此数据集分享了中国大陆高空间（1x1km2）和时间（日）分辨率，2015-2018年的完整气溶胶光学深度数据集，以及北京1954投影（https://epsg.io/2412）。该数据库包含四个数据集：2015年1月1日至2018年12月31日中国大陆每日完整高分辨率AOD影像数据集。存档资源包含存储1461个文件中的1461幅图像，以及3个 Excel摘要文件：表 "CHN_AOD_INFO.xlsx "描述了1461幅图像的属性，包括投影、训练R2和RMSE、测试R2和RMSE、最小值、平均值、中位数和我们预测的最大AOD； 表“Model_and_Accuracy_of_Meteorological_Elements.xlsx” 描述了高分辨率气象数据集插值的性能指标统计；表 "Evaluation_Using_AERONET_AOD.xlsx "显示AERONET的评估结果，包括R2、RMSE和本研究使用的监测信息。
原始气溶胶光学深度图像来自多角度大气校正气溶胶光学深度（MAIAC AOD）（https://lpdaac.usgs.gov/products/mcd19a2v006/），具有相似的时空分辨率和投影（https://en.wikipedia.org/wiki/Sinusoidal_projection）。
经过投影转换，18 幅MAIAC AOD 被合并在一起，得到了覆盖整个中国大陆地区的 AOD 大图像。由于云和高地表反射率的条件，每幅原始 MAIAC AOD 图像通常都有许多缺失值，每幅 AOD 图像的平均缺失率可能超过 60%。如此高的缺失率严重限制了原始 MAIAC AOD 数据集产品的适用性。我们采用复杂的全残差深度网络方法对 MAIAC 每日缺失的 AOD 进行了估算，从而获得了覆盖中国大陆的完整（无缺失值）的高分辨率 AOD 数据产品。估算中使用的协变量包括坐标、海拔、MERRA2 粗分辨率 PBLH 和 AOD 变量、云分量、高分辨率气象变量（气压、气温、相对湿度和风速）和/或时间指数等。地面监测数据用于生成高分辨率气象变量，以确保插值的可靠性。
总体而言，我们的每日估算模型的平均训练 R^2 为 0.90，范围在 0.75 至 0.97 之间（平均 RMSE：0.075，范围在 0.026 至 0.32 之间），平均测试 R^2 为 0.90，范围在 0.75 至 0.97 之间（平均 RMSE：0.075，范围在 0.026 至 0.32 之间）。训练指标和测试指标之间几乎没有差异，高测试 R^2 和低测试 RMSE 显示了 AOD 估算的可靠性。在利用中国大陆气溶胶机器人网络（AERONET）监测站的地面AOD数据进行的评估中，我们的方法获得了0.78的R^2和0.27的RMSE，进一步说明了该方法的可靠性。
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.DVN.DB6522.2024
10.7910/DVN/RNSWRH
