[发明专利]一种融合卫星遥感和地面监测数据的臭氧浓度估算方法

权利要求书

1.一种融合卫星遥感和地面监测数据的臭氧浓度估算方法，其特征在于，包括以下步骤：

步骤一，多源样本数据的收集、预处理与融合，得到输入参数；

多源样本数据包括：卫星遥感影像数据、空气质量监测数据和气象数据；

多源样本数据的预处理，包括去云处理和获得归一化植被指数NDVI：基于卫星遥感影像数据的云层识别与分类、云层在地面的投射影响范围和云层覆盖率，并根据不同的云层特性对遥感影像进行去云处理；对卫星遥感影像数据进行正射校正和空间位置配准，并提取卫星遥感影像数据中各波段的波段反射率，获得归一化植被指数NDVI；

多源样本数据的融合，包括以下操作：通过邻近分析算法获取距离环境监测站点最近的气象站点，并将该距离环境监测站点最近的气象站点监测到的气象数据，作为该环境监测站点的气象信息，实现多源样本数据的融合；

其中，针对多源样本数据建立用于溯源分析的索引；

输入参数包括：卫星遥感影像数据中不同波段的波段反射率、归一化植被指数NDVI以及相关的气象数据；气象数据包括风速、风向、湿度、气温和气压；

步骤二，基于多层映射反向传播神经网络，建立臭氧浓度估算运算基础模型；

步骤三，基于影响因素、前溯时间和空间范围三个维度，结合步骤一所得输入参数，探索步骤二所得臭氧浓度估算运算基础模型的最优化输入参数组合，根据所得最优化输入参数组合对地面臭氧浓度进行估算，得到臭氧浓度的空间连续分布结果，实现融合卫星遥感和地面监测数据的臭氧浓度估算方法；

步骤三中，基于空间范围探索步骤二所得臭氧浓度估算运算基础模型的最优化输入参数组合，其操作包括：

首先在研究区内进行臭氧浓度估算运算基础模型的训练和验证，记录决定系数、平均误差和均方根误差；然后根据设定的步长，逐步扩大训练和验证区域，直至有一个或多个新的监测站点出现在研究区内，通过决定系数、平均误差和均方根误差三个特征值来综合评判相应估算结果的优劣，确定臭氧浓度估算运算基础模型的输入参数在空间范围维度上的最优化输入参数组合；

其中，当臭氧浓度估算运算基础模型训练和验证区域超过预设阈值、且臭氧浓度估算结果保持不变或持续变差，终止探索。

2.根据权利要求1所述的一种融合卫星遥感和地面监测数据的臭氧浓度估算方法，其特征在于，步骤二中，基于多层映射反向传播神经网络，建立得到的臭氧浓度估算运算基础模型，包括输入层、隐含层和输出层；其中，层与层之间的神经元全连接，同一层内的神经元无连接，每一层的神经元可以接收前一层神经元的信号，并产生信号输出到下一层。

3.根据权利要求2所述的一种融合卫星遥感和地面监测数据的臭氧浓度估算方法，其特征在于，包含一个输入层、一个输出层和L个隐含层，其中，L≥1。

4.根据权利要求2所述的一种融合卫星遥感和地面监测数据的臭氧浓度估算方法，其特征在于，隐含层的节点数通过以下操作得到：通过逐步扩大隐含层中节点的个数，对多层映射反向传播神经网络进行不断地训练对比；当预测结果与真实结果趋于一致时，得到隐含层的节点数。

5.根据权利要求1所述的一种融合卫星遥感和地面监测数据的臭氧浓度估算方法，其特征在于，步骤三中，基于影响因素探索步骤二所得臭氧浓度估算运算基础模型的最优化输入参数组合，其操作包括：

首先，采用统计学的方法，分析步骤一所得输入参数与臭氧浓度的相关性；

然后，根据所得相关性的强弱以及步骤一所得输入参数本身的类别特点，进行分类与分组，将分组得到的每组输入参数据输入至步骤二所得臭氧浓度估算运算基础模型中进行训练和验证；

最后，基于决定系数、平均误差和均方根误差，确定步骤二所得臭氧浓度估算运算基础模型的输入参数在影响因素维度上的最优化输入参数组合。

6.根据权利要求1所述的一种融合卫星遥感和地面监测数据的臭氧浓度估算方法，其特征在于，步骤三中，基于前溯时间探索步骤二所得臭氧浓度估算运算基础模型的最优化输入参数组合，其操作包括：

采用循环探索的方式，以t_s小时为步长逐步增大前溯时段的范围；前溯时段每增长t_s小时，与该时段相对应的输入参数都会被增添至步骤二所得臭氧浓度估算运算基础模型的输入参数中；基于决定系数、平均误差和均方根误差，确定步骤二所得臭氧浓度估算运算基础模型的输入参数在前溯时间维度上的最优化输入参数组合；

其中，5≥t_s≥1；

其中，当前溯时段超越预设阈值、且步骤二所得臭氧浓度估算运算基础模型的估算结果保持不变或持续变差时，终止探索。