[发明专利]一种近地面人为源二氧化氮高精细产品估算方法及系统

权利要求书

1.一种近地面人为源二氧化氮高精细产品估算方法，其特征在于，包括：

对卫星数据、地面监测数据、NO₂垂直轮廓数据、气象数据、下面垫数据、地面排放清单数据、人口密度数据、时间数据进行变量选择，并对所述变量选择过的数据进行采集和预处理；

通过机器学习中的随机森林算法，构建近地面NO₂估算模型；

通过模拟性实验及数据融合测试，生成近地面人为源NO₂浓度高精细格点产品；

基于生成的近地面人为源NO₂浓度高精细格点产品，对中国城市近地面人为源NO₂浓度污染数据，进行时空分析。

2.如权利要求1所述的近地面人为源二氧化氮高精细产品估算方法，其特征在于，所述变量选择，包括：

卫星观测的NO₂柱浓度数据、地面站点监测的NO₂浓度数据、大气化学传输模型模拟的NO₂垂直廓线信息、气象条件、下垫面条件、人为源和自然源NOx地面排放清单、人口密度以及时间变量因素。

3.如权利要求1或2所述的近地面人为源二氧化氮高精细产品估算方法，其特征在于，数据采集与预处理，包括：

数据采集包括通过卫星传感器观测的数据，利用权重插值方法将卫星原始轨道格式数据转换为格点数据，并提高空间分辨率；

数据预处理包括质量控制和数据清洗两方面；清除原始数据中的异常点，删除重复数据，补充缺失值，修改非法数据以及不一致的数据，将数据格式统一化。

4.如权利要求3所述的近地面人为源二氧化氮高精细产品估算方法，其特征在于，所述随机森林算法构建近地面NO₂估算模型，包括：特征变量的选取和确定最优模型参数。

5.如权利要求4所述的近地面人为源二氧化氮高精细产品估算方法，其特征在于，所述特征变量的选取和确定最优模型参数，包括：

计算不同特征变量的重要性度量值，将选取的特征变量的重要性度量值进行排序，从而选择重要性靠前的特征变量作为模型所需要的变量；

通过S折交叉验证方法确定最优模型参数。

6.如权利要求5所述的近地面人为源二氧化氮高精细产品估算方法，其特征在于，生成近地面人为源NO₂浓度高精细格点产品，包括：

在估算近地面人为源NO₂浓度研究中，采用大气化学传输模型模拟近地面NO₂浓度，通过敏感性试验模拟只有自然条件因素影响的近地面NO₂柱浓度变化，并结合多源数据融合和人工智能生成近地面人为源NO₂浓度产品。

7.如权利要求5或6所述的近地面人为源二氧化氮高精细产品估算方法，其特征在于，对中国城市近地面人为源NO₂浓度污染数据，进行时空分析，包括：

结合中国行政区划，基于ArcGIS平台提取中国城市逐年近地面人为源NO₂浓度数据；

利用小波变换的多分辨率分析中的离散小波变换来区分多尺度的近地面人为源NO₂浓度的变化，并将近地面人为源NO₂浓度数据分解成各分量特征，包括长期趋势分量、季节分量、短期周期分量以及噪音，探索各城市的人为源NO₂浓度在日常所表现的特征及其对人类活动影响。