耦合注意力机制DNN的PM2.5估算及时空特征分析

摘要：

PM2.5作为指示环境质量的重要因子之一,不仅影响着灰霾天气的发生,还与公众健康息息相关,近年来受到广泛的关注.尽管PM2.5地面观测站点在不断地扩张,其覆盖范围依旧有限,难以反映全域PM2.5浓度的时空异质性.本研究运用卫星遥感气溶胶光学厚度数据,辅助因子除常规的气象因子等以外,还加入了针对中国人民生产生活习惯的农历日因子,提出一种耦合注意力机制的深度神经网络模型,对长三角区域2015年-2020年PM2.5浓度进行了逐日的高精度估算.模型交叉验证结果显示决定系数R2高达0.85,斜率0.86,与地面站点观测值有较高的一致性,优于多元线性回归和随机森林模型.长三角区域PM2.5浓度时空特征分析结果表明,PM2.5浓度在空间上呈现北高南低的趋势;季节特征以冬季浓度最高,夏季浓度最低,春秋过渡.此外,长三角区域2015年-2020年整体PM2.5浓度呈下降趋势,其中以上海市最为明显,下降速率为3.30μg/(m3·a),其次为江苏省(2.65 μg/(m3·a));浙江省与安徽省下降速率都小于2μg/(m3·a),但由于安徽省PM2.5浓度远高于浙江省,提升空间更大,需要更多的关注.综上所述,利用卫星数据结合本研究提出的方法能弥补地面观测站点的不足,获得高精度全域PM2.5浓度时空分布特征,从而更科学地指导相关政策的规划与落地.

关键词：遥感、气溶胶光学厚度(AOD)、深度学习、注意力机制、长三角区域、空气质量

所属期刊栏目：26

分类号：P407;X513;TP391.41

资助基金：国家重点研发计划;浙江省重点研发计划

在线出版日期：2022-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1027-1038