污染物浓度反演方法、装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种污染物浓度反演方法、装置、电子设备及可读存储介质，包括：获取待研究区域对应的第一数据集合；根据第一时空数据中的土地覆盖类型，从预先训练得到的浓度反演模型簇中，确定每个待研究区域中每个像元点分别对应的目标浓度反演模型；其中，浓度反演模型簇中包括多种土地覆盖类型对应的浓度反演模型；通过每个目标浓度反演模型，基于第一数据集合对待研究区域进行污染物浓度反演，得到待研究区域对应的目标浓度反演结果。本发明专利技术可以显著降低污染物浓度反演的复杂程度，还可以有效提高污染物浓度的反演效率，还可以显著提高污染物浓度的反演精度。污染物浓度的反演精度。污染物浓度的反演精度。

【技术实现步骤摘要】
污染物浓度反演方法、装置、电子设备及可读存储介质


[0001]本专利技术涉及污染物反演
，尤其是涉及一种污染物浓度反演方法、装置、电子设备及可读存储介质。

技术介绍

[0002]臭氧是对生态、气候和环境有重要影响的大气痕量气体之一，大气中臭氧具有活跃的化学反应特性和较强的辐射特性，可直接影响全球气候变化和人类生活环境。现有的高光谱载荷臭氧浓度反演算法大多基于国外卫星数据，如TOMS（Total Ozone Mapping Spectrometer，臭氧总量测绘光谱仪）、DOAS（Differential Optical Absorption Spectroscopy，差分吸收光谱技术）等，且存在计算过程复杂、大数据量计算时效率低等问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种污染物浓度反演方法、装置、电子设备及可读存储介质，可以显著降低污染物浓度反演的复杂程度，还可以有效提高污染物浓度的反演效率，还可以显著提高污染物浓度的反演精度。
[0004]第一方面，本专利技术实施例提供了一种污染物浓度反演方法，包括：获取待研究区域对应的第一数据集合；其中，所述第一数据集合包括第一遥感影像数据、第一地面观测数据和第一时空数据；根据所述第一时空数据中的土地覆盖类型，从预先训练得到的浓度反演模型簇中，确定每个所述待研究区域中每个像元点分别对应的目标浓度反演模型；其中，所述浓度反演模型簇中包括多种土地覆盖类型对应的浓度反演模型；通过每个所述目标浓度反演模型，基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果。
[0005]在一种实施方式中，所述目标浓度反演模型包括第一阶段组合子模型和第二阶段组合子模型；通过每个所述目标浓度反演模型，基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果，包括：通过所述第一阶段组合子模型，基于所述第一遥感影像数据、所述第一地面观测数据和所述第一时空数据，确定所述像元点对应的至少一个初始浓度反演结果；其中，所述第一阶段组合子模型包括至少一个反演单元，每个所述反演单元均用于确定所述像元点对应的一个初始浓度反演结果；通过所述第二阶段组合子模型，基于所述第一遥感影像数据、所述第一地面观测数据、所述第一时空数据和每个所述初始浓度反演结果，确定所述像元点对应的目标浓度反演结果；基于每个所述像元点对应的所述目标浓度反演结果，得到所述待研究区域对应的
所述目标浓度反演结果。
[0006]在一种实施方式中，所述第二阶段组合子模型包括线性回归网络、前馈神经网络和融合网络，所述第一时空数据还包括生态地理类型数据和地貌类型数据；通过所述第二阶段组合子模型，基于所述第一遥感影像数据、所述第一地面观测数据、所述第一时空数据和每个所述初始浓度反演结果，确定所述像元点对应的目标浓度反演结果，包括：通过所述线性回归网络，对所述生态地理类型数据和所述地貌类型数据进行独热编码处理得到稀疏矩阵，并根据所述第一遥感影像数据、所述第一地面观测数据、所述稀疏矩阵和每个所述初始浓度反演结果，确定所述像元点对应的第一浓度反演结果；以及，通过所述前馈神经网络，对所述生态地理类型数据和所述地貌类型数据进行降维处理得到密集矩阵，并根据所述第一遥感影像数据、所述第一地面观测数据、所述密集矩阵和每个所述初始浓度反演结果，确定所述像元点对应的第二浓度反演结果；通过所述融合网络，对所述第一浓度反演结果和所述第二浓度反演结果进行加权处理，得到所述像元点对应的目标浓度反演结果。
[0007]在一种实施方式中，所述反演单元为XGBoost单元、岭回归单元和支持向量机单元中的一种或多种。
[0008]在一种实施方式中，所述浓度反演模型簇的训练步骤，包括：获取第二数据集合；其中，所述第二数据集合包括第二遥感影像数据、第二地面观测数据、第二时空数据和地面观测站污染物数据；基于所述第二时空数据中的土地覆盖类型，将所述第二数据集合划分为多个子数据集；对于每个所述子数据集，通过初始浓度反演模型，基于该子数据集中的所述第二遥感影像数据、所述第二地面观测数据和所述第二时空数据确定预测浓度反演结果；基于该子数据集中的所述地面观测站污染物数据和所述预测浓度反演结果，对所述初始浓度反演模型进行训练，得到该子数据集对应的目标浓度反演模型；将每个所述子数据集对应的所述目标浓度反演模型组合为浓度反演模型簇。
[0009]在一种实施方式中，通过基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果，还包括：对所述第一遥感影像数据进行辐射定标得到定标后辐射亮度矩阵；对所述定标后辐射亮度矩阵进行零均值化处理得到均值化辐射亮度矩阵；基于所述定标后辐射亮度矩阵和所述均值化辐射亮度矩阵确定协方差矩阵，并基于所述协方差矩阵的特征值和特征向量进行数据降维处理，得到降维后数据；通过每个所述目标浓度反演模型，基于所述降维后数据、所述第一地面观测数据和所述第一时空数据，对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果。
[0010]在一种实施方式中，在基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果之后，所述方法还包括：将所述待研究区域对应的目标网格格网数据与所述目标浓度反演结果叠加，以确定每个网格对应的污染物浓度值，或者确定每个所述网格对应的污染物浓度均值；
将所述污染物浓度值或所述污染物浓度均值发送至指定关联终端，以通过所述指定关联终端的图形用户界面对所述污染物浓度值或所述污染物浓度均值进行可视化显示。
[0011]第二方面，本专利技术实施例还提供一种污染物浓度反演装置，包括：数据获取模块，用于获取待研究区域对应的第一数据集合；其中，所述第一数据集合包括第一遥感影像数据、第一地面观测数据和第一时空数据；模型确定模块，用于根据所述第一时空数据中的土地覆盖类型，从预先训练得到的浓度反演模型簇中，确定每个所述待研究区域中每个像元点分别对应的目标浓度反演模型；其中，所述浓度反演模型簇中包括多种土地覆盖类型对应的浓度反演模型；浓度反演模块，用于通过每个所述目标浓度反演模型，基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果。
[0012]第三方面，本专利技术实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。
[0013]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。
[0014]本专利技术实施例提供的一种污染物浓度反演方法、装置、电子设备及可读存储介质，首先获取待研究区域对应的第一数据集合，该第一数据集合包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种污染物浓度反演方法，其特征在于，包括：获取待研究区域对应的第一数据集合；其中，所述第一数据集合包括第一遥感影像数据、第一地面观测数据和第一时空数据；根据所述第一时空数据中的土地覆盖类型，从预先训练得到的浓度反演模型簇中，确定每个所述待研究区域中每个像元点分别对应的目标浓度反演模型；其中，所述浓度反演模型簇中包括多种土地覆盖类型对应的浓度反演模型；通过每个所述目标浓度反演模型，基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果。2.根据权利要求1所述的污染物浓度反演方法，其特征在于，所述目标浓度反演模型包括第一阶段组合子模型和第二阶段组合子模型；通过每个所述目标浓度反演模型，基于所述第一数据集合对所述待研究区域进行污染物浓度反演，得到所述待研究区域对应的目标浓度反演结果，包括：通过所述第一阶段组合子模型，基于所述第一遥感影像数据、所述第一地面观测数据和所述第一时空数据，确定所述像元点对应的至少一个初始浓度反演结果；其中，所述第一阶段组合子模型包括至少一个反演单元，每个所述反演单元均用于确定所述像元点对应的一个初始浓度反演结果；通过所述第二阶段组合子模型，基于所述第一遥感影像数据、所述第一地面观测数据、所述第一时空数据和每个所述初始浓度反演结果，确定所述像元点对应的目标浓度反演结果；基于每个所述像元点对应的所述目标浓度反演结果，得到所述待研究区域对应的所述目标浓度反演结果。3.根据权利要求2所述的污染物浓度反演方法，其特征在于，所述第二阶段组合子模型包括线性回归网络、前馈神经网络和融合网络，所述第一时空数据还包括生态地理类型数据和地貌类型数据；通过所述第二阶段组合子模型，基于所述第一遥感影像数据、所述第一地面观测数据、所述第一时空数据和每个所述初始浓度反演结果，确定所述像元点对应的目标浓度反演结果，包括：通过所述线性回归网络，对所述生态地理类型数据和所述地貌类型数据进行独热编码处理得到稀疏矩阵，并根据所述第一遥感影像数据、所述第一地面观测数据、所述稀疏矩阵和每个所述初始浓度反演结果，确定所述像元点对应的第一浓度反演结果；以及，通过所述前馈神经网络，对所述生态地理类型数据和所述地貌类型数据进行降维处理得到密集矩阵，并根据所述第一遥感影像数据、所述第一地面观测数据、所述密集矩阵和每个所述初始浓度反演结果，确定所述像元点对应的第二浓度反演结果；通过所述融合网络，对所述第一浓度反演结果和所述第二浓度反演结果进行加权处理，得到所述像元点对应的目标浓度反演结果。4.根据权利要求2所述的污染物浓度反演方法，其特征在于，所述反演单元为XGBoost单元、岭回归单元和支持向量机单元中的一种或多种。5.根据权利要求1所述的污染物浓度反演方法，其特征在于，所述浓度反演模型簇的训练步骤，包括：
获取第二数据集合；其中，所述第二数据集合包括第二遥感影像数据、第二地面观测数据、...

【专利技术属性】
技术研发人员：尤小刚，王宇翔，胡晓燕，王昊，廖通逵，张琪，张雪涛，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：