The invention discloses an all day pm
【技术实现步骤摘要】
一种全天时PM
2.5
浓度无缝格点数据的近实时生产方法
[0001]本专利技术涉及大气环境遥感监测领域,具体涉及一种全天时PM
2.5
浓度无缝格点 数据的近实时生产方法。
技术介绍
[0002]近年来,以PM
2.5
为主的大气颗粒物污染已成为影响城市空气质量的主要因素,由 于PM
2.5
粒径小、比表面积大,易在空气中长期滞留,故对公众健康和全球生态环境具有 严重威胁。因此,近实时监测近地面PM
2.5
浓度对落实大气颗粒物污染精细化管控和灰霾 防治具有重要现实意义。然而,由于站点分布稀疏不均,现有地基空气质量观测网络中仍 存在大面积监测盲区。同时,站点业务化运营需要耗费较多的人力和物力。因此,现有站 点观测数据较难满足区域PM
2.5
浓度全方位跟踪监测的客观需求。
[0003]研究表明,基于数据驱动的统计模型能够较好地刻画大气气溶胶和大气颗粒物浓度间 的映射关系,因此,利用卫星遥感反演气溶胶光学厚度(Aerosol Optical Depth,AOD)数据 开展近地面PM
2.5
浓度估算,已然成为当前定量获取区域PM
2.5
浓度的重要技术手段。然而, 由于受到云、雪等亮地表的干扰,卫星反演AOD产品常存在大面积的数据缺失,同时, 基于辐射传输理论的AOD反演算法难以顾及夜间大气气溶胶参数的定量监测,进而导致 据此估算的PM
2.5
浓度格点数据无法实现2 ...
【技术保护点】
【技术特征摘要】
1.一种全天时PM
2.5
浓度无缝格点数据的近实时生产方法,其特征在于,所述技术方案包括以下步骤:步骤1:依托静止卫星遥感观测平台,快速反演日间逐小时AOD数据;步骤2:重建步骤1生产的AOD格点数据中的缺失信息;步骤3:使用机器学习算法,基于卫星反演AOD数据对数值模式模拟的AOD结果进行空间降尺度和误差订正;步骤4:结合随机森林机器学习建模方法,利用地面实测大气颗粒物浓度数据估算对应点位的AOD数据水平;步骤5:以步骤3所得的降尺度后的数值模拟AOD结果作为背景场,融合步骤2和步骤4所得的多源AOD数据,获得日间高精度空间无缝AOD产品;步骤6:利用步骤5所得的无缝AOD产品,结合地面国控站点实测PM
2.5
浓度,实时气象观测数据与大气污染相关的社会经济数据和时间变量,采用随机森林机器学习方法建立模型,估算面域PM
2.5
浓度分布数据;步骤7:针对夜间等无有效卫星遥感反演AOD数据的情况,构建不同时刻间PM
2.5
浓度迁移模型,基于邻近时刻已有资料实现其他时刻面域PM
2.5
浓度数据的估算;步骤8:开展当前时刻站点实测PM
2.5
浓度数据与步骤6或7所得时空无缝PM
2.5
格点数据产品间的融合,生产当前时刻高精度全覆盖PM
2.5
浓度格点资料。2.如权利要求1所述的一种全天时PM
2.5
浓度无缝格点数据的近实时生产方法,其特征在于,所述步骤1依托静止卫星高时频观测特性,采用“最小波谱回归系数”法进行地表反射率估算,实现精准地气解耦。3.如权利要求1所述的一种全天时PM
2.5
浓度无缝格点数据的近实时生产方法,其特征在于,所述步骤1中依据AOD数据时空自相关特征,利用经验正交函数法融合多时相残缺AOD资料来实现部分缺失数据重建,提升步骤1所得卫星反演AOD原始数据的空间覆盖水平。4.如权利要求1所述的一种全天时PM
2.5
浓度无缝格点数据的近实时生产方法,其特征在于,所述步骤2中所采用的数据重构技术具体描述为,引入时空邻域AOD数据,构建当前时刻的AOD时空关联矩阵,运用奇异值分解法(SVD)对AOD时空关联矩阵进行迭代分解,并利用主模态迭代重构时空关联矩阵中的缺失值直至收敛。5.如权利要求1所述的一种全天时PM
2.5
浓度无缝格点数据的近实时生产方法,其特征在于,所述步骤4中地面实测大气颗粒物浓度数据为国控空气质量观测网络提供的实时空气污染物浓度,所...
【专利技术属性】
技术研发人员:白开旭,李珂,刘飞,张小意,张红波,张伟锋,
申请(专利权)人:上海地听信息科技有限公司,
类型:发明
国别省市:
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。