《表1 PM2.5遥感反演方法模型分类及特点》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《利用高分五号卫星遥感反演近地面细颗粒物浓度方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为准确获取区域PM2.5浓度分布情况，大量学者发展了多种方法模型进行PM2.5遥感反演和估算，主要分为统计模型、经验物理机制模型和机器学习算法模型三类。其中统计模型主要包括单变量简单线性模型、多变量线性回归模型、多变量非线性统计模型和多变量空间统计模型等，主要在卫星获取AOD的基础上，获取气象要素、地理环境、排放和季节等多种因子，在多元线性回归、广义线性模型、广义加和模型等多种方法中采用不同的参数因子，考虑了多种变量对PM2.5-AOD线性关系的影响，在不同地区、不同时段开展PM2.5遥感统计估算；经验双订正模型主要考虑气溶胶垂直分布和吸湿增长对卫星遥感AOD估算PM2.5浓度的影响，根据数值模拟结果和先验知识假定气溶胶垂直分布和吸湿增长特征，在此基础上引入数值模式模拟的气溶胶标高和环境湿度等参数按先验知识对AOD进行订正，通过线性转换获取PM2.5浓度；近年来，随着人工智能和机器学习概念的兴起，不少学者开始尝试利用神经网络、支持向量机等方法直接将地面监测的颗粒物质量浓度作为目标变量，将AOD以及其他影响因素（如气象因子、土地利用类型）作为相关输入变量，进行PM2.5浓度的遥感反演。将各类方法及其特征进行归纳总结见表1。