基于深度神经网络的京津冀地区PM2.5反演

刘 宇,楚博策,高 峰,邓 越

(1.中国电子科技集团公司航天信息应用技术重点实验室,河北 石家庄 050081；2.北京师范大学 地理科学学部,北京 100875)

0 引言

PM2.5是指空气动力学当量直径≤2.5 μm的颗粒物，其在空气中的浓度越高，则意味着空气污染越严重。已经有研究指出，人体某些病症的发生概率与人在污染空气中的暴露时间呈正相关[1-2]。随着近年来中国北方雾霾天气的频繁发生，尤其是京津冀地区，社会对PM2.5的分布情况越来越关注[3]。地面PM2.5浓度的监测及实时公布已经成为环境领域的重要内容。传统的PM2.5监测方式是地面站点监测,“十二五”以来，已经在全国建立了空气质量监测网，但是监测站点基本上集中在城市地区，且全国总共只有1 497个监测站点。站点数量严重不足以及空间分布不均导致难以在面尺度上进行全国PM2.5监测[4]。

低分辨率遥感能够获得大范围的大气观测信息，且拥有较高的时间分辨率，能够满足对PM2.5进行时间和空间上的连续观测，所以近些年已有很多研究人员使用遥感进行不同地区的PM2.5反演[5-7]。根据PM2.5反演方法的差异，可以将这些PM2.5反演模型分为2类：基于模拟和基于卫星观测数据的模型。基于模拟的模型通常使用全球化学传输模型来刻画气象因子和气溶胶对PM2.5浓度的影响效应，然后将建立的模型应用到卫星观测数据，来反演PM2.5浓度[8-9]。该类模型的缺点是对数据要求较高，且化学传输模型需要较多的参数设定。基于卫星观测数据的模型是遥感领域较为通用的模型，其基本原理是基于PM2.5浓度和气溶胶光学厚度(AOD)间的统计关系。……