大气污染遥感热点网格及智能监管平台
2024-02-05
多源数据融合
多源数据融合技术的主要优势在于可以获得多角度、多维度的数据信息，从而提高数据的准确性和可靠性。此外，这种技术还可以利用各种数据源之间的相互补充，弥补数据源之间的缺陷，从而提高了数据的完整性和可信度。多源数据融合技术的应用还可以提高环境监测的效率和精度，对于实现智慧城市、环境治理和预警等领域具有重要的意义。 平台对各类环境要素数据，进行同化--融合处理，实现了多源数据的自分类及组织关联，尤其对于时间序列数据与空间数据的融合和同化方面，实现了多时相同化、空间同化和融合校正，并最终实现“时 - 空 - 谱一体化融合”。在此过程中，采用神经网络算法对数据训练校准，对多源数据进行耦合研判分析。
空气质量预测预报
建立“机器学习+数值模式”的双预报引擎智能择优预报技术体系，以WRF-CMAQ、WRF-Chem大气模型为基础， 以多源数据融合和人工智能为核心技术， 融合资料同化、 多模式集合预报、 机器学习、 深度学习等先进技术， 自主研发了业内先进的空气质量预报预警系统，实现了多时间尺度 （短临-近期-中期-长期)、多空间尺度（区域、 城市、站点、网格）的预测预报。
星-地-模多模数据近实时遥感反演
近年来，空气污染问题已经成为全球面临的重要环保问题之一。为了更好地控制和治理空气污染，需要准确地了解和预报颗粒物浓度的时空分布情况，以便采取相应的管控和减排措施。颗粒物浓度是受多种因素影响的复杂系统变量，单纯依靠单一数据源的监测往往难以达到高精度、高分辨率、高空间覆盖的预测效果。因此，利用多源数据融合技术可以将来自不同数据源的信息进行整合，提高数据质量和可靠性，从而更准确地估算和反演颗粒物浓度的时空分布。多源数据融合技术是一种将多种数据源进行整合，提高数据质量和信息量的技术。在环境领域中，多源数据融合技术可以利用卫星观测、地面监测、数值模拟、气象再分析、排放源、社会经济、人口和道路等多种数据源，对大气颗粒物浓度进行估算与反演。这种技术使用了机器学习和深度学习等先进技术，通过对数据进行处理和分析，可以实现全国高精度、高分辨率、高空间覆盖的颗粒物浓度估算与反演。
基于多源数据，使用机器学习和深度学习方法对逐日地面颗粒物浓度进行估算；分辨率可达0.01°x0.01°；同时，使用多源AOD数据生成无缝AOD数据，再使用无缝AOD数据生成全国无缝颗粒物浓度，最终实现了利用基于AI技术的星-地-模多模数据近实时遥感反演方法，对环境质量相关的参数进行反演，提高了反演的效率和精度。
基于多源数据，使用机器学习和深度学习方法对逐日地面颗粒物浓度进行估算；分辨率可达0.01°x0.01°；同时，使用多源AOD数据生成无缝AOD数据，再使用无缝AOD数据生成全国无缝颗粒物浓度，最终实现了利用基于AI技术的星-地-模多模数据近实时遥感反演方法，对环境质量相关的参数进行反演，提高了反演的效率和精度。
京公网安备 11010502037899号