专家观点 | 韦晶：中国高分辨率高质量近地表空气污染物数据集开发及应用
点击上方蓝字，关注我们👆
CCAPP 2021年第6期学术沙龙
“中国高精度大气污染暴露数据产品研制：现状与挑战”视频回顾
相较地基观测，卫星遥感技术具有长时间、广尺度、低成本等独特优势。该技术现已成熟应用于时效性要求不高的领域，但暂无法有效满足高时效性研究需求，如火灾和大气污染实时监测等。因此，优化卫星遥感对大气污染物浓度的估算，建立中国高时空分辨率高质量近地表空气污染物数据集，可助力监控不同时空尺度下我国空气污染情况，为研究其形成、变化规律等提供数据支撑。
一、中国高分辨率高质量近地表空气污染物数据集介绍
近年来，随着活跃卫星传感器数量不断增加，卫星遥感逐渐朝“三高”方向发展，即高空间分辨率、高时间分辨率和高光谱分辨率。然而，受数据处理精度不高、定量遥感模型构建困难和产品时效性差等局限，卫星遥感应用目前仍面临巨大挑战。
我们基于多源卫星遥感和人工智能技术，通过考虑空气污染的时空异质特性，结合了丰富的地基观测数据、卫星遥感产品、大气再分析和模式模拟等资料，生产得到中国高分辨率高质量近地表空气污染物（ChinaHighAirPollutants, CHAP）数据集。目前，CHAP数据集包括近地表PM1、PM2.5、PM10、O3、NO2、SO2和CO共7种空气污染物（表1），空间覆盖整个中国，空间分辨率最高可达1千米，时间分辨率可达逐日甚至小时级，时间最长覆盖2000-2020年。
表1. CHAP数据集概述
补充
知识
PM1 指空气中直径小于或等于1微米的颗粒物，也称为可入肺颗粒物。由于粒径更小，PM1比PM2.5更容易在呼吸过程中深入人体，不仅可直接到达肺泡，且可能通过血液扩散至其他器官，造成损害，对人体健康影响极大。由于大气中PM1的质量可忽略不计，PM1在大气中停留时间长、更容易造成污染暴露。目前，PM1地面观测资料有限，相关研究较少，但CHAP数据集已成功利用卫星遥感和人工智能技术，生产得到中国2014年以来逐日1km高精度PM1浓度。
二、中国高分辨率高精度近地表空气污染物遥感估算方法
以PM2.5浓度估算为例，针对传统模型数据挖掘能力差及空间分辨率粗糙等问题，我们团队基于卫星遥感和机器学习技术，考虑了大气污染的时空变化信息，开发了一种全新的时空-极端随机树（Space-Time Extra-Trees, STET ) 模型。极端随机树属于监督学习的一种，底层是决策树，是一种集成学习方法，具有更强的随机性，可有效降低模型方差、减少计算复杂度，从而提高模型精度。交叉验证结果显示， STET模型PM2.5估算精度高、预测能力强。考虑到我国PM2.5地基观测仅开始于2013年，缺乏历史资料，我们利用STET模型重构了我国2000-2018年PM2.5数据集，分析了我国细颗粒物污染的长期时空变化规律，以及其受环保政策的影响。
图2. 时空-极端随机树（STET）模型概念图
三、CHAP数据集应用
CHAP数据自发布以来，已被国内外众多科研机构应用于空气污染的环境效应、经济效应和健康效应等研究中，包括分析2013年实施清洁空气行动以来中国东部和中部地区地表变亮的原因和影响、京津冀地区空气污染变化对经济产业结构的响应、中国学龄前儿童早期暴露于亚微粒空气污染对哮喘发展的影响、中国暴露于不同粒径颗粒物的慢性死亡风险评估等。目前，数据累积下载次数超过4.5万次，累积下载量超过3TB，被广泛应用于医学、环境、大气和遥感等多个领域，已在JACI、ES&T、GRL等国际知名杂志发表SCI论文10余篇。
CHAP数据集持续更新，通过不断提高污染物浓度数据种类、时空分辨率及时空覆盖范围，提供更全面、精度更高的空气污染数据资料。此外，该数据集依托Github和Zenodo平台面向全球用户免费开放，无需注册，直接下载，在方便研究者获取数据的同时，为监测不同时空尺度下我国空气污染情况、助力大气及相关领域研究提供了基础数据支撑。
CHAP数据集网址为：https://weijing-rs.github.io/product.html
专
家
简
介
韦晶
爱荷华大学博士后
北京师范大学和马里兰大学联合培养博士
参考资料
• Wei, J., Li, Z., Lyapustin, A., et al. Reconstructing 1-km-resolution high-quality PM2.5 data records from 2000 to 2018 in China: spatiotemporal variations and policy implications. Remote Sensing of Environment, 2021, 252, 112136. https://doi.org/10.1016/j.rse.2020.112136
• Wei, J., Li, Z., Guo, J., et al. 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
• Wei, J., Li, Z., Pinker, R., et al. Himawari-8-derived diurnal variations of ground-level PM2.5 pollution across China using a fast space-time Light Gradient Boosting Machine (LightGBM). Atmospheric Chemistry and Physics, 2021, 21, 7863–7880, 2021. https://doi.org/10.5194/acp-21-7863-2021
【CCAPP 秘书处根据会议记录整理发布，如需转载或引用，请注明“作者, 文章名, 发布平台：中国清洁空气政策伙伴关系CCAPP, 发布日期”。】
【文中图片来源：演讲者PPT；关于CHAP数据集的更多信息，请点击下方“阅读原文”】
欢迎加入
为方便交流与讨论，
我们建立了微信交流平台：
清洁空气政策伙伴关系交流
感兴趣的伙伴们，请添加小助手微信（ccapp19）
备注“姓名+单位”申请入群
期待大家的加入！
活动新闻 | “中国高精度大气污染暴露数据产品研制：现状与挑战”沙龙顺利召开
专家观点 | 耿冠楠：中国大气成分近实时反演数据集的开发及应用
专家观点 | 刘诚：卫星结合地面靶向遥感气体污染物排放源
点击下方“阅读原文”，访问CHAP数据集网站