基于机器学习和多源数据融合填充逐时高精度时空无缝颗粒物浓度的算法

本发明公开了一种基于机器学习和多源数据融合填充逐时高精度时空无缝颗粒物浓度的算法，包括S1、获取研究区域的卫星逐时AOD数据、地面站点AOD数据、CAMS数值模拟AOD预报数据、气象数据、排放数据、植被指数、地形数据和社会经济数据；S2、对上述获取的研究区域的多源数据进行预处理；S3、利用预处理后的多源数据以及网格像素的时空特征制作训练数据集；S4、将训练数据集输入到两段时空随机森林模型中进行训练，当两段时空随机森林模型满足评价指标时模型训练完毕，输出时空无缝颗粒物浓度数据。优点是：更充分地利用了卫星遥感AOD和地面观测站数据，使用时空无缝AOD对颗粒物进行预测，提高颗粒物浓度估算的准确率。