基于MAIAC AOD时空补值数据的PM2.5浓度估算研究

气溶胶光学厚度被广泛应用于PM2.5浓度估算中,受极端气候影响以及卫星传感器影响,AOD数据存在大量缺失,本文提出Prophet-LSTM + P-Bshade时空补值模型对MAIAC AOD数据进行补值并使用Catbooost模型结合AOD数据以及ERA5气象数据对中国2020年陆地区域的PM2.5浓度进行估算。结果表明:① Prophet-LSTM + P-Bshade时空补值模型精度明显优于传统补值方法,R、MASE和MAE分别为0.891、0.275和0.183。② Catboost模型在PM2.5浓度估算中比常用的其他机器学习等模型显示更高的估算精度,R、MASE和MAE分别为0.93、15.89 μg∙m−3和10.54 μg∙m−3。③ 中国陆地区域2020年的PM2.5浓度在季节尺度分布上明显,整体呈现冬季 > 春季 > 秋季 > 夏季的季节分布特点。在空间分布上,PM2.5浓度整体呈现东部地区较高,塔里木盆地区域局部较高的特点。