前阵子跑一个跨十年的空气质量分析项目,在整理数据源时发现一个很尴尬的现状:SO2虽然是大气污染的“老牌”污染物,做酸沉降、燃煤治理、健康暴露评估都绕不开它,可高质量的空间数据反而比PM2.5少一截。PM2.5有各种卫星反演、再分析、网格化产品,SO2却常常只能靠零星站点插值,或者用分辨率很粗的全球模式输出,放到城市尺度根本没法看。后来换到这套中国高分辨率月/日度SO2数据集(2013-2023),很多卡壳的地方一下就顺了。它覆盖2013到2023年整整十年,空间上做到高分辨率网格,时间上同时给出月度和日度两套产品,恰好把“宏观趋势看得清”和“微观过程抓得住”两件事一起解决。
需要这份数据的人,基本跑不出这几类:写大气环境方向论文的研究生和科研人员,做空气质量改善效果评估的环保工作者,算健康暴露风险的环境流行病学研究者,以及想给自己的分析模型加一个高质量环境变量的数据从业者。这篇就把我怎么理解这套数据的结构、平时拿它做哪些分析、实测踩过的坑一次说完。
1. 为什么这套数据集值得关注
1.1 2013年这个起点,选得比想象中讲究
很多做环境数据的人看到2013年这个起点,第一反应是“为什么不是更早”。我最初也这么想,后来把政策节点、监测网络、卫星载荷三条线放在一起看,才发现这个年份确实是国内空气质量数据质量的分水岭。
先说政策面,2013年是“大气十条”落地之年,从那以后空气质量治理从“点状治理”转向“系统治理”,SO2作为燃煤型污染的典型指标,被纳入重点考核。更关键的是监测网的变化,2013年前后国家环境空气质量监测网大规模扩展,国控站点数量从几百个快速增加到上千个,而且2013年开始执行新环境空气质量标准,SO2小时均值、日均值、年均值都有了一套完整可比的口径。
站点数据对卫星反演产品的重要性,业内人都懂——没有地面监测标签,机器学习降尺度模型根本训练不出来。2013年之前,全国SO2有效站点稀疏,很多区域只有一两个城市有监测,这样的标签密度做出来的高分辨率产品,精度没有任何保障。所以无论从治理周期还是从数据质量角度,2013年都是一个非常合理的起点。截至2023年,恰好覆盖了“治理前状态—快速改善—平台期”的完整周期,做政策评估的样本量和时间跨度都够了。
1.2 月度数据和日度数据,根本不是同一件事
这套数据集最吸引我的一点,是同时提供月度和日度两套产品。很多人觉得日度信息量大,月度只是日度的平均,非要用就用日度,实则不然。
日度数据可以捕捉单日强排放事件、重污染过程,也能跟气象数据做事件归因。比如冬季一次典型静稳天气过程,SO2浓度在48小时内从低位爬升到高值,这种细节只有日度产品能给。但日度数据也有明显短板——卫星反演受云遮挡影响很大,单日空间覆盖经常是残缺的,而且单日反演的随机噪声比较大,孤立看某一天的数据,数值稳定性并不好。
月度产品则是把一个月内的有效日值聚合到一起,随机噪声互相抵消,空间覆盖显著改善,数值也更稳健。做季节特征、年际趋势、政策前后对比,月度数据远比日度数据省心。我的习惯是:做趋势和政策评估优先用月度数据,做高污染事件过程和健康短期暴露研究再切到日度数据。两套产品配合使用,比只盯着其中一个要顺手得多。
1.3 高分辨率带来的不只是“好看”
分辨率这个指标,外行看热闹,内行看门道。低分辨率产品不是不能用,是很多研究问题根本支撑不起来。
假设拿1°×1°的全球产品做健康暴露评估,一格大约是100公里见方,一个格子里同时包含了城市核心区、郊区、农田、工业园,浓度被严重平滑。人口最密集的城区和周边农村被平均成同一个数值,估算出来的人口加权暴露必然偏低。换成高分辨率网格后,城市核心区和周边区域能拉开梯度,叠加人口网格时,暴露评估的准确度会有本质提升。
在局地尺度分析里,高分辨率同样重要。比如识别一个工业园对下风向区域的SO2贡献,粗网格根本找不到那个污染源的位置。虽然高分辨率产品的不确定性也会随尺度细化而上升,但信息量和空间区分度带来的收益,明显大于噪声带来的损失。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从卫星轨道到网格浓度:数据是怎么生成的
2.1 紫外波段的看家本领:卫星怎么“看见”SO2
很多人好奇,SO2在大气里浓度低、分布散,卫星隔着几百公里怎么把它揪出来
