CN103674794A - 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 - Google Patents
遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 Download PDFInfo
- Publication number
- CN103674794A CN103674794A CN201310689804.2A CN201310689804A CN103674794A CN 103674794 A CN103674794 A CN 103674794A CN 201310689804 A CN201310689804 A CN 201310689804A CN 103674794 A CN103674794 A CN 103674794A
- Authority
- CN
- China
- Prior art keywords
- data
- fine particle
- aot
- surface fine
- near surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种遥感监测近地表细颗粒物质量浓度的多元回归方法:利用搭载在卫星上的中分辨率成像光谱仪对大气进行遥感监测,获得MODISAOT产品数据;利用地基PM监测站点监测近地表细颗粒物质量浓度;通过对MODISAOT产品数据与地基监测近地表细颗粒物质量浓度、气象数据的匹配处理产生大量样本数据,对样本数据进行统计分析确立遥感监测近地表细颗粒物质量浓度的多元回归模型;提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储;对NCEP气象数据进行预处理:将各气象因子反距离权重插值到AOT的产品网格中,并以GeoTiff格式存储;将预处理后的AOT数据和各气象因子数据应用于确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度的结果。
Description
技术领域
本发明涉及大气遥感技术领域,尤其涉及一种基于MODIS AOT产品数据与NCEP气象数据的遥感监测近地表细颗粒物质量浓度(PM2.5)的多元回归方法。
背景技术
近年来,各国学者对基于卫星遥感估算近地面颗粒物浓度和监测区域污染进行了广泛的研究,主要的思路都是直接或间接地借助其他参数建立AOT与近地面颗粒物浓度间的相关模型。根据相关模型中引入的大气环境因子的差异,这些研究工作大致可分为三类:AOT与近地面颗粒物浓度的直接相关模型、考虑气溶胶垂直分布和相对湿度影响的相关模型、考虑多种环境气象因素的相关模型。
发明内容
针对现有技术存在的问题,本发明的目的在于提供一种可以稳定地、快速方便地遥感监测近地表细颗粒物质量浓度的多元回归方法。
为实现上述目的,本发明遥感监测近地表细颗粒物质量浓度的多元回归方法,具体为:
1)利用搭载在卫星上的中分辨率成像光谱仪对大气进行遥感监测,获得MODIS AOT产品数据;
2)利用地基PM监测站点监测近地表细颗粒物质量浓度PM2.5;
3)通过对MODIS AOT产品数据与近地表细颗粒物质量浓度PM2.5、NCEP气象数据的匹配处理产生大量样本数据,对样本数据进行统计分析确立遥感监测近地表细颗粒物质量浓度PM2.5的多元回归模型;
4)对MODIS AOT产品数据做预处理:提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储;
5)对NCEP气象数据进行预处理:将各气象因子反距离权重插值到S2中AOT的产品网格中,并以GeoTiff格式存储;
6)将步骤4)和步骤5)中预处理后的AOT数据和各气象因子数据应用于步骤3)中确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度PM2.5的结果。
进一步,所述步骤3)包括以下步骤:
A)获取一段时间内的MODIS AOT产品数据与近地表细颗粒物质量浓度PM2.5、气象数据;
B)将步骤A)中所获取的数据进行时空匹配,匹配的原则是空间上以地基PM监测站点为准,时间上以卫星过境时间为准;
C)对步骤B)中处理后的数据通过统计分析软件进行统计分析,建立公式(1)所示的遥感监测近地表细颗粒物质量浓度PM2.5的幂指函数形式的统计回归模型:
PM2.5=eγ0×AOTγ1×HPBLγ2×eγ3×RH+γ4×AT+γ5×U+γ6×V (1),
公式(1)中PM2.5是指地基PM监测站点的近地表细颗粒物质量浓度PM2.5质量浓度小时均值,单位为μg/m3;AOT是指波长0.55μm处的MODIS气溶胶光学厚度值,HPBL是指NCEP资料提取的边界层高度,单位km;RH为地基测量的近地表相对湿度,单位%;AT为地基测量的近地表气温,单位℃;U和V分别为西风分量和南风分量,单位m/s;γ0、γ1、γ2、γ3、γ4、γ5、γ6为公式(1)中相应参数的回归系数。
进一步,所述NCEP气象数据包括边界层高度、相对湿度、近地表气温、西风分量和南风分量;所述NCEP气象数据从美国国家大气研究中心管理的研究数据档案库中下载获得。
进一步,所述步骤B)中在空间上:地基气象数据与PM监测站点的匹配采用就近匹配,即采用与PM监测站点最近的气象数据;MODIS AOT则采用以PM监测站点为中心15km为半径的非零象元的均值,即PM监测站点为中心的3*3的象元的非零均值;对于NCEP资料的处理则是对离PM监测站点较近的四个格点进行反距离权重插值以作为该站点的NCEP资料数据。
进一步,所述步骤B)中在时间上:如果采用MODIS下午星AQUA的AOD数据,那么地基近地表细颗粒物质量浓度PM2.5数据和气象数据采用13-14点值的平均,NCEP资料采用UTC-6点的数据。
进一步,所述步骤C)中所建立统计回归模型的系数为:
γ0=1.997、γ1=0.199、γ2=-0.502、γ3=0.04、γ4=0.039、γ5=0.060、γ6=0.064。
进一步,所述步骤4)具体为:利用HEG软件从HDF格式的MODIS AOT产品数据提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储。
进一步,所述步骤5)具体为:通过编写Matlab代码读取NCEP各气象因子数据及其地理信息并将其反距离权重插值到S2中处理后的AOT产品网格中,并以GeoTiff格式存储;
进一步,所述步骤6)具体为:编写Matlab代码读取步骤4)和步骤5)中预处理后的AOT数据和各气象因子数据并应用于步骤3)中确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度PM2.5的结果。
进一步,所述卫星包括TERRA、AQUA,所述MODIS AOT产品数据是指MODIS L4二级产品数据,分辨率为星下点10km;所述NCEP气象数据是FNL全球分析资料Final Operational Global Analysis,资料空间分辨率为1.0°*1.0°,时间分辨率为6小时。
本发明的方法基于MODIS AOT产品数据与NCEP气象数据利用多元回归模型遥感反演得到了近地表细颗粒物质量浓度PM2.5,能够方便快捷地为大范围遥感监测近地面颗粒物污染分布提供有益支撑。
附图说明
图1为本发明基于MODIS AOT产品数据与NCEP气象数据的遥感监测近地表细颗粒物质量浓度PM2.5多元回归方法流程图。
具体实施方式
下面,参考附图1,对本发明进行更全面的说明,附图中示出了本发明的示例性实施例。然而,本发明可以体现为多种不同形式,并不应理解为局限于这里叙述的示例性实施例。而是,提供这些实施例,从而使本发明全面和完整,并将本发明的范围完全地传达给本领域的普通技术人员。
本发明基于MODIS AOT产品数据和NCEP气象数据,通过应用对MODISAOT产品数据和地基气象数据统计分析所建立的多元回归模型,最终遥感反演得到近地表细颗粒物质量浓度PM2.5。
本发明遥感监测近地表细颗粒物质量浓度的多元回归方法,首先需要利用搭载在卫星上的中分辨率成像光谱仪对大气进行遥感监测,获得MODIS AOT产品数据与NCEP气象数据;同时利用地基PM监测站点监测近地表细颗粒物质量浓度PM2.5;必须在卫星遥感监测、地基PM监测站点监测的基础上才能进行下一步的工作流程,下一步的工作流程如图1所示。
图1为本发明基于MODIS AOT产品数据与NCEP气象数据的遥感监测近地表细颗粒物质量浓度(PM2.5)多元回归方法流程图,如图1所示,基于MODIS AOT产品数据与NCEP气象数据的遥感监测近地表细颗粒物质量浓度(PM2.5)多元回归方法包括如下步骤:
S1.通过对MODIS AOT产品数据与近地表细颗粒物质量浓度(PM2.5)、NCEP气象数据的匹配处理产生大量样本数据,对样本数据进行统计分析确立遥感监测近地表细颗粒物质量浓度(PM2.5)的多元回归模型;
S2.对MODIS AOT产品数据做预处理:提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储;
S3.对NCEP气象数据进行预处理:将各气象因子反距离权重插值到S2中AOT的产品网格中,并以GeoTiff格式存储;
S4.将S2和S3中预处理后的AOT数据和各气象因子数据应用于S1中确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度(PM2.5)的结果。
其中,S1进一步包括如下步骤:
S1.1:获取一段时间内的MODIS AOT产品数据与地基监测近地表细颗粒物质量浓度(PM2.5)、气象数据,这些气象数据包括边界层高度、相对湿度、近地表气温、西风分量和南风分量;
S1.2:将S1.1中所获取的数据进行时空匹配,匹配的原则是空间上以近地表细颗粒物质量浓度PM2.5的地基PM监测站点为准,时间上以卫星过境时间为准。空间上:地基气象数据与近地表细颗粒物质量浓度(PM2.5)站点的匹配采用就近匹配,即采用与近地表细颗粒物质量浓度(PM2.5)站点最近的气象数据;MODIS AOT则采用以近地表细颗粒物质量浓度(PM2.5)站点为中心15km为半径的非零象元的均值,即PM站点为中心的3*3的象元的非零均值;对于NCEP资料的处理则是对离PM站点较近的四个格点进行反距离权重插值以作为该站点的NCEP资料数据。时间上:如果采用MODIS下午星AQUA(过境时间约为13:30)的AOD数据,那么地基近地表细颗粒物质量浓度(PM2.5)数据和气象数据采用13-14点值的平均,NCEP资料采用UTC-6点(北京时间14点)的数据。
S1.3:对S1.2中处理后的数据通过统计分析软件如SPSS进行统计分析,建立如公式(1)所示的遥感监测近地表细颗粒物质量浓度(PM2.5)的幂指函数形式的统计回归模型。
PM2.5=eγ0×AOTγ1×HPBLγ2×eγ3×RH+γ4×AT+γ5×U+γ6×V (1)
公式(1)中PM2.5是指地基监测的近地表细颗粒物质量浓度(PM2.5)质量浓度小时均值(单位为μg/m3),AOT是指波长0.55μm处的MODIS气溶胶光学厚度值(无单位),HPBL是指NCEP资料提取的边界层高度(单位km),RH为地基测量的近地表相对湿度(单位%),AT为地基测量的近地表气温(单位℃),U和V分别为西风分量和南风分量(单位m/s),γ0、γ1、γ2、γ3、γ4、γ5、γ6为公式(1)中相应参数的回归系数。
S1.4:S1.1-S1.3中所建立模型的系数为:
γ0=1.997、γ1=0.199、γ2=-0.502、γ3=0.04、γ4=0.039、γ5=0.060、γ6=0.064.
其中,S2进一步包括利用HEG软件从HDF格式的MODIS AOT产品数据提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储。
其中,S3进一步包括通过编写Mablab代码读取NCEP各气象因子数据及其地理信息,并将其反距离权重插值到S2中处理后的AOT产品网格中,并以GeoTiff格式存储;
其中,S4进一步包括编写Matlab代码读取S2和S3中预处理后的AOT数据和各气象因子数据并应用于S1中确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度(PM2.5)的结果。
上述MODIS AOT产品数据是指MODIS L4二级产品数据,分辨率为星下点10km,MODIS的全称为中分辨率成像光谱仪(MODerate rosolutionImaging Spectroradiometer),具有多光谱、宽覆盖和分辨率高等特点,搭载在TERRA和AQUA两颗卫星上,广泛用于大气气溶胶监测;NCEP气象数据是指美国国家环境预报中心(NCEP)/美国国家大气研究中心(NCAR)提供的FNL全球分析资料(Final Operational Global Analysis),资料空间分辨率为1.0°*1.0°,时间分辨率为6小时。
Claims (10)
1.遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,该方法具体为:
1)利用搭载在卫星上的中分辨率成像光谱仪对大气进行遥感监测,获得MODIS AOT产品数据与NCEP气象数据;
2)利用地基PM监测站点监测近地表细颗粒物质量浓度PM2.5;
3)通过对MODIS AOT产品数据与近地表细颗粒物质量浓度PM2.5、NCEP气象数据的匹配处理产生大量样本数据,对样本数据进行统计分析确立遥感监测近地表细颗粒物质量浓度PM2.5的多元回归模型;
4)对MODIS AOT产品数据做预处理:提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储;
5)对NCEP气象数据进行预处理:将各气象因子反距离权重插值到S2中AOT的产品网格中,并以GeoTiff格式存储;
6)将步骤4)和步骤5)中预处理后的AOT数据和各气象因子数据应用于步骤3)中确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度PM2.5的结果。
2.如权利要求1所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤3)包括以下步骤:
A)获取一段时间内的MODIS AOT产品数据与近地表细颗粒物质量浓度PM2.5、气象数据;
B)将步骤A)中所获取的数据进行时空匹配,匹配的原则是空间上以地基PM监测站点为准,时间上以卫星过境时间为准;
C)对步骤B)中处理后的数据通过统计分析软件进行统计分析,建立公式(1)所示的遥感监测近地表细颗粒物质量浓度PM2.5的幂指函数形式的统计回归模型:
PM2.5=eγ0×AOTγ1×HPBLγ2×eγ3×RH+γ4×AT+γ5×U+γ6×V (1),
公式(1)中PM2.5是指地基PM监测站点的近地表细颗粒物质量浓度PM2.5质量浓度小时均值,单位为μg/m3;AOT是指波长0.55μm处的MODIS气溶胶光学厚度值,HPBL是指NCEP资料提取的边界层高度,单位km;RH为地基测量的近地表相对湿度,单位%;AT为地基测量的近地表气温,单位℃;U和V分别为西风分量和南风分量,单位m/s;γ0、γ1、γ2、γ3、γ4、γ5、γ6为公式(1)中相应参数的回归系数。
3.如权利要求2所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述NCEP气象数据包括边界层高度、相对湿度、近地表气温、西风分量和南风分量;所述NCEP气象数据从美国国家大气研究中心管理的研究数据档案库中下载获得。
4.如权利要求2所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤B)中在空间上:地基气象数据与PM监测站点的匹配采用就近匹配,即采用与PM监测站点最近的气象数据;MODIS AOT则采用以PM监测站点为中心15km为半径的非零象元的均值,即PM监测站点为中心的3*3的象元的非零均值;对于NCEP资料的处理则是对离PM监测站点较近的四个格点进行反距离权重插值以作为该站点的NCEP资料数据。
5.如权利要求2所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤B)中在时间上:如果采用MODIS下午星AQUA的AOD数据,那么地基近地表细颗粒物质量浓度PM2.5数据和气象数据采用13-14点值的平均,NCEP资料采用UTC-6点的数据。
6.如权利要求2所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤C)中所建立统计回归模型的系数为:γ0=1.997、γ1=0.199、γ2=-0.502、γ3=0.04、γ4=0.039、γ5=0.060、γ6=0.064。
7.如权利要求1所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤4)具体为:利用HEG软件从HDF格式的MODIS AOT产品数据提取出波长550nm处AOT数据及其地理数据,并转成GeoTiff格式存储。
8.如权利要求1所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤5)具体为:通过编写Matlab代码读取NCEP各气象因子数据及其地理信息并将其反距离权重插值到S2中处理后的AOT产品网格中,并以GeoTiff格式存储。
9.如权利要求1所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述步骤6)具体为:编写Matlab代码读取步骤4)和步骤5)中预处理后的AOT数据和各气象因子数据并应用于步骤3)中确立的多元回归模型,得到遥感监测近地表细颗粒物质量浓度PM2.5的结果。
10.如权利要求1所述的遥感监测近地表细颗粒物质量浓度的多元回归方法,其特征在于,所述卫星包括TERRA、AQUA,所述MODIS AOT产品数据是指MODIS L4二级产品数据,分辨率为星下点10km;所述NCEP气象数据是FNL全球分析资料Final Operational Global Analysis,资料空间分辨率为1.0°*1.0°,时间分辨率为6小时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310689804.2A CN103674794B (zh) | 2013-12-16 | 2013-12-16 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310689804.2A CN103674794B (zh) | 2013-12-16 | 2013-12-16 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103674794A true CN103674794A (zh) | 2014-03-26 |
CN103674794B CN103674794B (zh) | 2016-06-01 |
Family
ID=50313011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310689804.2A Expired - Fee Related CN103674794B (zh) | 2013-12-16 | 2013-12-16 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103674794B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104280324A (zh) * | 2014-08-27 | 2015-01-14 | 北京市环境保护监测中心 | 利用卫星遥感监测近地面细颗粒物质量浓度的方法 |
CN104502241A (zh) * | 2014-05-14 | 2015-04-08 | 淮海工学院 | 基于gnss的雾霾监测与分析技术 |
CN104915551A (zh) * | 2015-05-23 | 2015-09-16 | 杭州电子科技大学 | 一种基于车载式数据采集技术的pm2.5浓度估算方法 |
CN105092575A (zh) * | 2014-04-22 | 2015-11-25 | 株式会社日立制作所 | 评估沙尘暴强度的方法和装置 |
CN105678085A (zh) * | 2016-01-12 | 2016-06-15 | 环境保护部卫星环境应用中心 | 一种pm2.5浓度的估算方法及系统 |
CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
CN106153510A (zh) * | 2015-03-25 | 2016-11-23 | 日本电气株式会社 | 大气污染物浓度的估算方法和装置 |
CN106407633A (zh) * | 2015-07-30 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 基于时空回归克里金模型估算地面pm2.5的方法及系统 |
CN106504210A (zh) * | 2016-10-28 | 2017-03-15 | 国网四川省电力公司电力科学研究院 | 一种modis影像数据缺失修复方法 |
CN106528997A (zh) * | 2016-10-28 | 2017-03-22 | 江苏天瑞仪器股份有限公司 | 一种绘制区域颗粒物小时浓度分布图的方法 |
CN106557580A (zh) * | 2016-11-29 | 2017-04-05 | 福建四创软件有限公司 | 基于网格化的精细化气象服务系统 |
CN108120661A (zh) * | 2017-12-19 | 2018-06-05 | 北京理工大学 | 一种城市空气中颗粒物含量时空分布测定方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108491667A (zh) * | 2018-04-13 | 2018-09-04 | 武汉大学 | 一种基于Himawar-8 AOD的PM2.5遥感监测反演方法 |
CN110095389A (zh) * | 2018-07-02 | 2019-08-06 | 杭州师范大学 | 一种短时间尺度内城市大气细颗粒物时空变异评价方法 |
CN110398446A (zh) * | 2019-08-01 | 2019-11-01 | 成都信息工程大学 | 一种结合aod和气象参数的pm2.5浓度拟合方法 |
CN110411919A (zh) * | 2019-08-02 | 2019-11-05 | 中国科学院遥感与数字地球研究所 | 一种基于卫星多光谱技术的pm2.5浓度遥感估算方法 |
CN110595960A (zh) * | 2019-08-02 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 一种基于机器学习的pm2.5浓度遥感估算方法 |
CN110595968A (zh) * | 2019-08-02 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 一种基于静止轨道卫星的pm2.5浓度估算方法 |
CN110907318A (zh) * | 2019-11-07 | 2020-03-24 | 中国科学院遥感与数字地球研究所 | 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法 |
CN111125937A (zh) * | 2020-01-13 | 2020-05-08 | 暨南大学 | 基于时空加权回归模型近地面大气细颗粒物浓度估算方法 |
CN111723524A (zh) * | 2020-06-23 | 2020-09-29 | 南通大学 | 一种基于日变化约束的pm2.5卫星遥感反演方法 |
CN112378828A (zh) * | 2020-12-11 | 2021-02-19 | 中科三清科技有限公司 | 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置 |
CN114397230A (zh) * | 2021-12-31 | 2022-04-26 | 中国科学院空天信息创新研究院 | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 |
CN115081557A (zh) * | 2022-08-22 | 2022-09-20 | 北华航天工业学院 | 基于地面监测数据的夜间气溶胶光学厚度估算方法和系统 |
CN115436570A (zh) * | 2022-08-25 | 2022-12-06 | 二十一世纪空间技术应用股份有限公司 | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655583A (zh) * | 2018-12-14 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种基于卫星遥感的大气环境地面监测站点布控组网方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11203443A (ja) * | 1998-01-19 | 1999-07-30 | Hitachi Ltd | マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 |
CN1710379A (zh) * | 2005-07-05 | 2005-12-21 | 华东师范大学 | 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法 |
CN101424741A (zh) * | 2008-12-08 | 2009-05-06 | 中国海洋大学 | 卫星遥感海雾特征量的实时提取方法 |
CN101504353A (zh) * | 2008-02-06 | 2009-08-12 | 香港科技大学 | 用于提供近地面悬浮颗粒物分布的方法和相应的系统 |
CN101900662A (zh) * | 2010-08-02 | 2010-12-01 | 山东大学 | 基于粒子系统的区域污染物浓度可视化方法 |
CN102103204A (zh) * | 2011-01-26 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的陆地气溶胶光学厚度反演方法 |
CN103234877A (zh) * | 2013-04-10 | 2013-08-07 | 中国科学院合肥物质科学研究院 | 一种大气颗粒物粒径谱时空分布激光雷达数据反演方法 |
CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
-
2013
- 2013-12-16 CN CN201310689804.2A patent/CN103674794B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11203443A (ja) * | 1998-01-19 | 1999-07-30 | Hitachi Ltd | マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 |
CN1710379A (zh) * | 2005-07-05 | 2005-12-21 | 华东师范大学 | 航空高光谱遥感反演边界层气溶胶光学厚度的大气校正法 |
CN101504353A (zh) * | 2008-02-06 | 2009-08-12 | 香港科技大学 | 用于提供近地面悬浮颗粒物分布的方法和相应的系统 |
CN101424741A (zh) * | 2008-12-08 | 2009-05-06 | 中国海洋大学 | 卫星遥感海雾特征量的实时提取方法 |
CN101900662A (zh) * | 2010-08-02 | 2010-12-01 | 山东大学 | 基于粒子系统的区域污染物浓度可视化方法 |
CN102103204A (zh) * | 2011-01-26 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的陆地气溶胶光学厚度反演方法 |
CN103234877A (zh) * | 2013-04-10 | 2013-08-07 | 中国科学院合肥物质科学研究院 | 一种大气颗粒物粒径谱时空分布激光雷达数据反演方法 |
CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
Non-Patent Citations (2)
Title |
---|
郑卓云 等: "高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究", 《环境科学学报》, vol. 31, no. 6, 30 June 2011 (2011-06-30), pages 1154 - 1161 * |
陶金花 等: "一种基于卫星遥感AOT估算近地面颗粒物的方法", 《中国科学:地球科学》, vol. 43, no. 1, 31 January 2013 (2013-01-31), pages 143 - 154 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105092575A (zh) * | 2014-04-22 | 2015-11-25 | 株式会社日立制作所 | 评估沙尘暴强度的方法和装置 |
CN104502241B (zh) * | 2014-05-14 | 2017-04-05 | 淮海工学院 | 基于gnss的雾霾监测与分析技术 |
CN104502241A (zh) * | 2014-05-14 | 2015-04-08 | 淮海工学院 | 基于gnss的雾霾监测与分析技术 |
CN104280324A (zh) * | 2014-08-27 | 2015-01-14 | 北京市环境保护监测中心 | 利用卫星遥感监测近地面细颗粒物质量浓度的方法 |
CN106153510B (zh) * | 2015-03-25 | 2019-06-21 | 日本电气株式会社 | 大气污染物浓度的估算方法和装置 |
CN106153510A (zh) * | 2015-03-25 | 2016-11-23 | 日本电气株式会社 | 大气污染物浓度的估算方法和装置 |
CN104915551A (zh) * | 2015-05-23 | 2015-09-16 | 杭州电子科技大学 | 一种基于车载式数据采集技术的pm2.5浓度估算方法 |
CN104915551B (zh) * | 2015-05-23 | 2017-12-05 | 杭州电子科技大学 | 一种基于车载式数据采集技术的pm2.5浓度估算方法 |
CN106407633A (zh) * | 2015-07-30 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 基于时空回归克里金模型估算地面pm2.5的方法及系统 |
CN106407633B (zh) * | 2015-07-30 | 2019-08-13 | 中国科学院遥感与数字地球研究所 | 基于时空回归克里金模型估算地面pm2.5的方法及系统 |
CN105678085A (zh) * | 2016-01-12 | 2016-06-15 | 环境保护部卫星环境应用中心 | 一种pm2.5浓度的估算方法及系统 |
CN105678085B (zh) * | 2016-01-12 | 2019-01-01 | 环境保护部卫星环境应用中心 | 一种pm2.5浓度的估算方法及系统 |
CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
CN106528997B (zh) * | 2016-10-28 | 2020-08-14 | 江苏天瑞仪器股份有限公司 | 一种绘制区域颗粒物小时浓度分布图的方法 |
CN106528997A (zh) * | 2016-10-28 | 2017-03-22 | 江苏天瑞仪器股份有限公司 | 一种绘制区域颗粒物小时浓度分布图的方法 |
CN106504210A (zh) * | 2016-10-28 | 2017-03-15 | 国网四川省电力公司电力科学研究院 | 一种modis影像数据缺失修复方法 |
CN106557580A (zh) * | 2016-11-29 | 2017-04-05 | 福建四创软件有限公司 | 基于网格化的精细化气象服务系统 |
CN108120661A (zh) * | 2017-12-19 | 2018-06-05 | 北京理工大学 | 一种城市空气中颗粒物含量时空分布测定方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108491667A (zh) * | 2018-04-13 | 2018-09-04 | 武汉大学 | 一种基于Himawar-8 AOD的PM2.5遥感监测反演方法 |
CN108491667B (zh) * | 2018-04-13 | 2021-11-26 | 武汉大学 | 一种基于Himawari-8 AOD的PM2.5遥感监测反演方法 |
CN110095389A (zh) * | 2018-07-02 | 2019-08-06 | 杭州师范大学 | 一种短时间尺度内城市大气细颗粒物时空变异评价方法 |
CN110398446A (zh) * | 2019-08-01 | 2019-11-01 | 成都信息工程大学 | 一种结合aod和气象参数的pm2.5浓度拟合方法 |
CN110595968A (zh) * | 2019-08-02 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 一种基于静止轨道卫星的pm2.5浓度估算方法 |
CN110411919A (zh) * | 2019-08-02 | 2019-11-05 | 中国科学院遥感与数字地球研究所 | 一种基于卫星多光谱技术的pm2.5浓度遥感估算方法 |
CN110595960A (zh) * | 2019-08-02 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 一种基于机器学习的pm2.5浓度遥感估算方法 |
CN110907318A (zh) * | 2019-11-07 | 2020-03-24 | 中国科学院遥感与数字地球研究所 | 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法 |
CN111125937B (zh) * | 2020-01-13 | 2023-05-02 | 暨南大学 | 基于时空加权回归模型近地面大气细颗粒物浓度估算方法 |
CN111125937A (zh) * | 2020-01-13 | 2020-05-08 | 暨南大学 | 基于时空加权回归模型近地面大气细颗粒物浓度估算方法 |
CN111723524A (zh) * | 2020-06-23 | 2020-09-29 | 南通大学 | 一种基于日变化约束的pm2.5卫星遥感反演方法 |
CN111723524B (zh) * | 2020-06-23 | 2024-01-30 | 南通大学 | 一种基于日变化约束的pm2.5卫星遥感反演方法 |
CN112378828A (zh) * | 2020-12-11 | 2021-02-19 | 中科三清科技有限公司 | 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置 |
CN112378828B (zh) * | 2020-12-11 | 2021-09-17 | 中科三清科技有限公司 | 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置 |
CN114397230A (zh) * | 2021-12-31 | 2022-04-26 | 中国科学院空天信息创新研究院 | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 |
CN115081557A (zh) * | 2022-08-22 | 2022-09-20 | 北华航天工业学院 | 基于地面监测数据的夜间气溶胶光学厚度估算方法和系统 |
CN115436570A (zh) * | 2022-08-25 | 2022-12-06 | 二十一世纪空间技术应用股份有限公司 | 一种基于多元数据的二氧化碳浓度遥感监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103674794B (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103674794A (zh) | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 | |
Yu et al. | Climatology of Asian dust activation and transport potential based on MISR satellite observations and trajectory analysis | |
Puliti et al. | Modelling above-ground biomass stock over Norway using national forest inventory data with ArcticDEM and Sentinel-2 data | |
Yan et al. | Urban land cover classification using airborne LiDAR data: A review | |
Willis et al. | Evidence for marine biogenic influence on summertime Arctic aerosol | |
Fierro et al. | Assimilation of flash extent data in the variational framework at convection-allowing scales: Proof-of-concept and evaluation for the short-term forecast of the 24 May 2011 tornado outbreak | |
Hoffmann et al. | Lagrangian transport simulations of volcanic sulfur dioxide emissions: Impact of meteorological data products | |
Kabir et al. | Vicarious methodologies to assess and improve the quality of the optical remote sensing images: A critical review | |
Gallo et al. | Hail swaths observed from satellite data and their relation to radar and surface-based observations: A case study from Iowa in 2009 | |
CN112378828A (zh) | 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置 | |
Huang et al. | Estimation of rooftop solar power potential by comparing solar radiation data and remote sensing data—a case study in Aichi, Japan | |
CN115330159A (zh) | 沙漠生态修复效果评价方法、装置、终端设备及存储介质 | |
Higuchi | Toward more integrated utilizations of geostationary satellite data for disaster management and risk mitigation | |
Gillan et al. | Innovations to expand drone data collection and analysis for rangeland monitoring | |
Zhao et al. | Important ice processes are missed by the Community Earth system model in Southern Ocean mixed‐phase clouds: Bridging SOCRATES observations to model developments | |
Yang et al. | Biophysical parameters retrieval of mangrove ecosystem using 3D point cloud descriptions from UAV photographs | |
Cao et al. | Investigating mangrove canopy phenology in coastal areas of China using time series Sentinel-1/2 images | |
Feng et al. | Vegetation-related dry deposition of global PM2. 5 from satellite observations | |
Mariani et al. | Evaluation of Arctic water vapor profile observations from a differential absorption lidar | |
Gueymard et al. | Surface albedo spatial variability in North America: Gridded data vs. local measurements | |
Gallucci et al. | Improvement of Hourly Surface Solar Irradiance Estimation Using MSG Rapid Scanning Service | |
Yin et al. | Full‐Tracking Algorithm for Convective Thunderstorm System From Initiation to Complete Dissipation | |
He et al. | Insights into Global Visibility Patterns: Spatiotemporal Distributions Revealed by Satellite Remote Sensing | |
Mollenhauer et al. | Ground Truth Validation of Sentinel-2 Data Using Mobile Wireless Ad Hoc Sensor Networks (MWSN) in Vegetation Stands | |
Kim et al. | Disaggregation of remotely sensed soil moisture under all sky condition using machine learning approach in Northeast Asia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160601 Termination date: 20191216 |
|
CF01 | Termination of patent right due to non-payment of annual fee |