La estimación precisa de la concentración de ozono (O) cerca del suelo es de gran importancia para la salud humana y el medio ambiente ecológico. Con el fin de mejorar la precisión en la estimación de la concentración de O a nivel del suelo, este estudio adoptó un algoritmo de bosque profundo para construir un modelo de estimación de la concentración de O cerca del suelo. Se señala si los datos de entrada sobre las concentraciones de material particulado (PM) y dióxido de nitrógeno (NO) también afectan la precisión de la estimación. El modelo utiliza primero la técnica de escaneo de multi-granularidad para aprender las características del conjunto de entrenamiento, y luego adopta la estructura de bosque en cascada para entrenar los datos procesados, al mismo tiempo que ajusta de manera adaptativa el número de capas para lograr un mejor rendimiento. Las concentraciones diarias de O cerca del suelo en Shijiazhuang se estimaron utilizando las concentraciones de columna de O de satélite, datos de concentración de PM y NO basados en tierra, datos de elementos meteorológicos y datos de elevación. El modelo de bosque profundo se comparó con seis modelos, a saber, bosque aleatorio, CatBoost, XGBoost, LightGBM, árbol de decisión y GBDT. El R-cuadrado (R), el error cuadrático medio (RMSE) y el error absoluto medio (MAE) del modelo de bosque profundo propuesto fueron 0.9560, 13.2542 y 9.0250, respectivamente, lo que tuvo ventajas significativas sobre otros modelos de regresión basados en árboles. Mientras tanto, el rendimiento del modelo mejoró al agregar características de NO y PM a las estimaciones del modelo, lo que indica la necesidad de observaciones sinérgicas de NO, PM y O. Finalmente, se trazó la distribución estacional de las concentraciones de O en el área de Shijiazhuang, con las concentraciones más altas de O en verano, las más bajas en invierno, y la concentración de O en el medio de la primavera y el otoño.