伙伴动态 | CHAP：中国更长、更高精度、无缝隙逐日1公里PMx及化学成分数据发布

点击上方蓝字，关注我们👆

中国2000-2021年逐日1km无缝隙PMx及化学成分数据发布！

【不同粒径颗粒物PMx数据集】

近期，CHAP数据集中地面颗粒物PMx数据新版本V4整理完毕！基于提出的时空-极端随机树模型，首先结合多模式AOD模拟数据，填补了MODIS MAIAC AOD产品的空间缺失值，将日数据可利用率提高了60%；然后更新了输入变量，如引入了CAMS高分辨率排放清单和MERRA2中PM化学成分地表浓度等数据，生产得到中国2000年以来逐日无缝隙3种不同粒径的PMx产品(包括PM1, PM2.5和PM10)，整体精度再次提高。其中2000-2021年PM2.5和PM10年平均分布图和精度验证结果如下所示：

ChinaHighPM2.5(1 km, 2000-2021, Version 4)

DOI: 10.5281/zenodo.3539349

10-fold Cross Validation

ChinaHighPM10(1 km, 2000-2021, Version 4)

DOI: 10.5281/zenodo.3752465

10-fold Cross Validation

【PM2.5化学成分数据集】

依托我国(除新疆和西藏)长期PM2.5化学成分地基观测网络，以ChinaHighPM2.5数据集为输入，协同模式成分模拟数据、多源卫星遥感产品和人为排放清单等大数据，利用深度学习技术，通过考虑空气污染的时空异质特征，构建稳健的PM2.5化学成分分离模型，实现了硫酸盐、硝酸盐、铵盐、氯离子及黑碳等化学成分的高精度分离，生产得到中国首个2000以来逐日1公里无缝隙PM2.5主要化学成分数据(ChinaHighPMC)。其中中国2000-2021年主要化学成分年平均分布图和精度验证结果如下：

ChinaHighPMC(1 km, 2000-2021, Version 1)

DOI: 10.5281/zenodo.591‍9481

10-fold Cross Validation

【数据版本对比、存储及转换示例】

Version Comparison(4&3)

ChinaHighPM2.5product(format)

How to read?

参考文献 

[1] Wei, J., Li, Z., Lyapustin, A., Sun, L., Peng, Y., Xue, W., Su, T., and Cribb, M. 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. (ESI Hot and Highly Cited Paper)

[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., 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, 3273–3289. (ESI Hot and Highly Cited Paper)

[3] 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. (ESI Hot and Highly Cited Paper)

[4] Wei, J., Li, Z., Xue, W., Sun, L., Fan, T., Liu, L., Su, T., and Cribb, M. The ChinaHighPM10 dataset: generation, validation, and spatiotemporal variations from 2013 to 2019 across China. Environment International, 2021, 146, 106290. (ESI Highly Cited Paper)

[5] Wei, J., Li, Z., et al. Separating major PM2.5 chemical compositions across China via deep learning combined with observations, satellites, and models. To be submitted.

CHAP数据集

中国高分辨率高质量近地表空气污染物(CHAP)数据集，是利用人工智能技术，考虑了空气污染的时空异质特性，从大数据(如地基观测、卫星遥感产品、大气再分析和模式模拟资料等)中生产得到。CHAP数据集包含PM1、PM2.5、PM10、O3、NO2、SO2和CO共7种近地表空气污染物，及PM2.5化学成分(硫酸盐、硝酸盐、铵盐、氯离子和黑碳等)，更多污染物种类会陆续推出。该数据集不断更新，面向全球用户免费开放！欢迎大家下载使用，多提宝贵意见！

【点击下方"阅读原文"，获取数据】

【转自大气环境遥感微信公众号】

【图片来源：网络】

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！

往期回顾

招聘 | CCAPP项目官员、传播官员虚位以待，期待你的加入

伙伴动态 | CHAP：中国历史10公里逐日全覆盖地表臭氧O3数据集发布

伙伴动态｜CHAP：中国历史1公里PM2.5数据发布

   点击下方“阅读原文”，获取数据