导读

近日，bevictor伟德白开旭副教授团队利用遥感大数据集成分析与智能建模技术研制生产了全球逐日1km分辨率时空无缝气溶胶光学厚度AOD与近地面PM2.5浓度数据集(2000-2021年)。该全球数据集具有长时序（2000-2021年）、高分辨率（逐日、1km）、时空无缝（全覆盖）等优势，可为准确量化全球气溶胶辐射强迫、揭示全球大气灰霾污染的长期变化趋势与时空分异特征、以及人口暴露健康风险估算等研究提供关键基础数据支撑。相关数据产品已在国家地球系统科学数据中心、Zenodo等数据平台发布共享，欢迎广大科研工作者下载使用。

图1 LGHAP v2数据集可支撑全球和区域森林野火、沙尘暴和灰霾污染监测等应用需求

1.数据集链接

全球逐日1km分辨率时空无缝气溶胶光学厚度AOD数据集(2000-2021年)

http://www.geodata.cn/data/datadetails.html?dataguid=72069468407335

全球逐日1km分辨率时空无缝近地面PM2.5浓度数据集(2000-2021年)

http://www.geodata.cn/data/datadetails.html?dataguid=8297793451806

中国1km分辨率逐日无缝近地面PM10浓度数据集(2000-2020年)

https://www.geodata.cn/data/datadetails.html?dataguid=2143203

中国1km分辨率逐日无缝气溶胶细粒子比FMF数据集(2000-2020年)

http://www.geodata.cn/data/datadetails.html?dataguid=3765195

Zenodo: https://zenodo.org/communities/ecnu_lghap

2. 研究背景

大气气溶胶显著改变了地球辐射能量收支平衡，是影响全球气候变化的重要因素。然而，受云覆盖等因素的干扰，光学遥感反演AOD产品常存在大面积数据缺失，造成全球气溶胶辐射强迫估算存在较大不确定性。同时，以PM2.5为主的大气细颗粒物已成为近年来影响城市环境空气质量的主要污染物，由于其粒径小、比表面积大，故易在空气中长期滞留，严重威胁公众健康和全球生态环境。因此，开展全球近地面PM2.5浓度精细化监测对保障人类健康、协调生态环境可持续发展具有深远意义。

3. 研究方法

顺应遥感技术从数据获取向信息提取与知识服务的转变趋势，发展多模态地理大数据融合、遥感影像缺失重建等先进遥感技术，对提升遥感数据质量、拓宽遥感产品服务对象具有重要的应用价值。研究团队以星-地-模多源地理大数据为依托，结合深度学习技术，发展了耦合地理先验知识的深度学习网络模型，以实现全球多源遥感数据的高质量缺失重建、融合分析与智能建模。

针对全球逐日1km时空无缝气溶胶光学厚度格点数据生产，构建了集成地理大数据分析框架的遥感影像缺失重构与多源数据融合深度学习网络模型，以时空张量主模态分解重构为核心，设计了耦合注意力机制与背景场迭代的遥感影像缺失重建算法；相较原始张量补全算法，切实提升了大范围数据缺失区域的重构数据质量与填补效率。针对全球逐日1km时空无缝近地面PM2.5浓度格点数据生产，构建了顾及样本场景代表性的图注意力深度神经网络，以多情景下的随机森林模型簇为引导，突破了站点稀疏区域环境参数建模时缺乏训练样本的限制。

图2 全球AOD缺失重建技术流程

4. 研究成果

基于上述前沿技术，研究团队生产了全球长时序（2000-2021年）高分辨率（逐日/1公里）时空无缝AOD与近地面PM2.5浓度格点数据产品。AOD格点数据产品与全球AERONET实测数据的相关系数为0.85，均方根误差为0.14；PM2.5格点数据产品与地基站点实测数据的相关系数为0.95，均方根误差为5.7 μg m−3。相关研究成果可为联合国可持续发展目标提供先进的指标数据，为全球大气环境污染的治理与监管等提供重要的先验知识与决策依据，也可为揭示全球大气灰霾污染的长期变化规律及空间分异特征、PM2.5健康风险估算、气溶胶辐射效应等研究提供重要的基础数据支撑。该项研究工作得到可持续发展大数据国际研究中心和国家自然科学基金项目等资助。

图3 全球逐日1km时空无缝大气气溶胶光学厚度数据集缩略图

图4 全球长时序近地面PM2.5浓度年均值时空分布特征

相关论文

[1] Bai, K., Li, K., Sun, Y., Wu, L., Zhang, Y., Chang, N., Li, Z., 2023. Global synthesis of two decades of research on improving PM2.5 estimation models from remote sensing and data science perspectives. Earth-Science Reviews, 241, 104461. https://doi.org/10.1016/j.earscirev.2023.104461

[2] Bai, K., Li, Ke, Ma, M., Li, Kaitao, Li, Z., Guo, J., Chang, N., Tan, Z., Han, D., 2022. LGHAP: the Long-term Gap-free High-resolution Air Pollutant concentration dataset, derived via tensor-flow-based multimodal data fusion. Earth System Science Data, 14, 907–927. https://doi.org/10.5194/essd-14-907-2022[3] Bai, K., Li, K., Guo, J., Chang, N., 2022. Multiscale and multisource data fusion for full-coverage PM2.5 concentration mapping: Can spatial pattern recognition come with modeling accuracy? ISPRS Journal of Photogrammetry & Remote Sensing, 184, 31–44. https://doi.org/10.1016/j.isprsjprs.2021.12.002[4] Bai, K., Li, K., Shao, L., Li, X., Liu, C., Li, Z., Ma, M., Han, D., Sun, Y., Zheng, Z., Li, R., Chang, N.B., Guo, J., 2023. LGHAP v2: A global gap-free aerosol optical depth and PM2.5 concentration dataset since 2000 derived via big earth data analytics. Earth Syst. Sci. Data, Submitted.

团队介绍

团队负责人白开旭博士，副教授、博士生导师，入选上海市2017年科技英才扬帆计划。主要从事地球系统关键过程参数智能遥感反演、遥感大数据集成分析与智能建模等方向研究，致力于集成传统物理反演与新兴人工智能技术，提升卫星遥感行业应用服务能力。担任中国环境科学学会环境信息系统与遥感专业委员会委员，SCI 期刊 Journal of Applied Remote Sensing 与 Journal of Hydroinformatics 副主编。近五年先后主持国家自然科学基金面上项目和青年项目、上海市自然科学基金面上项目、上海市青年科技英才扬帆计划项目等国家和企事业单位资助科研项目9项，参与国家重点研发计划项目课题2项。先后在Earth-Science Reviews，Remote Sensing of Environment，ISPRS Photogrammetry & Remote Sensing，IEEE Transactions on Geoscience and Remote Sensing, Earth System Science Data，Geophysical Research Letter等遥感和地球科学领域重点刊物先后发表SCI论文40余篇，出版英文学术著作1部，参编课程思政教材2部，申请和授权技术发明专利8项。