地面PM2.5监测站点具有较高的精度和稳定性，但其分布稀疏，无法精确反映PM2.5浓度在空间上的分布规律，而卫星遥感观测能弥补这一缺陷。基于点-面融合的思想，本研究结合PM2.5站点观测与卫星气溶胶光学厚度（AOD）数据，同时引入气象、NDVI等多源辅助数据，构建了一种基于学习的智能模型，实现像元尺度上的PM2.5浓度精确反演。该模型能挖掘PM2.5与影响因子之间更本质的关系，并且考虑AOD-PM2.5关系的时空变化关系，结果表明，该模型反演精度优于现有主流模型，相关系数（R）为0.82，RMSE为20.93 。实验结果如图1、2所示。

图1 各模型反演精度对比

图2 2014年全国PM2.5浓度季节变化图

        查看详细>>    T. Li, H. Shen, C. Zeng, Q. Yuan, and L. Zhang, “Point-surface fusion of station measurements and satellite observations for mapping PM2.5 distribution in China: Methods and assessment,” Atmospheric Environment, vol. 152, pp. 477-489, 2017.