基于深度学习的日间逐小时地表PM2.5浓度反演

作者：徐成康; 陈斯婕; 董长哲; 徐文韬; 刘东^*

来源：上海航天(中英文）, 2023, 40(03): 46-75.

DOI：10.19328/j.cnki.2096-8655.2023.03.006

• PM2.5
• 遥感反演
• 雾霾边界层(HLH)
• 主被动结合
• 深度学习

以长三角地区作为研究区域，提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据，使用雾霾层高度(HLH)替换了边界层高度(BLH)特征，对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率，对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算，模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。

• 单位
  浙江大学; 上海卫星工程研究所