利用深度学习直接从卫星大气顶反射率估算区域地面 PM2.5
大气与海洋物理
2019-02-28 v2
摘要
几乎所有遥感大气 PM2.5 估算方法都需要卫星气溶胶光学厚度(AOD)产品，这类产品通常经由大气辐射传输模型从大气顶(TOA)反射率反演得到。那么，是否可能在无需物理模型的情况下直接从卫星 TOA 反射率估算地面 PM2.5？在本研究中，这一具有挑战性的工作基于机器学习模型得以实现。具体而言，我们在深度学习架构（记为 Ref-PM 建模）中建立了 PM2.5、卫星 TOA 反射率、观测角度与气象因子之间的关系。以武汉城市圈(WUA)为例，结果表明与 AOD-PM 建模相比，Ref-PM 建模获得了具有竞争力的性能，其样本外交叉验证 R2 与 RMSE 值分别为 0.87 和 9.89 ug/m3。此外，由 TOA 反射率反演得到的 PM2.5 比由 AOD 反演得到的 PM2.5 具有更精细的分辨率和更大的空间覆盖。该工作更新了遥感 PM2.5 估算的传统认知，并有望推动其在大气环境监测中的应用。
引用
@article{arxiv.1709.05912,
title = {Estimating regional ground-level PM2.5 directly from satellite top-of-atmosphere reflectance using deep learning},
author = {Huanfeng Shen and Tongwen Li and Qiangqiang Yuan and Liangpei Zhang},
journal= {arXiv preprint arXiv:1709.05912},
year = {2019}
}
备注
This paper is under review