摘要
结合地面监测数据与深度学习建模,能够获取大范围、长时序、高精度的地表臭氧信息。但现有的深度学习模型很难在保证高精度的反演结果同时,自动挖掘周边地区臭氧的贡献信息。因此,本研究旨在构建一种可解释的深度学习模型,反演中国近地面臭氧浓度信息;并以北京为例,自动挖掘周边城市对北京臭氧的贡献。
本研究结合深度神经网络(DNN)和卷积神经网络(CNN),基于MODIS卫星遥感数据、辅助气象资料和臭氧前体物数据,反演中国2016-2019年近地面臭氧浓度。研究中,构建了一种可解释性深度学习模型ExDLM,主要包括三个部分,(1)DNN,基于稀疏的地面监测数据,反演大范围的近地面臭氧信息;(2)CNN,基于站点和周边信息“二次”反演臭氧浓度;(3)结合梯度积分(IG),对北京近地表臭氧来源进行空间解译。
发表评论