【技术实现步骤摘要】
结合超光谱卫星与人工智能的大气NO2时空预测算法
[0001]本申请涉及污染物监测领域,尤其涉及一种结合超光谱卫星与人工智能的大气NO2时空预测算法、装置、设备以及存储介质。
技术介绍
[0002]根据国家环境空气质量标准,二氧化氮浓度为6个基本环境空气污染物指标之一,因此需要对环境空气中的二氧化氮进行监测。现有的二氧化氮浓度计算一般基于大气物理化学模型迭代计算的到。
[0003]但是,大气物理化学模型计算得到的二氧化氮浓度的空间分辨率较低。
技术实现思路
[0004]本申请的主要目的在于提供一种结合超光谱卫星与人工智能的大气NO2时空预测算法、装置、设备及介质,旨在解决现有计算得到二氧化氮浓度的空间分辨率较低的技术问题。
[0005]为实现上述目的,本申请提供一种结合超光谱卫星与人工智能的大气NO2时空预测算法,所述方法包括:
[0006]获取目标地区的气象监测数据、超光谱卫星监测数据和地理信息遥感数据,所述地理信息遥感数据包括地表建筑数据、植被覆盖数据、人口数据和高程数据;
[0007]根据所述气象监测数据和预设大气物理化学模型,获得所述目标地区的二氧化氮分层浓度预测数据;
[0008]根据所述超光谱卫星监测数据,反演得到所述目标地区的二氧化氮柱浓度数据;其中,所述二氧化氮柱浓度数据的空间分辨率高于所述二氧化氮分层浓度预测数据的空间分辨率;
[0009]根据所述地理信息遥感数据,对所述二氧化氮浓度分层预测数据和所述二氧化氮柱浓度数据进行融合,获得所述 ...
【技术保护点】
【技术特征摘要】
1.一种结合超光谱卫星与人工智能的大气NO2时空预测算法,其特征在于,所述算法包括:获取目标地区的气象监测数据、超光谱卫星监测数据和地理信息遥感数据,所述地理信息遥感数据包括地表建筑数据、植被覆盖数据、人口数据和高程数据;根据所述气象监测数据和预设大气物理化学模型,获得所述目标地区的二氧化氮分层浓度预测数据;根据所述超光谱卫星监测数据,反演得到所述目标地区的二氧化氮柱浓度数据;其中,所述二氧化氮柱浓度数据的空间分辨率高于所述二氧化氮分层浓度预测数据的空间分辨率;根据所述地理信息遥感数据,对所述二氧化氮浓度分层预测数据和所述二氧化氮柱浓度数据进行融合,获得所述目标地区中目标区域在目标时刻的二氧化氮浓度预测数据。2.根据权利要求1所述的结合超光谱卫星与人工智能的大气NO2时空预测算法,其特征在于,所述根据所述二氧化氮浓度分层预测数据、所述二氧化氮柱浓度数据和所述地理信息遥感数据,获得所述目标地区中的目标区域的二氧化氮浓度预测数据,包括:将所述二氧化氮浓度分层预测数据、所述二氧化氮柱浓度数据和所述地理信息遥感数据输入至训练好的二氧化氮浓度预测神经网络模型,获得所述二氧化氮浓度预测神经网络模型输出的目标地区的四维二氧化氮浓度预测数据;所述四维二氧化氮浓度预测数据包括四维时空坐标信息和与所述四维时空坐标对应的二氧化氮浓度预测值,所述四维时空坐标信息包括时刻信息、经度信息、纬度信息和高程信息;从所述四维二氧化氮浓度预测数据中提取出所述二氧化氮浓度预测数据。3.根据权利要求2所述的结合超光谱卫星与人工智能的大气NO2时空预测算法,其特征在于,所述二氧化氮浓度预测神经网络模型包括:第一特征提取模块,用于对所述二氧化氮浓度分层预测数据进行特征提取,获得二氧化氮浓度分层时空分布特征;第二特征提取模块,用于对所述二氧化氮柱浓度数据进行特征提取和特征融合,获得二氧化氮柱浓度时空分布特征;第三特征提取模块,用于对所述地理信息遥感数据进行空间特征提取和维度变换,获得地理信息时空分布特征;全连接层,用于对所述二氧化氮浓度分层时空分布特征、所述二氧化氮柱浓度时空分布特征和所述地理信息时空分布特征进行特征融合,获得所述四维二氧化氮浓度预测数据。4.根据权利要求3所述的结合超光谱卫星与人工智能的大气NO2时空预测算法,其特征在于,所述第二特征提取模块,还用于若所述二氧化氮柱浓度数据的区域空间覆盖度大于第一预设百分比且小于1,则对所述二氧化氮浓度分层预测数据进行数据补全,得到数据补全后的二氧化氮柱浓度数据,对所述数据补全后的二氧化氮柱浓度数据进行特征提取,获得所述二氧化氮浓度分层时空分布特征。5.根据权利要求2所述的结合超光谱卫星与人工智能的大气NO2时空预测算法,其特征在于,获取目标地区的气象监测数据、超光谱卫星监测数据和地理信息遥感数据,所述地理信息遥感数据包括地表建筑数据、植被覆盖数据、人口数据和高程数据之前,所述算法还包
括:获取训练样本数据,所述训练样本数据包括所述目标地区的气象监测数据、超光谱卫星监测数据和地理信息遥感数据,以及所述目标地区在预设时刻的第一超光谱卫星监测数据和在预设日内的实时国控站点监控数据;确定用于训练所述二氧化氮浓度预测神经网络模型的训练损失函数;基于所述训练损失函数和所述训练样本数据对所述二氧化氮浓度预测神经网络模型进行训练,直至所述训练损失函数的值满足预设条件,得到训练好的二氧化氮浓度预测神经网络模型。6.根据权利要求5所述的结合超光谱卫星与人工智能的大...
【专利技术属性】
技术研发人员:刘诚,李波,张成歆,苏文静,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。