[发明专利]一种点面融合的时序PM2.5空间分布估算方法

说明书

本发明涉及一种点面融合的时序PM2.5空间分布估算方法。利用小波变换和随机森林方法，集成具有空间连续的遥感监测与具有时间连续的地面站点监测数据，构建点面融合的时空连续性PM2.5估算模型。利用Sym小波分解和重构方法及基于随机森林的特征重要性分析，将时间序列站点监测数据分解为气象相关分量和非气象相关分量；基于随机森林模型填补卫星反演的AOD缺失部分；利用空间插值获取PM2.5非气象相关分量的空间分布，基于随机森林模型估算PM2.5气象相关分量的空间分布；综合PM2.5气象相关分量和非气象相关分量的结果，获得时间序列的PM2.5空间分布数据。本发明有助于区域尺度较高空间分辨率的时序PM2.5监测，为气溶胶空气质量分析、评估和预警提供支持。

技术领域

本发明涉及PM2.5监测技术领域，更为具体地，涉及一种点面融合的时序PM2.5空间分布估算方法。

背景技术

PM2.5严重影响了人类健康、环境和气候，获取其时空分布具有极其重要的意义。目前的研究，主要通过卫星遥感估算或利用地面监测站点数据插值来获得区域PM2.5的空间分布，但插值受稀疏站点的限制，很难代表地形复杂和城市水平复杂区域的PM2.5浓度；卫星数据又受获取周期和云雨等因素，难以实现完整时间序列的PM2.5空间监测。

发明内容

本发明的目的在于提供一种点面融合的时序PM2.5空间分布估算方法，该方法既可以解决卫星遥感监测由于获取周期和云雨等因素引起的时间序列缺失问题，也可以弥补传统站点监测数据仅具有时间连续而缺少空间连续分布的缺点，有助于在时空尺度上加强对PM2.5的监测。

为实现上述目的，本发明的技术方案是：一种点面融合的时序PM2.5空间分布估算方法，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监测和填补，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产品；

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，在训练过程种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。

在本发明一实施例中，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；