基于随机森林的2019年澳大利亚东海岸森林火灾的PM2.5多源高分辨率反演方法

马宗禾，骆哲文，孙 铎，刘子炎，杨睿诚

（武汉理工大学，湖北 武汉 430070）

1 研究背景及意义

野火通常发生在农村地区或山区，监测站点数量有限且分布不均，因而难以实现整个火灾区域PM2.5的扩散方式和传输特性等研究。基于仿真的大气空气质量模式预报在空间上具有连续覆盖性，但分辨率较低，结果误差较大。另外，野火PM2.5有高浓度高度变化的特点，现有的统计模型对于PM2.5-AOD的关系在时间和空间上无法完全解释变化。

为解决现有野火PM2.5测算野火热辐射高、易受风影响的难点，引入哨兵二号影像、风向等新变量；另一方面，采用机器学习算法，使用高分辨率AOD数据，对野火PM2.5进行遥感反演，以期来填补高浓度PM2.5的估算领域的空白并尝试提高最终PM2.5反演结果的精度。

2019年9月以来澳大利亚东海岸森林火灾引起国际社会广泛关注，其产生的大量野火烟雾已环绕地球半周。因此，亟需高分辨率野火PM2.5浓度数据为环境科学、生态经济发展提供数据支撑，同时对公共卫生和流行病学的研究也有重要意义。

2 研究方案

2.1 技术路线（图1）

图1

2.2 实施方案

2.2.1 数据处理

由于各类数据的来源、数据类型、空间分辨率不尽相同，要对各类数据进行预处理。模型的时间分辨率是24h，所搜集的数据大多为每日均值，对于非标准格式的数据按照数学与统计方法进行处理与验证。

（1）填补AOD缺失：检查AOD缺失，将Aqua和Terra AOD进行融合，再以AO据为基准建立一公里格网。

（2）对哨兵2号数据，计算改进归一化燃烧指数（NBRT），分离燃烧区和非燃烧区。……