深度学习破局PM2.5监测盲区：巴黎百米级逐小时污染地图问世

发布时间：2025-11-05 打印

　　空气污染监测长期面临两大瓶颈：地面站点稀疏导致空间覆盖不全，卫星遥感则难以兼顾高时空分辨率（尤其夜间数据缺失）。现有再分析模型（如MERRA-2）虽提供连续数据，但空间分辨率仅50公里级，无法捕捉城市内部污染差异。如何融合多源数据，生成百米级网格的逐小时PM2.5地图，成为精准评估健康风险与制定治理政策的关键挑战。

　　研究团队创新性提出3D U-Net深度学习数据融合框架，整合四类数据：

　　低分辨率模型数据：MERRA-2提供的气象与气溶胶逐小时指标（如温度、湿度、气溶胶光学厚度）；

　　高分辨率地理因子：道路距离（OpenStreetMap）、夜间灯光（NASA Black Marble）、土地覆盖（MODIS）、地形（ASTER DEM）；

　　卫星过路PM2.5：基于Sentinel-3的NOODLESALAD高分辨率产品（百米网格，日覆盖1-2次）；

　　地面站点实测：OpenAQ小时级PM2.5数据。

　　该成果首次实现城郊级PM2.5动态精细监测，为居民健康暴露评估与差异化污染治理提供新工具。未来将融合静止卫星数据提升时间分辨率，引入物理约束损失函数增强模型可解释性，并拓展至多城市验证。团队强调，需通过无人机或低成本传感器网络进一步验证空间特征可信度，推动技术落地应用。相关研究成果以Machine learning data fusion for high spatio-temporal resolution PM2.5为题发表在Atmospheric Measurement Techniques上。

3D U-Net模型架构示意图

附件：

版权信息：Copyright@ 中国气象局图书馆（气象科技史研究中心）技术支持：北京中科聚网信息技术有限公司

地址：北京市海淀区中关村南大街46号联系电话：010-68406306 68409247 Email：cmalibrary@126.com

京ICP备15008089号-4

图书馆公众号