一种卫星遥感反演近地面PM2.5瞬时浓度的估算方法

本发明属于人工智能应用，具体涉及一种卫星遥感反演近地面pm2.5瞬时浓度的估算方法。

背景技术：

1、pm2.5能在大气中停留相当长的时间，易附着大量有毒物质，为大气多相化学物质提供反应场，参与大气二次污染物的形成，会对人体健康产生一系列负面影响。虽然近些年多部门的大气环境协同治理工作不断推进，但受中国能源结构与地理条件的影响，人口密集的中国东部城市区域的首要污染物仍为大气颗粒物。因此，为实现近地面大气环境污染的更进一步地精准治理，对近地面pm2.5瞬时浓度的高时空连续性地监测显现作用与价值。

2、理想的pm2.5浓度监测是地基站点实测，但受限于地理条件与建设成本，地基实测无法满足大范围、长时序监测的需求。卫星遥感技术可实现对大面积近地表的快速调查监测，同时，其中的静止卫星遥感在观测时间连续性上具有巨大的优势。随着计算机算力的提升，建立在统计推理理论上的并兼具非线性的拟合函数、灵活的模型结构等优势的机器学习模型成为更好的模型端选择，强大的数据挖掘能力可很好的适用于遥感大数据，同时克服了传统统计回归模型无法处理多因素之间复杂的非线性关系的缺陷。

3、目前，对区域大气污染物的高时空连续性监测仍具难度，类似的基于数据驱动模型的卫星遥感反演模式常依赖大量的辅助数据，这些数据来源多样，质量不一，极大制约了模式输出的时效性。同时，数据驱动下的遥感反演模式中的功能实现主要依赖于代码编写与调用，需要配置复杂的算法运行所需的环境，各代码的输入、输出需要相互调用与匹配，使用方的技术员需花费大量时间阅读各代码语句的相互关系与运行目的，模式的整体调用较为复杂，使用门槛高，在便捷性与封装度上存在弊端，针对气象反演领域开发出的专用模块则甚少。

技术实现思路

1、本发明的目的在于克服传统技术中存在的上述问题，提供一种卫星遥感反演近地面pm2.5瞬时浓度的估算方法，为气象反演领域增添新的专用模块，该模块对相互关联的代码进行整理，减少过程数据的输出与输入，将模式运行所需的辅助代码进行封装，使主流程代码突显，使甲方的技术员通过简短阅读便可掌握模块输入数据的代码语句与修改输出格式的代码段落，增强使用的便捷性。同时，模块针对fy-4a产出的系列遥感数据而设计，以提升模式的时效性与连续输出能力。

2、为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

3、本发明提供一种卫星遥感反演近地面pm2.5瞬时浓度的估算方法，包括如下步骤：

4、步骤一、数据预处理与数据匹配

5、所述的数据预处理与数据匹配负责实现时空匹配、数据转换、数据裁切、多源数据融合；

6、步骤二、模型训练与图集输出

7、所述的模型训练与图集输出负责实现模型构建、模型训练、数据与图集输出，通过输入fy-4a agri传感器所产l1级通道数据、clm云检测数据、geo角度数据，实现对日间小时级近地面pm2.5瞬时浓度的输出。

8、进一步地，步骤一中，所述时空匹配子模块负责针对研究区域，对目标时段的三类fy-4a遥感数据的无效值做剔除处理，同时，基于勾股定理找出与研究区地面实测站点直线距离最近的fy-4a遥测行列点，建立起两者间的索引关系。

9、进一步地，三类fy-4a遥感数据分别为agri l1级通道数据、geo角度数据、clm云检测数据。

10、进一步地，步骤一中，所述数据转换子模块负责依据各时段fy-4aagri l1级通道数据集中的14组calchannel通道定标表，将其中的14组nomchannel通道数据中原本的无量纲值转换为经官方大气校正与辐射定标后的6组反照率值与8组亮温值。

11、进一步地，步骤一中，所述数据裁切子模块负责在风云原始的遥测数据圆盘式分布格局中裁切出一块可涵盖可涵盖研究区的方形区域，以减少后续步骤的计算量和储存量。

12、进一步地，步骤一中，所述多源数据融合子模块负责将前步处理后的遥测数据与站点实测数据导入到一个四维空矩阵中，得到一个满足下一步骤操作需求的样本数据矩阵；四维空矩阵中第一维存放时间信息，第二维存放多源数据信息，第三维存放经度信息，第四维存放纬度信息。

13、进一步地，步骤二中，所述模型构建子模块负责将样本数据集做统一的归一化处理，拆分为训练集和预测集，再将训练集拆分为测试集和训练集，投入sklearn工具库中的lgbm机器学习模型。

14、进一步地，步骤二中，所述模型训练子模块负责依据五折交叉验证得出精度评价指标，通过矩阵调参方式，产生被训练至最佳状态的lgbm模型。

15、进一步地，步骤二中，所述数据与图集输出子模块负责使用调优后模型对日间小时级近地面pm2.5瞬时浓度进行反演估算，调用basemap与matplotlib工具库对预测集做同步可视化处理并输出。

16、本发明的有益效果是：

17、1、本发明针对大气污染物遥感反演领域，所需的辅助数据种类较少，各类原始数据均来自fy4a同一卫星平台，可做到同步输入与高频输出。

18、2、本发明通过直接从fy4a agri l1级通道数据挖掘近地面pm2.5瞬时浓度信息，代替了传统大气颗粒物反演领域高度依赖的aod(气溶胶光学厚度)产品，规避了产品使用时带来的系统误差影响。

19、对于本领域专业人士而言，本发明的其他优点与使用场景是显见的。

技术特征：

1.一种卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤一中，所述时空匹配子模块负责针对研究区域，对目标时段的三类fy-4a遥感数据的无效值做剔除处理，同时，基于勾股定理找出与研究区地面实测站点直线距离最近的fy-4a遥测行列点，建立起两者间的索引关系。

3.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，三类fy-4a遥感数据分别为agri l1级通道数据、geo角度数据、clm云检测数据。

4.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤一中，所述数据转换子模块负责依据各时段fy-4a agri l1级通道数据集中的14组calchannel通道定标表，将其中的14组nomchannel通道数据中原本的无量纲值转换为经官方大气校正与辐射定标后的6组反照率值与8组亮温值。

5.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤一中，所述数据裁切子模块负责在风云原始的遥测数据圆盘式分布格局中裁切出一块可涵盖可涵盖研究区的方形区域，以减少后续步骤的计算量和储存量。

6.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤一中，所述多源数据融合子模块负责将前步处理后的遥测数据与站点实测数据导入到一个四维空矩阵中，得到一个满足下一步骤操作需求的样本数据矩阵；四维空矩阵中第一维存放时间信息，第二维存放多源数据信息，第三维存放经度信息，第四维存放纬度信息。

7.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤二中，所述模型构建子模块负责将样本数据集做统一的归一化处理，拆分为训练集和预测集，再将训练集拆分为测试集和训练集，投入sklearn工具库中的lgbm机器学习模型。

8.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤二中，所述模型训练子模块负责依据五折交叉验证得出精度评价指标，通过矩阵调参方式，产生被训练至最佳状态的lgbm模型。

9.根据权利要求1所述的卫星遥感反演近地面pm2.5瞬时浓度的估算方法，其特征在于，步骤二中，所述数据与图集输出子模块负责使用调优后模型对日间小时级近地面pm2.5瞬时浓度进行反演估算，调用basemap与matplotlib工具库对预测集做同步可视化处理并输出。

技术总结本发明属于人工智能应用技术领域，具体涉及一种卫星遥感反演近地面PM2.5瞬时浓度的估算方法，步骤如下：数据预处理与数据匹配，匹配负责实现时空匹配、数据转换、数据裁切、多源数据融合；模型训练与图集输出，负责实现模型构建、模型训练、数据与图集输出。本发明通过Python编程语言，对多年日间小时级遥感大数据做清洗；基于LGBM机器学习模型，输出缺失时空数值与可视化图集；搭建一套完整的针对FY‑4A AGRI传感器所产L1级通道数据的近地面PM2.5瞬时浓度反演系统。为相关环境监测部门更全面、直观的掌握具体区域的近地面PM2.5时空变迁状态提供支持。技术研发人员：江鹏,吴艳兰,张脉惠,荀尚培,霍彦峰,戴晓慧,何彬方,朱立受保护的技术使用者：安徽大学技术研发日：技术公布日：2024/10/10