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：