| 摘要: |
| 以长三角地区作为研究区域，提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据，使用雾霾层高度(HLH)替换了边界层高度(BLH)特征，对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率，对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算，模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。 |
|
(1.College of Optical Science and Engineering， Zhejiang University， Hangzhou 310027， Zhejiang， China;2.Shanghai Satellite Engineering Institute， Shanghai 200240， China)
|
