基于国产超光谱卫星量化大气臭氧污染来源的方法与系统技术方案

本发明专利技术公开了一种基于国产超光谱卫星量化大气臭氧污染来源的方法与系统，其基于广义可加模型对大气臭氧污染的影响因素进行了分析，能够了解不同因素对于臭氧浓度变化的影响过程，量化气象条件和控制措施的相对贡献。量化气象条件和控制措施的相对贡献。量化气象条件和控制措施的相对贡献。

Method and system of quantifying the source of atmospheric ozone pollution based on domestic hyperspectral satellite

【技术实现步骤摘要】
基于国产超光谱卫星量化大气臭氧污染来源的方法与系统


[0001]本专利技术涉及数据分析
，尤其涉及一种基于国产超光谱卫星量化大气臭氧污染来源的方法与系统。

技术介绍

[0002]准确量化影响大气污染物影响因素是制定污染控制措施的基础。现有研究中，虽提出温度、湿度等气象因素和人为排放均对污染物浓度的变化产生影响，但是这些研究没有准确地将其量化进行分析。
[0003]广义可加模型(GAM模型)可以很好地处理因变量与多个自变量之间的非线性关系，具有自动化、正则化、可解释性等优点。有研究证明，广义可加模型可以避免一些复杂算法，找到最合理的方式解释实际科学研究中所遇到的问题。但是，目前并没有将广义可加模型应用与大气污染物影响因素分析的相关方案。

技术实现思路

[0004]本专利技术的目的是提供一种基于国产超光谱卫星量化大气臭氧污染来源的方法与系统，针对大气臭氧污染来源进行量化，有助于制定污染控制措施。
[0005]本专利技术的目的是通过以下技术方案实现的：
[0006]一种基于国产超光谱卫星量化大气臭氧污染来源的方法，包括：
[0007]获取气象数据，以及包含臭氧浓度与其他痕量气体浓度的卫星观测数据；
[0008]将所述臭氧浓度作为因变量，单个类别的痕量气体浓度以及气象数据中单个气象因子的数据均作为自变量，分别输入至预先构建的广义可加模型中，获得多个单因素模型，并利用单因素模型筛选出用于构建多因素模型的自变量；
[0009]将所有筛选出的自变量整合为综合的自变量，并构建多因素模型；
[0010]将所有筛选出的自变量分为气象因子与人为因子，利用多因素模型的输出，计算两类因素对臭氧浓度的影响因子，并对气象因子和人为因子的相对贡献进行量化。
[0011]一种基于国产超光谱卫星量化大气臭氧污染来源的系统，包括：
[0012]数据获取单元，用于获取气象数据，以及包含臭氧浓度与其他痕量气体浓度的卫星观测数据；
[0013]单因素模型构建与自变量筛选单元，用于将所述臭氧浓度作为因变量，单个类别的痕量气体浓度以及气象数据中单个气象因子的数据均作为自变量，分别输入至预先构建的广义可加模型中，获得多个单因素模型，并利用单因素模型筛选出用于构建多因素模型的自变量；
[0014]多因素模型构建单元，用于利用主成分分析法将所有筛选出的自变量整合为综合的自变量，并构建多因素模型；
[0015]量化单元，用于将所有筛选出的自变量分为气象因子与人为因子，计算两类因素对臭氧浓度的影响因子，并对气象因子和人为因子的相对贡献进行量化。
[0016]一种处理设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
[0017]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。
[0018]一种可读存储介质，存储有计算机程序，当计算机程序被处理器执行时实现前述的方法。
[0019]由上述本专利技术提供的技术方案可以看出，基于广义可加模型对大气臭氧污染的影响因素进行了分析，能够了解不同因素对于臭氧浓度变化的影响过程，量化气象条件和控制措施的相对贡献。
附图说明
[0020]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。
[0021]图1为本专利技术实施例提供的一种基于国产超光谱卫星量化大气臭氧污染来源的方法的流程图；
[0022]图2为本专利技术实施例提供的残差检验图；
[0023]图3为本专利技术实施例提供的各因子对大气臭氧浓度的边际效应的示意图；
[0024]图4为本专利技术实施例提供的气象因子和人为因子对大气臭氧浓度的相对贡献的示意图；
[0025]图5为本专利技术实施例提供的基于国产超光谱卫星量化大气臭氧污染来源的系统的示意图；
[0026]图6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国产超光谱卫星量化大气臭氧污染来源的方法与系统进行详细描述。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，基于国产超光谱卫星量化大气臭氧污染来源的方法，主要包括如下步骤：
[0032]1、获取气象数据，以及包含臭氧浓度与其他痕量气体浓度的卫星观测数据。
[0033]本专利技术实施例中，所述卫星观测数据包括：臭氧(O3)浓度、二氧化氮(NO2)浓度、一氧化碳(CO)浓度及PM
2.5
浓度；此处的二氧化氮浓度、一氧化碳浓度及PM
2.5
浓度均为所述其他痕量气体浓度。由于臭氧检测仪(OMI)具有光谱性能稳定、信噪比高、时间覆盖率较长等优点，因此，可以从OMI一级数据中获取对流层O3、NO2、CO和PM
2.5
的卫星观测数据。此处各类卫星观测数据可通过国产超光谱卫星采集。
[0034]本专利技术实施例中，所述气象数据中的气象因子主要包括：纬向风(U)、经向风(V)、温度(TEMP)、压强(PRES)、相对湿度(RH)、边界层高度(BLH)、下行短波太阳辐射量(DSR)和降雨量(PRECIP)。示例性的，可从欧洲中期天气预报中心的第五代大气再分析数据集(ERA
‑
5)中获取。
[0035]2、将所述臭氧浓度作为因变量，单个类别的痕量气体浓度以及气象数据中单个气象因子的数据均作为自变量，分别输入至预先构建的广义可加模型中，获得多个单因素模型，并利用单因素模型筛选出用于构建多因素模型的自变量。
[0036]本专利技术实施例中，所述广义可加模型通过一个链接函数建立因变量的均值和自变量的平滑函数之间的关系。此处将大气臭氧柱浓度作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于国产超光谱卫星量化大气臭氧污染来源的方法，其特征在于，包括：获取气象数据，以及包含臭氧浓度与其他痕量气体浓度的卫星观测数据；将所述臭氧浓度作为因变量，单个类别的痕量气体浓度以及气象数据中单个气象因子的数据均作为自变量，分别输入至预先构建的广义可加模型中，获得多个单因素模型，并利用单因素模型筛选出用于构建多因素模型的自变量；将所有筛选出的自变量整合为综合的自变量，并构建多因素模型；将所有筛选出的自变量分为气象因子与人为因子，利用多因素模型的输出，计算两类因素对臭氧浓度的影响因子，并对气象因子和人为因子的相对贡献进行量化。2.根据权利要求1所述的一种基于国产超光谱卫星量化大气臭氧污染来源的方法，其特征在于，所述气象数据中的气象因子包括：纬向风、经向风、温度、压强、相对湿度、边界层高度、下行短波太阳辐射量和降雨量；所述卫星观测数据包括：臭氧浓度、二氧化氮浓度、一氧化碳浓度及PM
2.5
浓度；其中，二氧化氮浓度、一氧化碳浓度及PM
2.5
浓度均为所述其他痕量气体浓度。3.根据权利要求1所述的一种基于国产超光谱卫星量化大气臭氧污染来源的方法，其特征在于，所述将所述臭氧浓度作为因变量，单个类别的痕量气体浓度以及气象数据中单个气象因子的数据均作为自变量，分别输入至预先构建的广义可加模型中，获得多个单因素模型，并利用单因素模型筛选出用于构建多因素模型的自变量包括：将大气臭氧柱浓度作为因变量，选择log函数作为链接函数构建广义可加模型，表示为：其中，C表示臭氧浓度，使用每日臭氧浓度值；ε为拟合残差，s(x)表示第i个自变量的平滑函数项，N为自变量数目；通过summary()函数查看各个自变量对大气臭氧浓度变化的影响程度，获得显著性概率P
’
，当显著性概率P
’
大于设定阈值时，将相应自变量法舍弃，最终筛选出用于构建多因素模型的自变量。4.根据权利要求1所述的一种基于国产超光谱卫星量化大气臭氧污染来源的方法，其特征在于，所述利用主成分分析法将所有筛选出的自变量整合为多个综合的自变量，并构建多因素模型包括：利用主成分分析法将筛选出的自变量整合为综合的自变量；构建多因素模型时，将所述臭氧浓度作为因变量，结合综合的自变量，选择log函数作为链接函数，基于R语言mgcv包中的gam()函数构建多因素模型。5.根据权利要求1所述的一种基于国产超光谱卫星量化大气臭氧污染来源的方法，其特征在于，所述将所有筛选出的自变量分为气象因子与人为因子，利用多因素模型的输出，计算两类因素对臭氧浓度的影响因子，并对气象因子和人为因子的相对贡献进行量化包括：所述人为因子为筛选出的其他痕量气体浓度，气象因子为筛选后的各类气象因子；计算两类因子对臭氧浓度的影响因子，并对气象因子和人为因子的相对贡献进行...

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