PM2.5形成过程复杂，与众多因素相关，传统统计模型无法很好地描述PM2.5与影响因子的非线性关系。本研究结合PM2.5站点观测，卫星气溶胶（AOD）数据，气象数据，NDVI，道路网，人口等多源大数据，并考虑PM2.5的地理相关性，构建了基于地理智能深度学习（Geo-intelligent deep learning）的PM2.5反演模型，实现PM2.5的高精度反演。结果表明，该模型的精度优于目前绝大多数方法，决定系数R2为0.88，RMSE为13.03ug/m3。模型结构图与反演结果如图1、2所示。

图1：地理智能深度学习模型结构图

图2：全国PM2.5浓度图，（a）反演结果，（b）站点观测

        查看详细>>    T. Li, H. Shen, Q. Yuan, X. Zhang, and L. Zhang, “Estimating ground-level PM2.5 by fusing satellite and station observations: A geo-intelligent deep learning approach,” Geophysical research letters, 2017. DOI: 10.1002/2017GL075710.