[发明专利]一种基于FFT的PM2.5浓度分析模型

说明书

本发明提供了一种基于FFT的PM2.5浓度分析模型，包括：S1、根据观测数据，初步选取影响PM2.5浓度的影响因子；S2、分析初步选取的影响因子与PM2.5浓度的耦合关系，在相关性分析的基础上选取与相关性最好的影响因子作为模型自变量因子；S3、确定PM2.5浓度与各个自变量因子的公共周期；S4、构建模型。本发明所述的基于FFT的PM2.5浓度分析模型综合考虑了影响PM2.5浓度的内在因素大气污染物和外在因素气象要素，是一种新的PM2.5浓度监测方法，可弥补现有地面PM2.5浓度观测数据积累不足和卫星遥感精度低的问题。

技术领域

本发明属于PM2.5浓度技术领域，尤其是涉及一种基于FFT的PM2.5浓 度分析模型。

背景技术

研究该地区PM2.5浓度时空变化规律有助于认知大气污染的发展和现状， 评估其对公众健康和环境的影响，可为开展针对性的控制措施提供科学参考。 由于地级城市PM2.5浓度监测始于2013年12月，数据积累时间短，为研究 该地区PM2.5浓度时空演化规律，有必要依据现有数据开展PM2.5浓度模型 研究。

目前PM2.5浓度观测方法主要有地面观测和卫星遥感两种方法。卫星遥 感PM2.5浓度的精度受到AOD反演算法、回归模型估算误差、云覆盖等因素 的影响；PM2.5地面观测开始较晚，数据积累时间较短，不足以支撑长时间 序列的PM2.5浓度时空演化特征分析。综合上述两种PM2.5浓度观测方法， 现有的PM2.5浓度监测无法满足区域PM2.5浓度长时间序列时空演化研究。

发明内容

有鉴于此，本发明旨在提出一种基于FFT的PM2.5浓度分析模型，以解 决现有的PM2.5浓度监测无法满足区域PM2.5浓度长时间序列时空演化研究 的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于FFT的PM2.5浓度分析模型，包括：

S1、根据观测数据，初步选取影响PM2.5浓度的影响因子；

S2、分析初步选取的影响因子与PM2.5浓度的耦合关系，在相关性分析 的基础上选取与相关性最好的影响因子作为模型自变量因子；

S3、确定PM2.5浓度与各个自变量因子的公共周期；

S4、构建模型。

进一步的，所述步骤S1中，选取的影响因子包括GNSS水汽、气象要素、 大气污染物；

所述气象要素包括风速、风向、气压、温度。

进一步的，所述步骤S2中，包括分析GNSS水汽与PM2.5浓度的耦合关 系，具体方法如下：

通过GNSS解算软件解算区域内GNSS连续观测资料，结合气象观测获得 该地区GNSS测站时值水汽序列，联合PM2.5浓度时值观测序列，分析PM2.5 浓度与GNSS水汽序列的耦合关系。

进一步的，所述步骤S2中，包括分析PM2.5浓度与风速、风向的耦合 关系，具体方法如下：

通过分析区域内风速和风向资料，联合PM2.5浓度时值观测序列，分析 PM2.5浓度与风速、风向的耦合关系。

进一步的，所述步骤S2中，包括分析PM2.5浓度与气压、温度的耦合 关系，具体方法如下：

根据区域内时值气压和时值温度资料，联合PM2.5浓度时值观测序列， 分析PM2.5浓度与气压、温度的耦合关系。

进一步的，所述步骤S3中，通过快速傅里叶变换得到GNSS水汽、气象 要素、大气污染物的周期信息，进而得到各个要素变化的公共周期，按公共 周期对数据进行分组后参与模型构建。