[发明专利]一种基于AOD的杭州地区PM2.5反演模型

说明书

技术领域

本发明属于遥感技术领域，具体涉及的是基于杭州地区的气溶胶光学厚度(AOD)的大气细颗粒物(PM_2.5)的反演建模，利用AOD和PM_2.5之间的正相关性，建立一种基于AOD的杭州地区PM_2.5反演模型。

背景技术

大气颗粒物(particulate matter，PM)是指分散在空气环境中的固态或液态颗粒物质，其中，动力学直径小于等于2.5微米的即为细颗粒物(fine particular matter，PM_2.5)。PM_2.5因其易附带有毒有害物质，并且能够随呼吸直接进入人体肺部，对人体健康造成一定伤害，因其输送距离远以及在空气中停留时间长的特点，可对大气造成污染。

气溶胶光学厚度(Aerosol Optical Depth，AOD)描述的是大气颗粒物对太阳光的吸收和散射特性，体现大气气溶胶的光学性质。目前，针对AOD的测定主要分为空基观测和地基观测两种。空基观测是指通过搭载在卫星上的中分辨率成像光谱仪(MODIS)获取数据的方法，该方法能够覆盖更广的空间范围。地基观测是气溶胶光学特性研究中一种精度较高的方法，主要是利用CE-318太阳光度计获取具有区域代表性的气溶胶光学参数。

目前能够反映大气污染水平的指标虽然比较多，并且其中大部分指标都是通过地面监测点测得，具有较高的精确度，但是污染物的浓度水平易受温度、湿度、气压等气象因素的影响，因此在综合评价、比较以及真实反映各地区的空气质量存在一定的局限性。采用AOD作为反映大气污染状况的综合指标，不仅扩大了监测的区域范围，同时可以整体反映颗粒物及大气污染物的综合水平。因此，本发明利用AOD和PM_2.5之间的相关性，建立反向传播神经网络模型(BP神经网络模型)，可以较好的反映PM_2.5的污染状况。

人工神经网络(ANN，artificial neural networks)是以软硬件形式出现并执行的计算机系统，简称为神经网络。神经网络是根据人脑神经系统中基本单元的工作方式，即神经元的组织结构和运行机制建立的数学模型。

神经网络起源于1940s，由W.McCulloch和W.Pitts提出首个人工神经网络模型；到了1960s，更多的学者进行神经网络模型的研究，其中包括F.Rosenblatt建立可用于模式识别的神经感知器网络，B.Widrow和T.Hoff则提出了Delta学习算法；在此后的十年里，M.Minsky和S.Papert发现了神经网络的局限性；直到80年代计算机的出现拯救了神经网络及其领域[1]。

神经网络是由大量简单的处理单元构成的复杂网络系统，即通过神经元及其互联拓扑结构和网络学习算法，实现模拟人脑处理信息的能力。其中，神经网络通过数据在网络系统中的流动，将神经元接收的输入数据流进行响应处理后传送到其他神经元。通过学习过程，网络系统不断获取新的知识，并以网络结构和连接权值的形式存储在网络系统之中。

BP神经网络模型(back propagation neutral network，BP)起源于1986年，由Rumelhart和McCelland提出，是迄今为止应用最为广泛的神经网络模型一直。BP神经网络是一种按误差反向传播，具有三层或三层以上神经元的多层前馈神经网络模型，不同的神经元之间通过网络的权值进行连接，层与层传递信息的同时通过添加阀值对信息进行整合。

BP神经网络模型的学习过由信息的正向传播与误差的反向传播两部分组成。当信息正向传播时，信息由输入层传入，经隐含层进行交换处理后，传递到输出层。若输出层的实际输出与期望输出存在误差，则将进行第二个误差反向传播阶段。在误差反向传播时，将输出误差由隐含层向输入层进行反向传播，同时将误差分摊到各个神经元，即为误差修正网络的权值。权值不断调整的过程，即为BP神经网络学习训练的过程。

BP神经网络及其变化形式是人工神经网络中的核心部分。在人工神经网络的实际应用中，BP神经网络的应用较为广泛，主要可以应用于：函数逼近、模式识别、分类和数据压缩等应用领域[2]。

引证文件

[1].程国建.神经计算与生长自组织网络[M].西安:西安交通大学出版社,2008.10.

[2].周品.MATLAB神经网络设计与应用[M].北京:清华大学出版社,2013.3.

发明内容