基于随机森林的高分辨率PM_(2.5)遥感反演——以广东省为例

细颗粒物(PM_(2.5))监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演PM_(2.5)是常规地面观测的有效补充,是当前的研究热点。通常遥感反演PM_(2.5)的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演PM_(2.5)。该方法容易造成误差传递,从而导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的PM_(2.5)遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地面实测PM_(2.5)的关系,可以避免传统反演PM_(2.5)时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的PM_(2.5)反演结果。该方法先用随机森林算法对MODIS影像和经过克里金插值后的地面监测站PM_(2.5)数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅MODIS影像,得到整个区域的PM_(2.5)反演结果。实验选取了广东省四个季节多幅MODIS影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性。

京津冀PM_(2.5)高时空分辨率遥感监测

京津冀地区是当前我国大气污染最严重的地区.为了形成覆盖式监测能力,使用韩国GOCI静止卫星数据开发了PM_(2.5)高时空分辨率遥感系统,使用卫星气溶胶光学厚度和地面PM_(2.5)进行融合得到小时级PM_(2.5)遥感产品,对观测大气颗粒物空间动态变化具有先天优势.经过京津冀地区的独立地面站点检验,具备小时级高时间分辨率、2 km高空间分辨率的PM_(2.5)遥感产品和地面相关系数R2为0.69,且基于天基遥感数据的观测具有较好的独立性和客观性.长时间遥感观测结果表明,该系统可用于分析京津冀地区PM_(2.5)的空间分布规律.

基于遥感影像和环保基站数据的PM2.5监测方法比较

环保对于人们来说并不陌生,随着工业化建筑水平的提升,对于环境的污染程度也在逐渐加深,但是好在人们已经有了主观的环保意识,能够对环境保护作出一定的改变。PM2.5这个词常常会在我国发展比较迅猛的城市预报中出现,PM2.5的监测工作就是对雾霾的测定同时能够及时作出相应的预警。本文主要探究的就是比较两种PM2.5的监测方式,一种是遥感影像,一种就是环保基站数据。通过论述得出最终的完善结果。

大连市区MODIS数据PM2.5浓度遥感反演及应用研究

采用大连市区多时相MODIS遥感数据,运用6S大气辐射传输模型查找表反演大气气溶胶光学厚度,解析大连市区不同时期的气溶胶光学厚度分布特征,并结合地面同步自动监测的PM2.5浓度数据,建立PM2.5浓度遥感估算模型,在精度评估基础上将模型反演结果与空气自动监测子站、环境空气质量功能区、植被、高程、污染源分布等做应用分析,为大连市区PM2.5污染区域防治提出参考依据。