CN110108609B - 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** - Google Patents
一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** Download PDFInfo
- Publication number
- CN110108609B CN110108609B CN201910375338.8A CN201910375338A CN110108609B CN 110108609 B CN110108609 B CN 110108609B CN 201910375338 A CN201910375338 A CN 201910375338A CN 110108609 B CN110108609 B CN 110108609B
- Authority
- CN
- China
- Prior art keywords
- satellite
- data set
- channel
- concentration value
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 239000007787 solid Substances 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- Geometry (AREA)
- Biochemistry (AREA)
- Computer Hardware Design (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Dispersion Chemistry (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提供了一种基于卫星多通道的PM2.5浓度值分布情况获取方法及***，包括：确定PM2.5浓度值分布情况待测地点，获取待测地点的历史卫星通道数据集和历史实际观测数据集；根据卫星通道数据集和实际检测数据集建立反演计算模型；获取当前实际检测数据，根据反演计算模型得到地面PM2.5浓度值分布情况以为应对雾霾提供数据支持。本发明通过卫星的多通道历史数据与历史观测数据，利用BP神经网络建立反演模型，并通过实际观测数据，运用反演模型计算地面的PM2.5浓度值。本发明的方法对于PM2.5浓度值的计算不存在盲区，计算得到的结果准确，为开展电网应对雾霾提供了坚实的数据基础。
Description
技术领域
本发明属于输配电技术领域，具体公开了一种基于卫星多通道的PM2.5浓度值分布情况获取方法及***。
背景技术
随着我国化石燃料消费逐年递增，污染排放量也在增大，在冬季，当静稳天气出现时，导致雾霾频频发生，影响人们的身体健康，同时也对社会生产产生影响。
PM2.5作为颗粒物是雾霾的主要成分，是雾霾监测的重点，传统的监测方式主要是采用地面站点进行监测，但由于站点分布稀疏，难以覆盖整个区域，往往导致监测“盲区”。由于卫星具有覆盖范围广、连续性好，因此卫星应用于雾霾监测不断发展。但传统卫星监测往往使用辐散传输方程等方法，计算复杂，且受到薄云等干扰，导致监测偏差。
随着大数据机器学习技术发展，能够较好的从历史数据库中提取有效的通道信息，建立卫星PM2.5计算模型，开展卫星反演PM2.5计算。
发明内容
本发明的目的在提供一种基于卫星多通道的PM2.5浓度值分布情况获取方法及***，以解决现有技术中存在测量盲区以及测量偏差的技术缺陷。
为实现上述目的，本发明首先提供了一种基于卫星多通道的PM2.5浓度值分布情况获取方法，包括以下步骤：
确定PM2.5浓度值分布情况待测地点，获取待测地点的历史卫星通道数据集和历史实际观测数据集；
根据卫星通道数据集和实际检测数据集建立反演计算模型；
获取当前实际检测数据，根据反演计算模型得到地面PM2.5浓度值分布情况以为应对雾霾提供数据支持。
优选地，建立反演计算模型前需要对数据进行有效性筛选，有效性筛选的具体方式为：
将数据集中缺失的数据删除，从而获取对于某一时刻数据均齐全的数据集，其中，数据集包括历史卫星通道数据集和历史实际观测数据集。
优选地，数据集的数据长度为3年。
优选地，在有效性筛选后，建立反演计算模型前，还需要计算卫星每一个通道中的PM2.5敏感值，计算PM2.5敏感值的具体方式为：
将PM2.5浓度值进行等级划分；
计算每个等级对应时间上通道t的PM2.5浓度值在每一个等级的平均值，并且绘制变化折线图；
计算折线图每一段折线的斜率，并取绝对值后求和，作为通道t的敏感值。
优选地，通道为36个。
优选地，等级包括5个，PM2.5浓度值为0-30时为优；PM2.5浓度值为30-60时为良；PM2.5浓度值为60-100时为轻度污染；PM2.5浓度值为100-150时为中度污染；PM2.5浓度值为150以上时为重度污染。
优选地，在计算PM2.5敏感值后，建立反演计算模型前，还需要对卫星的每一个通道进行敏感度筛选，敏感度筛选的具体方式为：
将所有通道按照敏感值进行排序；
以PM2.5敏感值最大的通道作为基础，将PM2.5敏感值小于基准通道PM2.5敏感值90％的通道数据集删除；
将剩余的通道的数据集作为建立反演计算模型的数据集。
优选地，上述卫星均为MODIS卫星。
依托于上述方法，本发明还提出了一种基于卫星多通道的PM2.5浓度值分布情况获取***，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
1、本发明通过卫星的多通道历史数据与历史观测数据。利用BP神经网络建立反演模型，并通过实际观测数据，运用反演模型计算地面的PM2.5浓度值。本发明的方法对于PM2.5浓度值的计算不存在盲区，计算得到的结果准确，为开展电网应对雾霾提供了坚实的数据基础。
2、本发明流程简便，能够通过机器学习的方式快速计算地面的PM2.5浓度值。
3、本发明通用性好，能够用于不同区域，不同类型卫星的PM2.5反演。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明优选实施例提供的一种基于卫星多通道的PM2.5浓度值分布情况获取方法流程图；
图2为本发明优选实施例提供的计算PM2.5敏感值时构建的变化折线图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明提供了一种基于卫星多通道的PM2.5浓度值分布情况获取方法，参见图1，包括以下步骤：
S1：历史数据收集。
确定PM2.5浓度值分布情况待测地点，获取待测地点的历史卫星通道数据集和历史实际观测数据集。
确定监测区域A，收集历史上区域A内，某一颗卫星通道数据集S和实际观测数据集O，数据时间长度为T。其中，数据时间长度T为3年。
S2：有效数据筛选。
对数据进行有效性筛选，有效性筛选的具体方式为：
将数据集中缺失的数据删除，从而获取对于某一时刻数据均齐全的数据集，其中，数据集包括历史卫星通道数据集和历史实际观测数据集。
对S1收集的数据集，在T时段内，将数据集中缺失的数据删除，从而获取对于某一时刻数据均齐全的数据集。数据集包括卫星通道数据集S1和观测数据O1，其中数据集S1包括k个通道。这里的k＝36，即卫星包括36个通道。
具体的操作如下：
(1)遍历所有时刻，判断某一时刻观测数据、卫星数据是否都有；
(2)如果都有，则为有效数据；
(3)如果缺失某一个数据，则该时刻数据删除。
S3：通道敏感值计算。
计算卫星每一个通道中的PM2.5敏感值，计算PM2.5敏感值的具体方式为：
S301：将PM2.5浓度值进行等级划分。
等级包括5个，PM2.5浓度值为0-30时为优；PM2.5浓度值为30-60时为良；PM2.5浓度值为60-100时为轻度污染；PM2.5浓度值为100-150时为中度污染；PM2.5浓度值为150以上时为重度污染。
S302：计算五个等级对应时间上通道1的PM2.5浓度值在每一个等级的平均值，并且绘制变化折线图。
参见图2，图2为计算五个等级对应时间上t通道在每一个等级的平均值，并且绘制成的变化折线图。
对应时间的时间长度可以根据PM2.5观测序列的长短确定，本实施例中时间长度为3年。
S303：计算折线图每一段折线的斜率，并取绝对值后求和，作为通道1的敏感值。
最后重复S3计算所有通道2-通道36的敏感值。
表1为36个通道斜率值，即36个通道的PM2.5敏感值。
表1 36个通道斜率值
| 通道 | 斜率值 | 通道 | 斜率值 | 通道 | 斜率值 | 通道 | 斜率值 |
| 1 | 4.20 | 11 | 1.76 | 21 | 0.38 | 31 | 0.81 |
| 2 | 1.27 | 12 | 4.15 | 22 | 0.27 | 32 | 3.97 |
| 3 | 4.07 | 13 | 2.93 | 23 | 2.65 | 33 | 1.56 |
| 4 | 1.22 | 14 | 2.75 | 24 | 3.90 | 34 | 2.64 |
| 5 | 4.65 | 15 | 4.59 | 25 | 4.67 | 35 | 0.83 |
| 6 | 1.75 | 16 | 1.43 | 26 | 0.65 | 36 | 1.53 |
| 7 | 0.98 | 17 | 3.79 | 27 | 2.84 | ||
| 8 | 1.26 | 18 | 3.77 | 28 | 2.35 | ||
| 9 | 3.08 | 19 | 1.90 | 29 | 0.06 | ||
| 10 | 2.37 | 20 | 2.84 | 30 | 1.69 |
S4：敏感通道筛选。
对卫星的每一个通道进行敏感度筛选，敏感度筛选的具体方式为：
S401：将所有通道按照敏感值进行排序。
S402：以PM2.5敏感值最大的通道作为基础，将PM2.5敏感值小于基准通道PM2.5敏感值90％的通道数据集删除；
S403：将剩余的通道的数据集作为建立反演计算模型的数据集。
对T时间内的通道值进行两两相关，并根据S3计算的通道敏感值，进行排序。
对于排序在第一位的通道进行选取，并删除后面相关置信度超过90％的通道。
对于删除后的序列再次选取最大的敏感值通道，并继续删除后面相关置信度超过90％的通道，如此反复，直到最后一个通道。
将选取的通道组成筛选通道集合St。
这里包括通道25，5，15，1，12。
S5：神经网络反演模型建立。
根据卫星通道数据集和实际检测数据集建立反演计算模型；
S6：地面PM2.5计算。
获取当前实际检测数据，根据反演计算模型得到地面PM2.5浓度值分布情况以为应对雾霾提供数据支持。
依托于上述方法，本发明还提出了一种基于卫星多通道的PM2.5浓度值分布情况获取***，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于卫星多通道的PM2.5浓度值分布情况获取方法，其特征在于，包括以下步骤：
确定PM2.5浓度值分布情况待测地点，获取所述待测地点的历史卫星通道数据集和历史实际观测数据集；
对数据进行有效性筛选，有效性筛选的具体方式为：将数据集中缺失的数据删除，从而获取对于某一时刻数据均齐全的数据集，其中，数据集包括历史卫星通道数据集和历史实际观测数据集；
计算卫星每一个通道中的PM2.5敏感值，计算PM2.5敏感值的具体方式为：将PM2.5浓度值进行等级划分；计算每个等级对应时间上通道t的PM2.5浓度值在每一个等级的平均值，并且绘制变化折线图；计算所述折线图每一段折线的斜率，并取绝对值后求和，作为通道t的敏感值；
对卫星的每一个通道进行敏感度筛选，所述敏感度筛选的具体方式为：将所有通道按照敏感值进行排序；以PM2.5敏感值最大的通道作为基础，将PM2.5敏感值小于基准通道PM2.5敏感值90％的通道数据集删除；将剩余的通道的数据集作为建立反演计算模型的数据集；
根据所述卫星通道数据集和实际检测数据集建立反演计算模型；
获取当前实际检测数据，根据所述反演计算模型得到地面PM2.5浓度值分布情况以为应对雾霾提供数据支持。
2.根据权利要求1所述的一种基于卫星多通道的PM2.5浓度值分布情况获取方法，其特征在于，所述数据集的数据长度为3年。
3.根据权利要求1所述的一种基于卫星多通道的PM2.5浓度值分布情况获取方法，其特征在于，所述通道为36个。
4.根据权利要求1所述的一种基于卫星多通道的PM2.5浓度值分布情况获取方法，其特征在于，所述等级包括5个，PM2.5浓度值为0-30时为优；PM2.5浓度值为30-60时为良；PM2.5浓度值为60-100时为轻度污染；PM2.5浓度值为100-150时为中度污染；PM2.5浓度值为150以上时为重度污染。
5.根据权利要求1-4任一所述的一种基于卫星多通道的PM2.5浓度值分布情况获取方法，其特征在于，所述卫星为MODIS卫星。
6.一种基于卫星多通道的PM2.5浓度值分布情况获取***，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910375338.8A CN110108609B (zh) | 2019-05-07 | 2019-05-07 | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910375338.8A CN110108609B (zh) | 2019-05-07 | 2019-05-07 | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110108609A CN110108609A (zh) | 2019-08-09 |
| CN110108609B true CN110108609B (zh) | 2021-11-02 |
Family
ID=67488466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910375338.8A Active CN110108609B (zh) | 2019-05-07 | 2019-05-07 | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110108609B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112378828B (zh) * | 2020-12-11 | 2021-09-17 | 中科三清科技有限公司 | 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000131218A (ja) * | 1998-10-26 | 2000-05-12 | Ntt Data Corp | 水中物質の濃度推定方法及び装置、記録媒体 |
| CN104180880A (zh) * | 2013-05-21 | 2014-12-03 | 浙江托普仪器有限公司 | 一种全自动计数与称重装置 |
| CN106442236A (zh) * | 2015-07-30 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于卫星遥感的地面pm2.5反演方法及*** |
| CN106979911A (zh) * | 2017-03-07 | 2017-07-25 | 南京航空航天大学 | 利用卫星多光谱影像数据进行pm 2.5和pm 10估算的方法 |
| CN109582910A (zh) * | 2018-12-11 | 2019-04-05 | 国网湖南省电力有限公司 | 基于空气混合高度的地面pm2.5的计算方法及*** |
| CN109657363A (zh) * | 2018-12-24 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种时空连续的pm2.5反演方法 |
-
2019
- 2019-05-07 CN CN201910375338.8A patent/CN110108609B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000131218A (ja) * | 1998-10-26 | 2000-05-12 | Ntt Data Corp | 水中物質の濃度推定方法及び装置、記録媒体 |
| CN104180880A (zh) * | 2013-05-21 | 2014-12-03 | 浙江托普仪器有限公司 | 一种全自动计数与称重装置 |
| CN106442236A (zh) * | 2015-07-30 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于卫星遥感的地面pm2.5反演方法及*** |
| CN106979911A (zh) * | 2017-03-07 | 2017-07-25 | 南京航空航天大学 | 利用卫星多光谱影像数据进行pm 2.5和pm 10估算的方法 |
| CN109582910A (zh) * | 2018-12-11 | 2019-04-05 | 国网湖南省电力有限公司 | 基于空气混合高度的地面pm2.5的计算方法及*** |
| CN109657363A (zh) * | 2018-12-24 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种时空连续的pm2.5反演方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于卫星遥感资料监测地面细颗粒物的敏感性分析;刘显通 等;《中国环境科学》;20140823;第7卷(第34期);第1649-1659页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110108609A (zh) | 2019-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021174751A1 (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
| Tramblay et al. | Modelling extreme dry spells in the Mediterranean region in connection with atmospheric circulation | |
| Li-Juan et al. | Progress in research on homogenization of climate data | |
| CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
| CN116340723B (zh) | 基于大数据的乡村水污染快速溯源方法及*** | |
| CN110675036A (zh) | 一种基于随机森林优化微生物指数的高原河流生态健康评价方法 | |
| CN111879915B (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及*** | |
| CN110134907B (zh) | 一种降雨缺失数据填补方法、***及电子设备 | |
| CN112907113B (zh) | 一种考虑空间相关性的植被变化成因识别方法 | |
| Liu et al. | A framework for delineating the regional boundaries of PM2. 5 pollution: A case study of China | |
| CN113267607A (zh) | 一种场地有机污染物迁移过程的特征参数识别*** | |
| CN112347652B (zh) | 基于水文气象地区线性矩频率分析的暴雨高风险区划方法 | |
| CN110738354A (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
| CN117538503A (zh) | 一种实时智能的土壤污染监测***及方法 | |
| CN115730852A (zh) | 一种化工企业土壤污染管控方法及*** | |
| CN117974404B (zh) | 一种水陆协同的陆域污染源分析方法及*** | |
| CN110108609B (zh) | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** | |
| CN111429028A (zh) | 一种适用于山区地形的输电线路覆冰灾害风险评估方法 | |
| CN114462698A (zh) | 一种面向流域汇水区域的磷排放污染负荷预测方法 | |
| CN109613179B (zh) | 累积高值区的确定方法 | |
| Smith et al. | Multiple variable indicator kriging: a procedure for integrating soil quality indicators | |
| CN116543528A (zh) | 一种基于降雨阈值的区域滑坡危险性预警方法 | |
| Bozoğlu et al. | Entropy based regional precipitation prediction in the case of Gediz River basin | |
| CN115453664A (zh) | 一种适用于无资料地区的降雨径流预报方法 | |
| CN113610436B (zh) | 一种承灾体动态脆弱性评估方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |