[发明专利]一种近地面颗粒浓度估算方法及系统

说明书

本申请公开了一种近地面颗粒浓度估算方法及系统，包括：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；采用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。利用该方法及系统可以有效地提高近地面颗粒浓度的估算精度。

技术领域

本申请涉及卫星遥感领域，尤其涉及一种近地面颗粒物浓度估算方法及系统。

背景技术

近地面颗粒物(例如，PM2.5)可以通过呼吸道、毛细血管等进入人体引起各种疾病。随着遥感技术的发展，且具有弥补地基观测站点在空间分布不足的优势，大量学者已采用简单回归、半物理半经验、统计模型等方法估算区域PM2.5。大部分均基于气溶胶光学厚度(Aerosol Optical Depth,AOD)和地表、气象等辅助数据估算区域PM2.5，但数据源中AOD的反演误差将增加PM2.5估算误差，同时，在解决云覆盖方面的问题，采用地基空间插值结果或直接利用大气空气质量模式数据进行填充，其空间插值方法对距离较远区域效果欠佳，大气空气质量模式数据受原清单、气象参数影响较大，精度有待进一步提高。利用AOD进行有云覆盖区域填充，受云条件下气溶胶吸湿增长效应影响，导致填充后的AOD比原始值高。

发明内容

本申请提出一种近地面颗粒浓度估算方法及系统，解决现有技术的计算方法精度不足的问题。

本申请实施例提供一种近地面颗粒浓度估算方法，包括：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；采用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。优选地，所述估算方法还包括：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；计算所述近地面颗粒浓度，采用的指标包括校正后的所述第一结果。进一步优选地，所述气象参数包括温度、湿度、风向、风速。所述近地面颗粒浓度为近地面PM2.5浓度。

本申请实施例还提供一种近地面颗粒浓度估算方法，所述估算方法还包括：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；采用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和所述第二结果。优选地，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，所述高时空分辨率卫星的时间分辨率最高为10min；所述气象参数包括温度、湿度、风向、风速；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。进一步优选地，所述近地面颗粒浓度为近地面PM2.5浓度。

本申请实施例还提供一种近地面颗粒浓度估算方法，所述估算方法还包括：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和所述第三结果。优选地，所述近地面颗粒浓度为近地面PM2.5浓度。

本申请实施例还提供一种近地面颗粒浓度估算方法，所述估算方法还包括：将所述表观反射率、所述气象参数、所述地表参数、所述人口密度采用所述深层神经网络方法进行训练，得到所述第二结果，所述表观反射率由所述高时空分辨率卫星获取；采用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、所述第二结果和所述第三结果。优选地，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，所述高时空分辨率卫星的时间分辨率最高为10min；所述气象参数包括温度、湿度、风向、风速；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。进一步优选地，所述近地面颗粒浓度为近地面PM2.5浓度。