基于深度学习的日间逐小时地表PM2.5浓度反演 |
| |
引用本文: | 徐成康,陈斯婕,董长哲,徐文韬,刘东.基于深度学习的日间逐小时地表PM2.5浓度反演[J].上海航天(中英文),2023(3):46-52+75. |
| |
作者姓名: | 徐成康 陈斯婕 董长哲 徐文韬 刘东 |
| |
作者单位: | 1. 浙江大学光电科学与工程学院;2. 上海卫星工程研究所 |
| |
基金项目: | 国家自然科学基金(41775023);;国家重点研发计划(2016YFC1400900); |
| |
摘 要: | 以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。
|
关 键 词: | PM2.5 遥感反演 雾霾边界层(HLH) 主被动结合 深度学习 |
|
| 点击此处可从《上海航天(中英文)》浏览原始摘要信息 |
| 点击此处可从《上海航天(中英文)》下载免费的PDF全文 |