1.一种改进的时空LightGBM的地表PM10估算方法,其特征在于,包括以下步骤:获取待监测地表区域内各个站点的PM10浓度数据,剔除所述PM10浓度数据中的异常值,获得各个站点的目标PM10浓度数据;
采集待监测地表区域的遥感影像数据,对所述遥感影像数据进行数据预处理,获得预处理后的遥感影像数据,所述遥感影像数据包括大气光学气溶胶厚度、气象数据和辅助数据;
创建待监测地表区域的预设尺寸格网,按照每个格网中心的地理坐标,将预处理后的遥感影像数据和各个站点的目标PM10浓度数据分配到对应格网中;
对处于同一格网中变量的多个数值计算平均值,将平均值确定为对应变量的观测值,获得每个格网的观测值集合;
对每个格网的观测值集合进行数据清洗和异常值删除,获得每个格网的目标观测值集合;
根据每个格网的目标观测值集合和预先构建并训练好的时空光梯度提升机模型,获得待监测地表区域的PM10预测浓度数据集;
所述获得待监测地表区域的PM10预测浓度数据集的步骤包括:
对每个格网的目标观测值集合中的每个目标观测值计算残差,并将残差作为时空光梯度提升机模型的训练样本数据,获得每个格网的训练样本数据集合;
将训练样本数据集合代入到最小化损失函数中,迭代循环,获得最佳切分节点,将最佳切分节点对应的训练样本数据集合确定为目标训练数据集合;
将目标训练数据集合的地理极坐标和样本时间转化为笛卡尔坐标,根据笛卡尔坐标确定目标训练数据集合的空间特征和时间特征;
根据目标训练数据集合、目标训练数据集合的空间特征和时间特征,获得PM10预测浓度数据集;
所述空间特征的计算公式为:
其中,gi为空间特征,(gxi,gyi,gzi)为目标训练数据的空间特征,R为地球半径,θ为目标训练数据集合中第i个变量的经度,为目标训练数据集合中第i个变量的维度;
所述时间特征的计算公式为:
其中,ti为时间特征,(txi,tyi)为转换后的时间笛卡尔坐标,DOYi为训练数据时间变量,T为一年的天数, 和 均为对训练数据时间变量进行标准化处理操作。
2.根据权利要求1所述的一种改进的时空LightGBM的地表PM10估算方法,其特征在于,所述最佳切分节点的获得步骤包括:根据所述训练样本数据集合,把连续的浮点特征值离散化为各个整数,并构造一个宽度为整数数目的直方图,对于迭代循环,将离散化后的各个整数作为索引,在所述直方图中累积统计量,当完成一次遍历后,根据所述直方图的离散值,遍历寻找最优的分割点确定为最佳切分节点。
3.根据权利要求1所述的一种改进的时空LightGBM的地表PM10估算方法,其特征在于,待监测地表区域的PM10预测浓度数据集的计算公式为:p=f(PM10SM,aod,blh,sp,rh,t2m,u10,v10,ndvi,dem,lucc,gi,ti)其中,p为待监测地表区域的PM10预测浓度,PM10SM为地面站点PM10的观测数据平均值,aod为大气气溶胶厚度,blh为大气边界层高度,sp为地表压力,rh为相对湿度,t2m为地表2m温度,u10为10m维向风速,v10为10m径向风速,ndvi为植被覆盖度指数,dem为高程值,lucc为土地利用类型,gi为空间特征,ti为时间特征。