期待各位引用：PM2.5、SO2和臭氧的1km分辨率数据集

预印本：中国区域2015-2020年PM2.5、SO2和臭氧的序列时空分布（含数据集）

引用格式：

Chi, Y., Zhan, Y., Wang, K., and Ye, H.: Sequential spatiotemporal distribution of PM2.5, SO2 and Ozone in China from 2015 to 2020, Earth Syst. Sci. Data Discuss. [preprint], https://doi.org/10.5194/essd-2023-76, in review, 2023.

作者

Yufeng Chi, Yu Zhan, Kai Wang, and Hong Ye

摘要：

目前，在各种大气污染物的模拟中，独立的痕量气体（SO2和O3）的模拟受到关键遥感产品分辨率不足的制约，导致模拟可靠性不足。本研究结合空间采样和参数卷积，利用地面观测、遥感产品、气象数据、辅助数据和随机ID来优化LightGBM。通过上述技术和空气污染物的连续模拟，我们生成了 2015 年至 2020 年中国大部分地区的 PM2.5、SO2 和 O3 的无缝每日 1 公里分辨率产品。通过随机采样、随机站点采样、特定区域 通过验证、不同模型的比较以及不同研究的横向比较，我们验证了我们对多种大气污染物空间分布的模拟是可靠和有效的。随机样本的 CV 得出 PM2.5 的 R2 为 0.88，RMSE 为 9.91 µg/m3，SO2 的 R2 为 0.89，RMSE 为 4.62 µg/m3，R2 为 0.91，RMSE 为 6.88 µg /m3 代表 O3。结合SHapley Additive exPlanations (SHAP)方法，明确了不同参数在仿真过程中的作用，证实了参数卷积的积极作用。我们的数据集用于评估 COVID-19 爆发前后中国空气污染指数 (API) 的变化，结果表明这些变化相对较小或较大，表明 2020 年的流行病控制措施是有效的 . 该研究表明，利用所提出的模型生成的多污染物数据集对于长期、大范围和区域尺度的空气污染监测和预测以及人群健康评估具有重要价值。数据集可在以下获取 https://doi.org/10.5281/zenodo.7533813 (Chi et al. 2023a), https://doi.org/10.5281/zenodo.7547774 (Chi et al. 2023b), https:/ /doi.org/10.5281/zenodo.7312179（Chi 等人，2023c），https://doi.org/10.5281/zenodo.7580714（Chi 等人，2023d），https://doi.org/10.5281/zenodo .7580720（Chi 等人 2023e），https://doi.org/10.5281/zenodo.7580726（Chi 等人 2023f）。

方法：

构造了一种序列化大气污染物空间模拟模型，核心是结合LightGBM、参数卷积、空间采样和随机ID的多种大气污染模拟方式。

由于文本处于预印，更多内容可以通过数据集获取。

Table Data DOIs