[发明专利]一种基于高精度PM2.5反演结果的城市道路空气质量评价方法

说明书

本发明公开了一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，基于多源数据并结合神经网络方法反演出整个研究区域的PM2.5浓度；以小时为单位，通过将PM2.5反演结果与研究区道路图层进行叠置分析，提取出每条道路上的实时PM2.5分布数据；通过和相关空气质量标准比对，可对每条道路的空气质量状况进行定性和定量的评价，从而可为居民出行的道路选择提供空气质量状况的参考。本发明反演的空气污染物结果不仅考虑了汽车尾气的污染，其他因素的影响也考虑在其中；相较于基于光学传感器的检测方法，本发明成本低，精度高。

技术领域

本发明涉及一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，具体涉及一种基于高时间精度，高质量的PM2.5数据的道路空气质量评价方法。

背景技术

近年来空气质量成为人们出行的重点关注数据，尤其是道路的空气质量。避开高污染区域出行是避免污染物危害身体健康的最有效方法之一，虽然我国大多数城市都建设了空气质量监测站点，但是其数量较少，一般集中分布在城市的主城区，分布稀疏且不均匀，远远无法达到道路空气质量监测的精度。目前有很多城市道路空气质量监测的方法，基于光学传感器结合GPRS对城市道路空气质量监测是其中一种方法，但用该方法监测整个城市道路的空气质量，需要大量光学传感器，成本过高；通过车联网监测汽车尾气和构建汽车尾气扩散模型的方法，仅考虑了车辆尾气对空气质量的影响，实际上这只是空气污染的来源之一，这样的方法精确度低。基于道路视频的道路空气质量监测方法，虽然精度高，但存在无监控的盲区，且摄像头的状态对监测数据影响巨大。

发明内容

发明目的：鉴于上述问题，本发明的目的是提供一种基于高精度PM2.5反演结果的市道路空气质量评价方法，以解决目前道路空气质量监测精度低的问题。

技术方案：为解决上述技术问题，本发明所采用的技术方案是：

一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，包含以下步骤：

步骤一：基于多源数据并结合神经网络方法反演PM2.5浓度；

步骤二：每小时更新一次PM2.5分布数据；

步骤三：提取出每段道路上的实时PM2.5分布数据；

步骤四：对道路空气质量进行定性评价；

步骤五：对道路空气质量进行定量评价。

进一步的，所述步骤一中的多源数据包括：Landsat 8遥感影像数据、气象数据、地形和城市特征数据；其中，所述的气象数据包括温度、相对湿度、降水和风速；所述的城市特征数据包括工厂密度、道路密度、人口密度、人均GDP；将上述数据与PM2.5数据进行整合，搭建神经网络模型，通过不断调整优化获得最优的神经网络模型，将待反演数据输入模型得到该地区的PM2.5空间分布情况。

进一步的，所述步骤二具体为：

2.1按照多源数据的时间分辨率更新多源数据，如气象数据的更新速率可以达到每小时一次，数据更新后可获得新的PM2.5反演结果；

2.2构建PM2.5监测站点的泰森多边形，计算落入泰森多边形的像元的平均PM2.5浓度每小时计算一次监测站点PM2.5浓度C_z与泰森多边形内像元的平均PM2.5浓度的差值Δc即ΔC＝C_z-C。

2.3使用C_n＝C+Δc公式对泰森多边形内像元的PM2.5浓度C进行每小时一次的调整得到新的PM2.5浓度C_n。

进一步的，所述步骤三具体为：

3.1在ArcGIS软件中将PM2.5反演结果转为矢量数据；