基于随机森林的高分辨率PM2.5遥感反演——以广东省为例

• 作者: 刘军 申原 钱静 陈朝亮
• 来源期刊: 集成技术
• 学科: 农学
• 关键词: 随机森林 机器学习 PM2.5遥感反演 克里金插值 均方根误差
• 年，卷（期）: 2018,（3）
• 页码范围: 31-41
• 页数: 11页
• 分类号: S127
• 字数: 7706字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-3135.2018.03.004

摘要

细颗粒物(PM2.5)监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演PM2.5是常规地面观测的有效补充,是当前的研究热点.通常遥感反演PM2.5的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演PM2.5.该方法容易造成误差传递,从而导致反演模型的不稳定.该文提出了一种基于随机森林算法(一种机器学习算法)的PM2.5遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地面实测PM2.5的关系,可以避免传统反演PM2.5时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的PM2.5反演结果.该方法先用随机森林算法对MODIS影像和经过克里金插值后的地面监测站PM2.5数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅MODIS影像,得到整个区域的PM2.5反演结果.实验选取了广东省四个季节多幅MODIS影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘军	中国科学院深圳先进技术研究院	83	734	15.0	24.0
2	钱静	中国科学院深圳先进技术研究院	30	266	9.0	16.0
3	陈朝亮	中国科学院深圳先进技术研究院	2	4	1.0	2.0
4	申原	中国科学院深圳先进技术研究院	1	3	1.0	1.0