表示时刻；X
satellite
表示多元卫星的卫星遥感数据卷积操作结果，St表示单个时刻的卷积操作结果；同时，对模拟的不同类型气溶胶的时空分布数据进行卷积操作，表示为：
X
wrf
‑
chem
＝{Wt1，Wt2…
Wt
23
，Wt
24
}其中，X
wrf
‑
chem
表示模拟的不同类型气溶胶的时空分布数据卷积操作结果，Wt表示单个时刻的卷积操作结果；将上述两类卷积操作结果X
satellite
与X
wrf
‑
chem
进行融合，表示为：Xaer...

【专利技术属性】
技术研发人员：刘诚，李波，张成歆，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：