基于时空信息镶嵌的小时级臭氧估算方法技术

本发明专利技术涉及大气环境技术领域，具体涉及一种基于时空信息镶嵌的小时级臭氧估算方法，该方法包括：获取环境检测数据构成臭氧浓度监测数据集，将环境检测数据进行图像转化得到环境监测数据图像；利用三次差值的方法对环境监测数据图像进行分辨率重采样处理得到优选环境图像；对优选环境图像进行分割得到环境数据子图像，将环境数据子图像的每行数据转化为环境行向量，每列数量转化为环境列向量，进而获得空间信息矩阵；将臭氧浓度监测数据集中所有环境检测数据对应的环境监测数据图像和对应的空间信息矩阵构成臭氧估算数据集；将臭氧估算数据集输入预先构建的臭氧估算模型得到臭氧估算结果数据。本发明专利技术能够获得较为准确的臭氧估算结果。估算结果。估算结果。

【技术实现步骤摘要】
基于时空信息镶嵌的小时级臭氧估算方法


[0001]本专利技术涉及大气环境
，具体涉及一种基于时空信息镶嵌的小时级臭氧估算方法。

技术介绍

[0002]卫星遥感具有时空大尺度观测的独特优势，在大气环境监测中发挥了重要作用。并且深度学习已经广泛应用于大气颗粒物的监测。目前，近地面臭氧的监测主要依靠地面站点，地面站点可以实时、准确的监测污染气体浓度。由于地面站点数量有限，仅使用地面站点无法构建全覆盖的臭氧浓度数据集，进而导致臭氧估算结果较不准确。同时，在现有的臭氧估算中，时间信息、空间信息以及其他气象监测信息常以数字的形式输入估算模型中，可能会存在误差，导致臭氧估算结果较不准确。

技术实现思路

[0003]为了解决臭氧估算结果较不准确技术问题，本专利技术的目的在于提供一种基于时空信息镶嵌的小时级臭氧估算方法，所采用的技术方案具体如下：
[0004]获取环境检测数据构成臭氧浓度监测数据集，将环境检测数据进行图像转化得到环境监测数据图像；
[0005]利用三次差值的方法对环境监测数据图像进行分辨率重采样处理得到优选环境图像；
[0006]对优选环境图像进行分割得到环境数据子图像，将环境数据子图像的每行数据转化为环境行向量，将环境数据子图像的每列数量转化为环境列向量，根据环境行向量和环境列向量得到空间信息矩阵；
[0007]将臭氧浓度监测数据集中所有环境检测数据对应的环境监测数据图像和对应的空间信息矩阵构成臭氧估算数据集；将臭氧估算数据集输入预先构建的臭氧估算模型得到臭氧估算结果数据。
[0008]优选地，所述获取环境检测数据构成臭氧浓度监测数据集具体为：
[0009]将对流层臭氧柱浓度，气温，气压，湿度，经向风，纬向风，数字高程模型，归一化植被指数，全国人口密度，主干道数据以及次干道数据，构成臭氧监测数据集。
[0010]优选地，所述利用三次差值的方法对环境监测数据图像进行分辨率重采样处理得到优选环境图像具体为：
[0011]P(α)＝a1(α
‑
α
(0)
)3+a2(α
‑
α
(0)
)2+a3(α
‑
α
(0)
)+a4[0012]其中，P(α)表示三次差值函数值，α表示自变量，α
(0)
表示自变量α的零阶导数值，a1、a2、a3和a4均表示待定系数。
[0013]优选地，所述待定系数的获取方法具体为：
[0014][0015][0016]a3＝F
′
(a)＝P
′
(α
(0)
)
[0017]a4＝F(a)＝P(α
(0)
)
[0018]其中，a1、a2、a3和a4均表示待定系数，b表示自变量α的取值为b，F(b)＝P(b)，F
′
(b)＝P
′
(b)，a表示自变量α的取值为a，F(a)＝P(a)，F
′
(a)＝P
′
(a)。
[0019]优选地，所述将环境数据子图像的每行数据转化为环境行向量，将环境数据子图像的每列数量转化为环境列向量，具体包括：
[0020][0021]其中，x
n
表示第n个环境行向量或者环境列向量，表示优选环境图像中包含的列数或者行数，n表示环境数据子图像中包含的环境行向量或者环境列向量的个数，
[0022]优选地，所述根据环境行向量和环境列向量得到空间信息矩阵具体为：
[0023]将转置后的环境列向量与环境行向量的乘积得到空间信息矩阵。
[0024]优选地，所述臭氧估算模型为ResNet18网络模型。
[0025]本专利技术实施例至少具有如下有益效果：
[0026]本专利技术通过获取臭氧估算时采用的环境监测数据构成环境监测数据集，分别对环境监测数据集中的环境监测数据进行数据类型的转换，将环境监测数据转换成图像数据输入估算模型中，避免估算结果出现误差，同时，对图像数据进行分析，将环境检测数据的时空信息转换为变换矩阵，并将空间信息矩阵作为一个波段放入估算模型的输入数据集中，进而进行臭氧浓度的估算，能够获得较为准确的臭氧估算结果。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
[0028]图1是本专利技术的一种基于时空信息镶嵌的小时级臭氧估算方法的方法流程图；
[0029]图2是本专利技术的臭氧估算结果数据的验证结果图；
[0030]图3是本专利技术的臭氧估算模型的结构示意图。
具体实施方式
[0031]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于时空信息镶嵌的小时级臭氧估算方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施
[0045]其中，P(α)表示三次差值函数值，即三次多项式的一般形式，α表示自变量，α
(0)
表示自变量α的零阶导数值，a1、a2、a3和a4均表示待定系数。
[0046]待定系数的获取方法可以由a和b两点的函数值及其一阶导数值获得，待定系数的计算公式具体为：
[0047][0048][0049]a3＝F
′
(a)＝P
′
(α
(0)
)
[0050]a4＝F(a)＝P(α
(0)
)
[0051]其中，a1、a2、a3和a4均表示待定系数，b表示自变量α的取值为b，F(b)＝P(b)，F
′
(b)＝P
′
(b)，a表示自变量α的取值为a，F(a)＝P(a)，F
′
(a)＝P
′
(a)。
[0052]步骤三，对优选环境图像进行分割得到环境数据子图像，将环境数据子图像的每行数据转化为环境行向量，将环境数据子图像的每列数量转化为环境列向量，根据环境行向量和环境列向量得到空间信息矩阵。
[0053]经过分辨率重采样后，输入数据可以融合为十一波段的图像，可以放进卷积神经网络中。融合后的图像大小为4396
×
8715。具体地，在本实施例中，共获取十一种不同的环境监测数据构成环境监测数据集，进而每一种环境监测数据均对应一张环境监测数据图像，经过分辨率重采样后，可以将十一张环境监测数据图像放入不同的通道中，融合为一张图像，即优选环境图像，进而优选环境图像为一张十一通道的图像。此时将优选环境图像输入臭氧估算模型中，需要对对应的卷积模型参数进行修改，即将参数channels设置为11。同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空信息镶嵌的小时级臭氧估算方法，其特征在于，该方法包括以下步骤：获取环境检测数据构成臭氧浓度监测数据集，将环境检测数据进行图像转化得到环境监测数据图像；利用三次差值的方法对环境监测数据图像进行分辨率重采样处理得到优选环境图像；对优选环境图像进行分割得到环境数据子图像，将环境数据子图像的每行数据转化为环境行向量，将环境数据子图像的每列数量转化为环境列向量，根据环境行向量和环境列向量得到空间信息矩阵；将臭氧浓度监测数据集中所有环境检测数据对应的环境监测数据图像和对应的空间信息矩阵构成臭氧估算数据集；将臭氧估算数据集输入预先构建的臭氧估算模型得到臭氧估算结果数据。2.根据权利要求1所述的一种基于时空信息镶嵌的小时级臭氧估算方法，其特征在于，所述获取环境检测数据构成臭氧浓度监测数据集具体为：将对流层臭氧柱浓度，气温，气压，湿度，经向风，纬向风，数字高程模型，归一化植被指数，全国人口密度，主干道数据以及次干道数据，构成臭氧监测数据集。3.根据权利要求1所述的一种基于时空信息镶嵌的小时级臭氧估算方法，其特征在于，所述利用三次差值的方法对环境监测数据图像进行分辨率重采样处理得到优选环境图像具体为：P(α)＝a1(α
‑
α
(0)
)3+a2(α
‑
α
(0)
)2+a3(α
‑
α
(0)
)+a4其中，P(α)表示三次差值函数值，α表示自变量，α
(0)
表示自变...

【专利技术属性】
技术研发人员：蔡坤，肖一卓，李莘莘，展桂荣，乔保军，张硕，李郭宇，史建宇，
申请(专利权)人：河南大学，
类型：发明
国别省市：