北京师范大学全球变化与地球系统科学研究院
北京师范大学全球变化与地球系统科学研究院
   
当前位置: 首页» 新闻快讯 我院博士生韦晶发布中国高分辨率高质量空气污染数据集 发布时间:2020-09-01 14:44:00.0

  2018级博士研究生韦晶同学及李占清教授团队,基于多源卫星遥感技术,利用人工智能方法,使用卫星观测资料,综合考虑多种气象条件、地表和地形变化等自然因素和人类分布、污染排放等人为因素,以及大气污染的时空变化特征,获得了中国一系列较长时间、高质量和高分辨率的空气污染数据集(ChinaHighAirPollutants),包括近地表PM1、PM2.5、PM10、NO2和O3等大气污染物。

  数据介绍:

  所有ChinaHighAirPollutants系列数据集空间覆盖整个中国,其中近地表PMx数据集(ChinaHighPMx)时间覆盖2000年3月到2020年3月,空间分辨率最高可达1千米,时间分辨率分别为小时/日/月/年;近地表NO2(ChinaHighNO2)和O3(ChinaHighO3)数据集时间覆盖2005年1月至2020年3月,空间分辨率目前为0.25°×0.25°,未来可达5千米,时间分辨率为日/月/年。该数据集由韦晶博士和李占清教授团队开发与维护,不断更新。

  

  图1. 中国2001-2018年近地表PM2.5空间分布图

  

  图2. 中国2005-2019年近地表NO2空间分布图

  

  图3. 中国2005-2019年近地表O3空间分布图

  数据共享:

  ChinaHighAirPollutants数据集依托于GitHub和Zenodo平台向全球所有用户公开发布,数据免费开放,欢迎大家下载使用从事相关科学研究!如有问题,请与作者通过邮箱(weijing_rs@163.com)联系。

  

  图4. ChinaHighAirPollutants数据集之GitHub共享页面

  

  图5. ChinaHighAirPollutants数据集之Zenodo共享页面

  数据链接:

  https://weijing-rs.github.io/product.html

  参考文献:

  Wei, J., Huang, W., Li, Z., Xue, W., Peng, Y., Sun, L., and Cribb, M. Estimating 1-km-resolution PM2.5 concentrations across China using the space-time random forest approach, Remote Sensing of Environment, 2019, 231, 111221. https://doi.org/10.1016/j.rse.2019.111221 (ESI全球热点与高被引论文)

  Wei, J., Li, Z., Guo, J., Sun, L., Huang, W., Xue, W., Fan, T, and Cribb, M. Satellite-derived 1-km-resolution PM1 concentrations from 2014 to 2018 across China, Environmental Science & Technology, 2019, 53(22), 13265-13274. https://doi.org/10.1021/acs.est.9b03258 (ESI全球热点论文)

  Wei, J., Li, Z., Cribb, M., Huang, W., Xue, W., Sun, L., Guo, J., Peng, Y., Li, J., Lyapustin, A., Liu, L., Wu, H., and Song, Y. Improved 1 km resolution PM2.5 estimates across China using enhanced space-time extremely randomized trees, Atmospheric Chemistry and Physics, 2020, 20(6), 3273-3289. https://doi.org/10.5194/acp-20-3273-2020

  




相关附件: