[发明专利]一种基于神经网络的长时间序列近地面臭氧反演方法

说明书

本发明公开了一种基于神经网络的长时间序列近地面臭氧反演方法，包括以下步骤：S1:根据卫星遥感数据获取卫星遥感月尺度臭氧柱浓度数据；S2:对地面监测气象站点的气象数据进行多时相插值计算，获得具有空间分布特征的气象数据；述地面监测气象站点的气象数据包括温度、风速、气压、相对湿度、日照时数；S3:根据所述卫星遥感月尺度臭氧柱浓度数据和所述具有空间分布特征的气象数据建立近地面臭氧反演神经网络模型并训练该近地面臭氧反演神经网络模型；S4:对所述近地面臭氧反演神经网络模型进行仿真测试。该反演方法的精度高、操作简单，可以实现较为精确的近地面臭氧浓度测定，获得可以精确反应季节变化、年度变化及空间分布的近地面臭氧浓度数据集。

技术领域

本发明涉及遥感反演领域，具体地涉及一种基于神经网络的长时间序列近地面臭氧反演方法。

背景技术

臭氧是一种重要的微量气体，大气中约有90％的臭氧存在于平流层中，仅有10％存在于对流层，平流层臭氧可以阻隔紫外线、保护地球生物圈，然而近地面臭氧却是一种污染物。近地面臭氧是重要的温室气体，臭氧浓度增加将直接导致地表增温；同时作为一种反应性极高、氧化性极强的衡量气体，臭氧会对人和动物的呼吸系统和植物产生一定的损害，高浓度臭氧对眼睛和呼吸道具有很强的刺激性，可引发呼吸道疾病，破坏人体免疫机能；另外臭氧可通过气孔进入作物体内，伤害作物组织。

近年来，随着我国经济的高速发展及城市化进程的快速推进，以O₃为代表的光化学污染有逐年加重的趋势，2019年全国337个地级及以上城市臭氧浓度同比上升6.5％，已成为影响城市空气质量最主要的因素。2013年我国实施《环境空气质量标准》(GB 3095-2012)，将臭氧新增为每日例行监测项目，此举为开展臭氧污染研究创造了有利条件。目前获取臭氧主要包括站点监测与遥感监测两种手段，其中，站点监测主要通过大量布设地面监测站点，实测近地面的大气污染数据，可以获得固定点逐小时连续监测的臭氧浓度，具有时间分辨率高，数据连续、精确的特点。但是受站点建设成本、地域等因素限制，地面环境监测站点数量有限、空间代表性差，一般城市中心站点分布较为密集，而郊区、农村、山地等城市外围地区站点分布稀疏，为研究城市地面臭氧浓度空间分布状况创造了困难。随着遥感技术的发展，卫星遥感为获取臭氧的全球分布及其随时间的变化提供了技术手段，为臭氧研究提供更加丰富的数据源。但是卫星遥感提供的臭氧柱总量数据与臭氧廓线数据与近地面臭氧浓度数据存在一定的差异，对流层臭氧浓度并不能完全准确的反应近地面臭氧变化，如研究表明近年来对流层臭氧浓度较稳定，而近地面臭氧浓度呈现逐渐增加的趋势。因此要研究近地面臭氧的时空变化特征，有必要将地面监测站点臭氧数据与卫星遥感臭氧数据进行融合，获得时间和空间连续性较好的长时间序列近地面臭氧浓度数据集。刘小正(2016)等人利用OMI卫星数据采用基于气候先验信息的最优化估算方法繁衍近地面臭氧，并利用地面站点数据验证其精度R为0.73。

发明内容

本发明针对站点观测数据缺乏空间代表性，遥感观测数据与近地面臭氧数据存在差异的问题，提供了一种基于神经网络的长时间序列近地面臭氧反演方法。

本发明提供一种基于神经网络的长时间序列近地面臭氧反演方法，包括以下步骤：

S1:根据卫星遥感数据获取卫星遥感月尺度臭氧柱浓度数据；

S2:对地面监测气象站点的气象数据进行多时相插值计算，获得具有空间分布特征的气象数据；所述地面监测气象站点的气象数据包括温度、风速、气压、相对湿度、日照时数；

S3:根据所述卫星遥感月尺度臭氧柱浓度数据和所述具有空间分布特征的气象数据建立近地面臭氧反演神经网络模型并训练该近地面臭氧反演神经网络模型；

S4:对所述近地面臭氧反演神经网络模型进行仿真测试。

可选地，所述步骤S1还包括以下步骤：

S11:剔除每日卫星遥感臭氧柱浓度数据中云团覆盖、阴雨天气情况下无值区域；