该数据集包含 PM 的研究领域、特征重要性、空间和时间模式2.5和 PM10，以及估计年死亡率的不确定性。 在这项工作中，开发了一种基于光梯度提升机 （LightGBM） 的简单结构化、高效且稳健的模型，以融合多源数据并估计印度长期 （1980-2022） 历史每日地面 PM 浓度 （LongPMInd）。LightGBM 模型在样本外、场外和年外交叉验证 （CV） 测试中显示出良好的准确性R2值分别为 0.77、0.70 和 0.66。PM 之间的性能差距较小2.5训练和测试（delta RMSE 为 1.06、3.83 和 7.74微克 m−3） 表示过拟合风险较低。具有很强的泛化能力，可公开访问、长期、高质量的每日 PM2.5和 PM10然后重建产品（10 公里，1980-2022 年）。这表明印度在印度恒河平原 （IGP） 经历了严重的 PM 污染，尤其是在冬季。自 2000 年以来，大多数地区的 PM 浓度显著增加。 转折点发生在 2018 年，当时印度政府启动了国家清洁空气计划，PM2.5大多数地区的浓度下降。重度 PM2.5污染导致归因过早死亡率持续增加，从 2000 年的 0.73 （95 % 置信区间 （CI） [0.65， 0.80]） 增加到 2019 年的 1.22 （95 % CI [1.03， 1.41]），特别是在 IGP 中，归因死亡率从 36 万增加到 60 万。LongPMInd 有可能支持空气质量管理、公共卫生倡议和应对气候变化工作的多种应用。
PM2.5和PM10的地面观测2018-2022年期间在印度的数据采集是从 CPCB 空气质量监测网络收集的（https://www.cpcb.nic.in）。 由于极值会影响模型稳健性，因此排除了底部和顶部 0.01% 的观测数据。使用了涵盖 1980-2022 年的第五代 ECMWF 大气再分析数据集 ERA5-Land。根据特征的相对重要性选择特征，而相对重要性则根据它们的增益计算，并包括几个相对重要性较高的气象因素。还收集了涵盖 1980-2022 年的现代研究和应用回顾性分析第 2 版 （MERRA-2） 的数据产品，数据包括气溶胶光学厚度和气溶胶成分和前体（黑碳、有机碳、硫酸盐、灰尘和二氧化硫)。
模型构建：在这项研究中，LightGBM是一种高效的梯度提升决策树（GBDT），用于估计PM2.5和PM10，使用网格搜索交叉验证（CV）方法来选择最佳超参数。设计了超参数选择算法（增补中的算法 S1）来保证模型的泛化能力。执行循环以增加模型复杂性，然后在模型预测的RMSE没有显着降低或训练和预测的RMSE 之间的差异没有显着增加时结束循环并返回超参数。根据特征的相对重要性来选择特征。10个气象特征、6个与排放相关的特征和总气溶胶消光用于训练LightGBM和估计PM浓度。
MERRA-2 是由 NASA 发布和维护的全球空气污染再分析数据集;它已广泛用于印度地区的 PM 污染研究，其可靠性已得到广泛分析（Gueymard 和 Yang，2020 年;Navinya等人，2020 年;Buchard等人，2017 年）。对于 MERRA-2 AOD，使用 AERONET 观测的评估表明，MERRA-2 在大多数地区的表现优于哥白尼大气监测服务 （CAMS）（Gueymard 和 Yang，2020 年）。Kumar 等人（2023 年）预测了地面 PM2.5仅使用 MERRA-2 和机器学习方法在印度的浓度，证明了 MERRA-2 数据的可靠性。
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.DB6667.2024
10.5281/zenodo.10073944
