数据集名称
数据集名称：中国区域MODIS MAIAC AOD日合成值数据（GridMAIACAODChina）
英文名称: MODIS MAIAC AOD daily grid data for China (GridMAIACAODChina)
数据集描述
GridMAIACAODChina数据集基于MODIS Collection 6.1 MCD19A2产品生产，MCD19A2是联合Terra和Aqua卫星上的两颗MODIS传感器观测数据，使用MAIAC算法反演的气溶胶产品，主要包括气溶胶光学厚度（AOD）等参数。MCD19A2数据存储为HDF格式和正弦投影，需要对数据进行提取、数值缩放、坐标转换，转换为软件方便处理和识别的GeoTIFF格式等预处理。为了方便数据用户，我们处理了2000–2024年中国区域的MCD19A2产品的MAIAC AOD数据。处理步骤包括：（1）从HDF文件中提取550 nm AOD数据，乘以缩放系数0.001得到实际AOD值，使用质量保证波段对每个像元的AOD值进行筛选，只保留反演质量最佳的像元值，其余值设置为-999.0；（2）基于有效值计算每个正弦“块”的均值；（3）定义每个正弦“块”的投影；（4）对于每天的数据，镶嵌每个正弦“块”数据为一个数据，并输出数据；（5）重投影数据到WGS84坐标系，输出为GeoTIFF格式，使用LZW无损压缩减小文件量，同时写出元数据文件。
GridMAIACAODChina时间分辨率为1天，空间分辨率为0.01°（约为1 km），空间覆盖范围为东经70–140度，北纬0–55度，缩放因子为1（为实际AOD值），文件格式为GeoTIFF，坐标系统为WGS84，文件名为日期，包含的_info.txt文件为元数据文件。
数据集评估
下图使用中国区域AERONET站点评估了MAIAC AOD在中国区域的精度，相关系数超过0.919，偏差为0.015–0.02，RMSE约为0.1，满足期望误差的比例约为67%，在中国区域的稳定性较差，不确定性变化超过0.065/10年。
下图显示了全球区域6个MODIS和VIIRS产品的验证和对比，其中MODIS的三个产品（DT、DB和MAIAC），MAIAC AOD的全球验证精度最高，偏差为0.001，RMSE为0.102，满足期望误差 ±(0.05+15%τ) 的比例为0.761，在全球46.8%的站点和8/10的区域优于MODIS DT和DB AOD。
数据集应用
GridMAIACAODChina为长时序1 km AOD数据集，可以用于气溶胶时空分布和变化趋势分析，捕捉和分析各类气溶胶事件，与其他产品对比分析；环境健康（如颗粒物浓度估算，污染暴露估算等）、气候变化（如辐射估算、辐射平衡等）、定量遥感（如大气校正、痕量气体和温室气体反演支持等）。
数据集下载
数据托管于ScienceDB平台，按照CC BY-NC-SA 4.0协议免费共享，下载链接：https://doi.org/10.57760/sciencedb.25524
数据参考文献
数据集使用请引用一下数据和参考文献:
- Su Xin. Daily composite of MODIS MAIAC AOD in China (GridMAIACAODChina)[DS/OL]. V1. Science Data Bank, 2025[2025-05-26]. https://doi.org/10.57760/sciencedb.25524. DOI:10.57760/sciencedb.25524.
- Su Xin, Cao Mengdan, Wang Lunche, Gui Xuan, Zhang Ming, Huang Yuhang, Zhao Yueji (2023). Validation, inter-comparison, and usage recommendation of six latest VIIRS and MODIS aerosol products over the ocean and land on the global and regional scales. Science of the Total Environment, 884, 163794. https://doi.org/10.1016/j.scitotenv.2023.163794.
- Huang Ge, Su Xin, Wang Lunche, Wang Yi, Cao Mengdan, Wang Lin, Ma Xiaoyu, Zhao Yueji, Yang Leiku (2024). Evaluation and analysis of long-term MODIS MAIAC aerosol products in China. Science of the Total Environment, 948, 174983. https://doi.org/10.1016/j.scitotenv.2024.174983.
- Wang Lunche, Su Xin, Wang Yi, Cao Mengdan, Lang Qin, Li Huaping, Sun Junyao, Zhang Ming, Qin Wenmin, Li Lei, Yang Leiku (2024). Towards long-term, high-accuracy, and continuous satellite total and fine-mode aerosol records: Enhanced Land General Aerosol (e-LaGA) retrieval algorithm for VIIRS. Isprs Journal of Photogrammetry and Remote Sensing, 214, 261-281. https://doi.org/10.1016/j.isprsjprs.2024.06.022.
