一种日尺度自适应建模的PM2.5全覆盖估算方法技术

本发明专利技术涉及大气环境技术领域，具体涉及一种日尺度自适应建模的PM2.5全覆盖估算方法，该方法包括：获取气象站点空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型；根据空气质量监测数据和气象监测数据构建第二年度模型；将以预设大小为单元划分的日尺度的地区监测数据的格网，分别输入第一年度模型和第二年度模型，输出PM2.5的预测数据；利用PM2.5的预测数据与气象监测数据以及大气光学气溶胶厚度匹配到格网中的气象站点。本发明专利技术依靠两个年度模型对PM2.5浓度进行估算的结果更加准确。PM2.5浓度进行估算的结果更加准确。PM2.5浓度进行估算的结果更加准确。

【技术实现步骤摘要】
一种日尺度自适应建模的PM2.5全覆盖估算方法


[0001]本专利技术涉及大气环境
，具体涉及一种日尺度自适应建模的PM2.5全覆盖估算方法。

技术介绍

[0002]目前有助于了解PM2.5污染分布和变化的长时间空间无缝产品较少。由于气溶胶光学厚度(AOD)存在空隙的限制，空间全覆盖PM2.5浓度的重建工作仍具有很大的挑战。因此建立时空连续的PM2.5浓度数据集就显得尤为重要，可为了解政策下的各区域PM2.5污染变化情况，评估政策的效果，并为后续大气污染防止决策的制定提供参考。
[0003]目前，在对地表的PM2.5浓度进行估算的方法中，构建的模型不管是小时尺度还是日尺度或者是更粗的时间尺度，均是采用全年的样本建立一个年度模型，为了得到稳定且精确的模型就需要扩充样本，但是一个地区包含的气象站点的数量是一定的，每日的观测数据存在限制，仅依靠一个年度模型对PM2.5浓度进行估算的结果并不准确。

技术实现思路

[0004]为了解决依靠一个年度模型对PM2.5浓度进行估算的结果并不准确的技术问题，本专利技术的目的在于提供一种日尺度自适应建模的PM2.5全覆盖估算方法，所采用的技术方案具体如下：
[0005]获取气象站点空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；
[0006]根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型；根据空气质量监测数据和气象监测数据构建第二年度模型；
[0007]将以预设大小为单元划分的日尺度的地区监测数据的格网，分别输入第一年度模型和第二年度模型，输出PM2.5的预测数据；利用PM2.5的预测数据与气象监测数据以及大气光学气溶胶厚度匹配到格网中的气象站点。
[0008]优选地，所述空气质量监测数据为气象站点的PM2.5监测数据；所述气象监测数据包括大气边界层高度、相对湿度、地表压力、地表2m温度、地表10m风速、臭氧柱总量、植被指数、30m高程和1公里年度人口分布数据。
[0009]优选地，采用XGBoost算法开发程序构建所述第一年度模型和所述第二年度模型。
[0010]优选地，所述根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型具体为：
[0011]以大气光学气溶胶厚度为因变量，空气质量监测数据和气象监测数据为自变量获得缺失大气光学气溶胶厚度；以缺失大气光学气溶胶厚度、大气光学气溶胶厚度和气象监测数据为自变量，空气质量监测数据为因变量，构建第一年度模型。
[0012]优选地，所述根据空气质量监测数据和气象监测数据构建第二年度模型具体为：
[0013]以气象监测数据为自变量，空气质量监测数据为因变量，构建第二年度模型。
[0014]优选地，所述以预设大小为单元划分的地区监测数据的格网不含PM2.5气象站点
的数据。
[0015]优选地，所述第一年度模型和所述第二年度模型的训练过程包括：
[0016](1)初始化特征集，所述特征集中的元素为特征变量；
[0017]所述利用所述特征集训练第一年度模型时，特征变量包括空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；利用所述特征集训练第二年度模型时，特征变量包括空气质量监测数据和气象监测数据；
[0018](2)获取特征子集，计算特征子集中每个特征变量的重要性，根据特征变量的重要性利用交叉验证法得到特征子集的得分；
[0019](3)将当前特征子集中重要性最小的特征变量进行移除操作，得到当前新特征子集；
[0020](4)不断重复步骤(2)和步骤(3)，直到特征子集中特征变量的数量为空或者达到预设的阈值时，停止搜索；
[0021](5)比较所有特征子集的得分，输出最高的得分对应的特征子集。
[0022]本专利技术实施例至少具有如下有益效果：
[0023]本专利技术通过获取气象站点的空气质量监测数据、气象监测数据以及大气光学气溶胶厚度，并构建包含大气光学气溶胶厚度的数据的第一年度模型，和不包含大气光学气溶胶厚度的数据的第二年度模型，进一步的，构建日尺度模型将格网应用在第一年度模型和第二年度模型中，获得预测PM2.5浓度数据，本专利技术有效的展现日尺度PM2.5的全覆盖结果，依靠两个年度模型对PM2.5浓度进行估算的结果更加准确。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0025]图1是本专利技术的一种日尺度自适应建模的PM2.5全覆盖估算方法的方法流程图；
[0026]图2是本专利技术实施例提供的基于空间的验证结果图；
[0027]图3是本专利技术实施例提供的基于时间的验证结果图；
[0028]图4是本专利技术实施例提供的AOD空缺填补的部分地区结果示意图。
具体实施方式
[0029]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种日尺度自适应建模的PM2.5全覆盖估算方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0030]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0031]下面结合附图具体的说明本专利技术所提供的一种日尺度自适应建模的PM2.5全覆盖
估算方法的具体方案。
[0032]请参阅图1，其示出了本专利技术一个实施例提供的一种日尺度自适应建模的PM2.5全覆盖估算方法的方法流程图，该方法包括以下步骤：
[0033]步骤一，获取气象站点空气质量监测数据、气象监测数据以及大气光学气溶胶厚度。
[0034]具体地，获取相关监测数据并对监测数据进行预处理操作，在本实施例中，获取全国所有气象站点的监测数据进行分析，实施者可根据实际情况选择地区的大小。获取的气象站点的监测数据包括，大气光学气溶胶厚度(AOD)；气象站点空气质量监测数据，也即气象站点的PM2.5监测数据；气象监测数据，在本实施例中包括大气边界层高度(BLH)、相对湿度(RH)、地表压力(SP)、地表2m温度(TEM)、地表10m风速(WS)、臭氧柱总量(TCO)、植被指数(NDVI)、30m高程(DEM)和1公里年度人口分布数据(POP)。
[0035]其中，在本实施例中，将大气边界层高度(BLH)、相对湿度(RH)、地表压力(SP)、地表2m温度(TEM)、地表10m风速(WS)和臭氧柱总量(TCO)称作辅助数据。
[0036]同时，将采集到的所有气象站点的监测数据使用双线性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种日尺度自适应建模的PM2.5全覆盖估算方法，其特征在于，该方法包括以下步骤：获取气象站点空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型；根据空气质量监测数据和气象监测数据构建第二年度模型；将以预设大小为单元划分的日尺度的地区监测数据的格网，分别输入第一年度模型和第二年度模型，输出PM2.5的预测数据；利用PM2.5的预测数据与气象监测数据以及大气光学气溶胶厚度匹配到格网中的气象站点。2.根据权利要求1所述的一种日尺度自适应建模的PM2.5全覆盖估算方法，其特征在于，所述空气质量监测数据为气象站点的PM2.5监测数据；所述气象监测数据包括大气边界层高度、相对湿度、地表压力、地表2m温度、地表10m风速、臭氧柱总量、植被指数、30m高程和1公里年度人口分布数据。3.根据权利要求1所述的一种日尺度自适应建模的PM2.5全覆盖估算方法，其特征在于，采用XGBoost算法开发程序构建所述第一年度模型和所述第二年度模型。4.根据权利要求1所述的一种日尺度自适应建模的PM2.5全覆盖估算方法，其特征在于，所述根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型具体为：以大气光学气溶胶厚度为因变量，空气质量监测数据和气象监测数据为自变量获得缺失大气光学气溶胶厚度；以缺失大气光学气溶胶...

【专利技术属性】
技术研发人员：郑辉，于欣雨，何炜欢，陈雯，
申请(专利权)人：河南大学，
类型：发明
国别省市：