[發明專利]一種點面融合的時序PM2.5空間分布估算方法

有效

• 申請號: 201911341204.0
• 申請日: 2019-12-24
• 公開（公告）號: CN111104639B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 汪小欽;丁宇;王峰;章敏
• 申請（專利權）人: 福州大學
• 主分類號: G06F17/10
• 分類號: G06F17/10;G01N15/06
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種點面融合的時序PM2.5空間分布估算方法，其特征在于，包括如下步驟：

步驟S1、數據收集與預處理：采集地面站點PM2.5時序監測數據、衛星AOD產品、地形高程數據、預測AOD數據、氣象再分析產品，對采集的地面站點PM2.5時序監測數據進行異常值檢測和填補，對衛星AOD產品、預測AOD數據、氣象再分析產品進行重采樣、重投影和裁剪操作，并規范為同一數據格式；

步驟S2、基于Sym10小波函數將地面站點PM2.5時序監測數據分解為9層，對分解后的數據進行不同層重構，得到10組重構數據；

步驟S3、利用隨機森林模型開展重要性分析：對步驟S2得到的10組重構數據依次與氣象再分析產品進行重要性排序，當一組重構數據的風速、降水重要性排序均處于前五名時，則確定該組重構數據屬于氣象相關分量集合，否則屬于非氣象相關分量集合，對氣象相關分量集合、非氣象相關分量集合分別進行求和操作，得到氣象相關分量和非氣象相關分量兩組數據；

步驟S4、將衛星AOD產品作為因變量，氣象再分析產品、預測AOD數據、地形高程數據作為自變量，輸入隨機森林模型中訓練，在訓練過程種不斷調整參數并獲得最優參數后，對衛星AOD產品的缺失值進行預測，得到空間分布完整的衛星AOD數據；

步驟S5、將步驟S3中獲取的氣象相關分量作為因變量，提取地面監測站點所在位置的步驟S4得到的衛星AOD數據及氣象再分析產品、地形高程數據作為自變量，輸入隨機森林模型中訓練，在訓練過程中不斷調整參數并獲得最優參數后，預測非站點位置處的氣象相關分量，得到PM2.5氣象相關分量的空間分布PM2.5_ca；

步驟S6、提取站點位置處的高程值，結合步驟S3中獲得的非氣象相關分量，輸入Anusplin插值模型中，得到PM2.5非氣象相關分量的空間分布PM2.5_nca；

步驟S7、對步驟S5中獲得的PM2.5氣象相關分量和步驟S6中獲得的PM2.5非氣象相關分量的空間分布，進行求和操作，得到時序PM2.5空間分布數據。

2.根據權利要求1所述的一種點面融合的時序PM2.5空間分布估算方法，其特征在于，所述步驟S1具體實現如下：

步驟S11、收集研究區內地面站點PM2.5時序監測數據；

步驟S12、收集預測AOD數據，即歐洲中期天氣預報中心發布的哥白尼大氣監測服務近實時預測的AOD數據；

步驟S13、收集地形高程數據；

步驟S14、收集氣象再分析產品，包括地溫、2m露點溫度、2m溫度、體感溫度、10m X和Y方向風速U和V、表面凈熱輻射、表面凈太陽輻射、表面潛熱通量、表面顯熱通量、表面向下熱輻射、表面向下太陽輻射、表面壓力、預測反照率、蒸散、降水，利用2m露點溫度結合溫度和壓力計算得到濕度， U和V計算得到風速和風向；

步驟S15、對采集的地面站點PM2.5時序監測數據進行異常值檢測和填補，對衛星AOD產品、預測AOD數據、氣象再分析產品進行重采樣、重投影和裁剪操作，規范為同一數據格式。

3.根據權利要求1所述的一種點面融合的時序PM2.5空間分布估算方法，其特征在于，所述步驟S2具體實現如下：

步驟S21、選擇近似對稱的緊支正交小波Sym10函數對地面站點PM2.5時序監測數據進行小波分解，分解為9層；

步驟S22、對步驟S21分解數據各層進行重構，得到10組數據，分別為重構的高頻成分D₁、D₂、…、D₉及重構的低頻成分A₉；任一站點數據經過該操作獲得的10組重構數據，其中至少5組數據在利用四階正弦和函數進行曲線擬合時，擬合曲線的決定系數應當高于0.9，即重構得到的數據在時間上應當具有周期變化的性質，如果不滿足該條件，則增加分解層數，并進行各層重構。