定量遥感产品是空间信息与地学知识的载体，其数据质量直接影响遥感应用的广度与深度。搭载于Aura卫星上的OMI传感器提供了每日全球覆盖的对流层NO₂柱浓度观测结果长达16年之久，其数据被广泛使用。但由于“行异常”和云遮挡造成其空间覆盖的显著缺失，该产品仍难以满足逐日/周的应用需求。

针对这一问题，环测学院硕士生何秦在秦凯教授的指导下，利用机器学习和自适应加权时间拟合方法重构了中国地区OMI对流层NO₂缺失数据。该研究成果以论文形式在权威学术期刊Environmental Research Letters (JCR Q1)上发表，题目为“Spatially and temporally coherent reconstruction of tropospheric NO₂ over China combining OMI and GOME-2B measurements” (DOI：10.1088/1748-9326/abc7df)。同时，重构后的数据产品发布在中国矿业大学能源与环境遥感大数据服务系统供下载。

重构得到的结果使有效的对流层NO₂柱浓度数据量翻番，并且与地基观测结果能良好地吻合。通过对遥感数据的质量改善处理，该数据集增强了时空连续性，极大地提升了遥感监测的应用潜力，将有助于空气质量和气候学的研究。

重构数据与原数据的统计结果（覆盖度、均值、标准差）