一种基于时空图网络的大气浓度场反演方法及系统

本申请涉及一种基于时空图网络的大气浓度场反演方法及系统，方法包括：获取不同平台的大气观测数据；对不同平台的大气观测数据进行标准化与预处理，生成统一格式的时空点云数据；将时空点云数据映射为用于描述大气物理传输过程的图网络结构；构建混合神经网络架构，将图网络结构作为混合神经网络架构的输入，训练混合神经网络架构，得到预测模型；将实时的雷达观测数据输入预测模型，得到三维颗粒物浓度场预测结果；对三维颗粒物浓度场预测结果进行解析，评估评估当前污染事件的污染成因。本技术方案能够在观测数据有限的情况下，生成高保真、时空连续的浓度场，极大地提升了反演结果的准确性和可靠性。