[发明专利]一种日尺度自适应建模的PM2.5全覆盖估算方法

说明书

本发明涉及大气环境技术领域，具体涉及一种日尺度自适应建模的PM2.5全覆盖估算方法，该方法包括：获取气象站点空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型；根据空气质量监测数据和气象监测数据构建第二年度模型；将以预设大小为单元划分的日尺度的地区监测数据的格网，分别输入第一年度模型和第二年度模型，输出PM2.5的预测数据；利用PM2.5的预测数据与气象监测数据以及大气光学气溶胶厚度匹配到格网中的气象站点。本发明依靠两个年度模型对PM2.5浓度进行估算的结果更加准确。

技术领域

本发明涉及大气环境技术领域，具体涉及一种日尺度自适应建模的PM2.5全覆盖估算方法。

背景技术

目前有助于了解PM2.5污染分布和变化的长时间空间无缝产品较少。由于气溶胶光学厚度(AOD)存在空隙的限制，空间全覆盖PM2.5浓度的重建工作仍具有很大的挑战。因此建立时空连续的PM2.5浓度数据集就显得尤为重要，可为了解政策下的各区域PM2.5污染变化情况，评估政策的效果，并为后续大气污染防止决策的制定提供参考。

目前，在对地表的PM2.5浓度进行估算的方法中，构建的模型不管是小时尺度还是日尺度或者是更粗的时间尺度，均是采用全年的样本建立一个年度模型，为了得到稳定且精确的模型就需要扩充样本，但是一个地区包含的气象站点的数量是一定的，每日的观测数据存在限制，仅依靠一个年度模型对PM2.5浓度进行估算的结果并不准确。

发明内容

为了解决依靠一个年度模型对PM2.5浓度进行估算的结果并不准确的技术问题，本发明的目的在于提供一种日尺度自适应建模的PM2.5全覆盖估算方法，所采用的技术方案具体如下：

获取气象站点空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；

根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型；根据空气质量监测数据和气象监测数据构建第二年度模型；

将以预设大小为单元划分的日尺度的地区监测数据的格网，分别输入第一年度模型和第二年度模型，输出PM2.5的预测数据；利用PM2.5的预测数据与气象监测数据以及大气光学气溶胶厚度匹配到格网中的气象站点。

优选地，所述空气质量监测数据为气象站点的PM2.5监测数据；所述气象监测数据包括大气边界层高度、相对湿度、地表压力、地表2m温度、地表10m风速、臭氧柱总量、植被指数、30m高程和1公里年度人口分布数据。

优选地，采用XGBoost算法开发程序构建所述第一年度模型和所述第二年度模型。

优选地，所述根据空气质量监测数据、气象监测数据以及大气光学气溶胶厚度构建第一年度模型具体为：

以大气光学气溶胶厚度为因变量，空气质量监测数据和气象监测数据为自变量获得缺失大气光学气溶胶厚度；以缺失大气光学气溶胶厚度、大气光学气溶胶厚度和气象监测数据为自变量，空气质量监测数据为因变量，构建第一年度模型。

优选地，所述根据空气质量监测数据和气象监测数据构建第二年度模型具体为：

以气象监测数据为自变量，空气质量监测数据为因变量，构建第二年度模型。

优选地，所述以预设大小为单元划分的地区监测数据的格网不含PM2.5气象站点的数据。

优选地，所述第一年度模型和所述第二年度模型的训练过程包括：

(1)初始化特征集，所述特征集中的元素为特征变量；

所述利用所述特征集训练第一年度模型时，特征变量包括空气质量监测数据、气象监测数据以及大气光学气溶胶厚度；利用所述特征集训练第二年度模型时，特征变量包括空气质量监测数据和气象监测数据；