环保领域“颗粒物检测”高价值专利案例：一种基于遥感监测的PM2.5浓度预测方法

课题来源河北某学院委托项目案例定位针对传统地面监测站点稀疏、无法大范围动态获取PM2.5浓度分布、现有遥感反演模型依赖本地气象参数且时空泛化能力弱等痛点开展基于差值指数DI与主成分分析耦合的PM2.5浓度遥感预测方法转化研究。1项目背景城市空气中颗粒物尤其是PM2.5对生态环境质量和公众健康构成显著影响。传统地面监测站点虽能提供高精度点位数据但受限于站点数量与分布难以刻画PM2.5浓度的空间连续分布与动态演变过程。遥感技术具备大范围、周期性观测优势但现有基于气溶胶光学厚度AOD的反演方法在区域尺度上易受地表类型、云量和大气剖面参数干扰且反演模型复杂难以业务化推广。本专利提出一种基于差值指数DI的PM2.5浓度遥感预测方法融合Landsat系列多光谱影像的蓝、红、近红外波段反射率信息构建反映颗粒物相对浓度的差值指数结合绿度、湿度、干度、热度等多维生态因子采用主成分分析与多元回归建模实现无需额外气象参数的PM2.5浓度空间分布快速预测。该方法以沧州市区为典型示范区利用2000—2019年多期遥感影像与地面PM2.5监测数据验证预测值与实测值的拟合优度R2达到0.89以上可为城市空气质量动态监测与污染管控提供低成本、高时效的技术工具。深度森林从高价值专利挖掘与技术转化的角度切入围绕“差值指数构建—多维因子耦合—主成分降维预测”技术路径完成了包含基于差值指数的PM2.5浓度遥感预测方法、顾及颗粒物的遥感生态指数改进方法、基于主成分回归的PM2.5时空预测模型在内的多项发明专利群布局并同步开展了针对典型城市区的实地验证与模型对比。2本专利要解决的问题1现有PM2.5遥感反演方法多依赖AOD产品受云雨条件限制大且需要同步气象参数风速、湿度、边界层高度难以实现无气象观测区域的PM2.5浓度预测。2城市生态环境中PM2.5浓度与地表覆盖类型绿地、不透水面、水体之间存在复杂非线性关系传统单一指数如AOD或植被指数无法综合表征颗粒物对生态环境的综合影响。3面向业务化监测需求需要建立一种计算简便、输入参数少、空间分辨率较高的PM2.5浓度直接预测模型并能适应不同年份、不同季节的遥感影像数据。3专利技术核心价值点3.1基于差值指数的PM2.5浓度表征方法本发明提出一种差值指数DifferenceIndex,DI利用Landsat影像的蓝波段Blue与近红外波段NIR的辐亮度值差异反映大气中细颗粒物的相对浓度。DI计算公式为实验表明DI与地面监测的PM2.5浓度呈显著负相关相关系数绝对值0.7且计算无需大气校正适用于多期影像快速处理。3.2顾及PM2.5浓度的新型遥感生态指数RSEI_new构建本发明在传统遥感生态指数绿度NDVI、湿度WET、干度NDBSI、热度LST基础上引入差值指数DI作为第五个指标构建新型遥感生态指数RSEI_new。通过主成分分析PCA将五个归一化指标耦合取第一主成分PC1作为初始生态指数。以沧州市区2000—2019年五期影像为例RSEI_new的第一主成分贡献率均高于82%比传统RSEI高3~5个百分点且与各指标的平均相关度达0.891优于任意单一指标。主成分载荷分析显示NDVI和WET为正值对生态起积极作用NDBSI、LST和DI为负值起消极作用其中DI的载荷绝对值在0.48~0.51之间表明PM2.5浓度对城市生态环境质量具有显著负向贡献。3.3基于主成分回归的PM2.5浓度空间预测模型本发明利用主成分分析降维后的主成分得分与地面PM2.5监测样本建立多元线性回归预测模型。模型表达式为3.4多期遥感影像的PM2.5浓度时序变化监测方法本发明支持基于Landsat时间序列数据的PM2.5浓度回溯监测。通过建立不同年份影像之间的DI一致性校正方法实现了2000年以来的年度PM2.5相对浓度变化分析。应用该方法对沧州市区2000—2019年监测发现研究区DI指数均值从0.499上升至0.550PM2.5相对浓度升高RSEI_new均值从0.589下降至0.506降幅约8.3%。PM2.5浓度的空间扩展方向与城市建设用地扩张方向高度一致表明人为活动排放是PM2.5升高的主要驱因。4专利转化验证与分析为验证本发明在典型城市环境下的预测精度与业务化可行性选取沧州市区含运河区、新华区、经济开发区等作为示范区。收集2000年、2005年、2009年、2014年、2019年共5期LandsatTM/OLI影像云量均小于1%时相集中于9月同步获取对应时段沧州市环境监测站提供的PM2.5日均浓度数据有效样本45组。所有遥感影像经辐射定标、几何配准和裁剪预处理后计算NDVI、WET、NDBSI、LST及DI五个指标。在DI指数有效性验证中DI与地面PM2.5浓度的Pearson相关系数为-0.73p0.01优于同期AOD产品-0.65。在主成分回归验证中以前三个主成分累计贡献率91.2%建立预测模型拟合优度R20.89交叉验证均方根误差RMSE为9.6μg/m3。将预测得到的PM2.5浓度空间分布与地面站点插值图对比空间趋势一致性达87%。单景影像30m×30km×30km范围从影像输入到浓度图生成耗时小于2秒满足动态监测需求。此外应用本专利方法回溯了沧州市区2000—2019年PM2.5相对浓度变化发现生态等级“差”和“较差”区域比例上升12.72%其中PM2.5高浓度区面积增长了约1.8倍验证结果与沧州市统计年鉴中煤炭消费量、机动车保有量增长趋势吻合。5专利转化成效相关技术成果已进入实质转化与权属固化阶段。深度森林公司与河北某学院围绕“基于差值指数的PM2.5浓度遥感预测方法”核心技术体系已完成1项国家发明专利与2项软件著作权的组合申请与布局。后续拟结合京津冀大气污染防治协同监测网络在沧州、廊坊、衡水等地面监测站点稀疏的城市开展规模化应用预期可将PM2.5浓度空间估算误差降低至10μg/m3以内填补县级行政区颗粒物浓度网格化数据的空白为环保部门提供低成本、高频次的遥感监测工具。山东深度森林信息科技有限公司是一家面向高质量专利“挖掘-设计-转化”的技术服务团队。关注【深度森林】查看更多优质案例。