[发明专利]用于PM2.5浓度分布的时空估算和预测方法

权利要求书

1.一种用于PM2.5浓度分布的时空估算和预测的方法，包括：

细粒度气溶胶光学厚度AOD的采集与校正，包括：

处理MCD19A2、GEOS FP和地面气象观测数据的原始数据集，选择并定义从MCD19A2中提取的AOD为AOD-0数据集，在GEOS-FP数据的基础上，利用自然邻域插值方法将PBLH转换成与AOD数据集相同的栅格格式文件，便于AOD的校正；

使用相对湿度分布数据集修正AOD-0，校正方程如下，

其中RH表示相对湿度，AOD0表示AOD-0，AOD1表示AOD-1，对于每一个对应的单元，使用函数来修正AOD-0，然后得到AOD-1分布；

基于AOD-1和PBLH数据集，使用下面的公式第二次修正AOD：

其中AOD1是AOD-1，AOD2是AOD-2，最后得到了AOD-2分布，即修正后的精细时空AOD分布；

计算细粒度PM2.5的回归模型：

对空气质量观测数据进行预处理，提取16个空气质量站点的PM2.5小时浓度值，再利用地面气象观测资料提取风速和降水值；

计算151天内16个站点PM2.5浓度、风速和降水的日平均值，对AOD-2光栅图像进行相同的预处理；

从151天和16个站共得到151×16＝2416组变量，利用回归模型和机器学习方法，建立PM2.5浓度与其他自变量之间的估计模型，并进行精度比较，其中，回归模型包括线性模型、脊模型、最小绝对收缩和选择算子LASSO模型、立体模型和极端梯度增强XGBoost模型；

建立PM2.5浓度与AOD之间的模型，并利用该模型估计整个研究区PM2.5的空间连续分布，使用块统计和缺失值填充BSMP方法使AOD成为完整的空间连续分布；

细颗粒PM2.5浓度分布预测：

在数据集上应用两个预测模型：SARIMA和ConvLSTM，在预测部分，建立一个类似渔网的网格，将整个研究区域按不同时间的每个分布划分为正方形单元，研究区域为165×165km²，为使数据结构更适合预测模型，该区域网格由50×50＝2500个单元组成，每个单元为3300×3300m²；

将PM2.5网格输入到ConvLSTM模型中进行10次预测，使用从原始数据集中提取的10个不同的数据组，每组由151-9＝142天的数据组成，每训练一次142×20％≈114天的模型，并对接下来28天的数据进行测试；

经过10次的训练和预测，通过计算测试数据和预测数据的均方根误差RMSE和决定系数R²回归得分函数来评估结果。