(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211002918.0 (22)申请日 2022.08.22 (71)申请人 北华航天工业学院 地址 065000 河北省廊坊市 爱民东道13 3号 (72)发明人 张文豪　唐健雄　马宇　顾行发　 刘其悦　张丽丽　徐娜　余涛　 金永涛　 (74)专利代理 机构 北京合创致信专利代理有限 公司 16127 专利代理师 刘素霞 (51)Int.Cl. G06K 9/62(2022.01) G06N 5/00(2006.01) G06N 20/00(2019.01) (54)发明名称 基于地面监测数据的夜间气溶胶光学厚度 估算方法和系统 (57)摘要 本申请涉及测试悬浮颗粒的浓度技术领域， 提供了一种基于地面监测数据的夜间气溶胶光 学厚度估算方法和系统。 该方法包括： 获取气溶 胶光学厚度AOD数据和地面站点监测PM2.5数据， 从逐小时的气象数据中提取气象因子， 然后对气 溶胶光学厚度AOD数据、 气象因子和地面站点监 测PM2.5数据进行时空匹配， 得到随机森林模型的 样本集； 接着， 使用 样本集对随机森林模型进行 训练， 并基于训练好的随机森 林模型进行训练对 夜间AOD进行估算。 如此， 利用全天逐小时地面站 点监测PM2.5数据， 结合气象因子， 基于随机森林 模型快速估 算夜间AOD， 有效地填补夜间AOD监测 数据的缺失， 提升了夜间AOD遥感估算的准确性 和时空连续观测能力。 权利要求书2页 说明书10页 附图2页 CN 115081557 A 2022.09.20 CN 115081557 A 1.一种基于地 面监测数据的夜间气溶胶光学厚度估算方法， 其特 征在于， 包括： 获取气溶胶光学厚度AOD数据、 气象数据和地面站点监测PM2.5数据； 其中， 所述AOD数 据、 所述气象数据和所述 地面站点监测PM2.5数据的时间分辨 率均为1小时； 基于所述气象数据， 提取气象因子； 所述气象因子包括地表边界层高度、 地表压强、 地 表绝对湿度、 地表北风 风速、 地表东 风风速、 地表温度； 以所述地面站点监测 PM2.5数据为基准， 分别对所述AOD数据、 所述气象因子进行 时空匹 配， 对应得到第二AOD数据、 第二气象因子； 其中， 所述第二气象因子、 所述第二AOD数据与所 述地面站点监测PM2.5数据为具有同一时空尺度的数据； 基于所述 地面站点监测PM2.5数据、 所述第二气象因子、 所述第二AOD数据构建样本集； 基于所述样本集对预 先构建的随机森林模型进行训练， 得到训练好的随机森林模型； 基于所述训练好的随机森林模型， 对所述地面站点的夜间AOD进行估算， 得到夜间AOD 估算结果。 2.根据权利要求1所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 其特征 在于， 所述以所述地面站点监测PM2.5数据为基准， 分别对所述AOD数据、 所述气象因子进行 时空匹配， 对应得到第二AOD数据、 第二气象因子， 具体为： 基于所述AOD数据， 对所述气象因子进行空间重采样， 得到与所述AOD数据的空间分辨 率一致的第三气象因子； 以所述地面站点监测 PM2.5数据为基准， 分别对所述AOD数据、 所述第三气象因子进行 时 空匹配， 得到所述第二AOD数据、 所述第二气象因子 。 3.根据权利要求1所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 其特征 在于， 所述基于所述样本集对预先构建的随机森林模型进行训练， 得到训练好的随机森林 模型， 具体为： 对所述样本集进行随机扰动； 将随机扰动后的所述样本集中的所述第二AOD数据作为因变量、 随机扰动后的所述样 本集中的所述第二气象因子和所述地面站点监测PM2.5数据为自变量输入到所述预先构建 的随机森林模型， 以对所述预先构建的随机森林模型进行训练， 得到训练好的随机森林模 型。 4.根据权利要求3所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 其特征 在于， 所述对所述预先构建的随机森林模型进行训练， 得到训练好的随机森林模型， 具体 为： 对所述预 先构建的随机森林模型进行训练； 基于10倍交叉检验法， 以相关系数和均方根误差为评价指标， 对所述预先构建的随机 森林模型的训练过程进行评估， 得到 评估结果； 基于所述评估结果， 确定所述训练好的随机森林模型。 5.根据权利要求3所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 其特征 在于， 所述训练好的随机森林模型为： 式中，AOD表示所述气溶胶光学厚度的预测值； PM2.5表示地面站点监测 PM2.5数据；PBLH权　利　要　求　书 1/2 页 2 CN 115081557 A 2表示地表边界层高度； PS表示地表压强； QLML表示地表绝对湿度； TLML表示地表温度； ULML 表示地表东风风速；VLML表示地表北风 风速。 6.根据权利要求3所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 其特征 在于， 所述训练好的随机森林模型的决策树的个数为20 0。 7.根据权利要求3所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 其特征 在于， 所述训练好的随机森林模型的决策树的最大深度为20 。 8.根据权利要求1所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 在基于 所述训练好的随机森林模型， 对所述地面站点的夜间AOD进行估算， 得到夜间AOD估算结果 之后， 所述方法还 包括： 基于AERONET站点的实测数据， 对所述夜间AOD估算结果进行验证。 9.根据权利要求8所述的基于地面监测数据的夜间气溶胶光学厚度估算方法， 所述基 于AERONET站点的实测数据， 对所述夜间AOD估算结果进行验证， 具体为： 按经纬度逐个站点计算所述AERONET站点与所述地面站点之间的欧氏距离， 以确定欧 氏距离最短时对应的所述AERONET站点和所述 地面站点； 将欧氏距离最短时对应的所述地面站点的所述夜间AOD估算结果与欧氏距离最短时对 应的所述AERONET站点的实测数据进行对比分析， 以对所述夜间AOD估算结果进行验证。 10.一种基于地 面监测数据的夜间气溶胶光学厚度估算系统， 其特 征在于， 包括： 数据获取单元， 配置为获取气溶胶光学厚度AOD数据、 气象数据和地面站点监测 PM2.5数 据； 提取单元， 配置为基于所述气象数据， 提取气象因子； 其中， 所述AOD数据、 所述气象数 据和所述 地面站点监测PM2.5数据的时间分辨 率均为1小时； 时空匹配单元， 配置为以所述地面站点监测PM2.5数据为基准， 分别对所述AOD数据、 所 述气象因子进行时空匹配， 对应得到第二AOD数据、 第二气象因子； 其中， 所述第二气象因 子、 所述第二AOD数据与所述 地面站点监测PM2.5数据为具有同一时空尺度的数据； 样本构建单元， 配置为基于所述地面站点监测 PM2.5数据、 所述第二气象因子、 所述第二 AOD数据构建样本集； 训练单元， 配置为基于所述样本集对预先构建的随机森林模型进行训练， 得到训练好 的随机森林模型； 估算单元， 配置为基于所述训练好的随机森林模型， 对所述地面站点的夜间AOD进行估 算， 得到夜间AOD估算结果。权　利　要　求　书 2/2 页 3 CN 115081557 A 3