数据分享｜长时序中国高分辨率高质量近地表空气污染物（ChinaHighAirPollutants, CHAP）数据集完成更新

学术 2024-08-22 09:03 马来西亚

近日，中国高分辨率高质量近地表空气污染物（ChinaHighAirPollutants, CHAP）数据集完成更新，包括环境保护部6种常规室外空气污染物：PM_2.5、PM₁₀、O₃、NO₂、SO₂和CO，时间范围更新至2023年，颗粒物和气态污染物空间分辨率均为1公里。欢迎大家下载使用，多提宝贵意见！

1. ChinaHighPM2.5数据集

ChinaHighPM_2.5数据集提供了中国2000年至今逐日无缝隙1千米PM_2.5数据。PM_2.5日估算值与地基观测值间的十折交叉验证决定系数R²为0.92，均方根误差RMSE为10.76 µg/m³。相关论文分别发表在Remote Sensing of Environment和Atmospheric Chemistry and Physics上，并分别入选ESI全球热点及高被引论文，其中RSE论文入选2021年度“中国百篇最具影响国际学术论文”。

图1. 中国2000年至2023年1公里PM_2.5年平均浓度分布图

参考文献：

[1] Wei, J., Li, Z., Lyapustin, A., Sun, L., Peng, Y., Xue, W., Su, T., & Cribb, M. (2021). Reconstructing 1-km-resolution high-quality PM_2.5 data records from 2000 to 2018 in China: spatiotemporal variations and policy implications. Remote Sensing of Environment, 252, 112136. https://doi.org/10.1016/j.rse.2020.112136 (ESI热点及高被引论文)

[2] Wei, J., Li, Z., Cribb, M., Huang, W., Xue, W., Sun, L., Guo, J., Peng, Y., Li, J., Lyapustin, A., Liu, L., Wu, H., & Song, Y. (2020). Improved 1 km resolution PM_2.5 estimates across China using enhanced space-time extremely randomized trees. Atmospheric Chemistry and Physics, 20(6), 3273-3289. https://doi.org/10.5194/acp-20-3273-2020 (ESI热点及高被引论文)

数据链接：

https://doi.org/10.5281/zenodo.3539349

2. ChinaHighPM₁₀数据集

ChinaHighPM₁₀数据集提供了中国2000年至今逐日无缝隙1千米PM₁₀数据。PM₁₀日估算值与地基观测值间的十折交叉验证决定系数R²为0.90，均方根误差RMSE为21.12 µg/m³。相关论文发表在Environment International，并入选ESI全球高被引论文。

图2. 中国2000年至2022年1公里PM₁₀年平均浓度分布图

参考文献：

Wei, J., Li, Z., Xue, W., Sun, L., Fan, T., Liu, L., Su, T., & Cribb, M. (2021). The ChinaHighPM₁₀ dataset: generation, validation, and spatiotemporal variations from 2015 to 2019 across China. Environment International, 146, 106290. https://doi.org/10.1016/j.envint.2020.106290 (ESI高被引论文)

数据链接：

http://doi.org/10.5281/zenodo.3752465

3. ChinaHighO₃数据集

ChinaHighO₃数据集数据集提供了中国2000年至今逐日无缝隙1千米地面O₃数据。地面O₃日估算值与地基观测值间的十折交叉验证决定系数R²为0.89，均方根误差RMSE为15.77 µg/m³。相关论文发表在Remote Sensing of Environment，并入选ESI全球热点及高被引论文。

图3. 中国2000年至2022年1公里地面O₃夏季平均浓度分布图

参考文献：

[1] Wei, J., Li, Z., Li, K., Dickerson, R., Pinker, R., Wang, J., Liu, X., Sun, L., Xue, W., & Cribb, M. (2022). Full-coverage mapping and spatiotemporal variations of ground-level ozone (O₃) pollution from 2013 to 2020 across China. Remote Sensing of Environment, 270, 112775. https://doi.org/10.1016/j.rse.2021.112775 (ESI热点及高被引论文)

[2] Yang, Z., Li, Z., Cheng, F., Lv, Q., Li, K., Zhang, T., Zhou, Y., Zhao, B., Xue, W., and Wei, J.* (2024). Two-decade surface ozone (O₃) pollution in China: enhanced fine-scale estimations and environmental health implications. Remote Sensing of Environment, Major revision. https://doi.org/10.22541/essoar.170882559.93392805/v1

数据链接：

https://zenodo.org/doi/10.5281/zenodo.10477125

4. ChinaHighNO₂数据集

ChinaHighNO₂数据集提供了中国2008年至2018年逐日无缝隙10千米，及2019年至今全国逐日无缝隙1千米地面NO₂数据。地面NO₂日估算值与地基观测值间的十折交叉验证决定系数R²分别为0.87和0.93，均方根误差RMSE分别为7.99和4.89 µg/m³。相关论文分别发表在Environmental Science & Technology和Atmospheric Chemistry and Physics上，并分别入选ESI全球热点和高被引论文。

图4. 中国2013年至2023年地面NO₂年平均浓度分布图

参考文献：

[1] Wei, J., Liu, S., Li, Z., Liu, C., Qin, K., Liu, X., Pinker, R., Dickerson, R., Lin, J., Boersma, K., Sun, L., Li, R., Xue, W., Cui, Y., Zhang, C., & Wang, J. (2022). Ground-level NO₂surveillance from space across China for high resolution using interpretable spatiotemporally weighted artificial intelligence. Environmental Science & Technology, 56(14), 9988–9998. https://doi.org/10.1021/acs.est.2c03834 (ESI高被引论文)

[2] Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., & Cribb, M. (2023). Ground-level gaseous pollutants (NO₂, SO₂, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023 (ESI热点及高被引论文)

数据链接：

https://doi.org/10.5281/zenodo.4571660

5. ChinaHighSO₂数据集

ChinaHighSO₂数据集提供了中国2013年至2018年逐日无缝隙10千米，及2019年至今全国逐日无缝隙1千米地面SO₂数据。地面SO₂日估算值与地基观测值间的十折交叉验证决定系数R²为0.84，均方根误差RMSE为10.07 µg/m³。相关论文发表在Atmospheric Chemistry and Physics上，并入选ESI全球热点和高被引论文。

图5. 中国2013年至2023年地面SO₂年平均浓度分布图

参考文献：

Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., & Cribb, M. (2023). Ground-level gaseous pollutants (NO₂, SO₂, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023 (ESI热点及高被引论文)

数据链接：

https://doi.org/10.5281/zenodo.10476944

6. ChinaHighCO数据集

ChinaHighCO数据集提供了中国2013年至2018年逐日无缝隙10千米，及2019年至今全国逐日无缝隙1千米地面CO数据。地面CO日估算值与地基观测值间的十折交叉验证决定系数R²为0.80，均方根误差RMSE为0.29 mg/m³。相关论文发表在Atmospheric Chemistry and Physics上，并入选ESI全球热点和高被引论文。

图6. 中国2013年至2023年地面CO年平均浓度分布图

参考文献：

数据链接：

https://doi.org/10.5281/zenodo.10477022

CHAP数据集

CHAP数据集是一套基于多源卫星遥感技术，融合地基观测、大气再分析、排放清单和模式模拟等大数据，利用人工智能，考虑了大气污染的时空异质特性，生产得到的我国长时间序列、全覆盖、高时空分辨率和高精度的不同种类近地表空气污染物遥感数据集。CHAP数据集目前包含PM₁、PM_2.5、PM₁₀、O₃、NO₂、SO₂和CO共7种近地表空气污染物，PM_2.5化学成分（如黑碳、硫酸盐、硝酸盐、铵盐等）和多环芳烃等，更多污染物种类会陆续推出。