[发明专利]基于遥感数据的地面PM2.5浓度特征向量空间滤值建模方法

权利要求书

1.一种基于遥感数据的地面PM2.5浓度特征向量空间滤值建模方法，其特征在于，包括以下步骤，

步骤1，数据获取与模型变量的选择，包括获取PM2.5站点数据并剔除异常值，地面PM2.5浓度反演模型中自变量包含气溶胶厚度AOD；

步骤2，数据处理与匹配，包括统一所有变量的时间尺度，所有自变量的空间分辨率转化为与AOD一致，获取地面PM2.5浓度监测站位置上的自变量X，与站点的PM2.5浓度Y相匹配，剔除存在空值的站点；

步骤3，由地面PM2.5浓度监测站位置构建空间邻接矩阵W₀，步骤如下，

步骤3.1，由地面PM2.5浓度监测站构建泰森多边形；

步骤3.2，创建泰森多边形的空间邻接矩阵，得到地面PM2.5浓度监测站的邻接矩阵；

步骤4，对邻接矩阵W₀进行中心化，结果记为W₁,计算矩阵W₁的特征值和特征向量，矩阵W₁的所有特征向量构成的向量组记为E；

步骤5，从步骤4所得的向量组E中通过逐步回归提取特征向量作为PM2.5浓度的空间影响因子；

步骤6，将步骤5提取的所有特征向量添加到自变量中，使用最小二乘法求解回归系数，得到PM2.5浓度的特征向量空间滤值回归模型如下，

Y＝β₀+β₁AOD+X_auxβ_t+E_kβ_k+ε

其中，β₀表示截距，β₁表示AOD的回归系数，X_aux表示步骤1中选出的t个辅助自变量构成的矩阵，E_k是步骤5中提取出的k个特征向量构成的矩阵，β_t和β_k分别表示X_aux和E_k的回归系数所构成的向量，E_kβ_k表示PM2.5浓度的空间影响因素，ε是一个n×1的误差向量；

步骤7，将提取的特征向量均插值为与AOD具有相同空间分辨率的栅格图像，带入步骤6所得的特征向量空间滤值回归模型进行栅格计算，得到研究区内连续的PM2.5浓度空间分布模型。

2.如权利要求1所述的基于遥感数据的地面PM2.5浓度特征向量空间滤值建模方法，其特征在于：步骤1中，地面PM2.5浓度反演模型中在气溶胶厚度AOD以外，其余辅助自变量要根据研究区的特征，通过计算Pearson指数和共线性诊断来确定。

3.权利要求1所述的基于遥感数据的地面PM2.5浓度特征向量空间滤值建模方法，其特征在于：步骤3中，先由地面PM2.5浓度监测站位置构建泰森多边形，再由泰森多边形的邻接关系，依据Queen临接法则，构建二元邻接矩阵，作为地面PM2.5浓度监测站的空间邻接矩阵。

4.如权利要求1所述的基于遥感数据的地面PM2.5浓度特征向量空间滤值建模方法，其特征在于：对步骤6所得的特征向量空间滤值回归模型从两方面进行模型评价，使用R²、Adj.R²、Pseudo R²、RMSE和MAPE评估模型精度；通过计算残差Moran’s I及显著性检验判断残差是否呈随机分布，得到是否符合线性模型假设的结果，以评估其可靠性。

5.如权利要求1或2或3或4所述的基于遥感数据的地面PM2.5浓度特征向量空间滤值建模方法，其特征在于：步骤7中得的PM2.5浓度空间分布模型是可视化的PM2.5空间分布模型，能够用于研究区内PM2.5浓度空间特征分析。