一种基于机器学习和葵花8号数据的PM_(2.5)浓度监测方法

摘要

基于卫星遥感数据和气象数据构建模型是实现PM_(2.5)浓度监测的重要方法。利用2017-2020年河南区域的葵花8号AOD相关产品、地面气象观测数据及PM_(2.5)浓度逐时地面观测数据,建立样本数据库,探究了PM_(2.5)浓度与遥感反演参数、气象因子的相关关系,提出一种基于空间距离的机器学习方法,构建了卫星遥感与气象数据相结合的PM_(2.5)监测模型,并利用PM_(2.5)观测数据对模型进行散点拟合和空间分布的验证。结果表明:PM_(2.5)浓度与能见度(V)、气温(T)、气溶胶光学厚度(AOD)有极为显著的相关关系;从PM_(2.5)浓度反演值与观测值的散点回归分析来看,PM_(2.5)浓度反演值与观测值相关系数R^(2)=0.73;从PM_(2.5)浓度反演值与观测值的空间分布图来看,PM_(2.5)浓度反演值实现了空间格点的小时监测,弥补了非晴空及夜间监测数据的缺失,在空间分布上与观测值一致,具有很高的精确性和可靠性。基于空间距离的机器学习方法构建PM_(2.5)浓度监测模型能很好地应用于PM_(2.5)浓度监测,为PM_(2.5)浓度监测提供了新的思路和方法。