中国环境科学研究院韩文超团队RSE｜利用机器学习融合多源异构数据生成中国高分辨率、三维、全覆盖气溶胶空间分布数据集

本研究由中国环境科学研究院韩文超团队主导，通过耦合机器学习（XGBoost+LightGBM）和数据融合方法（小波变换），构建XLW算法，融合多源异构数据，首次生成了中国高分辨率、三维、全覆盖的气溶胶空间分布数据集。该数据集垂直高度范围为0-10公里，水平分辨率为5×5公里，垂直分辨率为60米。研究验证了XLW算法在水平和垂直方向上均能准确捕捉气溶胶分布，弥补了现有观测方法的不足。研究结果表明，中国气溶胶空间分布在水平和垂直方向上存在显著差异，尤其在低层大气中，XLW算法的预测精度优于CALIPSO卫星观测。该数据集为大气污染和气候变化研究提供了重要支持，具有广泛的应用价值。