中国1km高分辨率高质量PM2.5无机化学成分数据

中国1km高分辨率高质量逐日PM2.5无机化学成分数据集(2013-2020)

数据集摘要:

ChinaHighPMC dataset数据是开发了一种四维时空-深度森林模型,以CHAP数据集中逐日1公里无缝隙PM2.5数据集为约束,通过整合PM2.5化学成分的高密度地基观测网络,以及卫星遥感产品、气象再分析和模型模拟等数据,构建不同化学成分与总PM2.5浓度的转换模型,首次分离得到中国逐日无缝1公里无缝隙4种主要PM2.5无机化学成分卫星遥感产品,包括硫酸盐(SO42-)、硝酸盐(NO3-)、铵盐(NH4+)和氯离子(Cl-)。其中SO42-、NO3-、NH4+和Cl-日估算数据与地基观测之间的十折交叉验证决定系数R2分别为0.74,0.75,0.71和0.66,均方根误差RMSE分别为 6.0,6.6,4.3和2.3 µg/m3。目前共享发布的数据范围为中国东部地区,空间分辨率为1km,时间分辨率为日、月、年,单位为µg/m3。数据以NetCDF (.nc)格式进行存储。

 

数据关键词: 空气质量,化学成分,近地表,环境建模

数据下载1  

数据下载2  

数据来源引用参考以下规范:

论文引用:

Wei, J., Li, Z., Chen, X., Li, C., Sun, Y., Wang, J., Lyapustin, A., Brasseur, G., Jiang, M., Sun, L., Wang, T., Jung, C., Qiu, B., Fang, C., Liu, X., Hao, J., Wang, Y., Zhan, M., Song, X., and Liu, Y. Separating daily 1 km PM2.5 inorganic chemical composition in China since 2000 via deep learning integrating ground, satellite, and model data. Environmental Science & Technology, 2023, 57(46), 18282–18295. https://doi.org/10.1021/acs.est.3c00272

 

覆盖范围

开始时间:2013年1月1日

结束时间:2020年12月31日

时间分辨率:日、月、年

空间范围:中国东部

空间分辨率:1km
数据单位:µg/m3
 
  • 主要作者

     

    韦晶

    单位:University of Maryland

    职务:助理研究员

    研究领域:主要从事云、气溶胶、颗粒物和痕量气体卫星遥感、空气质量,以及评估空气污染对环境健康的影响等

    个人网站:https://weijing-rs.github.io/index.html

    联系方式:weijing@umd.edu

    李占清

    单位:University of Maryland

    职务:教授

    研究领域:卫星遥感、气候、环境、大气物理与化学等
    联系方式:zhanqing@umd.edu 

    322830d4bcedab27116e6d04dd6ebaec.png

    陈曦

    单位:中国疾控中心环境所

    职务:研究员

    研究领域:环境化学分析、化学污染物暴露评估及空气污染对人群健康影响研究

    联系方式:chenxi@nieh.chinacdc.cn

     
     
     
     
     
     
     
     
     
     
     
  • 相关文档

    Wei, J., Li, Z., Chen, X., Li, C., Sun, Y., Wang, J., Lyapustin, A., Brasseur, G., Jiang, M., Sun, L., Wang, T., Jung, C., Qiu, B., Fang, C., Liu, X., Hao, J., Wang, Y., Zhan, M., Song, X., and Liu, Y. Separating daily 1 km PM2.5 inorganic chemical composition in China since 2000 via deep learning integrating ground, satellite, and model data. Environmental Science & Technology, 2023, 57(46), 18282–18295. https://doi.org/10.1021/acs.est.3c00272