基于分布式感知深度神经网络的高分辨率PM2.5值估算
|
刘基伟, 闵素芹, 金梦迪
|
High resolution PM2.5 estimation based on the distributed perception deep neural network model
|
LIU Jiwei, MIN Suqin, JIN Mengdi
|
|
表1 2018年京津冀鲁地区所用特征
|
Tab. 1 Feature used in the Beijing-Tianjin-Hebei-Shandong region
|
|
类别 | 特征 | 单位 | 特征描述 | PM2.5特征 | PM2.5 | μg/m3 | 近地面细颗粒物空气动力学粒径小于等于2.5 μm的颗粒物质量浓度的全日平均值 | AOD特征 | AOD | | MODIS暗像元与深蓝算法融合提取0.55 μm处气溶胶光学厚度 | NDVI特征 | NDVI | | MODIS近红外波段反射值与红光波段反射值之差比上两者之和 | 气象特征 | 温度 | ℃ | 近地面空气气温的全日平均值 | | 体感温度[43] | ℃ | 人体所感受到的冷暖程度,转换成同等温度的全日平均值 | | 温差 | ℃ | 给定日期内近地面空气气温最大温差 | | 日间温差 | ℃ | 给定日期内白天时段近地面空气气温最大温差 | | 体感温差 | ℃ | 给定日期内体感气温最大温差 | | 日间体感温差 | ℃ | 给定日期内白天时段体感气温最大温差 | | 云量 | | 介于0和之间1的被云遮挡的天空百分比的全日平均值 | | 露点 | ℃ | 空气中所含的气态水达到饱和而凝结成液态水所需要降至的温度的全日平均值 | | 相对湿度 | | 近地面相对湿度的全日平均值 | | 日照长度 | h | 给定日期的日照长度 | | 能见度 | km | 平均能见度的全日平均值 | | 阵风速度 | m/s | 近地面的阵风速度的全日平均值 | | 风速 | m/s | 近地面的风速的全日平均值 | | 风速角 | ° | 以角度为单位的风的来向,取全日平均风向 | | 气压 | hPa | 面积上从海平面到大气上界空气柱的重量的全日平均值 | | 积雪强度 | cm | 积雪强度的全日平均值 | | 降雨强度 | cm/h | 降雨强度的全日平均值 | 时滞特征 | | | 滞后一日的气溶胶光学厚度、气温、云量、露点、相对湿度、 日照长度、能见度、风速、气压、积雪强度、降雨强度 | 空间标识 | 经纬度 | | 监测点站点经纬度 | 时间节点 | 月份 | | 给定日期所在月份 |
|
|
|