%0 Dataset
%T 印度长期每日地面颗粒物浓度（LongPMInd）重建数据集（1980-2022年）
%J 国家冰川冻土沙漠科学数据中心
%I 国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)
%U http://www.ncdc.ac.cn/portal/metadata/59772e67-7fcb-42aa-a688-120b203fee15
%W NCDC
%R 10.5281/zenodo.10073944
%A 张宏亮
%K 印度;PM2.5;PM10;浓度
%X 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。