[发明专利]基于多源城市大数据的PM2.5

说明书

本发明涉及大气污染物时空分布计算领域，且公开了基于多源城市大数据的细颗粒物(PM_2.5)全面域时空计算推断方法。该方法通过收集固定站及传感器PM_2.5浓度数据、卫星遥感气溶胶光学厚度，以及其它环境协变量，建立迭代补缺‑机器学习模型，有效地解决了多源数据融合中存在的数据异质性、时空欠匹配和抽样偏差等问题。本发明灵活高效地融合固定站、传感器和卫星遥感等多源数据，能更加准确地重构PM_2.5的高分辨率时空分布，形成1km网格PM_2.5逐时浓度的高分辨率时空分布结果，这是实现空气质量精细化管控的重要技术基础，有利于实时发掘和定位高潜污染源，最终能针对性地监测管控污染排放。

技术领域

本发明涉及大气污染物时空分布计算领域，具体为基于多源城市大数据的PM_2.5全面域时空计算推断方法。

背景技术

近年来，我国大部分地区的空气质量得到明显改善，但总体污染水平仍然较高，其中细颗粒物(PM_2.5)仍是大部分地区的空气首要污染物，掌握PM_2.5等大气污染物浓度的高分辨率时空分布对于空气质量精细化管理具有重要价值，在增设地面监测站点的同时，基于多维环境数据及机器学习，通过“以算补测”的方式，经济、高效地获得大气污染物浓度的高精度时空分布(如1km网格PM_2.5的逐时浓度)，是目前环境大数据研究的热点之一，属于数据科学研究范畴的机器学习模型，擅于处理多维大数据，能有效模拟多变量间非线性及交互作用，是重构大气污染物浓度时空分布的重要方法。然而，环境数据中普遍存在的训练数据时空欠匹配、抽样偏差等问题，限制了机器学习模型在环境领域的实际应用。

机器学习模型广泛应用于重构PM_2.5等大气污染物的时空分布研究。研究者以卫星遥感、气象条件、土地利用类型等信息作为自变量组合(以下简称为特征空间)，以PM_2.5等污染物的地面浓度作为因变量(简称为输出空间)，基于定义的算法，构建从特征空间到输出空间的映射集合(简称为模型空间)。大量的多维环境数据也为机器学习重构PM_2.5等大气污染物的时空分布提供必要且丰富的基础数据。如何充分发挥多维数据各自的比较优势，如地面监测的时间覆盖优势和卫星遥感数据的空间覆盖优势，是当前基于环境大数据重构空气质量时空分布的研究的一个重点，也是难点。

时空欠匹配问题指的是不同变量的数据在时间和空间上无法完全匹配。例如，按照小时和1km网格对MODIS的AOD数据和地面监测PM_2.5逐时浓度数据进行时空匹配后，形成的数据集中有很多行只包含其中一列的数据，即存在大量不完整的样本。为了获得丰富的训练样本及全面域的时空分布结果，须对多维数据中的缺失值进行填补。有研究采用多重补缺、预测模型等方法填补AOD数据中的缺失值。但由于AOD与PM_2.5等变量间存在较强的关联，对AOD进行补缺时如果忽略其对PM_2.5的影响，将损坏该多变量联合分布的一致性，使PM_2.5时空分布重构结果产生较大偏差。因此，须研究建立时空欠匹配多维数据缺失值的填补方法，维持模型中多变量联合分布的一致性。

对于训练数据的抽样偏差问题，须平衡其对不同特征子空间表示的非均衡性。抽样偏差问题指的是训练数据样本点在特征空间中呈现非均衡分布，使训练的模型在预测数据相关的特征子空间中缺乏泛化能力。例如，2013-2015年间MODIS的AOD数据在成都市区的缺失度明显高于郊区，而地面监测站点大多位于市区，如果忽略AOD或PM_2.5数据的抽样偏差问题，将导致城区和郊区的PM_2.5浓度估算产生较大偏差。已有研究应用过/欠采样、样本加权等方式，降低抽样偏差对模型泛化能力的不利影响。据此，可以通过探究训练样本的加权策略，平衡抽样偏差数据对不同特征子空间的表示能力。