近年来，细颗粒物（PM2.5）和环境臭氧（O3）的健康风险已得到广泛认可。对 PM2.5 和 O3 暴露的准确估计对于支持健康风险分析和环境政策制定非常重要。本数据集研究旨在构建高性能的随机森林模型，以 1 km × 1 km 的空间分辨率估算 2005-2017 年中国PM2.5 日平均浓度和臭氧日最大 8 h 平均浓度（O3-8 hmax）。模型变量包括气象变量、卫星数据、化学传输模型输出、地理变量和社会经济变量。建立了基于 10 倍交叉验证的随机森林模型，并进行了时空验证以评估模型性能。根据我们基于样本的划分方法，测试数据集的 PM2.5 日、月和年估计值的平均模型拟合 R2 值分别为 0.85、0.88 和 0.90；O3-8 hmax 的R2 值分别为 0.77、0.77 和 0.69。气象变量及其滞后值会显著影响 PM2.5 和 O3-8 hmax 的估计值。2005-2017 年期间，PM2.5 浓度总体呈下降趋势，而环境 O3 浓度则呈上升趋势。2005 年至 2017 年期间，PM2.5 和 O3-8 hmax 的空间模式几乎没有变化，但时间趋势具有空间特征。
本研究使用的模型变量主要包括用于 PM2.5 建模的 Aqua AOD、用于 O3 建模的 GEOS-Chem 化学传输模型输出以及 PM2.5 和 O3共享的一些变量。PM2.5 和 O3 共享的变量：13 个气象变量（包括边界层高度、表面气压、2 米露点温度、蒸发、反照率、低云量、中云量、高云量、总降水量、10 米 U 型分量、10 米 V 型分量、 此外还有地理和社会经济变量，如数字高程模型（DEM）、归一化差异植被指数（NDVI）、人口、国内生产总值（GDP）、公路网和虚拟变量（包括季节、月份和省份）。简而言之，大多数模型变量都是在 ArcGIS 10.2 和Python 2.7 中使用插值方法（如反距离加权和双线性算法）将其处理为基于标准网格的 1 km × 1 km 分辨率。AOD 由 ENVI 5.3+IDL 处理，使用 ArcPy 提取到标准网格，然后进行反距离加权插值，得到 1 km×1 km 分辨率的数据。对于长期变量，每天分配相应的月度和年度水平值。
本研究的模型变量包括 2013-2017 年的气象变量、地理变量、社会经济变量、卫星数据和化学传输模型输出。获得了 2013-2017 年 1479 个站点的 PM2.5 日均浓度和 O3 日最大8 小时平均浓度（O3-8 hmax）监测数据。在全国（35.55°N 至43.12°N，112.95°E 至 120.35°E）建立了 1 km × 1 km 的标准网格，共 9495025 个网格单元。网格坐标系为 WGS-84，网格投影为阿尔伯斯投影。我们构建了高性能随机森林模型（时间分辨率：日；空间分辨率：1 km × 1 km），并估算了 2005-2017 年中国的网格日均PM2.5 浓度和 O3-8 hmax 浓度。
交叉验证结果表明，估算的 PM2.5 和 O3-8 hmax 浓度与观测到的 PM2.5 和 O3-8 hmax 浓度匹配合理，拟合检验-R2 值较高。根据基于样本的划分方法，PM2.5 日、月和年估计浓度的检验-R2 值分别为 0.85、0.88 和 0.90 同样，估算的每日、每月和每年 O3-8 hmax 浓度的检验-R3 值分别为 0.77、0.77 和 0.69。PM2.5 的日均均方根误差和最大均方根误差分别为 17.72μg/m3 和 9.37μg/m3；O3-8 hmax 的日均均方根误差和最大均方根误差分别 为 23.10μg/m3 和 15.43μg/m3。在省/市层面，上海、北京、湖北、河北和四川的 PM2.5 估算结果以相对较高的检验 R2（≥ 0.90）排名前五，而西藏、青海、甘肃、安徽和云南的PM2.5 估算结果则以相对较低的检验 R2 值（< 0.70）排名较后。北京、重庆、上海、天津和河南的 O3-8 hmax 估测结果的检验 R2 值相对较高（≥ 0.83），排名前五；而甘肃、安徽、黑龙江、贵州和西藏的 O3-8 hmax 估测结果的检验 R2 值相对较低（＜ 0.62），排名较差。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.ZENODO.DB4015.2023
10.5281/zenodo.4009308
