本研究利用集合卡尔曼滤波器（EnKF）和嵌套空气质量预测模拟系统（NAQPMS），同化了中国国家环境监测中心（CNEMC）的 1000 多个地表空气质量监测点，建立了长达六年的高分辨率中国空气质量再分析数据集（CAQRA）。提供了 2013-2018 年期间中国六种常规空气污染物（即 PM2.5、PM10、SO2、NO2、CO 和 O3）的高空间分辨率（15 千米 ×15 千米）和高时间分辨率的表面场。该数据集将是中国首个可同时提供六种常规空气污染物地表浓度的高分辨率空气质量再分析数据集，对空气污染健康影响评估、中国空气质量变化研究以及为基于统计或人工智能（AI）的预报提供训练数据等多项研究具有重要价值。
从中国环境监测总站获取的 PM2.5、PM10、二氧化硫、二氧化氮、一氧化碳和臭氧浓度的地面观测数据.
数据集由ChemDAS生成，ChemDAS采用NAQPMS模式作为预报模式，LETKF采用后处理模式同化观测数据。背景误差协方差由集合模拟计算得出，其中考虑了主要空气污染物排放的不确定性。此外，还采用了一种膨胀技术来动态膨胀背景误差，以防止低估真实的背景误差协方差。
采用了五倍交叉验证（CV）方法来评估 CAQRA 的质量。交叉验证结果表明，CAQRA 在再现中国地面空气污染物的大小和变率方面表现出色， 也很好地反映了中国空气质量的年际变化。
通过与欧洲中期天气预报中心（ECWMF）基于卫星产品同化制作的哥白尼大气监测服务再分析（CAMSRA）的比较，我们发现由于同化了地面观测资料，CAQRA在表现中国地面气态空气污染物方面具有更高的精度。CAQRA 更精细的水平分辨率也使其更适合区域尺度的空气质量研究。
进一步将PM2.5再分析数据集与美国国务院中国空气质量监测项目的独立数据集进行了验证，并将PM2.5再分析的精度与卫星估算的PM2.5浓度进行了比较。结果表明，PM2.5 再分析数据与独立观测数据具有良好的一致性（R2=0.74-0.86，RMSE=16.8-33.6 μg/m3），其精度高于大多数卫星估算值。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:31253.11.sciencedb.00092
10.11922/sciencedb.00092
