发帖
雷达卡
源数据介绍：源数据来自于大气成分分析组（Atmospheric Composition Analysis Group)其目前已经将地表PM2.5数据更新至了2020年,源数据为栅格数据，数据匹配中国的行政区划矢量数据，处理得到了1998-2000中国省级 地市级 县级三级的年度PM2.5均值数据。
目前ACAG的负责人Prof. Aaron van Donkelaar似乎已经从加拿大达尔豪斯大学跳槽至了美国WUSTL(Washington University in St. Louis)即华大圣路易斯，ACAG的数据也整体在WUSTL网站上发布。对国内使用该数据的朋友来说，这可能是个好消息，毕竟WUSTL的世界排名和知名度都比较高一些。
关于数据版本的一些解释：ACAG原挂在达尔豪斯大学，其负责人是Prof. Donkelaar,目前在WUSTL，负责人仍为Prof. Donkelaar。可确定本数据和之前的达尔豪斯大学数据（这个我之前也做过）同源。之前帖子使用的是V4.CN.03,同教授邮件联系后确认CN版本不会再更新。全部使用GL版本数据，本帖子中数据使用的是V5.GL.01,该版本数据教授推荐所有地区使用。
着重提醒：两版数据还是有一定差异的，为了保证时间序列的一致性，【不建议】混用不同版本的数据
数据的具体概况（摘取原网站）：
We estimate ground-level fine particulate matter (PM2.5) total and compositional mass concentrations over North America by combining Aerosol Optical Depth (AOD) retrievals from the NASA MODIS, MISR, and SeaWIFS instruments with the GEOS-Chem chemical transport model, and subsequently calibrated to regional ground-based observations of both total and compositional mass using Geographically Weighted Regression (GWR) as detailed in the below reference for V4.NA.02. V4.NA.03 further modified the V4.NA.02 GWR method with additional developments as part of the MAPLE (Mortality–Air Pollution Associations in Low-Exposure Environments) project, and uses V4.GL.03 PM2.5 estimates as geophysical input. The GWR method of individual components remains unchanged from V4.NA.02, but are provided are percentages to ensure mass closure and recommended to be applied to the V4.NA.03 total PM2.5.
想获取长时序的PM2.5数据只能采用估测（早年没有开展实测），这个和广泛使用的哥大数据一样都是基于NASA两颗卫星MODIS和MISR的AOD（气溶胶光学厚度）数据进行【估测】的。不同机构的算法不一样，数据也会有一定的差距。
Reference：Aaron van Donkelaar, Melanie S. Hammer, Liam Bindle, Michael Brauer, Jeffery R. Brook, Michael J. Garay, N. Christina Hsu, Olga V. Kalashnikova, Ralph A. Kahn, Colin Lee, Robert C. Levy, Alexei Lyapustin, Andrew M. Sayer and Randall V. Martin (2021). Monthly Global Estimates of Fine Particulate Matter and Their Uncertainty Environmental Science & Technology, 2021, doi:10.1021/acs.est.1c05309.
数据处理概况：
源数据为.NC(NetCDF)格式，使用地信软件ArcGIS将NC的图层信息提取出来，然后使用分区统计，将其与行政区划匹配。
矢量数据信息：
省县乡同源，矢量数据更新至2020年（已更新至莱芜被合并后）。省级基本问题不大。地市级处理中将【地区、省直辖县、林区及兵团县】也放在了其中（即某些省直辖的代管区域不被计入代管地市），每个样本城市的类型也都有明确的标注（见示例数据），方便大家选用。县级一般变动也不大，海南三沙市和东莞市是全国唯二的“直筒子市”（没有市辖区和辖县），故在县级中也会出现，特作解释。
建议：如果采用长时序研究，需要注意样本城市（例如济南，在本处理中1998年的数据也是包含莱芜的）是否出现过区划变动，为保证口径一致，建议在研究中将出现过区划变动的样本剔除
变量说明（如无特殊需求，一般用MEAN，即为年度均值）：
count:区域内栅格数目
AREA：区划面积
MIN:区域内栅格最小值 MAX：区域内栅格最大值
RANGE:MAX-MIN SUM:区域内所有栅格数据加总
MEAN:区域内栅格均值，一般使用这个当作区划的年度均值数据。
示例图及示例数据：
京公网安备 11010802022788号
