利用葵花8号卫星资料反演中国东部地区地面PM2.5浓度

doi:10.13209/j.0479-8023.2022.032

北京大学学报自然科学版 ›› 2022, Vol. 58 ›› Issue (3): 443-452.DOI: 10.13209/j.0479-8023.2022.032

利用葵花8号卫星资料反演中国东部地区地面PM_2.5浓度

刘喆^1,2, 赵威伦¹, 田晓青¹, 桑悦洋¹, 屈永霖¹, 任静静¹, 李成才^1,†

1. 北京大学物理学院大气与海洋科学系, 北京 100871 2. 94926 部队, 无锡 214000

收稿日期:2021-04-11 修回日期:2021-05-12 出版日期:2022-05-20 发布日期:2022-05-20
通讯作者: 李成才, E-mail: ccli(at)pku.edu.cn
基金资助:
国家重点研发计划(2016YFC0202004)和国家自然科学基金(42030607, 42075133)资助

Retrieval of Ground PM2.5 Concentrations in Eastern China Using Data from Himawari-8 Satellite

LIU Zhe^1,2, ZHAO Weilun¹, TIAN Xiaoqing¹, SANG Yueyang¹, QU Yonglin¹, REN Jingjing¹, LI Chengcai^1,†

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871 2. 94926 PLA Troop, Wuxi 214000

Received:2021-04-11 Revised:2021-05-12 Online:2022-05-20 Published:2022-05-20
Contact: LI Chengcai, E-mail: ccli(at)pku.edu.cn

摘要/Abstract

摘要：

为了得到中国东部地区大范围的地面PM_2.5浓度分布, 用机器学习方法建立一个模型, 用2019年葵花8号静止卫星大气顶层反射率数据和欧洲中心气象资料作为输入数据, 地面PM_2.5浓度作为输出数据。验证结果表明, 在不同时间尺度下, 该模型对中国东部地区均有较高的精度。对于小时PM_2.5的浓度反演, 该模型的十折交叉验证的相关系数为0.82, 均方根误差为20.11 μg/m³。将2019全年卫星?气象格点数据放入模型, 得到中国东部地区全年逐小时的PM_2.5格点数据, 利用该格点数据分析中国东部地区PM_2.5浓度的季节变化和空间分布, 取得良好的效果。

关键词: 卫星遥感, 大气层顶反射率, PM_2.5浓度, 机器学习

Abstract:

In order to retrieve the large-scale ground PM_2.5 concentration distribution in eastern China, a model was built using machine learning. The model used the top-of-atmosphere reflectance data of the Himawari-8 geostationary satellite in 2019 and the meteorological data of the European Center as the input data, and the ground PM_2.5 concentration was the output data. Validation results showed that the model had high accuracy on different time scales in eastern China. The ten-fold cross-validation of the model had a correlation coefficient of 0.82 and a root-mean-square error of 20.11 μg/m³ for hourly PM_2.5 concentration inversion. The hourly satellite-meteorological grid data throughout the year of 2019 were input to the model, and the corresponding PM_2.5 grid data for the eastern China obtained. Good results were achieved for the PM_2.5 grid data after analyzing the seasonal variation and spatial distribution of PM_2.5 concentration over eastern China.

Key words: satellite remote sensing, top-of-atmosphere reflectance, PM_2.5 concentration, machine learning

刘喆, 赵威伦, 田晓青, 桑悦洋, 屈永霖, 任静静, 李成才. 利用葵花8号卫星资料反演中国东部地区地面PM_2.5浓度[J]. 北京大学学报自然科学版, 2022, 58(3): 443-452.

LIU Zhe, ZHAO Weilun, TIAN Xiaoqing, SANG Yueyang, QU Yonglin, REN Jingjing, LI Chengcai. Retrieval of Ground PM2.5 Concentrations in Eastern China Using Data from Himawari-8 Satellite[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2022, 58(3): 443-452.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2022.032

https://xbna.pku.edu.cn/CN/Y2022/V58/I3/443

[1]	张斌, 吕宝磊, 王馨陆, 张雯娴, 胡泳涛. 利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例[J]. 北京大学学报自然科学版, 2020, 56(5): 931-938.
[2]	海晓东, 刘云舒, 赵鹏军, 张辉. 基于手机信令数据的特大城市人口时空分布及其社会经济属性估测——以北京市为例[J]. 北京大学学报自然科学版, 2020, 56(3): 518-530.
[3]	蔡振宇, 盖增喜. 人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例[J]. 北京大学学报自然科学版, 2019, 55(3): 451-460.
[4]	孙绍辉, 李万彪, 黄亦鹏. 利用Himawari-8卫星红外图像反演降雨[J]. 北京大学学报自然科学版, 2019, 55(2): 215-226.
[5]	姜杰, 夏睿. 机器学习与语义规则融合的微博情感分类方法[J]. 北京大学学报自然科学版, 2017, 53(2): 247-254.
[6]	洪刚,李万彪,朱元竞,赵柏林. 卫星遥感估算淮河流域区域能量通量的方法研究[J]. 北京大学学报（自然科学版）, 2001, 37(5): 693-700.
[7]	曹五丰, 秦其明. 基于知识的卫星数字图像公路信息提取研究[J]. 北京大学学报（自然科学版）, 1998, 34(2): 254-263.

利用葵花8号卫星资料反演中国东部地区地面PM_2.5浓度

Retrieval of Ground PM2.5 Concentrations in Eastern China Using Data from Himawari-8 Satellite

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

留言