臭氧（O₃）和二氧化氮（NO₂）是大气中最主要的光化学污染物，对公众健康与生态系统均构成显著威胁。京津冀地区作为我国典型的城市群和工业密集区，其大气污染过程复杂、时空变化显著，准确获取其区域尺度的近地面O₃与NO₂分布，对于污染防控具有重要意义。本研究基于深度森林模型，结合地面监测数据、TROPOMI卫星观测及ERA5气象数据，生成了2019–2024年京津冀地区0.01°分辨率的8小时平均O₃与小时NO₂浓度产品。为提高时空连续性，利用了LightGBM模型对卫星观测缺失数据进行填补。结果显示，估算结果与地面观测高度一致，O₃与NO₂的相关系数（R²）分别为0.988和0.958，均方根误差（RMSE）分别为5.108与4.783 μg/m³。时空分析揭示了京津冀地区污染的长期变化特征，包括季节性与年际差异，并验证了该数据集在冬奥会等特殊事件期间的响应能力，为区域空气质量监测与污染过程分析提供了高分辨率、高精度的数据支撑。
 

臭氧,二氧化氮,高分辨率数据集,机器学习,京津冀