基于机器学习和卫星遥感的PM2.5/10空间连续分布反演方法研究

摘要

在过去的几十年里,快速的经济发展以及工业化、城镇化进程加速使得中国的资源环境承担的压力不断加大.作为影响空气质量的首要污染物,PM2.5和PM10(记为PM2.5/10)直接影响着广大人民群众的身体健康.因此,针对PM2.5/10浓度进行遥感反演研究,对环境监测和控制改善全国空气环境质量具有重要的意义.近些年来,随着对近地面PM2.5/10浓度研究的不断深入,基于遥感影像数据进行PM2.5/10浓度的反演方法也日益增多.本文利用Google Earth engine(GEE)平台获取了海量的Landsat 8 OLI遥感影像数据,并结合气象信息、空间特征等参数,采用机器学习中常用的多层映射反向传播神经网络构建了波段反射率与PM2.5/10浓度之间的反演模型,以获得PM2.5/10在研究区域的连续分布.为了提高基础PM2.5/10反演模型的反演精度,还从影响因素和前溯时间两个维度出发,探寻了模型的最优化输入参数组合,并最终实现了对PM2.5/10浓度的精准反演.以北京市地区为例,模型的PM2.5和PM10的反演精度R2分别达到0.814和0.796,均方根误差RMSE分别为19.21μg?m?3和28.31μg?m?3.鉴于该反演结果具有较高的准确性和可靠性,本文所建立的方法模型为研究PM2.5/10在空间上的连续分布特征提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值.