[发明专利]一种点面融合的时序PM2.5空间分布估算方法

权利要求书

1.一种点面融合的时序PM2.5空间分布估算方法，其特征在于，包括如下步骤：

步骤S1、数据收集与预处理：采集地面站点PM2.5时序监测数据、卫星AOD产品、地形高程数据、预测AOD数据、气象再分析产品，对采集的地面站点PM2.5时序监测数据进行异常值检测和填补，对卫星AOD产品、预测AOD数据、气象再分析产品进行重采样、重投影和裁剪操作，并规范为同一数据格式；

步骤S2、基于Sym10小波函数将地面站点PM2.5时序监测数据分解为9层，对分解后的数据进行不同层重构，得到10组重构数据；

步骤S3、利用随机森林模型开展重要性分析：对步骤S2得到的10组重构数据依次与气象再分析产品进行重要性排序，当一组重构数据的风速、降水重要性排序均处于前五名时，则确定该组重构数据属于气象相关分量集合，否则属于非气象相关分量集合，对气象相关分量集合、非气象相关分量集合分别进行求和操作，得到气象相关分量和非气象相关分量两组数据；

步骤S4、将卫星AOD产品作为因变量，气象再分析产品、预测AOD数据、地形高程数据作为自变量，输入随机森林模型中训练，在训练过程种不断调整参数并获得最优参数后，对卫星AOD产品的缺失值进行预测，得到空间分布完整的卫星AOD数据；

步骤S5、将步骤S3中获取的气象相关分量作为因变量，提取地面监测站点所在位置的步骤S4得到的卫星AOD数据及气象再分析产品、地形高程数据作为自变量，输入随机森林模型中训练，在训练过程中不断调整参数并获得最优参数后，预测非站点位置处的气象相关分量，得到PM2.5气象相关分量的空间分布PM2.5_ca；

步骤S6、提取站点位置处的高程值，结合步骤S3中获得的非气象相关分量，输入Anusplin插值模型中，得到PM2.5非气象相关分量的空间分布PM2.5_nca；

步骤S7、对步骤S5中获得的PM2.5气象相关分量和步骤S6中获得的PM2.5非气象相关分量的空间分布，进行求和操作，得到时序PM2.5空间分布数据。

2.根据权利要求1所述的一种点面融合的时序PM2.5空间分布估算方法，其特征在于，所述步骤S1具体实现如下：

步骤S11、收集研究区内地面站点PM2.5时序监测数据；

步骤S12、收集预测AOD数据，即欧洲中期天气预报中心发布的哥白尼大气监测服务近实时预测的AOD数据；

步骤S13、收集地形高程数据；

步骤S14、收集气象再分析产品，包括地温、2m露点温度、2m温度、体感温度、10m X和Y方向风速U和V、表面净热辐射、表面净太阳辐射、表面潜热通量、表面显热通量、表面向下热辐射、表面向下太阳辐射、表面压力、预测反照率、蒸散、降水，利用2m露点温度结合温度和压力计算得到湿度， U和V计算得到风速和风向；

步骤S15、对采集的地面站点PM2.5时序监测数据进行异常值检测和填补，对卫星AOD产品、预测AOD数据、气象再分析产品进行重采样、重投影和裁剪操作，规范为同一数据格式。

3.根据权利要求1所述的一种点面融合的时序PM2.5空间分布估算方法，其特征在于，所述步骤S2具体实现如下：

步骤S21、选择近似对称的紧支正交小波Sym10函数对地面站点PM2.5时序监测数据进行小波分解，分解为9层；

步骤S22、对步骤S21分解数据各层进行重构，得到10组数据，分别为重构的高频成分D₁、D₂、…、D₉及重构的低频成分A₉；任一站点数据经过该操作获得的10组重构数据，其中至少5组数据在利用四阶正弦和函数进行曲线拟合时，拟合曲线的决定系数应当高于0.9，即重构得到的数据在时间上应当具有周期变化的性质，如果不满足该条件，则增加分解层数，并进行各层重构。