[发明专利]基于卫星遥感的近地面颗粒物浓度估算方法、装置和设备有效

专利信息
申请号: 202111642878.1 申请日: 2021-12-29
公开(公告)号: CN114414446B 公开(公告)日: 2023-10-20
发明(设计)人: 王大成;池天河;姚晓婧 申请(专利权)人: 中国科学院空天信息创新研究院
主分类号: G01N15/06 分类号: G01N15/06;G01N21/17;G06F18/25;G06N3/044;G06N3/08
代理公司: 北京远创理想知识产权代理事务所(普通合伙) 11513 代理人: 卫安乐
地址: 100094*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 卫星 遥感 地面 颗粒 浓度 估算 方法 装置 设备
【权利要求书】:

1.一种基于卫星遥感的近地面颗粒物浓度估算方法,其特征在于,所述方法包括:

获取目标监控区域的卫星遥感数据,并对所述卫星遥感数据进行反演计算,得到所述目标监控区域的气溶胶光学厚度;

获取所述目标监控区域处的环境影响因子数据;

将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的输入,得到所述目标监控区域的近地面颗粒物浓度估算结果,其中,所述颗粒物浓度模型是基于长短期记忆神经网络与高斯过程回归的混合模型LSTM-GPR建立的。

2.根据权利要求1所述的基于卫星遥感的近地面颗粒物浓度估算方法,其特征在于,所述将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的输入,得到所述目标监控区域的近地面颗粒物浓度估算结果,具体包括:

将所述环境影响因子数据进行归一化处理;

将归一化处理后的所述环境影响因子数据作为所述长短期记忆神经网络的输入变量,近地面颗粒物浓度预测值作为输出变量;

由所述长短期记忆神经网络得到的近地面颗粒物浓度预测值作为高斯过程回归模型GPR的输入变量,所述目标监控区域的近地面颗粒物浓度估算结果作为GPR的输出变量。

3.根据权利要求2所述的基于卫星遥感的近地面颗粒物浓度估算方法,其特征在于,所述将所述环境影响因子数据进行归一化处理,具体包括:

通过Min-Max函数对所述环境影响因子数据进行归一化处理。

4.根据权利要求1所述的基于卫星遥感的近地面颗粒物浓度估算方法,其特征在于,所述获取所述目标监控区域处的环境影响因子数据,具体包括:

获取所述目标监控区域的环境影响因子数据,所述环境影响因子数据包括污染排放影响因子数据,气象影响因子数据和地理影响因子数据;

其中,所述污染排放影响因子数据包括所述目标监控区域的污染工业数量、公路分布状况和人口密度分布状况;

所述地理影响因子包括所述目标监控区域的地形坡度和地表覆盖类型。

5.根据权利要求1所述的基于卫星遥感的近地面颗粒物浓度估算方法,其特征在于,所述颗粒物浓度模型具体是通过以下方法建立:

建立基于长短期记忆神经网络与高斯过程回归的混合模型LSTM-GPR;

利用由归一化处理后的历史环境影响因子数据和实际近地面颗粒物浓度值组成的训练数据集训练LSTM;

将所述训练数据集中的归一化处理后的历史环境影响因子数据输入训练好的所述LSTM,得到所述训练数据集的近地面颗粒物浓度预测值;

将所述近地面颗粒物浓度预测值作为GPR模型的输入,与所述近地面颗粒物浓度预测值相对的实际近地面颗粒物浓度值作为所述GPR模型的输出训练GPR,得到所述颗粒物浓度模型。

6.一种基于卫星遥感的近地面颗粒物浓度估算装置,其特征在于,所述装置包括:

第一采集模块,用于获取目标监控区域的卫星遥感数据,并对所述卫星遥感数据进行反演计算,得到所述目标监控区域的气溶胶光学厚度;

第二采集模块,用于获取所述目标监控区域处的环境影响因子数据;

估算模块,用于将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的输入,得到所述目标监控区域的近地面颗粒物浓度估算结果,其中,所述颗粒物浓度模型是基于长短期记忆神经网络与高斯过程回归的混合模型LSTM-GPR建立的。

7.根据权利要求6所述的基于卫星遥感的近地面颗粒物浓度估算装置,其特征在于,所述估算模块,具体用于将所述环境影响因子数据进行归一化处理;

将归一化处理后的所述环境影响因子数据作为所述长短期记忆神经网络的输入变量,近地面颗粒物浓度预测值作为输出变量;

由所述长短期记忆神经网络得到的近地面颗粒物浓度预测值作为高斯过程回归模型GPR的输入变量,所述目标监控区域的近地面颗粒物浓度估算结果作为GPR的输出变量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院空天信息创新研究院,未经中国科学院空天信息创新研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111642878.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top