基于自适应时空张量补全的甲醛浓度时间序列重建

甲醛是大气中重要的微量气体,可作为挥发性有机化合物氧化的敏感性指标,同时也是一种有刺激性气味的有毒气体,易对人体健康产生不利影响。然而,遥感卫星获得的HCHO数据不可避免地受到云层、气溶胶和其他不利大气条件的影响而普遍存在缺失,阻碍了后续的分析和应用。本研究采用时空自适应低秩张量补全方法来解决这一问题。该方法能充分利用空间邻域、时间邻域和周期特征的相关信息来构建高度相关的张量,并通过ST-Tensor模型来重建缺失的信息。本研究利用该方法对2019—2021年在亚洲中南部获得的TROPOMI近实时L_3级HCHO数据进行重建。定性和定量研究结果表明,ST-Tensor方法比最邻近时序内插法具有更好的稳定性、准确性和空间连续性,均方根误差、平均绝对偏差、相关系数分别提高了1.78×10^(-5)、1.7×10^(-6)和0.19。利用重建结果获得的四季平均时空分布图,表明HCHO浓度的高低与人口密度、温度、气候特征等有关。

基于极端梯度提升树和深度学习方法估算中国地表NO_(2)浓度

二氧化氮(NO_(2))是备受关注的重要大气污染物之一,与人体呼吸系统和心血管疾病有紧密关系.卫星遥感是获得大尺度NO_(2)分布情况的有效方法,搭载于Aura卫星上的臭氧监测仪(Ozone Monitoring Instrument,OMI)可以反演全球尺度的对流层NO_(2)柱浓度.然而,由于观测条件(如云覆盖)和传感器物理异常影响,OMI在中国地区存在1/2以上的缺失数据,严重限制了数据的应用价值.本文首先基于深度学习方法重建OMI对流层NO_(2)柱浓度缺失数据,然后结合气象资料和地面信息(如道路密度)等数据,利用梯度提升树模型估算了2018—2020年中国近地面NO_(2)浓度日均值,最后使用机器学习解释性算法评估了OMI数据对近地面NO_(2)估算的适用性和敏感性.结果表明:OMI数据缺失值的重建效果和近地面NO_(2)估算精度良好,OMI缺失数据重建值与原始数据的交叉验证R^(2)为0.81,近地面NO_(2)浓度估算值与中国环境总站监测值交叉验证R^(2)为0.84;气象要素对近地面NO_(2)的敏感性最高,特征重要度为36.7%,OMI对流层NO_(2)柱浓度的特征重要度约为8%.