基于多层LightGBM融合多尺度时空信息的MAIAC气溶胶光学厚度缺失数据重建研究

本文创新性地提出多层LightGBM（MLL-MST）模型，通过多尺度时空特征分层提取技术，实现不依赖地面观测的MODIS MAIAC气溶胶光学厚度（AOD）产品全时空覆盖重建。模型在2023年中国区域重建中达到与AERONET站点0.88的相关系数（R），均方根误差（RMSE）0.293，将原始40%覆盖率提升至100%，显著提升气溶胶污染监测与气候研究数据质量。

　　

Highlight亮点

本研究开发的MLL-MST模型突破传统AOD重建对地面观测站的依赖，通过分层学习年度、季节、月度和周尺度时空特征，首次实现仅基于单一卫星数据源的大范围高精度AOD重建。重建结果与AERONET观测数据呈现0.88的高相关性，完美再现中国区域气溶胶时空异质性特征。

Model validation and accuracy模型验证与精度

• 模型验证

利用2023年中国50个AERONET站点数据，对比原始MAIAC AOD、随机森林（RF）重建结果与MLL-MST重建精度。通过设置±30分钟时间窗口匹配卫星过境时刻，确保验证数据时空一致性。结果显示MLL-MST模型在保持原始数据空间细节的同时，显著改善云覆盖区域的系统性缺失问题。

Compares with other studies对比研究

相较于传统克里金插值法和多源数据融合方法，MLL-MST模型创新性地通过梯度提升机制逐层修正AOD时空变异特征。重建产品不仅实现100%空间覆盖率，更精准捕捉到中国东部城市群和青藏高原等典型区域的瞬时气溶胶暴增事件（如雾霾过程），为流行病学短期暴露研究提供数据支撑。

Conclusions结论

该模型成功构建了中国全域无缝AOD日值产品，验证了单一卫星数据源深度挖掘的可行性。重建产品能准确反映局地AOD水平（如华北平原_PM2.5高值区），其"由粗到细"的多尺度重建策略为全球AOD产品优化提供新范式。