airlens-live

AirLens Live Air-Quality Data 是一个实时空气质量数据集，作为AirLens开放空气质量监测平台的数据层。该数据集通过GitHub Actions定期更新，提供全球范围的污染物网格数据、时间序列预测、模型预测结果以及气象和海洋数据。具体内容包括：每小时更新的全球污染物网格（PM2.5、PM10、O3、NO2、CO）；每3小时更新的GEFS-Aerosols PM2.5时间序列（覆盖-24小时至+24小时，步长3小时）；每3小时更新的AOD→PM2.5模型预测（包含p10-p90百分位数和DQSS质量等级）；每6小时更新的CAMS/AIFS预测快照（保留30天）；每小时更新的天气/海洋网格数据；以及按版本发布的AOD→PM2.5模型工件（SHA256验证）。数据来源包括NOAA GEFS-Aerosols、Open-Meteo、AirKorea、CAMS等。该数据集适用于空气质量监测、污染预测、环境科学研究以及机器学习模型训练等任务。AirLens Live Air-Quality Data is a real-time air quality dataset serving as the data layer of the AirLens open air quality monitoring platform. The dataset is regularly updated via GitHub Actions, providing global pollutant grid data, time series forecasts, model predictions, and meteorological and oceanographic data. Specific contents include: hourly updated global pollutant grids (PM2.5, PM10, O3, NO2, CO); GEFS-Aerosols PM2.5 time series updated every 3 hours (covering -24h to +24h, step 3h); AOD→PM2.5 model predictions updated every 3 hours (including p10-p90 percentiles and DQSS quality levels); CAMS/AIFS forecast snapshots updated every 6 hours (retained for 30 days); hourly updated weather/ocean grid data; and versioned AOD→PM2.5 model artifacts (SHA256 verification). Data sources include NOAA GEFS-Aerosols, Open-Meteo, AirKorea, CAMS, etc. This dataset is suitable for air quality monitoring, pollution forecasting, environmental science research, and machine learning model training.

原始信息汇总

AirLens Live 空气质量数据集

数据集概述

AirLens Live 是 AirLens 开放空气质量监测平台的实时数据层，通过 GitHub Actions 定时管道自动更新，用于支持空气质量监测与分析应用。

数据内容与结构

数据集采用与 Supabase Storage 存储桶一致的目录结构，包含以下主要模块：

路径	内容	更新频率
aq-data/current-*-grid.json	全球污染物网格数据（PM2.5、PM10、O3、NO2、CO）	每小时
aq-data/timeline/	GEFS-Aerosols PM2.5 预测帧，时间范围 -24h 至 +24h，步长 3 小时	每 3 小时
aq-data/predictions/grid_latest.json	AOD→PM2.5 模型预测结果（含 p10-p90 分位数及 DQSS 质量等级）	每 3 小时
aq-data/forecast-archive/	CAMS/AIFS 预报快照（保留 30 天）	每 6 小时
wind-data/	天气及海洋网格数据	每小时
app-models/aod/	AOD→PM2.5 模型工件（带 SHA-256 校验）	每个版本发布时

数据来源

数据整合自以下多个权威来源：

• NOAA GEFS-Aerosols（美国国家海洋和大气管理局气溶胶预报系统）
• Open-Meteo（开源气象数据）
• AirKorea（韩国空气质量监测数据）
• CAMS（哥白尼大气监测服务）

特色说明

• 机器学习预测输出始终附带 p10-p90 不确定性区间和 DQSS 质量等级标识。
• 完整的数据归属和方法论说明请参阅 AirLens 官方仓库（https://github.com/joymin5655/AirLens）。
• 数据集以 CC-BY-4.0 许可发布，标签涵盖空气质量、PM2.5、环境、韩国等主题。

搜集汇总

数据集介绍

构建方式

AirLens Live数据集作为AirLens开放空气质量监测平台的实时数据层，其构建依赖于计划性的GitHub Actions流水线实现自动化更新。数据来源涵盖NOAA GEFS-Aerosols、Open-Meteo、AirKorea及CAMS等多源权威气象与空气质量数据库，通过整合这些异构数据流，生成全球污染物网格、气溶胶预报帧及模型预测结果。布局设计沿袭原有Supabase存储桶结构，确保数据组织的连贯性与可访问性，同时模型输出附带不确定性区间与质量分级，保障数据可靠性。

特点

该数据集以多维度、高时效性为核心特点，涵盖PM2.5、PM10、O3、NO2、CO等污染物的全球网格数据，以及风场、海洋气象和AOD到PM2.5的模型预测。时间分辨率灵活，从每小时到每6小时不等，支持短期预报与历史归档。数据更新频率高，如污染物网格每小时刷新，预报帧每3小时更新，并保留30天归档。所有机器学习输出均包含p10-p90不确定性带和DQSS质量等级，增强了数据的科学严谨性和应用可信度。

使用方法

用户可通过访问数据集仓库直接获取按路径组织的JSON文件，如aq-data/current-*-grid.json用于实时污染物浓度查询，aq-data/timeline/用于气溶胶时间序列分析。这些数据适用于空气质量监测、预报模型验证及环境研究，支持集成到自定义应用中。使用时应引用AirLens仓库的方法论与归属信息，并注意数据更新节奏，以确保分析基于最新版本。模型预测结果可结合不确定性区间进行风险评估，提升决策准确性。

背景与挑战

背景概述

伴随公众对环境健康关注度的持续攀升，空气质量监测数据的实时性与精细化需求日益迫切。AirLens Live数据集应运而生，作为AirLens开放空气质量监测平台的实时数据层，由joymin5655等研究人员维护，通过定时GitHub Actions管道自动更新。该数据集整合了NOAA GEFS-Aerosols、Open-Meteo、AirKorea及CAMS等多源异构数据，以小时级频率提供PM2.5、PM10、O3、NO2、CO等污染物的全球网格数据，并包含AOD→PM2.5模型预测及其p10-p90不确定性区间与DQSS质量分级。其发布为空气质量研究、环境暴露评估及公众健康预警提供了高时空分辨率的开放数据基础，推动了环境监测领域的数据共享与可复现研究。

当前挑战

空气质量监测与预测领域长期面临数据稀疏、时空异质性显著及不确定性量化困难等核心挑战。AirLens Live数据集致力于解决传统监测网络覆盖不足与预报精度受限的问题，通过融合多源观测与模型输出提升全球污染物网格的时空连续性。然而，其构建过程亦面临多重挑战：多源数据（卫星反演、地面站观测、数值模式）的时空对齐与偏差校正复杂；AOD→PM2.5转换模型需在缺乏地面真值的区域保持稳健；实时管道对数据延迟与容错机制要求严苛；此外，提供可靠的不确定性区间与质量分级（DQSS）需精细的误差传播建模。这些挑战共同构成了该数据集在环境信息学领域的独特技术难点。

常用场景

经典使用场景

在空气质量监测与预报领域，AirLens Live数据集提供了多源融合的实时数据层，其经典使用场景在于支撑PM2.5、PM10、臭氧、二氧化氮及一氧化碳等污染物的时空网格化分析。研究者凭借逐小时更新的全球污染物网格与GEFS-Aerosols气溶胶预报帧，能够构建从监测到预报的完整链路，并可结合AOD至PM2.5的机器学习预测结果及其p10-p90不确定性区间，开展污染事件回溯、预报偏差诊断与暴露评估等典型任务。

实际应用

在实际应用层面，AirLens Live数据集服务于公共卫生预警、城市环境治理与个人防护决策等场景。环境机构可借助其逐时网格与24小时预报帧发布污染健康提示；移动应用开发者能调用AOD至PM2.5预测接口，向敏感人群提供带有置信区间的暴露风险信息；海事与气象部门则可利用风场与海洋网格数据优化作业安排。该数据集通过GitHub Actions调度更新，保障了业务化运行的时效性与可获取性。

衍生相关工作

以AirLens Live为数据基石，衍生出一系列相关经典工作。AirLens开源平台本身即依托该数据层实现可视化与预报功能，后续研究则在其基础上发展出AOD至PM2.5的深度学习反演模型、多模式集合预报校准方法以及基于DQSS的质量控制流程。这些工作进一步催生了面向韩国及东亚地区的空气质量再分析产品与健康影响评估报告，形成了从数据发布到应用落地的良性生态。