融合卫星与站点观测估算地面PM2.5：一种地理智能深度学习方法
大气与海洋物理
2018-01-31 v1
摘要
融合卫星观测与站点测量来估算地面PM2.5对于监测PM2.5污染具有前景。提出了一种地理智能方法，将地理相关性纳入智能深度学习架构，用于估算PM2.5。具体而言，它在深度信念网络（记为Geoi-DBN）中考虑地理距离和时空相关的PM2.5。Geoi-DBN能够从潜在因子中捕获与PM2.5相关的本质特征。使用中国2015年的数据对其进行训练和测试。结果表明Geoi-DBN表现显著优于传统神经网络。交叉验证R从0.63提升至0.94，RMSE从29.56降至13.68g/m3。基于推导出的PM2.5分布，预测超过80%的中国人口生活在年均PM2.5大于35g/m3的地区。本研究为大面积地理区域的空气污染监测提供了新视角。
引用
@article{arxiv.1707.03558,
title = {Estimating ground-level PM2.5 by fusing satellite and station observations: A geo-intelligent deep learning approach},
author = {Tongwen Li and Huanfeng Shen and Qiangqiang Yuan and Xuechen Zhang and Liangpei Zhang},
journal= {arXiv preprint arXiv:1707.03558},
year = {2018}
}
备注
4 figures, 1 table