基于深度学习方法的PM2.5精细化时空估算模型

摘要：

提出一种基于深度学习方法的地面PM2.5浓度时空估算模型(PM2.5-DNN),该模型基于葵花-8卫星反演的AOD数据,结合PM2.5监测站和气象站点观测数据对北京市地面PM2.5浓度进行了逐时的高精度模拟,同时将PM2.5-DNN模型的模拟性能与当前的主流方法进行了对比研究.结果 表明,使用PM2.5-DNN模型估算的北京地区1km分辨率每小时地面PM2.5浓度与地表监测站观测数据对比的一致性较好,模型估算精度可达到R2=0.88,性能优于当前的主流方法.本文所提出的方法适用于区域尺度PM2.5浓度时空分布细粒度建模与估算,采用端到端的训练方式构建模型,为精细的PM2.5浓度估算提供了一个简便而有效的方法模型.

关键词：大气细颗粒物浓度估算;深度学习;卫星遥感;光学气溶胶厚度

所属期刊栏目：41

分类号：X513(大气污染及其防治)

资助基金：中国博士后科学基金资助项目;国家自然科学基金资助项目

在线出版日期：2021-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3502-3510