区域跨度：全国各省市区县

时间跨度：1980.1.1-2024.12.31（逐年逐月逐日）

正常情况下，大气温度随海拔升高而降低（大约每上升 100 米，气温约降 0.6℃），这种 “上冷下暖” 的结构会让空气自然对流，污染物随之扩散。但在某些天气下，气温却随着高度的增加而升高，就会形成 “上暖下冷”的结构 ，会导致冷空气在近地面堆积，暖空气在上方 “盖层”，空气对流受阻，危害很直接，比如近地面产生的 PM2.5、二氧化硫等污染物，无法通过对流向上扩散，只能在低空堆积，最终导致污染浓度攀升，直接影响区域空气质量。这就是逆温！

而逆温之所以成为空气污染研究的重要变量，核心在于它的双重属性：
外生性：逆温是气象条件决定的自然现象，不受人类污染排放活动直接影响，避免了 “污染影响逆温” 的反向因果问题；
相关性：逆温强度和天数直接决定污染物扩散能力，与污染浓度高度相关。
这两个双重属性，让逆温成为解决 “空气污染影响研究内生性” 的理想工具变量。

因此本“逆温”数据我们基于 NASA的MERRA-2 全球气象数据集加工，计算逻辑既参考了学术规范，又针对中国地理特点做了 “本土化调整”，因为像中国青藏高原这样的高海拔地区，底部多个气压层（对应低海拔高度）根本没有数据（海拔 5000 米以上已超过部分气压层的高度范围）。如果照搬国际通用方法（比如固定用 “320 米层气温减 110 米层气温” 判断逆温），这样计算出的高海拔区域数据会完全失真。为解决这一问题，我们做了关键优化：不固定层数，而是针对每个网格，选择 “近地面有数据的前两层” 计算。具体如下：

数据下载：从 NASA 官网下载 1980 年至今的 MERRA-2 数据集；
层数据提取：对每个网格，提取近地 “有数据的第一层、第二层、第三层” 气温（第三层用于后续稳健性检验，避免单一标准偏差）；
区县匹配：将网格数据转换为 “区县面板数据”，匹配 2021 年中国县级行政区划（确保行政边界准确性）；
逆温判断与强度计算：
对每天 4 个时间点（0 点、6 点、12 点、18 点），分别计算 “第二层气温 – 第一层气温”；
若差值为正：存在逆温，差值即为 “逆温强度”；
若差值为负：无逆温，逆温强度记为 0；
只要当天有 1 个时间点存在逆温，即判定为 “逆温天”。

经过上述处理，最终形成的结果数据，不仅时间跨度长，内容也极为丰富，指标如下