[发明专利]一种基于季节性辅助变量优化的遥感AOD反演地面PM2.5的方法

摘要

本发明涉及基于季节性辅助变量优化的遥感AOD反演地面PM2.5的方法。本发明提出的AOD反演PM2.5模型中筛选区域性GWR模型的季节变量筛选和建立季节性GWR模型的方法是利用GWR模型中日关键变量的季节性规律来筛选变量和构建模型。不仅考虑了单个变量的季节性特征，而且排除了变量之间的严重的共线性，考虑到变量之间的相互影响通过多变量组合的实验，进一步确定季节性GWR模型变量组合。总之，本发明提出的方法能够有效的优化常规的GWR模型，建立带有区域时空特征的季节性GWR模型，提高区域遥感反演PM2.5浓度上有重要的实际应用。

主权项

一种基于季节性辅助变量优化的遥感AOD反演地面PM2.5的方法，其特征在于，包括以下步骤：步骤1，建立包含主变量AOD、PM2.5、辅助变量气象和地理要素的时空统一的数据集AV并按季节进行归类整合；步骤2，选择季节性最佳单变量；先构建没有辅助变量的AOD‑PM2.5模型，然后将单个辅助变量分别加入该基本模型中，统计每一变量在四个季节中的模型拟合系数的R2；将四个季节中这些变量拟合系数从高到低排列，选取前m个即为各季节中表现性较好辅助变量AV′；模型的基本结构为：PM2.5(i,j)＝β0(i,j)+βAOD(i,j)AOD(i,j)当加入辅助变量时，建立单变量GWR模型结构为：PM2.5(i,j)=β0(i,j)+βAOD(i,j)AOD(i,j)+βk(i,j)AVSUB(i,j)k]]>AOD(i,j)和PM2.5(i,j)是站点i在j天时的AOD和PM2.5值,相应的AOD系数是βAOD(i,j).β0是模型常数项；表示从辅助变量数据集AV里面选择的第k个要素，βk就是相应辅助变量特定位置的系数；辅助变量数据集AV就是最初选取变量；步骤3，排除预筛选单变量存在的严重共线性；本步骤对原始所有的变量采用斯皮尔曼等级相关分析，计算两两变量之间的存在的共线性，对上一步表现性较好的辅助变量AV′进一步限定。当上一步中预先筛选出来的两个变量的相关系数大于0.3时排除其中一个变量，剩余的变量集为AV″。步骤4，通过多变量组合实验最终确定的筛选变量在GWR模型中的组合；本步骤建立的公式表示为：PM2.5(i,j)=β0(i,j)+βAOD(i,j)AOD(i,j)+Σk=1cβk(i,j)AVSUB(i,j)k]]>这里c等于AV″中变量的个数。