[发明专利]面向遥感时空大数据的污染前体物排放源的类脑跨模态识别及并行处理方法

说明书

本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO₂、O₃、SO₂和NH₃等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM_2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签C_p，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。

技术领域

本发明涉及大气遥感和环境污染领域，尤其涉及一种面向遥感时空大数据的污染前体物排放源的类脑跨模态识别方法及其并行处理方法。

背景技术

良好的大气环境是实现经济发展的自然环境基础。然而，随着我国的工业化和城镇化，以及农业和养殖业的快速发展，沙尘暴、雾霾等空气污染天气在全球大范围内频发，严重影响着人体健康和地球生态平衡。形成雾霾等空气污染天气的主要原因是排放到大气中的二氧化硫(SO₂)、氮氧化物(NO_x)(主要包括一氧化氮NO和二氧化氮NO₂)、氨(NH₃)、臭氧(O₃)和挥发性有机物(VOC_s)等初级污染物，通过光化学反应生成固体颗粒物的二次气溶胶，在潮湿、静稳气象环境下，固体颗粒物进一步聚集形成PM_2.5污染。其中，二次气溶胶又包括二次有机气溶胶(SOA)和二次无机气溶胶(SIA)。

不同于水体、土壤等污染源的查证和识别，由于大气的对流、扩散等流体力学性质，污染物存在大气扩散、高空的垂直输送和长距离传输，一般难以在现场实时查证空气污染物的排放过程。在经济利益的驱使下，一些企业存在偷排等违法行为，往往难以获取污染物的实时排放行为及其排放量的现场证据。对于污染源位置相对固定的土壤污染溯源和水污染溯源来说，较易查找污染位置。由于大气的时空流动特性，大气污染源的定位和识别非常困难，这也使大气环境治理往往缺乏执法的科学依据。针对污染溯源一般采用编制排放源清单进行，相应前体物排放清单编制重构与更新、来源解析技术方法选择以及解析结果分析评估是个非常复杂的系统工程。传统方法一般采用量子行为粒子群优化算法(田娜等.带扰动算子的量子粒子群在水污染源识别中的应用.系统仿真学报.2015)、萤火虫群算法(Chen等.A New Air Pollution Source Identification Method Based on RemotelySensed Aerosol and Improved Glowworm Swarm Optimization.IEEE Journal ofSelected Topics in Applied Earth Observations and Remote Sensing.2017)、以及反演和数值模拟(杨一帆等.突发型大气污染源位置识别反演问题的数值模拟.环境科学学报.2013)等方法，识别效率相对低下。这造成各地统一的汽车限行、工厂停产、关闭养殖场等措施给国民生活和经济生产带来巨大影响。如何避免全民买单，让污染者付出应有的代价，目前迫切的需要科学有效地识别污染源。

发明内容

为了有效地识别污染前体物排放源，本发明提供一种面向遥感时空大数据的污染前体物排放源的类脑跨模态识别方法及其并行处理方法。

本发明提供的一种面向遥感时空大数据的污染前体物排放源的类脑跨模态识别方法，包括：