详情

原文传递一种污染天气下的PM2.5浓度卫星遥感估算方法

专利名称：	一种污染天气下的PM2.5浓度卫星遥感估算方法
摘要：	一种污染天气下的PM2.5浓度卫星遥感估算方法，采用卫星气溶胶光学厚度数据与对应的地面PM2.5浓度数据建立数据集，基于梯度提升回归树学习方法完成样本学习和数据测试，对测试结果进行精度验证，并调整梯度提升回归树的参数使其达到精度要求，通过最终得到的回归树计算模型，可以有效地用于污染天气下的PM2.5浓度估算，其结果精度更高、估算速度更快，能够补充传统方法在污染天气下PM2.5浓度估算的不足，为开展大气污染防治提供更为精确的数据支撑。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	中国科学院遥感与数字地球研究所
发明人：	顾行发;左欣;程天海;郭红;余涛;师帅一
专利状态：	有效
申请日期：	2019-08-02T00:00:00+0800
发布日期：	2019-10-29T00:00:00+0800
申请号：	CN201910710739.4
公开号：	CN110389087A
代理机构：	北京中知法苑知识产权代理事务所(普通合伙)
代理人：	李明
分类号：	G01N15/02(2006.01);G;G01;G01N;G01N15
申请人地址：	100101 北京市朝阳区大屯路甲20号北
主权项：	1.一种污染天气下的PM2.5浓度卫星遥感估算方法，其特征在于，所述污染天气的PM2.5浓度大于75μg/m3，所述方法包括如下步骤：获取卫星观测气溶胶光学厚度数据；计算对应地面站点相应波段气溶胶光学厚度，并对卫星观测气溶胶光学厚度数据进行精度验证。建立污染天气下的PM2.5浓度与所述卫星观测气溶胶光学厚度数据相对应的数据集；基于梯度提升回归树学习方法完成样本学习与数据测试；对数据测试得到的PM2.5浓度进行精度验证，得到精度验证结果；根据所述精度验证结果调整梯度提升回归树参数，重复上述样本学习、数据测试以及精度验证的步骤，使数据测试得到的PM2.5浓度达到预定的精度要求；根据调整后的梯度提升回归树进行污染天气下的PM2.5浓度的估算。 2.根据权利要求1所述的方法，其特征在于，所述获取卫星观测气溶胶光学厚度数据的步骤包括：获取指定时间间隔，指定产品类型气象卫星气溶胶光学厚度数据；读取数据集并提取550nm处数据作为输入气溶胶光学厚度的数据集。 3.根据权利要求2所述的方法，其特征在于，所述计算对应地面站点相应波段气溶胶光学厚度，并对卫星观测气溶胶光学厚度数据进行精度验证的步骤包括：获取时间间隔为一小时的地面观测数据；对地面观测气溶胶光学厚度数据按照不同波段进行二次多项式插值计算，然后根据得到的二次多项式插值公式计算地面对应的预定波段的气溶胶光学厚度数据；所述二次多项式插值公式如下： Inτα＝a0+a1lnλ+a2(lnλ)2 (1) 式中，λ为波段值，τα表示λ波段通道处的气溶胶光学厚度值；a0、a1、a2是未知系数，由地面观测数据在不同波段值的气溶胶光学厚度带入公式(1)后计算得到；选择精度评定系数，以所述计算得到的地面对应的预定波段的气溶胶光学厚度数据即地面观测气溶胶光学厚度为真值，对所述卫星观测气溶胶光学厚度数据进行精度验证。 4.根据权利要求3所述的方法，其特征在于，所述不同波段值选择为440nm、500nm、675nm，地面观测数据测量440nm、500nm、675nm处的气溶胶光学厚度，并带入所述公式(1)以计算得到a0、a1、a2；所述预定波段为550nm，然后根据公式(1)计算出550nm处的气溶胶光学厚度。 5.根据权利要求3或4所述的方法，其特征在于，所述精度评定系数包括相关性系数R、均方根误差RMSE和斜率B，选取精度评定系数达到预定值的气溶胶光学厚度数据作为符合精度要求的气溶胶光学厚度数据；其中，所述相关性系数R、均方根误差RMSE和斜率B分别由下式计算：式中，Xi、Yi分别为数据集中第i个地面观测气溶胶光学厚度以及卫星观测气溶胶光学厚度值；分别为地面观测气溶胶光学厚度的均值以及卫星观测气溶胶光学厚度值的均值；n为数据集数据个数；A为拟合线的截距。 6.根据权利要求5所述的方法，其特征在于，所述精度评定系数达到如下预定值，则气溶胶光学厚度数据符合精度要求：其中，R>0.5；RMSE<0.3；B>0.5。 7.根据权利要求6所述的方法，其特征在于，所述建立污染天气下的PM2.5浓度与所述气溶胶光学厚度数据相对应的数据集的步骤包括：根据地面大气监测站点PM2.5浓度数据，选取站点测得的PM2.5浓度大于75μg/m3的浓度值x以及相应时间、地点的气溶胶光学厚度值y,作为数据集T＝{(x1，y1),(x2，y2),…,(xn，yn)}，n为大于1的自然数；按照预定比例将数据集分为训练样本数据集与测试样本数据集。 8.根据权利要求7所述的方法，其特征在于，所述基于梯度提升回归树学习方法完成样本学习与数据测试的步骤包括：将所述训练样本数据集依次输入梯度提升回归树的初始弱学习器；多轮迭代对所述学习器进行更新；得到训练结果强学习器；将所述测试样本数据集输入所述训练结果学习器，得到经所述训练结果学习器估算的污染天气下的PM2.5浓度。 9.根据权利要求8所述的方法，其特征在于，所述对数据测试得到的PM2.5浓度进行精度验证，得到精度验证结果的步骤包括选用十倍交叉验证的方法进行精度验证。 10.根据权利要求9所述的方法，其特征在于，根据所述精度验证结果调整梯度提升回归树参数，以得到最终的强学习器进行污染天气下的PM2.5浓度卫星遥感估算，所调整的参数包括方法学习决策树的数量n_estimators，学习率learning_rate和/或最大深度max_depth。
所属类别：	发明专利