一種高效近地表pm2.5濃度估算方法及估算系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及地球科學(xué)計(jì)算領(lǐng)域，特別是涉及一種高效近地表PM2.5濃度估算方法及估算系統(tǒng)。
【背景技術(shù)】
[0002]細(xì)顆粒物(PM2.5)是指空氣動(dòng)力學(xué)當(dāng)量粒徑小于等于2.5 μ m的大氣顆粒物。PM2.5產(chǎn)生的主要來源是日常發(fā)電、工業(yè)生產(chǎn)、汽車尾氣排放等過程中經(jīng)過燃燒而排放的殘留物以及建筑揚(yáng)塵，大多含有重金屬等有毒物質(zhì)，此外大氣中其它污染物(如的相互作用形成的二次污染物也是細(xì)顆粒物的重要來源。PM2.5已經(jīng)逐漸成為我國大多數(shù)城市的首要大氣污染物并受到輿論的廣泛關(guān)注，加強(qiáng)對(duì)PM2.5污染的研究是我國面臨的一項(xiàng)緊迫任務(wù)，具有重要的科學(xué)意義和應(yīng)用價(jià)值。
[0003]PM2.5地基觀測(cè)可以獲得第一時(shí)間內(nèi)的實(shí)測(cè)資料，積累大量的環(huán)境背景數(shù)據(jù)，但也存在其局限性，主要表現(xiàn)為:①PM2.5濃度監(jiān)測(cè)需要特定的觀測(cè)儀器才能實(shí)現(xiàn)；②由于觀測(cè)儀器、設(shè)施昂貴，只能在有限的站點(diǎn)進(jìn)行，而有限站點(diǎn)觀測(cè)不能保證研究所需的時(shí)間頻率和空間覆蓋率。而且，由于監(jiān)測(cè)站點(diǎn)有限且大多分布在城市區(qū)域的自動(dòng)監(jiān)測(cè)點(diǎn)位，無法提供全面及時(shí)的空氣質(zhì)量統(tǒng)計(jì)資料。
[0004]傳統(tǒng)的PM2.5濃度遙感監(jiān)測(cè)方法都是基于氣溶膠光學(xué)厚度(AOD)進(jìn)行的，受AOD數(shù)據(jù)精度的限制較大，無法避免AOD反演過程中的誤差傳播問題。此外，如何準(zhǔn)確表達(dá)AOD與近地表PM2.5濃度之間的關(guān)系也是傳統(tǒng)遙感監(jiān)測(cè)方法面臨的一個(gè)瓶頸。
[0005]故而，在這種背景下，一種新的、能夠?qū)M2.5濃度進(jìn)行大范圍動(dòng)態(tài)監(jiān)測(cè)的遙感監(jiān)測(cè)方法，為科研和產(chǎn)業(yè)中亟待解決的問題。

【發(fā)明內(nèi)容】

[0006]本發(fā)明所要解決的技術(shù)問題在于提供一種近地表PM2.5濃度遙感監(jiān)測(cè)方法、裝置及其系統(tǒng)，用于解決PM2.5濃度地基觀測(cè)不足、傳統(tǒng)遙感監(jiān)測(cè)方法受限于AOD數(shù)據(jù)精度的問題。
[0007]本發(fā)明進(jìn)一步解決了，在引入氣象因子條件下提高近地表PM2.5遙感監(jiān)測(cè)精度的問題。
[0008]為達(dá)到上述目的，本發(fā)明提供的近地表PM2.5濃度遙感估算方法，包括建立近地表PM2.5濃度遙感估算模型的步驟和近地表PM2.5濃度遙感估算的步驟，其特征在于，
[0009]該建立近地表PM2.5濃度遙感估算模型的步驟進(jìn)一步包括:
[0010]一數(shù)據(jù)壓縮子步驟，用于提取遙感數(shù)據(jù)主要的光譜信號(hào)結(jié)構(gòu)特征；
[0011]一數(shù)據(jù)匹配子步驟，用于根據(jù)PM2.5地面監(jiān)測(cè)站點(diǎn)的空間坐標(biāo)提取相應(yīng)的遙感信息以及地面監(jiān)測(cè)數(shù)據(jù)；
[0012]一估算模型構(gòu)建子步驟，用于根據(jù)匹配出的遙感信息和PM2.5地面監(jiān)測(cè)數(shù)據(jù)構(gòu)建近地表PM2.5濃度遙感估算模型。
[0013]該近地表PM2.5濃度遙感估算的步驟進(jìn)一步包括:
[0014]一估算請(qǐng)求子步驟，用于對(duì)估算輸入數(shù)據(jù)的預(yù)處理；
[0015]一估算子步驟，用于根據(jù)該估算請(qǐng)求進(jìn)行估算，并輸出估算結(jié)果。
[0016]上述近地表PM2.5濃度遙感估算方法，其特征在于，所述數(shù)據(jù)壓縮子步驟進(jìn)一步包括:
[0017]步驟SlOl，構(gòu)建PM2.5地面監(jiān)測(cè)站點(diǎn)空間數(shù)據(jù)集；
[0018]步驟S102,利用奇異值分解SVD (Singular Value Decomposit1n)方法提取遙感數(shù)據(jù)主要的光譜信號(hào)結(jié)構(gòu)特征。
[0019]上述近地表PM2.5濃度遙感估算方法，其特征在于，所述數(shù)據(jù)匹配子步驟進(jìn)一步包括遙感觀測(cè)信息的提取，PM2.5濃度地面監(jiān)測(cè)數(shù)據(jù)的提取、生成時(shí)間序列的遙感觀測(cè)信息與PM2.5濃度地面監(jiān)測(cè)數(shù)據(jù)的匹配數(shù)據(jù)集三個(gè)環(huán)節(jié)。
[0020]上述近地表PM2.5濃度遙感估算方法，其特征在于，所述估算模型構(gòu)建子步驟中，根據(jù)得到的匹配數(shù)據(jù)集，利用多層前饋神經(jīng)網(wǎng)絡(luò)構(gòu)建近地表PM2.5濃度遙感估算模型。
[0021]上述近地表PM2.5濃度遙感估算方法,其特征在于,所述近地表PM2.5濃度遙感估算步驟中還進(jìn)一步包括:一估算精度優(yōu)化子步驟，用于引入適當(dāng)?shù)臍庀笠蜃樱岣呓乇鞵M2.5濃度估算精度。
[0022]進(jìn)一步的，本發(fā)明還提供了一種實(shí)現(xiàn)上述方法的系統(tǒng)，其特征在于，包括:
[0023]一模型構(gòu)建子系統(tǒng)，用于根據(jù)匹配的時(shí)間序列的遙感信息、PM2.5濃度監(jiān)測(cè)數(shù)據(jù)構(gòu)建近地表PM2.5濃度估算模型；
[0024]一近地表PM2.5濃度估算子系統(tǒng)，用于根據(jù)模型構(gòu)建子系統(tǒng)實(shí)現(xiàn)的近地表PM2.5濃度估算模型，基于輸入數(shù)據(jù)估算近地表PM2.5濃度；
[0025]一估算結(jié)果可視化子系統(tǒng)，用于返回近地表PM2.5濃度估算結(jié)果及其可視化。
[0026]上述系統(tǒng)，其特征在于，還包括:在構(gòu)建估算模型時(shí)可引入適當(dāng)?shù)臍庀笠蜃樱蕴岣吣Ｐ偷墓浪憔取?br>[0027]上述系統(tǒng)，其特征在于，
[0028]所述模型構(gòu)建子系統(tǒng)進(jìn)一步包括:
[0029]一數(shù)據(jù)壓縮單元，用于對(duì)MODIS觀測(cè)通道主要光譜信號(hào)結(jié)構(gòu)特征的提取；
[0030]一數(shù)據(jù)匹配單元，用于構(gòu)建時(shí)間序列的相匹配的遙感信息與近地面PM2.5濃度地面觀測(cè)數(shù)據(jù)的數(shù)據(jù)集；
[0031]一模型構(gòu)建單元，根據(jù)匹配數(shù)據(jù)集，利用多層前饋神經(jīng)網(wǎng)絡(luò)建立近地表PM2.5濃度遙感估算模型；
[0032]所述近地表PM2.5濃度估算子系統(tǒng)進(jìn)一步包括:
[0033]一估算請(qǐng)求處理單元，用于處理估算請(qǐng)求，提取輸入數(shù)據(jù)各觀測(cè)通道的主要光譜信號(hào)結(jié)構(gòu)特征；
[0034]一估算單元，用于根據(jù)該估算請(qǐng)求進(jìn)行估算，并輸出估算結(jié)果；
[0035]所述估算結(jié)果可視化子系統(tǒng)進(jìn)一步包括:
[0036]一結(jié)果處理單元，用于進(jìn)行近地表PM2.5濃度估算結(jié)果的修飾處理；
[0037]一結(jié)果可視化單元，用于近地表PM2.5濃度估算結(jié)果的可視化。
[0038]與現(xiàn)有技術(shù)相比，本發(fā)明的有益技術(shù)效果在于:
[0039](I)通過數(shù)據(jù)壓縮的方法，能夠有效提取出MODIS各觀測(cè)通道的主要光譜信號(hào)結(jié)構(gòu)特征，避免PM2.5濃度估算受AOD數(shù)據(jù)精度限制的問題；
[0040](2)利用LM-BP算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)模型，使得該方法能夠有效的表達(dá)MODIS觀測(cè)信號(hào)與近地表PM2.5濃度之間的非線性統(tǒng)計(jì)關(guān)系。
【附圖說明】
[0041]圖1為本發(fā)明的一種近地表PM2.5濃度遙感估算方法建立估算模型的實(shí)施例流程圖；
[0042]圖2為本發(fā)明的一種近地表PM2.5濃度遙感估算方法估算過程的實(shí)施例流程圖；
[0043]圖3為本發(fā)明的一種近地表PM2.5濃度遙感估算系統(tǒng)的結(jié)構(gòu)框圖；
[0044]圖4為本發(fā)明的一種近地表PM2.5濃度遙感估算系統(tǒng)的模型構(gòu)建流程圖。
【具體實(shí)施方式】
[0045]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作詳細(xì)的說明，以進(jìn)一步了解本發(fā)明之目的、方案及功效。
[0046]本發(fā)明提供的高效近地表PM2.5濃度遙感估算方法包括模型構(gòu)建和結(jié)果估算兩個(gè)相對(duì)獨(dú)立的過程。
[0047]估算模型構(gòu)建過程的基本思想是:利用奇異值分解SVD (Singular ValueDecomposit1n)方法對(duì)MODIS衛(wèi)星過境時(shí)刻各通道的亮溫值進(jìn)行分解，提取主要的光譜信號(hào)結(jié)構(gòu)特征；根據(jù)PM2.5地面監(jiān)測(cè)站點(diǎn)的空間坐標(biāo)匹配相應(yīng)的遙感信息與PM2.5濃度地面監(jiān)測(cè)數(shù)據(jù)，得到時(shí)間序列的匹配數(shù)據(jù)集，進(jìn)而基于多層前饋神經(jīng)網(wǎng)絡(luò)建立近地表PM2.5濃度遙感估算模型。
[0048]圖1示出了本發(fā)明近地表PM2.5濃度遙感估算方法中估算模型構(gòu)建過程的具體實(shí)施流程。參考圖1，本發(fā)明近地表PM2.5濃度遙感估算方法中，建立估算模型的過程進(jìn)一步包括以下步驟:
[0049]步驟SlOl，構(gòu)建PM2.5地面監(jiān)測(cè)站點(diǎn)空間數(shù)據(jù)集。
[0050]PM2.5地面監(jiān)測(cè)站點(diǎn)空間坐標(biāo)數(shù)據(jù)集中存儲(chǔ)的是PM2.5地面監(jiān)測(cè)站點(diǎn)空間坐標(biāo)及監(jiān)測(cè)值，為步驟S103的數(shù)據(jù)匹配提供數(shù)據(jù)基礎(chǔ)。
[0051]步驟S102,利用奇異值分解SVD (Singular Value Decomposit1n)方法提取遙感數(shù)據(jù)主要的光譜信號(hào)結(jié)構(gòu)特征。
[0052]奇異值分解SVD(Singular Value Decomposit1n)是線性代數(shù)中一種重要的矩陣分解，是矩陣分析中正規(guī)矩陣酉對(duì)角化的推廣，常用于解最小平方誤差法和數(shù)據(jù)壓縮，步驟S102利用奇異值分解SVD方法對(duì)遙感觀測(cè)信息進(jìn)行分解，提取其主要的光譜信號(hào)結(jié)構(gòu)特征。
[0053]步驟S103，構(gòu)建模型時(shí)間序列訓(xùn)練用匹配數(shù)據(jù)集。
[0054]根據(jù)步驟SlOl的PM2.5地面監(jiān)測(cè)站點(diǎn)空間數(shù)據(jù)匹配步驟S102的遙感信息，得到時(shí)間序列的匹配數(shù)據(jù)集，以之作為構(gòu)建近地表PM2.5濃度遙感估算模型的訓(xùn)練數(shù)據(jù)集。
[0055]步驟S104，根據(jù)匹配數(shù)據(jù)集構(gòu)建近地表PM2.5濃度遙感估算模型。
[0056]近地表PM2.5濃度遙感估算模型是基于多元前饋人工神經(jīng)網(wǎng)絡(luò)構(gòu)建的，一個(gè)神經(jīng)網(wǎng)絡(luò)通常由3層神經(jīng)元組成:輸入層、隱藏層和輸出層，每層都可以包含多個(gè)節(jié)點(diǎn)或神經(jīng)元，隱藏層通過調(diào)整訓(xùn)練過程中的權(quán)重減小誤差。神經(jīng)元之間通過輸出信號(hào)和權(quán)重相聯(lián)系，輸出信號(hào)和權(quán)重通過一個(gè)簡(jiǎn)單的非線性變化或激活函數(shù)來調(diào)整。
[0057]將步驟S103的匹配數(shù)據(jù)集隨機(jī)分配到三個(gè)子集:訓(xùn)練數(shù)據(jù)集(40% )、測(cè)試數(shù)據(jù)集(20% )和驗(yàn)證數(shù)據(jù)集(40% )，訓(xùn)練的過程是將輸入數(shù)據(jù)反復(fù)輸入神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)每次通過時(shí)計(jì)算輸出數(shù)據(jù)，并與目標(biāo)數(shù)據(jù)相比得到一個(gè)誤差，再將這個(gè)誤差反饋給網(wǎng)絡(luò)，通過網(wǎng)絡(luò)的迭代訓(xùn)練