本数据集基于MCD19A2、MOD13A3、MCD12Q1、MERRA-2、ERA5和CHAP数据集，通过数据预处理、数据上采样、时空匹配将气溶胶光学厚度、归一化植被指数、土地覆盖类型、气象参数等多种数据提取，将中国环境监测总站地面站点观测值作为目标真值，利用机器学习算法LightGBM训练模型，反演2000年至2022年“一带一路”沿线区域的逐日1公里分辨率沙尘颗粒物产品。本次沙尘颗粒物浓度数据集为“一带一路”沿线区域的沙尘研究提供基础数据。
1. 数据集命名：2011001.h22v04.tiff
201101表示日期，h22v04对应MCD19A2的瓦片，tiff文件中的波段1即为多对应的浓度值。
2.量纲（度量单位）：毫克/立方米
3.每张tiff图像大小为1200×1200像素
1.MCD19A2、MOD13A3、MCD12Q1数据从MODIS官方网站(https://modis.gsfc.nasa.gov//)下载 。
2.MERRA-2 tavg1_2d_aer_Nx数据从从美国宇航局戈达德地球科学数据和信息服务中心（https://disc.gsfc.nasa.gov/）下载。
3.ERA5-Land 数据从欧洲中期天气预报中心（https://cds.climate.copernicus.eu/） 下载。
4.CHAP 数据从青藏高原数据科学中心（https://data.tpdc.ac.cn/home） 下载。
1. 遥感数据预处理：对MCD19A2不同波段的有效数据取平均，MERRA-2(0.5°×0.625°)和ERA5-Land(0.25°×0.25°)分别通过双线性插值采样至1公里分辨率，用MERRA-2填补MCD19A2的缺失值，然后按照最近点像素的方式时空匹配，提取所需数据。
2. 反演方法：采用最终采用LightGBM模型分别训练两个模型：(1)校正模型（主要针对中国区域），即把CHAP的数据也作为预测因子输入到模型中，最后再把反演的结果取平均后作为最终的结果；(2)原始模型（主要针对中国以外的其他区域）。
数据精度（使用2014-2022年的所有样本数据）：
校正模型：基于样本的十折交叉验证PM10的R_2、MAE、RMSE分别为0.95、4.83、13.84，PM2.5的R_2、MAE、RMSE分别为0.96、3.27、7.00；
原始模型：基于样本的十折交叉验证PM10的R_2、MAE、RMSE分别为0.86、12.05、24.30，PM2.5的R_2、MAE、RMSE分别为0.89、7.23、12.20。
| # | 编号 | 名称 | 类型 |
| 1 | 2022YFF0711702-04 | 沙漠、沙尘数据融合制备技术及长时序高质量数据制备 | 国家重点研发计划 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
