考虑地理时空异质性的气溶胶光学厚度插补方法.pdf
《考虑地理时空异质性的气溶胶光学厚度插补方法.pdf》由会员分享,可在线阅读,更多相关《考虑地理时空异质性的气溶胶光学厚度插补方法.pdf(8页珍藏版)》请在咨信网上搜索。
1、通过卫星遥感反演的气溶胶光学厚度,数据存在显著的覆盖缺失问题,而现有的插补方法对 的地理时空异质性考虑不足,严重影响了插补关系的时空建模可靠性。该文在集成学习模型的非线性关系拟合基础上,针对遥感 的地理时空异质性特点,从地理时空位置特征构建与插补关系建模两方面入手,提出一种考虑地理时空异质性的 插补方法。该方法结合了地理时空位置编码策略和极端梯度提升树模型,有效解决了地理时空位置特征变化不均匀和非线性关系建模的问题,并在 年中国区域日均 的 数据插补实验中取得了 的拟合精度,与地面实测数据的相关性达 ,表明该方法具有较高的插补精度及可靠性,可为空气污染的科学防治提供数据与方法支持。关键词:气溶
2、胶光学厚度();空气污染;时空插补;时空异质性;极端梯度提升树中图分类号:;文献标识码:文章编号:()引言城市化和工业化进程的不断推进导致交通、工业及生活废气大量排放,空气中悬浮的气溶胶细颗粒物(,)浓度不断上升,严重影响生态环境、人类健康及交通运输安全,从而引起全球对 空气污染问题的重点关注。因此,全面掌握气溶胶颗粒物的时空分布情况,对科学制定和实施空气污染防治措施具有重要意义,。传统多基于地基观测获取气溶胶空间分布,但由于地面监测站点在布设空间和数量上存在一定局限性,地基观测通常难以实现全覆盖且连续的气溶胶监测。遥感卫星具有覆盖范围广、时空分辨率高的优势,因此,众多研究利用暗目标、深蓝及多
3、角度大气校正(,)等算法对气溶胶光学厚度(,)进行反演,从而实现对大尺度范围气溶胶变化的持续监测,在很大程度上弥补了地基观测的不足,为空气污染物研究提供了重要特征因子,如利用 算法反演得到的 具有较高的精度及时空分辨率,广泛应用于空气质量评估与分析研究 。然而,受卫星轨道、天气条件和反演算法缺陷的影响,遥感 存在非随机性缺失问题,导致高分辨率 数据在我国的空间覆盖缺失率达到 以上,部分区域甚至超过 ,严重影响 等空气污染物评估的准确性,如在广州的空气污染物研究中,缺失导致的 估计差异可达 。通过时空插补可有效解决 覆盖缺失问题,目前常见的插补方式分为类:多源数据融合法,通过融合不同 产品以提高
4、数据覆盖率 ,但受单一产品覆盖率的影响,无法实现 全覆盖数据的生产;插值法,仅依靠单一已知变量进行关系建模与插值,可靠性较弱,无法适用于连续空白缺失区域的插补;多变量回归法,通过引入空间连续的关联特征变量,如边界层高度、降水量、气温、气压、风速、人口密度、地表覆盖类型及海拔等,通过机器学习等模型建立 与特征因子间的非线性回归关系 ,进而实现缺失位置的 估计,该类方法稳健、精度高,已成为主流的 时空插补方法。然而,白淑英等研究发现 年我国长江流域 在年月时间尺度下的空间分布及变化呈现出差异性;王安怡等研究发现 年我国四川盆地的 逐年月均值及年均值呈现出“梯形”和“”形的不同变化趋势,且 高低值分
5、布格局具有差异性,缘于自然和人为活动的共同作用,且关联要素对 的影响也呈现出明显 的时空异质性。众多研究表明,遥感 作为显著的地理过程现象,随地理时空位置的不同,其分布演变及影响机制存在一定的地理时空差异。因此,在遥感 插补回归关系建模中,需要考虑由地理时空位置关系不同所带来的异质性影响。但目前主流的多变量回归插补方法侧重于 与关联特征间的非线性关系,对 的地理时空异质性考虑不足,导致插补建模的地理时空泛化能力较弱。为提升回归插补方法的地理时空建模泛化能力及可靠性,现有插补回归关系建模中将 的地理时空位置坐标作为辅助特征,以捕捉不同时空位置下的关系变化情况。然而,以经纬度形式表达的地理空间坐标
6、存在变化不均匀问题,可能导致在度量空间位置变化时存在偏差,此外,时间位置坐标也无法直接度量 的周期性变化情况。因此,本文结合地理时空编码策略构建 位置特征,以解决位置特征变化不均匀的问题,并将构建的位置特征引入极端梯度提升树模型()中,从而在插补建模中考虑地理时空异质性及非线性的特征关系,最后对 进行插补生成日均 高分辨率的无缝数据,以期为遥感 研究与应用提供数据与方法支撑。地理时空编码策略地理对象的时空位置表达与特征构建是地理时空关系建模的基础,利用地理对象所处位置的不同表征插补关系的变化,可实现关系模型兼顾地理时空异质性,因此,地理时空位置特征的精准构建尤为关键。本文通过地理时空编码提取位
7、置信息并构建具有均匀性的位置特征,以实现对 地理时空位置变化情况的精准度量。地理空间编码地理经纬度坐标(极坐标)是球面坐标系(经纬网)下对地理要素空间位置的刻画,其数值变化不均匀,无法直接通过经纬度数值的变化对地理要素的位置或关系变化进行表征与度量。而笛卡尔坐标具有平滑均匀变化的特点,因此,本文通过地理空间编码(式()策略,将经纬度极坐标转换为三维直角坐标系下的笛卡尔坐标,以表征地理要素的位置特征(图),得到,范围内均匀变化的特征变量。犵犻犵狓 犻犵狔 犻犵熿燀燄燅狕 犻犚 犻 犻犚 犻犚 犻 熿燀燄燅犻()式中:犵犻为点犻的地理空间信息编码特征,犻为经度,犻为纬度,犚为地球半径,本文中设犚。
8、图 地理空间编码示意犉 犻 犵 犛 犮 犺 犲 犿 犪 狋 犻 犮 犱 犻 犪 犵 狉 犪 犿狅 犳 犵 犲 狅 狊 狆 犪 狋 犻 犪 犾 犲 狀 犮 狅 犱 犻 狀 犵 时间位置编码时间戳通常描述地理对象在某特定时刻的信息,然而,具体的日期变量无法准确表示两个对象间的时间间隔及变化性,也无法反映季节等周期性特征。如一年中的第一天和最后一天均在冬季,具有相同的季节模式,但两者时间戳变量不同。为解决该问题,本文采用时间编码方式将一年中的天数转换为笛卡尔坐标以获得时间编码特征(图)。基于时间编码的数学映射关系(式(),首先将一年中的第几天标准化到,然后经过正余弦变换得到圆形的时间编码特征,以减少
9、季节周期性的影响。狋犻狋狓 犻狋狔 犻 (犇犻犜)(犇犻犜)()式中:狋犻为点犻经时间信息编码后的特征,犇犻为该年的第几天,犜为该年的总天数。图 时间编码示意犉 犻 犵 犛 犮 犺 犲 犿 犪 狋 犻 犮犱 犻 犪 犵 狉 犪 犿狅 犳 狋 犲 犿 狆 狅 狉 犪 犾 犲 狀 犮 狅 犱 犻 狀 犵 地理时空极端梯度提升树模型 极端梯度提升树模型在时空插补中,关系模型对插补回归关系的拟合能力决定插补的精准度及可靠性。然而,受关联特征的耦合影响,插补回归关系通常呈现出复杂的非线性特点,导致简单的关系模型难以适用。集成学习(如极端梯度提升树模型 )通过集成多个基学习器的建模优势,提供了有效的建模方
10、式以解决此问题。是传统梯度提升决策树的改进模型,具有精度高、速度快、鲁棒性强等特点,可用于解决分类、回归等非线性关系建模问题,在较多领域得到广泛运用。的构建流程为:首先通过一颗初始 树对样本集的插补回归关系进行学习拟合,得到拟合值与实际值的残差,然后将残差页第地 理 与 地 理 信 息 科 学第 卷作为第二棵树建模拟合的目标值,最后,每次迭代增加树的过程,并对上一步的残差进行拟合,当集成模型达到设定的结构阈值时,终止添加新树。具体计算公式详见文献 。时空极端梯度提升树模型尽管传统的 通过集成学习方式实现了复杂非线性关系的拟合,但忽视了建模对象所具有的地理时空异质性,导致在地理时空建模中泛化能力
11、较弱。本文将地理时空编码后的位置特征引入 中,构建时空极端梯度提升树模型(,),结构如图所示。图 时空插补示意犉 犻 犵 犛 犮 犺 犲 犿 犪 狋 犻 犮 犱 犻 犪 犵 狉 犪 犿狅 犳 犛 犜 犡 犌 犅 犕犵 犪 狆 犳 犻 犾 犾 犻 狀 犵针对 建模中位置特征构建的核心步骤:首先,基于上述编码策略对 的地理空间位置坐标及时间戳坐标进行编码,以此构建点犻的绝对位置特征(犵犻、狋犻);其次,通过计算犵犻的余弦相似性实现对相对位置特征犵狉,犻的构建(式(),相比于传统利用投影距离构建犵狉,犻的方式,相似性计算方式可有效解决地理空间距离投影计算带来的误差问题。总体上,从相对位置与绝对位置两
12、个角度对地理时空位置关系进行全面的表达与度量,可有效提高地理时空关系建模的准确性及可靠性。犵狉,犻犱犻,犱犻,犱犻,犱犻,犱犻犱犻 犼狆(犵犻 狆犵犼 狆)狆(犵犻 狆)槡狆(犵犼 狆)槡烅烄烆()式中:犼为研究范围的个角点及中心点,即犼,狆为位置特征的维度。实验与分析本文插补对象为 算法反演的 ,属于 的 级产品,插补目标为中国区域 年日均 高分辨率的 ,实验包括多源遥感 数据的融合、基于不同模型的 插补和基于 的 插补三部分。实验区域与数据为增强插补关系建模的可靠性,选取 相关特征因素作为时空插补的特征关联因子(表),其中,将边界层高度()、降水量()、气温()、地表气压()、风速的东向分
13、量()、风速的北向分量()、植被指数()、地表覆盖()、高程()及人口密度()作为回归插补自变量,前个变量数据来源于 陆地再分析产品(:),后个变量数据来源于中国科学院资源环境科学数据中心(:);将 作为插补因变量;将研究插补范围内的 个全球气溶胶观测网(,)站点的监测数据作为多源遥感 融合精度及 插补精度的验证数据。表 实验数据信息描述犜 犪 犫 犾 犲 犇 犲 狊 犮 狉 犻 狆 狋 犻 狅 狀狅 犳 狋 犺 犲 狊 狋 狌 犱 狔犱 犪 狋 犪特征空间分辨率时间分辨率气溶胶光学厚度 边界层高度 降水量 气温 地表气压 风速的东向分量 ()风速的北向分量 ()归一化差异植被指数 地表覆盖
14、高程 人口密度 )自变量特征数据预处理。由于特征因子具有不同的数据格式及分辨率,本文将特征因子数据进行格式转换、范围裁剪、异常值去除、重投影、重采样及时空匹配后,生成与插补 时空相匹配的日均 分辨率的特征数据集。其中,由于 为类别特征,故采用地表覆盖物在全国区域内的覆盖率页第第期 周涛,黄波:考虑地理时空异质性的气溶胶光学厚度插补方法作为该类别的数值度量。)因变量 数据预处理。数据产品主要包括 及 波段数据,其中 波段为常用波段。因此,将 中 及 卫星的有效 波段数据进行融合预处理以提高覆盖率,具体流程为:首先剔除值大于的异常 数据,然后结合 质量标识选择满足 及 的 数据进行融合。融合后的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 考虑 地理 时空 异质性 气溶胶 光学 厚度 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。