期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Sentinel-5P卫星反演京津冀地区近地面NO_(2)浓度研究 被引量：3
1
作者 周刚 徐彬仁 +3 位作者 徐炜达 程文晨 尹文君 王凌 《环境科学研究》 CAS CSCD 北大核心 2024年第6期1223-1231,共9页
为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多... 为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多源地理要素的“自上而下”近地面NO_(2)浓度遥感估算方法,综合分析随机森林模型(RF)、极致梯度提升树模型(XGBoost)和轻型梯度提升树模型(LightGBM)的性能,基于3种树模型对2019−2020年京津冀地区近地面NO_(2)浓度进行反演,并采用十折交叉验证方法分别对3种模型在近地面NO_(2)浓度预测中的精度差异与稳定性进行了检验比较,利用拟合优度(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行精度评价,最终选取XGBoost以实现京津冀地区卫星近地面NO_(2)浓度的高效分析预测(R2=0.85,RMSE=6.61μg/m^(3),MAE=2.09μg/m^(3)),在此基础上,从季度、年份等时间尺度对近地面NO_(2)浓度进行空间分析。结果表明:①由于2020年新型冠状病毒感染疫情反弹带来的人类生产活动和出行活动的大量减少,2019年近地面NO_(2)浓度(13.96μg/m^(3))比2020年(13.04μg/m^(3))整体偏高。②近地面NO_(2)浓度具有明显的季节性变化特征,春、夏两季由于大气扩散条件较好,近地面NO_(2)浓度相对较低,在冬季达到全年峰值。③基于SHAP值(沙普利加性解释法)方法对模型特征进行空间分析,并定量研究每个特征对模型的正负贡献程度,其中,对流层NO_(2)柱浓度对预测近地面NO_(2)浓度起到主要促进作用,大气边界层高度对预测近地面NO_(2)浓度起到抑制作用,另外太阳直射辐射、人口密度、地表温度及降水量等指标均对预测近地面NO_(2)浓度有明显影响。研究显示,XGBoost能够更加稳定和准确地预测卫星近地面NO_(2)浓度,为准确识别近地面NO_(2)浓度时空分布特征提供新的手段,可在一定程度上突破现阶段NO_(2)地面监测稀疏的空间局限以及卫星对流层NO_(2)柱浓度代表性不足的缺陷。 展开更多
关键词 NO_(2) TROPOMI 机器学习 XGBoost SHAP值
在线阅读 下载PDF
基于卫星数据的中国东部地区近地面PM_(2.5)浓度预估及时空分布研究
2
作者 周刚 徐彬仁 +4 位作者 尹文君 陈玮 徐炜达 田启明 王凌 《中国环境监测》 CSCD 北大核心 2024年第S1期125-135,共11页
针对近地面PM_(2.5)浓度空间分布估算问题,融合卫星气溶胶遥感数据以及气象、地形、植被等方面的辅助数据,利用随机森林模型实现了对2018—2020年中国东部地区(33°N~43°N,110°E~120°E)近地面PM_(2.5)质量浓度空间... 针对近地面PM_(2.5)浓度空间分布估算问题,融合卫星气溶胶遥感数据以及气象、地形、植被等方面的辅助数据,利用随机森林模型实现了对2018—2020年中国东部地区(33°N~43°N,110°E~120°E)近地面PM_(2.5)质量浓度空间分布特征的分析。分析结果显示:(1)在10 km空间分辨率下,PM_(2.5)浓度的模型预估结果与地面站点实际观测结果吻合度高,其中决定系数(R^(2))为0.84,均方根误差(RMSE)为16.35μg/m^(3),平均绝对误差(MAE)为3.17μg/m^(3)。(2)模型月度预估数据的整体拟合度优于日度预估数据,其中R^(2)为0.87,RMSE为10.17μg/m^(3),MAE为2.54μg/m^(3)。(3)研究区PM_(2.5)浓度分布存在明显的季节性空间差异,不同季节预估结果的R^(2)排序为秋季(0.82)=冬季(0.82)>春季(0.80)>夏季(0.66),其中冬季空气质量最差(PM_(2.5)浓度预估均值为70.50μg/m^(3)),夏季空气质量最好(PM_(2.5)浓度预估均值为25.86μg/m^(3))。(4)2018—2020年,研究区PM_(2.5)浓度逐年下降,各年度预估均值分别为46.72、43.14、37.91μg/m^(3)。研究结果表明,基于随机森林的PM_(2.5)浓度估算及时空分布研究方法可以有效融合卫星气溶胶遥感数据以及辅助数据,实现对不同时间尺度近地面PM_(2.5)浓度的高效预估,为近地面PM_(2.5)浓度时空分布特征准确识别提供新的手段。 展开更多
关键词 气溶胶光学厚度(AOD) 细颗粒物 随机森林 卫星遥感 时空匹配
在线阅读 下载PDF
基于随机森林算法对青藏高原TRMM降水数据进行空间统计降尺度研究 被引量：17
3
作者 徐彬仁 魏瑗瑗 《国土资源遥感》 CSCD 北大核心 2018年第3期181-188,共8页
提高气象数据空间分辨率对水文、气象和生态等领域的流域尺度研究至关重要。青藏高原气候变化在全球气候研究中占有重要的位置,并且对局域降水分布的研究在大气科学中处于基础地位。为获取青藏高原地区准确、有效、更高空间分辨率的降... 提高气象数据空间分辨率对水文、气象和生态等领域的流域尺度研究至关重要。青藏高原气候变化在全球气候研究中占有重要的位置,并且对局域降水分布的研究在大气科学中处于基础地位。为获取青藏高原地区准确、有效、更高空间分辨率的降水数据,基于随机森林算法,引入植被和地形因子,采用热带降水测量计划卫星(Tropical Rainfall Measuring Mission,TRMM) 3B43降水数据(0. 25°×0. 25°)、NOAA-AVHRR归一化植被数(normalized difference vegetation index,NDVI)数据(8 km×8 km)、航天飞机雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)数字高程模型(digital elevation model,DEM)数据(90 m×90 m)以及经纬度信息,建立了非线性空间统计降尺度模型,最终获得8 km分辨率降水降尺度结果。另外,采用将时间序列分析和非线性回归分析融合的方法,基于2000—2012年TRMM年均降水数据和NDVI数据,建立降水量时间尺度预测模型。分析结果表明,综合考虑植被和地形因子对青藏高原地区降水空间分布的影响,基于随机森林算法建立的降尺度模型,其降尺度结果与地面站点测量值拟合系数为0. 89,高于TRMM数据与地面站点测量值的拟合系数0. 81,说明降尺度结果提高了卫星遥感降水数据的空间分辨率。另外,降水预测模型能够较好地描述青藏高原地区的年际降水变化趋势和数量级,2006—2012年的预测降水量与TRMM降水数据拟合系数均高于0. 80。 展开更多
关键词 青藏高原 降水量 降尺度 预测 随机森林 时间序列
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部