本發(fā)明屬于人工智能應(yīng)用，具體涉及一種衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法。

背景技術(shù)：

1、pm2.5能在大氣中停留相當(dāng)長(zhǎng)的時(shí)間，易附著大量有毒物質(zhì)，為大氣多相化學(xué)物質(zhì)提供反應(yīng)場(chǎng)，參與大氣二次污染物的形成，會(huì)對(duì)人體健康產(chǎn)生一系列負(fù)面影響。雖然近些年多部門(mén)的大氣環(huán)境協(xié)同治理工作不斷推進(jìn)，但受中國(guó)能源結(jié)構(gòu)與地理?xiàng)l件的影響，人口密集的中國(guó)東部城市區(qū)域的首要污染物仍為大氣顆粒物。因此，為實(shí)現(xiàn)近地面大氣環(huán)境污染的更進(jìn)一步地精準(zhǔn)治理，對(duì)近地面pm2.5瞬時(shí)濃度的高時(shí)空連續(xù)性地監(jiān)測(cè)顯現(xiàn)作用與價(jià)值。

2、理想的pm2.5濃度監(jiān)測(cè)是地基站點(diǎn)實(shí)測(cè)，但受限于地理?xiàng)l件與建設(shè)成本，地基實(shí)測(cè)無(wú)法滿足大范圍、長(zhǎng)時(shí)序監(jiān)測(cè)的需求。衛(wèi)星遙感技術(shù)可實(shí)現(xiàn)對(duì)大面積近地表的快速調(diào)查監(jiān)測(cè)，同時(shí)，其中的靜止衛(wèi)星遙感在觀測(cè)時(shí)間連續(xù)性上具有巨大的優(yōu)勢(shì)。隨著計(jì)算機(jī)算力的提升，建立在統(tǒng)計(jì)推理理論上的并兼具非線性的擬合函數(shù)、靈活的模型結(jié)構(gòu)等優(yōu)勢(shì)的機(jī)器學(xué)習(xí)模型成為更好的模型端選擇，強(qiáng)大的數(shù)據(jù)挖掘能力可很好的適用于遙感大數(shù)據(jù)，同時(shí)克服了傳統(tǒng)統(tǒng)計(jì)回歸模型無(wú)法處理多因素之間復(fù)雜的非線性關(guān)系的缺陷。

3、目前，對(duì)區(qū)域大氣污染物的高時(shí)空連續(xù)性監(jiān)測(cè)仍具難度，類似的基于數(shù)據(jù)驅(qū)動(dòng)模型的衛(wèi)星遙感反演模式常依賴大量的輔助數(shù)據(jù)，這些數(shù)據(jù)來(lái)源多樣，質(zhì)量不一，極大制約了模式輸出的時(shí)效性。同時(shí)，數(shù)據(jù)驅(qū)動(dòng)下的遙感反演模式中的功能實(shí)現(xiàn)主要依賴于代碼編寫(xiě)與調(diào)用，需要配置復(fù)雜的算法運(yùn)行所需的環(huán)境，各代碼的輸入、輸出需要相互調(diào)用與匹配，使用方的技術(shù)員需花費(fèi)大量時(shí)間閱讀各代碼語(yǔ)句的相互關(guān)系與運(yùn)行目的，模式的整體調(diào)用較為復(fù)雜，使用門(mén)檻高，在便捷性與封裝度上存在弊端，針對(duì)氣象反演領(lǐng)域開(kāi)發(fā)出的專用模塊則甚少。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服傳統(tǒng)技術(shù)中存在的上述問(wèn)題，提供一種衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，為氣象反演領(lǐng)域增添新的專用模塊，該模塊對(duì)相互關(guān)聯(lián)的代碼進(jìn)行整理，減少過(guò)程數(shù)據(jù)的輸出與輸入，將模式運(yùn)行所需的輔助代碼進(jìn)行封裝，使主流程代碼突顯，使甲方的技術(shù)員通過(guò)簡(jiǎn)短閱讀便可掌握模塊輸入數(shù)據(jù)的代碼語(yǔ)句與修改輸出格式的代碼段落，增強(qiáng)使用的便捷性。同時(shí)，模塊針對(duì)fy-4a產(chǎn)出的系列遙感數(shù)據(jù)而設(shè)計(jì)，以提升模式的時(shí)效性與連續(xù)輸出能力。

2、為實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

3、本發(fā)明提供一種衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，包括如下步驟：

4、步驟一、數(shù)據(jù)預(yù)處理與數(shù)據(jù)匹配

5、所述的數(shù)據(jù)預(yù)處理與數(shù)據(jù)匹配負(fù)責(zé)實(shí)現(xiàn)時(shí)空匹配、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)裁切、多源數(shù)據(jù)融合；

6、步驟二、模型訓(xùn)練與圖集輸出

7、所述的模型訓(xùn)練與圖集輸出負(fù)責(zé)實(shí)現(xiàn)模型構(gòu)建、模型訓(xùn)練、數(shù)據(jù)與圖集輸出，通過(guò)輸入fy-4a?agri傳感器所產(chǎn)l1級(jí)通道數(shù)據(jù)、clm云檢測(cè)數(shù)據(jù)、geo角度數(shù)據(jù)，實(shí)現(xiàn)對(duì)日間小時(shí)級(jí)近地面pm2.5瞬時(shí)濃度的輸出。

8、進(jìn)一步地，步驟一中，所述時(shí)空匹配子模塊負(fù)責(zé)針對(duì)研究區(qū)域，對(duì)目標(biāo)時(shí)段的三類fy-4a遙感數(shù)據(jù)的無(wú)效值做剔除處理，同時(shí)，基于勾股定理找出與研究區(qū)地面實(shí)測(cè)站點(diǎn)直線距離最近的fy-4a遙測(cè)行列點(diǎn)，建立起兩者間的索引關(guān)系。

9、進(jìn)一步地，三類fy-4a遙感數(shù)據(jù)分別為agri?l1級(jí)通道數(shù)據(jù)、geo角度數(shù)據(jù)、clm云檢測(cè)數(shù)據(jù)。

10、進(jìn)一步地，步驟一中，所述數(shù)據(jù)轉(zhuǎn)換子模塊負(fù)責(zé)依據(jù)各時(shí)段fy-4aagri?l1級(jí)通道數(shù)據(jù)集中的14組calchannel通道定標(biāo)表，將其中的14組nomchannel通道數(shù)據(jù)中原本的無(wú)量綱值轉(zhuǎn)換為經(jīng)官方大氣校正與輻射定標(biāo)后的6組反照率值與8組亮溫值。

11、進(jìn)一步地，步驟一中，所述數(shù)據(jù)裁切子模塊負(fù)責(zé)在風(fēng)云原始的遙測(cè)數(shù)據(jù)圓盤(pán)式分布格局中裁切出一塊可涵蓋可涵蓋研究區(qū)的方形區(qū)域，以減少后續(xù)步驟的計(jì)算量和儲(chǔ)存量。

12、進(jìn)一步地，步驟一中，所述多源數(shù)據(jù)融合子模塊負(fù)責(zé)將前步處理后的遙測(cè)數(shù)據(jù)與站點(diǎn)實(shí)測(cè)數(shù)據(jù)導(dǎo)入到一個(gè)四維空矩陣中，得到一個(gè)滿足下一步驟操作需求的樣本數(shù)據(jù)矩陣；四維空矩陣中第一維存放時(shí)間信息，第二維存放多源數(shù)據(jù)信息，第三維存放經(jīng)度信息，第四維存放緯度信息。

13、進(jìn)一步地，步驟二中，所述模型構(gòu)建子模塊負(fù)責(zé)將樣本數(shù)據(jù)集做統(tǒng)一的歸一化處理，拆分為訓(xùn)練集和預(yù)測(cè)集，再將訓(xùn)練集拆分為測(cè)試集和訓(xùn)練集，投入sklearn工具庫(kù)中的lgbm機(jī)器學(xué)習(xí)模型。

14、進(jìn)一步地，步驟二中，所述模型訓(xùn)練子模塊負(fù)責(zé)依據(jù)五折交叉驗(yàn)證得出精度評(píng)價(jià)指標(biāo)，通過(guò)矩陣調(diào)參方式，產(chǎn)生被訓(xùn)練至最佳狀態(tài)的lgbm模型。

15、進(jìn)一步地，步驟二中，所述數(shù)據(jù)與圖集輸出子模塊負(fù)責(zé)使用調(diào)優(yōu)后模型對(duì)日間小時(shí)級(jí)近地面pm2.5瞬時(shí)濃度進(jìn)行反演估算，調(diào)用basemap與matplotlib工具庫(kù)對(duì)預(yù)測(cè)集做同步可視化處理并輸出。

16、本發(fā)明的有益效果是：

17、1、本發(fā)明針對(duì)大氣污染物遙感反演領(lǐng)域，所需的輔助數(shù)據(jù)種類較少，各類原始數(shù)據(jù)均來(lái)自fy4a同一衛(wèi)星平臺(tái)，可做到同步輸入與高頻輸出。

18、2、本發(fā)明通過(guò)直接從fy4a?agri?l1級(jí)通道數(shù)據(jù)挖掘近地面pm2.5瞬時(shí)濃度信息，代替了傳統(tǒng)大氣顆粒物反演領(lǐng)域高度依賴的aod(氣溶膠光學(xué)厚度)產(chǎn)品，規(guī)避了產(chǎn)品使用時(shí)帶來(lái)的系統(tǒng)誤差影響。

19、對(duì)于本領(lǐng)域?qū)I(yè)人士而言，本發(fā)明的其他優(yōu)點(diǎn)與使用場(chǎng)景是顯見(jiàn)的。

技術(shù)特征：

1.一種衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟一中，所述時(shí)空匹配子模塊負(fù)責(zé)針對(duì)研究區(qū)域，對(duì)目標(biāo)時(shí)段的三類fy-4a遙感數(shù)據(jù)的無(wú)效值做剔除處理，同時(shí)，基于勾股定理找出與研究區(qū)地面實(shí)測(cè)站點(diǎn)直線距離最近的fy-4a遙測(cè)行列點(diǎn)，建立起兩者間的索引關(guān)系。

3.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，三類fy-4a遙感數(shù)據(jù)分別為agri?l1級(jí)通道數(shù)據(jù)、geo角度數(shù)據(jù)、clm云檢測(cè)數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟一中，所述數(shù)據(jù)轉(zhuǎn)換子模塊負(fù)責(zé)依據(jù)各時(shí)段fy-4a?agri?l1級(jí)通道數(shù)據(jù)集中的14組calchannel通道定標(biāo)表，將其中的14組nomchannel通道數(shù)據(jù)中原本的無(wú)量綱值轉(zhuǎn)換為經(jīng)官方大氣校正與輻射定標(biāo)后的6組反照率值與8組亮溫值。

5.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟一中，所述數(shù)據(jù)裁切子模塊負(fù)責(zé)在風(fēng)云原始的遙測(cè)數(shù)據(jù)圓盤(pán)式分布格局中裁切出一塊可涵蓋可涵蓋研究區(qū)的方形區(qū)域，以減少后續(xù)步驟的計(jì)算量和儲(chǔ)存量。

6.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟一中，所述多源數(shù)據(jù)融合子模塊負(fù)責(zé)將前步處理后的遙測(cè)數(shù)據(jù)與站點(diǎn)實(shí)測(cè)數(shù)據(jù)導(dǎo)入到一個(gè)四維空矩陣中，得到一個(gè)滿足下一步驟操作需求的樣本數(shù)據(jù)矩陣；四維空矩陣中第一維存放時(shí)間信息，第二維存放多源數(shù)據(jù)信息，第三維存放經(jīng)度信息，第四維存放緯度信息。

7.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟二中，所述模型構(gòu)建子模塊負(fù)責(zé)將樣本數(shù)據(jù)集做統(tǒng)一的歸一化處理，拆分為訓(xùn)練集和預(yù)測(cè)集，再將訓(xùn)練集拆分為測(cè)試集和訓(xùn)練集，投入sklearn工具庫(kù)中的lgbm機(jī)器學(xué)習(xí)模型。

8.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟二中，所述模型訓(xùn)練子模塊負(fù)責(zé)依據(jù)五折交叉驗(yàn)證得出精度評(píng)價(jià)指標(biāo)，通過(guò)矩陣調(diào)參方式，產(chǎn)生被訓(xùn)練至最佳狀態(tài)的lgbm模型。

9.根據(jù)權(quán)利要求1所述的衛(wèi)星遙感反演近地面pm2.5瞬時(shí)濃度的估算方法，其特征在于，步驟二中，所述數(shù)據(jù)與圖集輸出子模塊負(fù)責(zé)使用調(diào)優(yōu)后模型對(duì)日間小時(shí)級(jí)近地面pm2.5瞬時(shí)濃度進(jìn)行反演估算，調(diào)用basemap與matplotlib工具庫(kù)對(duì)預(yù)測(cè)集做同步可視化處理并輸出。

技術(shù)總結(jié)
本發(fā)明屬于人工智能應(yīng)用技術(shù)領(lǐng)域，具體涉及一種衛(wèi)星遙感反演近地面PM2.5瞬時(shí)濃度的估算方法，步驟如下：數(shù)據(jù)預(yù)處理與數(shù)據(jù)匹配，匹配負(fù)責(zé)實(shí)現(xiàn)時(shí)空匹配、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)裁切、多源數(shù)據(jù)融合；模型訓(xùn)練與圖集輸出，負(fù)責(zé)實(shí)現(xiàn)模型構(gòu)建、模型訓(xùn)練、數(shù)據(jù)與圖集輸出。本發(fā)明通過(guò)Python編程語(yǔ)言，對(duì)多年日間小時(shí)級(jí)遙感大數(shù)據(jù)做清洗；基于LGBM機(jī)器學(xué)習(xí)模型，輸出缺失時(shí)空數(shù)值與可視化圖集；搭建一套完整的針對(duì)FY?4A?AGRI傳感器所產(chǎn)L1級(jí)通道數(shù)據(jù)的近地面PM2.5瞬時(shí)濃度反演系統(tǒng)。為相關(guān)環(huán)境監(jiān)測(cè)部門(mén)更全面、直觀的掌握具體區(qū)域的近地面PM2.5時(shí)空變遷狀態(tài)提供支持。

技術(shù)研發(fā)人員：江鵬,吳艷蘭,張脈惠,荀尚培,霍彥峰,戴曉慧,何彬方,朱立
受保護(hù)的技術(shù)使用者：安徽大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10