追踪中国空气污染:基于多数据源的近实时PM2.5反演
大气与海洋物理
2021-03-12 v1 机器学习
摘要
空气污染改变了地球辐射平衡,扰乱了生态系统,并增加了人类的发病率和死亡率。因此,一个具有及时更新和历史长期记录的全覆盖高分辨率空气污染物数据集对于支持科研和环境管理至关重要。在此,我们首次开发了一个称为追踪中国空气污染(TAP, tapdata.org)的近实时空气污染物数据库,它结合了来自多数据源的信息,包括地面测量、卫星反演、动态更新的排放清单、业务化化学传输模式模拟以及其他辅助数据。空间分辨率10 km的每日全覆盖PM2.5数据是我们的首个近实时产品。TAP PM2.5基于一个两阶段机器学习模型估计,该模型耦合了合成少数类过采样技术和基于树的缺口填补方法。我们的模型对不同年份的平均袋外交叉验证R2为0.83,与其他研究相当,但在高污染水平下提升了性能,并填补了每日尺度上缺失AOD的缺口。每日PM2.5数据的全覆盖和近实时更新使我们能够及时追踪中国PM2.5浓度的逐日变化。自2000年以来的PM2.5数据长期记录也将支持政策评估和健康影响研究。TAP PM2.5数据通过我们的网站公开,与科研和政策界共享。
引用
@article{arxiv.2103.06520,
title = {Tracking Air Pollution in China: Near Real-Time PM2.5 Retrievals from Multiple Data Sources},
author = {Guannan Geng and Qingyang Xiao and Shigan Liu and Xiaodong Liu and Jing Cheng and Yixuan Zheng and Dan Tong and Bo Zheng and Yiran Peng and Xiaomeng Huang and Kebin He and Qiang Zhang},
journal= {arXiv preprint arXiv:2103.06520},
year = {2021}
}
备注
28 pages, 2 tables, 4 figures