多源感知数据融合的PM 2.5 深度学习估算与制图

发布时间：2024-03-30 18:26

　　细颗粒物PM_2.5是危害人类健康的主要空气污染物之一,对气候环境、生产生活产生极大影响,因此,获取精细时空分布的PM_2.5浓度数据在流行病学研究、环境监测与治理中具有重要意义。而传统地面观测站点分布稀疏不均,无法满足大范围连续监测。此外,近地面PM_2.5浓度影响因素的多样性和复杂的非线性关系,对精确估算与制图提出了挑战。针对这些问题,本文创新性地将社会感知数据与遥感数据等辅助变量相结合,联合自然因素与社会因素进行建模;同时,本文应用地理空间分析方法及遥感影像处理方法对多源感知数据进行有效的特征提取,借助深度学习模型来学习非线性关系,最终生成空间分辨率为0.01°的小时级PM_2.5浓度数据分布图。本文的主要工作及成果如下:(1)借助地理空间分析方法提取动态社会感知数据特征本文采取爬虫技术从腾讯位置大数据平台、四维交通指数服务平台分别抓取实时签到数据与交通指数数据;并针对此类抽象性较强的数据,借助缓冲区分析、核密度分析、空间插值等地理空间分析方法进行有效的特征提取,从而为PM_2.5...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
本论文创新点
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 大气PM_2.5感知技术研究进展
        1.2.2 大气PM_2.5估算方法研究现状
    1.3 研究思路与内容
        1.3.1 研究目标与内容
        1.3.2 技术路线
    1.4 论文安排与组织
第二章 大气PM_2.5估算与制图相关理论
    2.1 多源感知数据估算PM2.5概述
        2.1.1 社会感知数据环境应用理论
        2.1.2 气溶胶光学厚度反演PM_2.5理论
        2.1.3 气象数据辅助估算PM2.5

    2.2 大气PM2.5深度学习模型概述
        2.2.1 深度学习在PM_2.5估算中应用介绍
        2.2.2 深度置信网络模型基本知识
    本章小结
第三章 研究区域与多源数据
    3.1 研究区域
    3.2 多源感知数据
        3.2.1 PM_2.5浓度数据
        3.2.2 社会感知数据
        3.2.3 遥感数据
        3.2.4 辅助数据
    3.3 特征提取
        3.3.1 PM_2.5时空特征变量提取
        3.3.2 社会感知特征变量提取
        3.3.3 遥感特征变量及其他辅助变量提取
    3.4 时空格网匹配
    本章小结
第四章 城市PM_2.5深度学习估算与制图
    4.1 DBN模型构建
        4.1.1 预训练
        4.1.2 模型微调
        4.1.3 预测
    4.2 模型验证结果
        4.2.1 描述性统计
        4.2.2 定量评价结果
        4.2.3 制图评价结果
        4.2.4 其他城市数据集评价
    4.3 变量影响探究
        4.3.1 社会感知变量的影响分析
        4.3.2 气溶胶光学厚度变量的影响分析
    本章小结
第五章 总结与展望
    5.1 主要工作与总结
    5.2 存在问题与展望
        5.2.1 存在问题
        5.2.2 未来展望
参考文献
攻硕期间发表的与学位论文相关的科研成果目录
攻读硕士学位期间参与的课题情况
致谢



本文编号：3942764

suoshi