[张贴报告]多源数据融合下PM2.5浓度估算模型及其时空分布研究

多源数据融合下PM2.5浓度估算模型及其时空分布研究
编号:4713 稿件编号:59 访问权限:仅限参会人 更新:2024-04-17 16:33:03 浏览:547次 张贴报告

报告开始:2024年05月18日 08:00 (Asia/Shanghai)

报告时间:1min

所在会议:[SP] 张贴报告专场 » [sp5] 主题5、环境科学

暂无文件

摘要
本研究利用2015年至2022年间的PM2.5地面监测月均值、NPP-VIRS卫星遥感数据、Landsat影像数据、ERA5气象数据以及DEM数据,构建了五种针对华东都市圈PM2.5浓度估算的预测模型,涉及随机森林、XGBR、长短期记忆网络(LSTM)、以及基于LSTM与随机森林和XGBR融合的LSTM-RF、LSTM-XGBR模型。通过严格的十折交叉验证,对这五类模型的预测精度进行了深入评估。根据最优模型选择标准及模型性能评价指标R2排序结果,发现LSTM-RF模型在估算精度上表现最佳,其次为LSTM-XGBR、随机森林、XGBR和纯LSTM模型。进一步探讨季节性和月份变化趋势时,发现LSTM-RF模型所估算的PM2.5浓度与实测数据之间的R2系数高达0.98,有力证实了该模型在PM2.5浓度估算上的高效性和可靠性。此外,基于2015至2022年的数据分析结果显示,PM2.5浓度呈现逐年下降的趋势,并具有显著的季节性特征,即冬季最高,随后依序为春季、秋季和夏季。从空间分布角度看,PM2.5浓度呈现出由北向南逐渐降低的规律性变化。
 
关键字
多源数据,长短期记忆网络,机器学习,PM2.5
报告人
赵澳欣
硕士研究生 河南理工大学

稿件作者
赵澳欣 河南理工大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 0592-2880181 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订