/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}
细颗粒物（PM2.5）指环境空气中空气动力学当量直径不大于 2.5 微米的颗粒物。这一粒径区间的颗粒物能够长时间悬浮于大气之中，并可随呼吸进入肺泡，因此其浓度既是大气污染程度的直接表征，也是环境健康研究中最重要的暴露变量之一。
在实证研究里，PM2.5 浓度的用途大致分为两层。最基础的一层是把年均浓度作为地区空气污染水平与雾霾严重程度的度量，用于描述性比较与地区间差异分析；更进一步的一层把它当作自变量或中介变量，衍生出污染暴露强度、环境治理绩效、污染的空间溢出与收敛、极端污染事件频次等一整套可计算指标。无论走哪条路径，研究者首先需要一套时间跨度足够长、空间粒度足够细、口径前后一致的浓度面板。
下面这套数据面向的正是这一需求。它以 CHAP（ChinaHighAirPollutants）体系中的 ChinaHighPM2.5 高分辨率卫星反演产品为底图，经栅格处理、行政区划空间匹配与分区统计，整理为省、市、县三级年度面板，除年均浓度外还给出优良天数、超标天数、重污染天数、超标率、年内标准差与有效天数六项衍生指标，覆盖 2000—2025 年共 26 个年份。
一、源数据与构建流程
底图来自国家青藏高原科学数据中心发布的 ChinaHighPM2.5 数据集。该产品以卫星气溶胶光学厚度反演为输入，结合气象再分析资料与地面监测，用时空极端随机森林（space-time extremely randomized trees）模型重建出 1 km 分辨率的逐日近地面 PM2.5 浓度格网，是目前国内空间分辨率与时间连续性兼顾程度较高的公开产品之一。
从格网到行政区面板，共经过四个环节：
-
格网预处理：统一投影与格网对齐，逐日读取浓度栅格，按日历日建立时间索引。
-
行政匹配：将省、市、县三级行政区划边界与格网做空间叠加，逐格判定归属，边界跨越的格网按面积比例拆分，避免整格归属造成的边界系统性偏差。
-
分区统计：对每个行政区、每一天计算格网值的面积加权平均，得到行政区日浓度序列；再由日序列汇总出年度指标——年均浓度取日浓度均值，优良/超标/重污染天数按日浓度与分级阈值比较后计数，标准差取年内日浓度离散度，有效天数记录参与统计的非缺测日数。
-
面板拼接：三级数据分别按「行政区代码—年份」双键拼接为平衡面板，行政区划代码统一采用 GB/T 2260 六位码。
阈值说明：优良、超标、重污染天数依据《环境空气质量标准》（GB 3095—2012）的日均浓度分级判定，其中优良与超标以二级日均限值（75 μg/m³）为界，重污染对应更高级别的浓度区间。具体分级阈值以随数据发布的字段说明为准。
二、覆盖范围与面板结构
三、字段字典、
四、样本数据（节选）
参考文献：
韦晶, 李占清, 朱彤. (2023). 中国高分辨率高质量 PM2.5 数据集（2000—2025）. 国家青藏高原科学数据中心.
Wei, J., Li, Z., & Zhu, T. (2023). ChinaHighPM2.5: High-resolution and High-quality Ground-level PM2.5 Dataset for China (2000-2025). National Tibetan Plateau / Third Pole Environment Data Center.
Wei, J., Li, Z., Lyapustin, A., Sun, L., Peng, Y., Xue, W., Su, T., & Cribb, M. (2021). Reconstructing 1-km-resolution high-quality PM2.5 data records from 2000 to 2018 in China: spatiotemporal variations and policy implications. Remote Sensing of Environment, 252, 112136.
Wei, J., Li, Z., Cribb, M., Huang, W., Xue, W., Sun, L., Guo, J., Peng, Y., Li, J., Lyapustin, A., Liu, L., Wu, H., & Song, Y. (2020). Improved 1 km resolution PM2.5 estimates across China using enhanced space-time extremely randomized trees. Atmospheric Chemistry and Physics, 20, 3273-3289.
Yang, Z., Cheng, F., Gao, J., Liu, H., & Wei, J. (2026). Satellite observations reveal heterogeneous atmospheric composition responses to rapid emission changes. Atmospheric Chemistry and Physics, 26, 7933-7947.
数据来源：国家青藏高原科学数据中心 CHAP / ChinaHighPM2.5 高分辨率大气污染物数据集（Wei et al.）；行政区划代码采用 GB/T 2260 国家标准。
下方专栏分享更多内容：
经管社科数据代码合集
来源： Paper 数据分析
