本数据建立了一个地理和时间加权回归模型（GTWR），并利用1公里分辨率的MCD19A2（MODIS/Terra+Aqua陆地气溶胶光学厚度每日L2G全球1公里SIN网格V006）数据和9个辅助变量，估算了2015年至2020年新疆的PM2.5浓度。研究结果表明，与简单线性回归（SLR）和地理加权回归（GWR）模型相比，GTWR模型在新疆PM2.5浓度反演的准确性和可行性方面表现更优。同时，通过将GTWR模型与MCD19A2数据结合，可获得空间分辨率更高的PM2.5空间分布图，2015年至2020年新疆PM2.5年浓度的区域分布与地形特征一致。低值区域主要分布在高海拔山地，高值区域则主要位于低海拔盆地。总体而言，西南部浓度较高，东北部浓度较低。从时间变化来看，六年间的PM2.5浓度呈现单峰分布，2016年为转折点。最后，2015年至2020年新疆季节平均PM2.5浓度存在显著差异，呈现冬季（66.15μg/m³）>春季（52.28μg/m³）>秋季（40.51μg/m³）>夏季（38.63μg/m³）的顺序。研究表明，MCD19A2数据与GTWR模型的结合在反演PM2.5浓度方面具有良好的适用性。
（1）PM2.5数据为中国国家环境监测站（http://www.cnemc.cn/）全国空气质量实时发布平台的每小时PM2.5数据;
（2）MODIS MCD19A2 AOD数据由Level-1和大气档案与分布系统分布式主动档案中心（LAADS SAAC）下载，下载地址为：https://ladsweb.modaps.eosdis.nasa.gov/search/，数据为MODIS Terra和aqua的MAIAC大气校正算法（MAIAC）多角度实现，分辨率为1km;
（3）温度、相对湿度、降水量和风速数据来自国家地球系统科学数据中心、国家科技基础设施（http://www.geodata.cn）；
（4）BLH 来自 ECMWF 再分析数据集 （https://www.ecmwf.int/）。
使用新建立的地理和时间加权回归模型（GTWR），并估计了PM2.5使用1 km分辨率MCD19A2（MODIS/Terra+Aqua Aerosol Optical Thickness Daily L2G Global 1km SIN Grid V006）数据和9个辅助变量，对2015—2020年新疆集中度进行分析。
研究结果表明，与简单线性回归（SLR）和地理加权回归（GWR）模型相比，GTWR模型在新疆PM2.5浓度反演的准确性和可行性方面表现更优。MCD19A2数据与GTWR模型的结合在反演PM2.5浓度方面具有良好的适用性。
| # | 编号 | 名称 | 类型 |
| 1 | XJEDU2021Y011 | 新疆维吾尔自治区高校科研计划 | 其他 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.NCDC.FIGSHARE.DB6964.2025
10.1371/journal.pone.0285610.g009
