河南治疗白癜风医院 http://m.39.net/pf/a_4324729.html原文标题：TrackingAirPollutioninChina:NearReal-TimePM2.5RetrievalsfromMultipleDataSources发表期刊：（Preprint）作者：GuannanGeng,QingyangXiao,ShiganLiu,XiaodongLiu,JingCheng,YixuanZheng,DanTong,BoZheng,YiranPeng,XiaomengHuang,KebinHeandQiangZhang第一作者机构：StateKeyJointLaboratoryofEnvironmentSimulationandPollutionControl,SchoolofEnvironment,TsinghuaUniversity,Beijing,China出版年：（Preprint）随着经济、社会的快速发展，人类排放的污染气体、气溶胶和气溶胶前体物极大改变了大气成分，对地球辐射平衡、生态系统和人类健康造成影响。所有大气污染物中，细颗粒物（PM2.5）的危害最大，理解PM2.5浓度的时空变化对研究大气污染、气候变化和环境健康影响有重要意义。然而传统单一来源的大气成分数据无法同时满足精度高、时空覆盖完整、数据长期连续等需求：地面监测数据虽最为精确，但站点数目有限、分布稀疏，且难以满足长期连续的要求；空气质量模型模拟数据时空覆盖完整，但模拟结果存在较大不确定性；卫星遥感数据覆盖范围广、连续时间长，但不能直接反映大气成分的含量，且存在一定程度的缺失。因此亟需融合多源数据，建立一套高精度、全覆盖、长期连续和实时更新的大气成分数据集，以便科学研究和环境管理。以往的研究已经尝试各种不同方法融合上述若干数据集，从而对PM2.5浓度做定量估计，但只有少数研究在日尺度下对所使用的气溶胶光学厚度（AOD）数据进行补全，且这些研究往往在重污染天气下低估PM2.5浓度。此外，这些研究均不对公众开放预测所得的近实时PM2.5浓度数据。基于上述研究现状，本研究开发了基于大气化学传输模式（CTM）、双阶段机器学习模型和缺失数据填补方法的中国空气污染追踪数据库（TrackingAirPollutioninChina，简称TAP，
