[发明专利]一种基于卷积神经网络的MAX-DOAS光谱预测对流层NO2

说明书

本发明提供了一种基于卷积神经网络的MAX‑DOAS光谱预测对流层NOsubgt;2/subgt;廓线的方法，所述方法通过卷积神经网络，将对齐的多仰角MAX‑DOAS光谱数据和PriAM算法反演的对流层NOsubgt;2/subgt;数据结合，建立可实现对流层NOsubgt;2/subgt;廓线预测的卷积神经网络模型；卷积神经网络模型(CNN)通过卷积层来提取数据特征，池化层用来降维和防止模型的过拟合，最后利用全连接层来输出结果。本发明解决了对流层NOsubgt;2/subgt;廓线在线实时预测问题，能够根据MAX‑DOAS光谱快速准确直观的得到对流层NOsubgt;2/subgt;廓线，减少了QDOAS拟合和廓线反演算法反演立体分布的进程，避免了在该过程中出现的误差；一方面对对流层NOsubgt;2/subgt;廓线进行预测有助于监测NOsubgt;2/subgt;在对流层上的浓度变化趋势，对于NOsubgt;2/subgt;污染的评估，分析造成污染的原因有着重大的意义。

技术领域

本发明涉及环境预测技术领域，特别涉及一种基于卷积神经网络的 MAX-DOAS光谱预测对流层NO₂廓线的方法。

背景技术

我国的大气污染由传统的煤烟型污染逐步转变为极其复杂的区域性复合污 染。其中，以细颗粒物(PM2.5)为代表的灰霾污染和以臭氧(O₃)为代表的 光化学烟雾是我国目前所面临的两大主要大气污染问题。氮氧化物(NO_x)是 重要的灰霾气态前体物，其排放及污染物之间的化学反应与重污染的形成密切 相关。因此，准确监测大气中灰霾前体物NO_x的浓度及其时空分布情况对于及 时掌握空气质量状况和有效控制大气污染很有必要。

NO₂主要来源于交通、工厂的排放及化石燃料的燃烧，且会造成各种各样 的环境影响，比如大气能见度降低、光化学烟雾、地表水酸化以及水体富营养 化等。NO₂的光解是引发对流层O₃生成的关键启动反应。若无其他物种，NO、 NO₂和O₃三者之间可以达到稳态：

当NO₂大量累积，增多的NO₂会破坏反应式平衡，从而使对流层O₃在大 气中得以积聚，这些光化学反应在污染的城市地区会导致″光化学烟雾″的产 生。

目前多项研究表明，边界层中NO₂的分布变化与人类活动密切相关，各种 污染源排放的NO₂气体扩散、输送和沉降主要集中在大气边界层，其对人类和 其它生物造成的危害也主要出现在该层。因此，准确的获得大气边界层NO₂的分布及变化信息，有助于解释和预测大气污染成分的输送、扩散过程，提高 大气环境监测水平和预报能力，为大气环境、空气质量预报模型等研究工作提 供重要数据。

多轴差分吸收光谱技术(MAX-DOAS)是一种广泛使用的可同时观测多 种大气痕量气体的遥测技术，其快速发展为高分辨的监测对流层和平流层大气 痕量气体提供了一种便捷、有效的途径。与卫星观测相比，地基观测的时空分 辨率相对较高，受云层干扰小。MAX-DOAS技术已经广泛应用于对流层NO₂， SO₂和HCHO等廓线反演中且均取得了显著的效果。在对流层NO₂垂直分布 的反演中，安徽光机所(AIOFM)与马普化学所(MPIC)联合研发了基于非 线性最优估算的痕量气体和气溶胶垂直廓线两步反演算法-PriAM。首先利用 MAX-DOAS在同一波段反演氧二聚体(O₄)的差分斜柱浓度来反演气溶胶光 学特性及廓线；其次将痕量气体差分斜柱浓度和气溶胶垂直廓线输入到PriAM 廓线反演算法，最终获对流层(0-4km)痕量气体垂直分布廓线以及垂直柱浓 度。