在PM_(2.5)浓度逐年下降的背景下，臭氧浓度不降反升，臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路，构建并开发了极限梯度提升(XGBoost)臭氧浓度估算模型，用以估算2019年中国每日最大8　h平均臭氧浓度(O_3＿8h),用于人类暴露评估.该模型输入地面监测站点数据、高分辨率遥感卫星数据、气象数据、排放清单数据、数字高程模型(DEM)数据和人口数据，捕捉O_3＿8h的时空变化.本研究采用十折交叉验证的方式评估模型的估算性能(R~2为0.871,RMSE为11.7μg·m~(-3)),与随机森林模型(RF)和核岭回归模型(KRR)相比，由于算法本身的提升和并行处理的推进，使得XGBoost模型估算结果表现出更高的准确性(RF:R~2为0.864,RMSE为12.387μg·m~(-3);　KRR:R~2为0.582,　RMSE为23.1μg·m~(-3))且模型运算效率明显提升.同时对中国各省市人口臭氧暴露水平和归因于臭氧暴露的慢性阻塞性肺部疾病(COPD)死亡相对风险进行评估，结果表明，在超标天数上，非达标天数排在前五的有山东省、河南省、河北省、安徽省和宁夏回族自治区；在暴露强度上，人口加权臭氧浓度排在前五的有河北省、山东省、山西省、天津市和江苏省；在健康影响上，COPD死亡相对风险表现出季节变化，夏季最高，冬季最低.