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。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。