[发明专利]一种近地面颗粒浓度估算方法及系统

权利要求书

1.一种近地面颗粒浓度估算方法，其特征在于，包括以下步骤：

获取消光系数，所述消光系数由大气空气质量模式得出；

利用CALIPSO数据对所述消光系数进行校正；

将校正后的所述消光系数、气象参数和模型模拟结果采用深层神经网络方法进行训练，得到颗粒浓度分布作为第一结果，所述模型模拟结果由所述大气空气质量模式得出，所述气象参数包括温度、湿度、风向、风速，将所述第一结果与地基观测数据进行验证，得到校正后的所述第一结果；

将表观反射率、所述气象参数、地表参数、人口密度采用所述深层神经网络方法进行训练，得到颗粒浓度分布作为第二结果，所述表观反射率由高时空分辨率卫星获取，所述表观反射率为蓝光波段1km、红光波段0.5km和近红外波段2km的数据，所述地表参数包括归一化植被指数、数字高程模型和土地利用类型；

采用克里格空间插值方法处理所述地基观测数据，得到颗粒浓度分布作为第三结果；

采用CRITIC权重赋权方法计算所述近地面颗粒浓度，采用的指标包括所述校正后的所述第一结果、所述第二结果和所述第三结果。

2.如权利要求1所述的估算方法，其特征在于，所述高时空分辨率卫星的时间分辨率最高为10min。

3.如权利要求1或2所述的估算方法，其特征在于，所述近地面颗粒浓度为近地面PM2.5浓度。

4.一种近地面颗粒浓度估算系统，用于权利要求1～3任一所述的方法，其特征在于，包括：

第一模块，用于获取消光系数，所述消光系数由所述大气空气质量模式得出；

第二模块，用于利用所述CALIPSO数据对所述消光系数进行校正；

第三模块，用于将校正后的所述消光系数、所述气象参数和所述模型模拟结果采用所述深层神经网络方法进行训练，得到颗粒浓度分布作为第一结果，所述模型模拟结果由所述大气空气质量模式得出；

第四模块，用于根据所述权重赋权方法计算所述近地面颗粒浓度，采用的指标包括所述第一结果。