好文推荐丨利用时空—光梯度推进机估算中国PM2.5污染日变化《遥感学报》

图片来源网络

PM2.5作为一个重要的大气环境参数，能对人体健康产生重要影响。现有PM2.5产品大多来自太阳同步轨道卫星，它们的重访周期较长（每天一到两次观测），无法满足空气污染实时监测的要求。

马里兰大学韦晶博士、李占清教授及合作者发表论文"Himawari-8-derived diurnal variations in ground-level PM2.5 pollution across China using the fast space-time Light Gradient Boosting Machine (LightGBM)"，提出一种快速、高效的时空-光梯度推进机模型，融合地基观测、卫星遥感、大气再分析和模式模拟等大数据，估算得到中国5公里逐小时PM2.5数据（即ChinaHighPM2.5），分析了中国PM2.5污染的日变化。

温馨提示：文末有数据集下载地址，免费开放获取呦！

研究背景

PM2.5受到自然和人为因素的影响，通常具有很强的日变化，这些信息有助于人们了解空气污染形成的原因以及人们如何对其作出适应和调整，例如，人们如果知道白天什么时候会发生重污染，就可以相应地调整户外活动时间等。因此，本研究利用新一代地球静止气象卫星Himawari-8/AHI气溶胶产品估算和记录PM2.5污染的日变化，针对其数据量巨大的特点，提出一种快速的时空-光梯度推进机（STLG）模型，估算得到中国5公里逐小时PM2.5数据。

数据源

PM2.5地基观测数据

Himawari-8 AOD产品

ERA5气象再分析数据

MEIC排放清单

NDVI、DEM及人口等遥感产品

研究方法

时空-光梯度推进机（STLG）模型示意图

基于梯度提升决策树思想和微软开发的光梯度推进机（LightGBM）框架，通过考虑大气污染的时空变化特性，扩展了一种全新的时空-光梯度推进机（STLG）模型，应用于地球大数据，反演近地表PM2.5浓度。LightGBM是一种快速、分布式、高效的方法，能够解决传统人工智能方法面临的主要挑战，即计算复杂性。

该方法基于直方图优化算法和带有深度限制的Leaf-wise算法构建决策树，利用单边梯度采样（GOSS）和互斥特征绑定（EFB）方法减少数据量和特征量，因此具有更快的训练速度、更低的内存使用及更高的准确率，可用于大处理大规模数据，同时能够支持特征和数据高效并行。

研究结论

(1) STLG模型能够较准确地估算中国逐小时PM2.5浓度，整体精度达到85%，RMSE为13.62 µg m−3；同时，站外验证结果表明该模型具有较强的空间预测能力，能较准确预测没有地基观测站点处的PM2.5小时浓度。

中国不同小时的PM2.5浓度估算值

十折交叉验证结果

(2) 中国PM2.5污染日变化较大，日出时总体处于较低水平。由于人类活动的不断增加，空气污染逐渐严重，在10:00-11:00左右达到峰值，高污染可以持续几个小时。随着时间的推移，人类活动逐渐消退，细颗粒物不断沉降，在日落时分，中国大部分地区的PM2.5浓度不断下降。

表 中国、中国东部、京津冀、长三角和珠三角

PM2.5逐小时浓度值

(3) 在考虑时空信息后，所有模型的整体精度和空间预测能力显著得到提升。同时，在所有树模型中，STLG模型展现出最高的模型估算和预测精度；更重要的是，该模型在保证精度的同时，显著提升了运行速度并降低了内存消耗。因此，该模型对于未来全球高时空PM估算具有重要意义。

表 不同树模型整体精度、空间预测能力、

运行速度和内存消耗对比

论文标题

Himawari-8-derived diurnal variations in ground-level PM2.5 pollution across China using the fast space-time Light Gradient Boosting Machine (LightGBM)

发表期刊

Atmospheric Chemistry and Physics

论文全文链接

https://doi.org/10.5194/acp-21-7863-2021

数据集共享

ChinaHighPM2.5为该团队生产的一系列中国长时间序列、全覆盖、高分辨率和高质量的近地表空气污染物（CHAP）数据集之一，本文生产得到的2018年逐小时PM2.5数据集由Zenodo平台公开发布(DOI: 10.5281/zenodo.4784813)。

目前，CHAP数据集包括近地表PM1、PM2.5、PM10、O3、NO2、SO2和CO共7种不同粒径、不同种空气污染物，空间覆盖整个中国，空间分辨率最高可达1千米，时间分辨率最高可达小时级，时间最长可追溯到2000年。该数据集不断更新，免费开放，欢迎大家联系下载。

数据概述

作者主页，欢迎联系

数据链接：

https://weijing-rs.github.io/product.html

作者简介

韦晶：马里兰大学博士后，研究方向为卫星云、气溶胶、近地表颗粒物和痕量气体等大气环境遥感。

Email: [e-mail]

Homepage: 

https://weijing-rs.github.io/index.html

李占清：马里兰大学教授，研究方向为卫星遥感、空气污染、气候变化、大气物理和环境等。

Email: [e-mail] 

Homepage: 

https://www2.atmos.umd.edu/~zli/

Rachel T. Pinker：马里兰大学教授，研究方向为卫星遥感、大气辐射、气溶胶-云-气候相互作用等。

E-mail: [e-mail]

Homepage: https://www2.atmos.umd.edu/~pinker/

王俊：爱荷华大学教授，研究方向为卫星遥感、地球系统模式、空气质量、野火监测、资料同化、环境智能及陆空相互作用等。

E-mail: [e-mail]

Homepage: 

https://arroma.uiowa.edu/index.php

孙林：山东科技大学教授，研究方向为遥感影像云/云阴影识别和大气气溶胶遥感反演等定量遥感。

Email: [e-mail]

Homepage: https://www.researchgate.net/profile/Lin_Sun92

相关论文推荐

Wei, J., Li, Z., Lyapustin, A., Sun, L., Peng, Y., Xue, W., Su, T., and Cribb, M. Reconstructing 1-km-resolution high-quality PM2.5 data records from 2000 to 2018 in China: spatiotemporal variations and policy implications. Remote Sensing of Environment, 2021, 252, 112136. 

https://doi.org/10.1016/j.rse.2020.112136 

(ESI Hot and Highly Cited Paper)

Wei, J., Li, Z., Xue, W., Sun, L., Fan, T., Liu, L., Su, T., and Cribb, M. The ChinaHighPM10 dataset: generation, validation, and spatiotemporal variations from 2015 to 2019 across China. Environment International, 2021, 146, 106290. 

https://doi.org/10.1016/j.envint.2020.106290(ESI Highly Cited Paper)

Wei, J., Li, Z., Cribb, M., Huang, W., Xue, W., Sun, L., Guo, J., Peng, Y., Li, J., Lyapustin, A., Liu, L., Wu, H., and Song, Y. Improved 1 km resolution PM2.5 estimates across China using enhanced space-time extremely randomized trees. Atmospheric Chemistry and Physics, 2020, 20(6), 3273–3289. 

https://doi.org/10.5194/acp-20-3273-2020

(ESI Hot and Highly Cited Paper)

Wei, J., Huang, W., Li, Z., Xue, W., Peng, Y., Sun, L., and Cribb, M. Estimating 1-km-resolution PM2.5 concentrations across China using the space-time random forest approach. Remote Sensing of Environment, 2019, 231, 111221. 

https://doi.org/10.1016/j.rse.2019.111221

( ESI Hot and Highly Cited Paper)

Wei, J., Li, Z., Guo, J., Sun, L., Huang, W., Xue, W., Fan, T, and Cribb, M. Satellite-derived 1-km-resolution PM1 concentrations from 2014 to 2018 across China. Environmental Science & Technology, 2019, 53(22), 13265–13274. 

https://doi.org/10.1021/acs.est.9b03258

(ESI Hot and Highly Cited Paper)

贾臣，孙林，陈允芳，张熙空，王伟燕，王永吉.2020.深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度.遥感学报，24（10）：1180-1192

梧桐会直播回放

回放平台

B站

https://space.bilibili.com/424495702

知网在线教学平台

http://k.cnki.net/Room/Home/Index/214412

往期目录

刘良云——高光谱遥感科学丛书推介

谭   琨——高光谱遥感影像的协同训练与半监督分类

孟庆岩——城市绿度空间遥感，让城市生活更美好

程   塨——高分辨率遥感图像目标检测和场景分类研究进展

李小玲——科技期刊论文投稿过程中地图插图的规范使用

郭庆华——激光雷达林业生态应用

刘永学——基于全球中分影像的飞行目标遥感提取

郝大磊——学海生涯苦中乐

杨必胜——点云智能处理

廖明生——滑坡变形雷达遥感监测方法与实践

金秀良——作物表型性状鉴定技术促进智慧农业发展

陈良富——环境空气质量卫星遥感进展与当前面临的挑战

庞   勇——机载光学遥感系统集成及林业应用

李召良——定量热红外遥感现状

吴炳方——生态系统遥感论坛

张   彪——海洋动力环境与灾害遥感论坛

王绍强——陆地生态系统高光谱观测方法与应用

吴立新——地震短临遥感异常的时空关联性

孙   显——2021“中科星图杯”国际高分遥感图像解译大赛预告与往届获奖经验分享

陈   晋——变化检测与深度学习

刘建强——中国海洋卫星进展与典型应用

邸凯昌——遥感技术与月球探测论坛

年度目次

1

END

1

编辑：悠悠

审校/指导：梧桐君

声明

欢迎转载、转发本号原创内容，转载信息请与本号联系授权，标注原作者和信息来源为《遥感学报》。

本号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及作品内容、版权和其他问题，请在20日内与本号联系，我们将在第一时间处理。《遥感学报》拥有最终解释权。

期刊订阅

1.各地邮局订阅：邮发代号82-324；

2.科学出版社期刊发行部：联系电话[phone]；

3.网上购买：搜淘宝店、微店店铺名称：中科期刊（订阅及销售过刊）；或点击下方图片：

电话：[phone]

邮箱：[e-mail]

网站：www.jors.cn

期刊新媒体传播矩阵