自2013年大气污染防治行动以来，PM2.5、PM10、SO2、NO2等空气污染物浓度都有不同程度下降，但臭氧污染仍有上升趋势，臭氧污染已成为制约我国空气质量持续改善的关键问题。地基站点可以提供空间上特定点的臭氧浓度，但无法获得近地面臭氧连续的空间分布。遥感卫星反演的臭氧柱浓度产品可以反映整层臭氧柱浓度，但整层臭氧柱浓度与近地面浓度无明显相关性，因而无法体现近地面臭氧浓度。本文综合地基监测数据、再分析资料、卫星产品，采用三种集成学习方法，得到近地面臭氧浓度的时空分布，结果表明集成学习方法可以准确估算近地面臭氧在空间上的分布状况和在时间上的变化趋势。本文对比了梯度提升回归树（GBRT）、极端随机森林（ERT）、极端梯度提升器（XGBoost）三种不同的集成学习方法在近地面臭氧污染估算的效果表现，三种集成学习方法在2019、2020两年的平均R2都在0.9以上，极端梯度提升器（XGBoost）方法在RMSE、MAE指标上有最好的表现,2019年、2020年两年的平均RMSE、MAE分别为14.21μg/m3、9.24μg/m3，且模型训练时间复杂度最低。极端随机森林(ERT)方法在空间分布上更加连续，且模型训练时有较低的时间复杂度和最低的参数依赖性。由于中国政府实施积极的减排措施的及疫情影响，臭氧浓度多年来的上升趋势得到了逆转，2020年臭氧年均值为103.17μg/m3，较去年平均值105.58μg/m3，减少2.4μg/m3。时间上，每年的5-9月气温较高，光化学反应剧烈，因而臭氧高污染事件频繁发生。空间上，京津冀地区、长三角地区、珠三角地区、成渝地区等城市群显著高于周围其他区域，是臭氧污染防治的重点区域。