(19)中华 人民共和国 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 202111642878.1 (22)申请日 2021.12.2 9 (71)申请人 中国科学院空天信息创新研究院 地址 100094 北京市海淀区邓庄南路9号 (72)发明人 王大成　池天河　姚晓婧　 (74)专利代理 机构 北京远创理想知识产权代理 事务所(普通 合伙) 11513 代理人 卫安乐 (51)Int.Cl. G01N 15/06(2006.01) G01N 21/17(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于卫星遥感的近地面颗粒物浓度估算方 法、 装置和设备 (57)摘要 本发明涉及一种基于卫星遥感的近地面颗 粒物浓度估算方法， 包括获取目标监控区域的卫 星遥感数据， 并对卫星遥感数据进行反演计算， 得到目标监控区域的气溶胶光学厚度； 获取目标 监控区域处的环境影响因子数据； 将目标气溶胶 光学厚度和所述环境影响因子数据作为已训练 的颗粒物浓度模 型的输入， 得到目标监控区域的 近地面颗粒物浓度估算结果， 其中， 颗粒物浓度 模型是基于长短期记忆神经网络与高斯过程回 归的混合模型LS TM‑GPR建立的。 本发明可以提供 广阔范围内的近地面颗粒物的区域分布， 在污染 物监测、 污染事件的确定、 污染源解析 以及污染 物的区域输送方面有广泛的应用。 本发明还涉及 一种基于卫星遥感的近地面颗粒物浓度估算方 法装置和设备。 权利要求书2页 说明书6页 附图1页 CN 114414446 A 2022.04.29 CN 114414446 A 1.一种基于卫星遥感的近地 面颗粒物浓度估算方法， 其特 征在于， 所述方法包括： 获取目标监控区域的卫星遥感数据， 并对所述卫星遥感数据进行反演计算， 得到所述 目标监控区域的气溶胶光学厚度； 获取所述目标监控区域处的环境影响因子数据； 将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型 的输入， 得到所述目标监控区域的近地面颗粒物浓度估算结果， 其中， 所述颗粒物浓度模型 是基于长短期记 忆神经网络与高斯过程回归的混合模型LSTM ‑GPR建立的。 2.根据权利要求1所述的基于卫星遥感的近地面颗粒物浓度估算方法， 其特征在于， 所 述将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的 输入， 得到所述目标监控区域的近地 面颗粒物浓度估算结果， 具体包括： 将所述环境影响因子数据进行归一 化处理； 将归一化处理后的所述环境影响因子数据作为所述长短期记忆神经网络的输入变量， 近地面颗粒物浓度预测值作为输出变量； 由所述长短期记忆神经网络得到的近地面颗粒物浓度预测值作为高斯过程回归模型 GPR的输入变量， 所述目标监控区域的近地 面颗粒物浓度估算结果作为GPR的输出变量。 3.根据权利要求2所述的基于卫星遥感的近地面颗粒物浓度估算方法， 其特征在于， 所 述将所述环境影响因子数据进行归一 化处理， 具体包括： 通过Min‑Max函数对所述环境影响因子数据进行归一 化处理。 4.根据权利要求1所述的基于卫星遥感的近地面颗粒物浓度估算方法， 其特征在于， 所 述获取所述目标监控区域处的环境影响因子数据， 具体包括： 获取所述目标监控区域的环境影响因子数据， 所述环境影响因子数据包括污染排放影 响因子数据， 气象影响因子数据和地理影响因子数据； 其中， 所述污染排放影响因子数据包括所述目标监控区域的污染工业数量、 公路分布 状况和人口密度分布状况； 所述地理影响因子包括所述目标监控区域的地形坡度和地表 覆盖类型。 5.根据权利要求1所述的基于卫星遥感的近地面颗粒物浓度估算方法， 其特征在于， 所 述颗粒物浓度模型 具体是通过以下 方法建立： 建立基于 长短期记 忆神经网络与高斯过程回归的混合模型LSTM ‑GPR； 利用由归一化处理后的历史环境影响因子数据和实际近地面颗粒物浓度值组成的训 练数据集训练LSTM； 将所述训练数据集中的归一化处理后的历史环境影响因子数据输入训练好的所述 LSTM， 得到所述训练数据集的近地 面颗粒物浓度预测值； 将所述近地面颗粒物浓度预测值作为GPR模型的输入， 与所述近地面颗粒物浓度预测 值相对的实际近地面颗粒物浓度值作为所述GPR模 型的输出训练GPR， 得到所述颗粒物浓度 模型。 6.一种基于卫星遥感的近地 面颗粒物浓度估算装置， 其特 征在于， 所述装置包括： 第一采集模块， 用于获取目标监控区域的卫星遥感数据， 并对所述卫星遥感数据进行 反演计算， 得到所述目标监控区域的气溶胶光学厚度； 第二采集模块， 用于获取 所述目标监控区域处的环境影响因子数据；权　利　要　求　书 1/2 页 2 CN 114414446 A 2估算模块， 用于将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗 粒物浓度模型的输入， 得到所述目标监控区域的近地面颗粒物浓度估算结果， 其中， 所述颗 粒物浓度模型 是基于长短期记 忆神经网络与高斯过程回归的混合模型LSTM ‑GPR建立的。 7.根据权利要求6所述的基于卫星遥感的近地面颗粒物浓度估算装置， 其特征在于， 所 述估算模块， 具体用于将所述环境影响因子数据进行归一 化处理； 将归一化处理后的所述环境影响因子数据作为所述长短期记忆神经网络的输入变量， 近地面颗粒物浓度预测值作为输出变量； 由所述长短期记忆神经网络得到的近地面颗粒物浓度预测值作为高斯过程回归模型 GPR的输入变量， 所述目标监控区域的近地 面颗粒物浓度估算结果作为GPR的输出变量。 8.根据权利要求7所述的基于卫星遥感的近地面颗粒物浓度估算装置， 其特征在于， 所 述第二采集模块， 具体用于通过Mi n‑Max函数对所述环境影响因子数据进行归一 化处理。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现权利要求1 ‑5中任一项所述的基于卫星遥感的近地面颗粒物浓度估算方法的步 骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至5中任一项所述的基 于卫星遥感的近地 面颗粒物浓度估算方法的步骤。权　利　要　求　书 2/2 页 3 CN 114414446 A 3