结合地面监测数据与深度学习建模，能够获取大范围、长时序、高精度的地表臭氧信息。但现有的深度学习模型很难在保证高精度的反演结果同时，自动挖掘周边地区臭氧的贡献信息。因此，本研究旨在构建一种可解释的深度学习模型，反演中国近地面臭氧浓度信息；并以北京为例，自动挖掘周边城市对北京臭氧的贡献。
       本研究结合深度神经网络（DNN）和卷积神经网络（CNN），基于MODIS卫星遥感数据、辅助气象资料和臭氧前体物数据，反演中国2016-2019年近地面臭氧浓度。研究中，构建了一种可解释性深度学习模型ExDLM，主要包括三个部分，（1）DNN，基于稀疏的地面监测数据，反演大范围的近地面臭氧信息；（2）CNN，基于站点和周边信息“二次”反演臭氧浓度；（3）结合梯度积分（IG），对北京近地表臭氧来源进行空间解译。