【技术实现步骤摘要】
本专利技术涉及环境科学与工程，尤其涉及的是一种基于空天地一体化的城乡温室气体排放模拟方法、模拟器、终端及可读存储介质。
技术介绍
1、现如今，城乡已成为温室气体排放的热区，如何在保持高质量发展的同时，减少温室气体排放，已成为城乡可持续发展面临的重要问题。为制定准确合理且有针对性的温室气体减排策略，需要实时、准确监测城乡不同部门的温室气体排放现状，进而识别产排汇热区。
2、目前，温室气体排放评估的相关技术主要包括地面实测法、卫星遥感等方法。其中，地面实测法可深入不同城乡区域，在排放源附近，通过实地采样结合离线分析或在线分析等技术手段，实现对温室气体的准确核算。然而，地面实测法人工成本较高，覆盖范围有限，多用于离散点位的定时监测。为此，随着卫星遥感技术的高速发展，基于星载传感器，现有技术已实现便捷的温室气体天基监测，然而，现有卫星遥感产品时空分辨率有限，难以满足城乡温室气体高精度评估的需求。
3、综上所述，现有技术缺乏空天地一体化的城乡温室气体排放监测方法。此外，现有应用多聚焦于排放监测评估，缺乏从未来视角出发对潜在减排策略进行综合评估和选择。
技术实现思路
1、本专利技术的目的是提供一种基于空天地一体化的城乡温室气体排放模拟方法、系统、终端及可读存储介质，以实现城乡温室气体排放现状的高效监测与减排策略效果的可靠评估和选择。
2、本专利技术解决技术问题所采用的技术方案如下：
3、本专利技术提供一种基于空天地一体化的城乡温室气体排放模拟方法
4、获取历史排放清单、地貌信息和气象模式，基于大气扩散模型根据所述排放清单、地貌信息和气象模式得到仿真立体浓度场；
5、根据所述历史排放清单、所述地貌信息、所述气象模式和所述仿真立体浓度场构建数据反演模型；
6、耦合所述数据反演模型、未来情景模块与减排策略模块，构建模拟器，所述未来情景模块用于形成未来情景目标，所述减排策略模块用于根据当前排放清单形成初始减排策略，所述模拟器用于根据目标区域的当前立体浓度场获取当前排放清单，根据所述当前排放清单形成初始减排策略，生成不同初始减排策略的排放清单与浓度场，并根据未来情景目标的减排要求遴选最佳减排策略。
7、进一步地，所述根据所述历史排放清单、所述地貌信息和所述气象模式和所述仿真立体浓度场构建数据反演模型，具体包括：
8、以所述历史排放清单、地貌信息和气象模式和所述仿真立体浓度场为训练数据，通过深度学习训练构建以排放清单、所述地貌信息和所述气象模式为输入，以立体浓度场为输出的正向扩散模块；
9、根据所述正向扩散模块构建以目标立体浓度场、所述地貌信息和所述气象模式为输入，以目标立体浓度场对应的排放清单为输出的反向排放清单推理模块；
10、所述反向排放清单推理模块生成先验排放清单，并采用正向扩散模块，根据目标立体浓度场、所述地貌信息和所述气象模式迭代修正先验排放清单，直到生成满足条件的排放清单并输出；
11、其中，迭代修正先验排放清单，每次迭代时，均将先验排放清单、地貌信息和气象模式输入正向扩散模块，根据正向扩散模块输出的中间浓度场和所述目标立体浓度场的浓度差，基于梯度下降算法，迭代修正先验排放清单。
12、进一步地，所述正向扩散模块包括第一卷积神经网络、第二卷积神经网络与长短时记忆神经网络；
13、所述以所述历史排放清单、地貌信息和气象模式和所述仿真立体浓度场为训练数据，通过深度学习训练构建以排放清单、所述地貌信息和所述气象模式为输入，以立体浓度场为输出的正向扩散模块，具体包括：
14、构建提取所述排放清单、所述地貌信息和所述气象模式的空间模式的所述第一卷积神经网络；
15、构建提取所述排放清单和所述气象模式的时间模式的所述长短时记忆神经网络；
16、构建从所述空间模式和所述时间模式到立体浓度场的正向映射的所述第二卷积神经网络；
17、以所述历史排放清单、地貌信息和气象模式和所述仿真立体浓度场为训练数据训练正向扩散模块。
18、进一步地，所述根据目标区域的当前立体浓度场获取当前排放清单，根据所述当前排放清单形成初始减排策略，生成不同初始减排策略的排放清单与浓度场，并根据未来情景目标的减排要求遴选最佳减排策略,具体包括：
19、模拟器获取目标区域的当前立体浓度场，并调用数据反演模型，将所述当前立体浓度场输入反向排放清单推理模块，获取所述当前排放清单，并对当前排放清单进行可视化；
20、模拟器获取用户的输入，根据所述输入设定不同未来情景目标与初始减排策略；
21、模拟器调用未来情景模块与减排策略模块，形成未来情景目标与初始减排策略，并基于排放因子法，计算初始减排策略的初始排放清单；
22、模拟器调用数据反演模型中的正向扩散模块，基于所述初始排放清单，生成与不同初始减排策略对应的初始浓度场，并对结果进行可视化；
23、模拟器通过比较不同初始减排策略的所述初始排放清单与所述初始浓度场，基于所述未来情景目标，遴选最佳减排策略。
24、进一步地，所述获取目标区域的当前立体浓度场，具体包括：
25、获取近源温室气体浓度数据，以及基于无人机的近地浓度监测数据和基于卫星遥感的区域浓度监测数据；
26、将所述近源温室气体浓度数据、所述基于无人机的近地浓度监测数据以及所述基于卫星遥感的区域浓度监测数据融合得到所述当前立体浓度场。
27、进一步地，所述获取近源温室气体浓度数据，具体包括：
28、获取近源排放通量实测数据；
29、基于机理模型，根据所述近源排放通量实测数据获取所述近源温室气体浓度数据。
30、此外，为实现上述目的，本专利技术还提供一种模拟器，所述模拟器包括：
31、大气扩散模块，用于获取历史排放清单、地貌信息和气象模式，并基于大气扩散模型根据所述排放清单、地貌信息和气象模式得到仿真立体浓度场；
32、数据反演模块，用于根据所述历史排放清单、所述地貌信息、所述气象模式和所述仿真立体浓度场构建数据反演模型；
33、未来情景模块，用于形成未来情景目标；
34、减排策略模块，用于根据当前排放清单形成初始减排策略；
35、所述模拟器耦合所述数据反演模型、未来情景模块与减排策略模块，用于获取当前立体浓度场，并根据目标区域的当前立体浓度场获取当前排放清单，根据所述当前排放清单形成初始减排策略，生成不同初始减排策略的排放清单与浓度场，并根据未来情景目标的减排要求遴选最佳减排策略。
36、此外，为实现上述目的，本专利技术还提供一种终端，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于空天地一体化的城乡温室气体排放模拟程序，所述基于空天地一体化的城乡温室气体排放模拟程序被所述本文档来自技高网...
【技术保护点】
1.一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述基于空天地一体化的城乡温室气体排放模拟方法包括：
2.根据权利要求1所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述根据所述历史排放清单、所述地貌信息和所述气象模式和所述仿真立体浓度场构建数据反演模型，具体包括：
3.根据权利要求2所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述正向扩散模块包括第一卷积神经网络、第二卷积神经网络与长短时记忆神经网络；
4.根据权利要求2所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述根据目标区域的当前立体浓度场获取当前排放清单，根据所述当前排放清单形成初始减排策略，生成不同初始减排策略的排放清单与浓度场，并根据未来情景目标的减排要求遴选最佳减排策略,具体包括：
5.根据权利要求4所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述获取目标区域的当前立体浓度场，具体包括：
6.根据权利要求5所述的一种基于空天地一体化的城乡温室气体排放模拟方
7.一种模拟器，其特征在于，所述模拟器包括：
8.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于空天地一体化的城乡温室气体排放模拟程序，所述基于空天地一体化的城乡温室气体排放模拟程序被所述处理器执行时控制终端实现如权利要求1-6任一项所述的基于空天地一体化的城乡温室气体排放模拟方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质存储有基于空天地一体化的城乡温室气体排放模拟程序，所述基于空天地一体化的城乡温室气体排放模拟程序被处理器执行时实现如权利要求1-6任一项所述的基于空天地一体化的城乡温室气体排放模拟方法的步骤。
...【技术特征摘要】
1.一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述基于空天地一体化的城乡温室气体排放模拟方法包括：
2.根据权利要求1所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述根据所述历史排放清单、所述地貌信息和所述气象模式和所述仿真立体浓度场构建数据反演模型，具体包括：
3.根据权利要求2所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述正向扩散模块包括第一卷积神经网络、第二卷积神经网络与长短时记忆神经网络；
4.根据权利要求2所述的一种基于空天地一体化的城乡温室气体排放模拟方法，其特征在于，所述根据目标区域的当前立体浓度场获取当前排放清单，根据所述当前排放清单形成初始减排策略，生成不同初始减排策略的排放清单与浓度场，并根据未来情景目标的减排要求遴选最佳减排策略,具体包括：
5.根据权利要求4所述的一种基于空天地一体化的城乡温室...
【专利技术属性】
技术研发人员：王旭，王钊越，罗雨莉，孙宏剑，李奕璇，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
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。