公开(公告)号：CN110287455A

公开(公告)日：2019-09-27

申请号：CN201910451339.6

申请日：2019-05-28

Applicant: 武汉大学

Inventor： 沈焕锋 ,  周曼 ,  李同文 ,  袁强强

IPC: G06F17/18 ,  G01N15/06

Abstract: 本发明公开一种结合遥感数据与社会感知数据的PM2.5深度学习反演方法，包括：对地面站点PM2.5数据、遥感数据、社会感知数据及辅助数据进行预处理；使用地学空间统计及分析方法、遥感信息处理手段对多源数据进行特征变量提取与计算；采用格网化方式对多源数据进行时空匹配，有地面站点真值的格网将作为训练样本，生成时空统一的多源数据集；将有站点PM2.5真值的格网数据集归一化后输入到深度学习模型中进行训练，验证通过后通过该模型对未知格网PM2.5浓度进行反演；对反演结果进行精细PM2.5时空分布制图。本发明使用深度学习技术可有效挖掘多源信息，弥补了传统统计模型在非线性问题中的不足，得到较高的反演精度和较为精细的时空PM2.5分布。

公开(公告)号：CN105512464B

公开(公告)日：2018-01-23

申请号：CN201510849327.0

申请日：2015-11-26

Applicant: 武汉大学

Inventor： 沈焕锋 ,  李同文

IPC: G06F19/00

Abstract: 本发明公开了一种结合卫星和站点观测反演时空连续PM2.5浓度的方法，首先对地面站点PM2.5数据进行空间插值，得到各个位置在时间上的变化规律；然后利用参考时刻的卫星反演PM2.5数据，以及对应时段的站点插值结果的变化趋势，重建得到待修复时刻的估算值；最后构建待修复时刻未缺失区和对应位置的上述估算值的回归关系，并基于此关系对缺失区的估算值进行校正，得到最终的恢复值。本发明考虑到多源数据的时间变化规律与联系，可重建得到时空连续的PM2.5浓度数据，并最大化地利用地面站点观测。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。

公开(公告)号：CN105512464A

公开(公告)日：2016-04-20

申请号：CN201510849327.0

申请日：2015-11-26

Applicant: 武汉大学

Inventor： 沈焕锋 ,  李同文

IPC: G06F19/00

CPC classification number: G06F19/00

Abstract: 本发明公开了一种结合卫星和站点观测反演时空连续PM2.5浓度的方法，首先对地面站点PM2.5数据进行空间插值，得到各个位置在时间上的变化规律；然后利用参考时刻的卫星反演PM2.5数据，以及对应时段的站点插值结果的变化趋势，重建得到待修复时刻的估算值；最后构建待修复时刻未缺失区和对应位置的上述估算值的回归关系，并基于此关系对缺失区的估算值进行校正，得到最终的恢复值。本发明考虑到多源数据的时间变化规律与联系，可重建得到时空连续的PM2.5浓度数据，并最大化地利用地面站点观测。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。