[发明专利]一种大气细颗粒物的反演方法及装置

权利要求书

1.一种大气细颗粒物的反演方法，其特征在于，包括：

获取当前时刻的目标区域的卫星遥感影像和气象预报数据；

对卫星遥感影像进行预处理，得到每个像元的当前时刻的遥感参数；对气象预报数据进行预处理，得到每个像元的当前时刻的气象要素；

获取前N个时刻的目标区域的多个空气质量环境站点的大气细颗粒物和前N个时刻的气象数据，利用预先训练好的长短时记忆模型对前N个时刻的大气细颗粒物和气象要素进行处理，得到每个空气质量环境站点的当前时刻的大气细颗粒物预测值；

对多个空气质量环境站点的当前时刻的大气细颗粒物预测值进行空间插值处理，得到每个像元的当前时刻的大气细颗粒物预测值；

利用预先训练好的DBN网络对每个像元的像元中心的经纬度、当前时刻的遥感参数、当前时刻的气象要素、地理特征、前两个时刻的大气细颗粒物和当前时刻的大气细颗粒物预测值进行处理，得到每个像元的当前时刻的大气细颗粒物反演值；

所述遥感参数包括：B01波段表观反射率、B02波段表观反射率、B03波段表观反射率、B04波段表观反射率、B05波段表观反射率、B06波段表观反射率、卫星天顶角、卫星方位角、太阳高度角、太阳方位角和归一化植被指数；

所述气象要素包括：气温、1小时降水、相对湿度、水平风速、垂直风速、气压和边界层高度；

所述地理特征包括：DEM数据、土地利用数据和人口密度数据；

所述长短时记忆模型的训练步骤包括：

获取目标区域的同一个历史时间序列的多个空气质量环境监测站点的大气细颗粒物样本数据和气象样本数据；所述历史时间序列为；

从气象样本数据中获取每个空气质量环境监测站点所在像元的气象要素，作为气象要素样本；

将每个空气质量环境监测站点的大气细颗粒物样本数据序列和气象要素样本序列形成样本序列，由此得到样本序列集；

将样本序列集中的每个样本序列分别输入长短时记忆模型，得到每个空气质量环境监测站点的时刻的大气细颗粒物预测结果；

基于时刻的大气细颗粒物预测结果和标签数据，确定损失函数值；

基于损失函数，更新所述长短时记忆模型的参数。

2.根据权利要求1所述的大气细颗粒物的反演方法，其特征在于，对多个空气质量环境站点的当前时刻的大气细颗粒物预测值进行空间插值处理，得到每个像元的大气细颗粒物预测值，包括：

以每个空间位置点的经纬度为自变量，以相对湿度为协变量，以每个空间位置点的大气细颗粒物为因变量，建立局部薄盘光滑样条的统计公式：

其中，函数为局部薄盘光滑样条函数；为系数；

利用多个空气质量环境站点的经纬度、相对湿度和当前时刻的大气细颗粒物预测值，拟合得到局部薄盘光滑样条函数系数以及系数；

将每个像元的像元中心点的经纬度和相对湿度代入统计公式，得到每个像元的大气细颗粒物预测值。

3.根据权利要求1所述的大气细颗粒物的反演方法，其特征在于，所述方法还包括：

获取目标区域的DEM数据、土地利用数据和人口密度数据；

利用重采样得到每个像元的DEM数据、土地利用数据和人口密度数据。