卫星多传感器 AOD 反演产品在数据级与决策级融合以改善 PM2.5 估算——以德黑兰为例
计算机视觉与模式识别
2023-02-22 v1 信号处理
摘要
估算直径小于 2.5 微米 (PM2.5) 的表层颗粒物浓度的技术之一是利用气溶胶光学厚度 (AOD) 产品。不同的 AOD 产品由各类卫星传感器（如 MODIS 和 VIIRS）通过多种算法（如 Deep Blue 和 Dark Target）反演得到。因此，它们不具备相同的精度和空间分辨率。此外，AOD 反演算法的弱点降低了产品的空间覆盖，尤其在多云或积雪区域。因此，本研究首次探讨了融合由 Deep Blue 和 Dark Target 算法反演的 MODIS 与 VIIRS 传感器观测 AOD 产品以更准确估算 PM2.5 的可能性。为此，采用机器学习算法通过数据级和决策级两种不同融合策略对 AOD 产品进行融合。首先，评估了各类机器学习算法利用 AOD 数据估算 PM2.5 的性能。之后，选用 XGBoost 算法作为所提融合策略的基模型。随后进行 AOD 产品融合。融合结果显示，数据级估算的 PM2.5 精度在 RMSE、MAE 和 R2 三项指标上均有所提升（R2=0.64）。尽管数据级融合方法简单且计算成本较低，但由于融合过程中剔除了低质量数据，空间覆盖未显著改善。随后，在十一种场景下进行了决策级产品融合。其中，融合 MODIS 与 VIIRS 传感器的 Deep Blue 产品取得了最佳结果（R2=0.81）。
引用
@article{arxiv.2302.10278,
title = {Data level and decision level fusion of satellite multi-sensor AOD retrievals for improving PM2.5 estimations, a study on Tehran},
author = {Ali Mirzaei and Hossein Bagheri and Mehran Sattari},
journal= {arXiv preprint arXiv:2302.10278},
year = {2023}
}
备注
Earth Sci Inform (2023)