​

  简介

全球高空气污染物（GHAP）PM2.5 浓度（2017-2022）
该数据集是首个大数据衍生的无间隙（100% 空间覆盖）、1 千米分辨率（D1K、M1K 和 Y1K）的全球陆地地区 PM2.5 日、月和年浓度产品，时间跨度为 2017 年至 2022 年，是全球高空气污染物数据集（GHAP）的一部分。利用机器学习和大数据技术，该数据集为了解 PM2.5 污染的时空变化提供了前所未有的见解。特别是，该数据集揭示了全球广泛的不健康空气暴露，确定了发达国家/发展中国家、城市/农村地区以及城市内部的暴露差异，捕捉了 COVID-19 封锁等事件对空气质量的影响，并提供了对自然引起的污染事件（如生物质燃烧）的见解。该数据集质量很高，其交叉验证判定系数（CV-R2）为 0.91，每日均方根误差（RMSE）为 9.20 µg m-3。

数据集说明

全球高空气污染物（GHAP）数据集是指长期、全覆盖、高分辨率、高质量的全球陆地地面空气污染物数据集。同样，它也是考虑到空气污染的时空异质性，利用人工智能从大数据中生成的，目前包含 PM2.5（1 公里）、NO2（1 公里）和 O3（10 公里），未来还将生成更多种类的空气污染物。

中国大气污染物数据集（ChinaHighAirPollutants，CHAP）是指长期、全覆盖、高分辨率、高质量的中国地面大气污染物数据集。该数据集由大数据（如地面测量数据、卫星遥感产品、大气再分析和模式模拟）通过人工智能生成，考虑了空气污染的时空异质性。SO42-、NO3-、NH4+、Cl-、BC 和 OM），以及环境多环芳烃 (PAHs)，包括 7 种致癌多环芳烃（即 BaA、Chr、BbF、BkF、BaP、DahA、IcdP）。该 CHAP 数据集是公开的，免费向所有用户开放！

代码

var GHAP_DAILY = ee.ImageCollection("projects/sat-io/open-datasets/GHAP/GHAP_D1K_PM25");
var GHAP_MONTHLY = ee.ImageCollection("projects/sat-io/open-datasets/GHAP/GHAP_M1K_PM25");
var GHAP_YEARLY = ee.ImageCollection("projects/sat-io/open-datasets/GHAP/GHAP_Y1K_PM25");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/GHAP-DATASETS

引用

Wei, J., Li, Z., Lyapustin, A., Wang, J., Dubovik, O., Schwartz, J., Sun, L., Li, C., Liu, S., and Zhu, T. First close insight into global daily gapless 1 km PM2.5 pollution, variability, and health impact. Nature Communications, 2023, 14, 8349. https://doi.org/10.1038/s41467-023-43862-3

数据集引文可根据年份和发布的打包方式提供。您可以在这里找到所有数据集，并在下面找到一个示例 

Search GHAP: Global High-resolution and High-quality Ambient Air Pollutants Dataset over Land

Wei, J., & Li, Z. (2024). GlobalHighPM2.5 (2022) (Version 1) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.10795662

许可

These datasets are licensed under a Creative Commons Attribution 4.0 International license.

Provided by: Wei et al

Curated in GEE by: Samapriya Roy

Keywords: PM2.5, Pollutants, Air Quality, Air Pollutants, GHAP

Last updated in GEE: 2024-06-09

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

​