一种基于两阶段集成学习的近地面二氧化氮浓度反演方法

本发明公开了一种基于两阶段集成学习的近地面二氧化氮浓度反演方法，包括以下步骤：获取地面站点二氧化氮、卫星二氧化氮对流层垂直柱浓度及其他辅助变量数据；对卫星数据和其他地理辅助变量数据进行克里金插值处理；第一阶段采用ET、RF、GBRT和AdaBoost算法构建基模型，并通过特征级注意力机制动态调整分裂节点特征权重；第二阶段将第一阶段各模型预测结果作为次级特征输入GWR模型，结合注意力权重构建空间异质性加权矩阵，实现局部回归参数的动态优化；利用两阶段集成学习方法反演近地面二氧化氮浓度。本发明通过融合注意力机制的两阶段集成学习模型，提升了近地面二氧化氮浓度反演的准确性与可靠性。