基于卫星观测的2005—2015年京津冀地区NO2柱浓度分布及变化趋势

为更好地了解京津冀地区NO₂浓度的长期时空分布变化特征,对2005—2015年京津冀地区对流层NO₂柱浓度数据进行了统计分析.结果表明,京津冀地区对流层NO₂柱浓度在2005—2010年增加明显,年均复合增长率为6.8%,并在2010年达到峰值,为1 329.07×1013 mol/cm2;2010—2013年保持相对稳定;2013—2015年显著下降,降幅达26.2%.2015年NO₂柱浓度为964.43×1013 mol/cm2,基本与2005年的浓度水平持平.北京地区NO₂柱浓度最先开始下降并保持降低趋势,其中北京市城区降幅远大于郊区,并在2015年达到最低值,为1 647.38×1013 mol/cm2;天津市城、郊区NO₂柱浓度变化相近,总体上均呈先增后减的趋势,并且均在2010年达到峰值,分别为2 686.96×1013、2 019.36×1013 mol/cm2;而河北省西南部(石家庄、邢台、邯郸市)在近两年降幅最为明显,均在35.0%以上.京津冀对流层NO₂柱浓度呈由南向北递减的空间分布趋势,高值区主要分布于京津唐一带以及河北省南部沿太行山一带.研究显示,虽然近年来京津冀地区NO₂柱浓度降幅明显,但相比于周边地区仍面临较大的减排压力.      

基于地基MAX-DOAS和TROPOMI卫星遥感的南京地区大气NO2污染特征

基于2018年5月至2020年12月多轴差分吸收光谱仪(MAX-DOAS)于南京北郊的观测资料,反演了二氧化氮(NO₂)垂直柱浓度与垂直廓线,分析了对流层NO₂的污染特征,并与最新的TROPOMI NO₂产品进行了对比分析.MAX-DOAS观测结果表明,南京北郊的NO₂受温度和太阳辐射影响,呈现出夏季低冬季高、正午低早晚高的变化特征,且主要源于东南方向的污染输送.对比发现,TROPOMI数据与MAX-DOAS在春、秋、冬三季相关系数高于0.7,但在夏季由于多云及低浓度NO₂,相关系数仅为0.544.此外,TROPOMI观测到了南京城区与长三角地区的主要污染热点,与MAX-DOAS高污染方向一致.同时,MAX-DOAS与TROPOMI均观测到了2020年春节后16～30d由于COVID-19封控,NO₂浓度相比2019年和2021年同期减少了50%以上,说明观测点的NO₂污染主要由人类活动产生.     

基于Sentinel-5P的粤港澳大湾区NO2污染物时空变化分析

基于最新的TROPOMI反演的对流层NO₂垂直柱浓度数据,利用Google Earth Engine平台分析了粤港澳大湾区近2a对流层NO₂垂直柱浓度的分布及变化特征.结果表明, TROPOMI传感器反演的对流层NO₂垂直柱浓度与地表NO₂浓度监测值具有较好的相关性,反演产品能够反映地面真实的NO₂污染状况;粤港澳大湾区NO₂柱浓度分布呈现出较为显著的圈层结构,高NO₂柱浓度区域面积约为4468km²,占大湾区总面积的8%,低NO₂柱浓度地区的面积约为25331km²,占比超过了45%;大湾区上空的对流层NO₂垂直柱浓度存在明显的“冬高夏低,春秋过度”的季节性差异和周期性波动特征;影响因子回归模型结果表明人类活动强度(DNB,夜间灯光)、植被状况(NDVI,植被指数)和地形因子(DEM,数字高程)与地区对流层NO₂垂直柱浓度的分布有明显的相关性.本研究成果可为政府和决策者制定相关政策和措施提供借鉴.     

中国能源金三角NO2时空格局及其驱动因子

利用臭氧监测仪(OMI)提供的大气污染监测数据,结合产业结构、汽车保有量、国家政策措施等,通过城乡NO₂浓度差异的排放源分析方法提取能源金三角(EGT)地区2005~2019年对流层NO₂垂直柱浓度时空变化特征并探讨影响区域大气NO₂浓度驱动因素.结果表明,EGT煤炭化工源NO₂浓度与第二产业产值增速的相关系数为0.71(P<0.05),说明本文方法所提取的长时序煤炭化工源NO₂浓度能有效地指示产业结构调整和政策措施变化.NO₂浓度从2005~2011年的90.56molc/m²增加至2012~2015年的720.77molc/m²,再下降至2016~2019年的247.36molc/m²,反映EGT经济发展模式经历了从小规模、中污染的点模式逐步发展成大范围、重污染的粗放模式,再到大范围、低污染的精工模式.与京津冀、华中、长三角等地区相比,EGT交通和工业排放对城市源NO₂污染贡献的变化特征进一步反映城镇化水平的发展和产业结构的优化.与OMI相比,高分辨率对流层观测仪(TROPOMI)能在短时序上提供丰富的影像细节信息,且随着观测时长的增加,有望增强长时序大气NO₂污染的精准监测.     

基于TROPOMI的淮河流域大气NO2干沉降估算

基于Sentinel–5P卫星TROPOMI数据,利用随机森林方法反演2018～2020年淮河流域地面NO₂浓度,采用推算法获得淮河流域2018～2020年NO₂干沉降通量,并通过划分不同集水区(水域、农田、城区和植被覆盖区)估算大气NO₂干沉降对淮河流域水体氮素的贡献.结果显示,卫星反演地面NO₂浓度与地面站点实测资料一致性较高,相关系数(R)为0.94,平均绝对误差(MAE)为2.7,均方根误差(RSME)为4.1.淮河流域地面NO₂浓度和NO₂干沉降通量均有明显的季节变化,春夏秋冬4个季节地面NO₂平均浓度分别为13.7,12.2,17.6,23.1μg/m³;NO₂平均干沉降通量分别为1.25,1.13,1.61,2.13kg N/(hm²·a).淮河流域地面NO₂浓度和干沉降通量均表现为南北部高,东西部低.农田区域NO₂     

2005~2018年河南省NO2柱浓度变化特征

运用OMI卫星遥感资料对河南省2005~2018年NO₂柱浓度的时空分布进行分析,并结合国家大气污染防治政策的实施,研究了2013年之后河南省NO₂柱浓度的变化特征.结果表明,河南省NO₂柱浓度的空间分布为东北高、西南低,高值和低值中心分别位于安阳-新乡-焦作一带（>18.0×10¹⁵molec/cm²）和洛阳-三门峡-南阳市交界（4.0~8.0）×10¹⁵molec/cm².从季节变化来看,冬季NO₂柱浓度高于春夏季,冬季高值中心的浓度较春夏高50%~70%.在2011年前,河南省NO₂柱浓度不断上升,北部较南部增速快.2011年后全省NO₂柱浓度明显下降,焦作-新乡-安阳一带下降最快,主要污染物总量减排和大气污染防治行动计划的实施有效促进了浓度的下降.《大气污染防治行动计划》实施后,与位于京津冀大气污染传输通道的城市相比,传输通道外的城市NO₂柱浓度下降速度慢甚至略有增长,应进一步加大其大气污染防治力度.     

2005~2018年河南省NO2柱浓度变化特征

运用OMI卫星遥感资料对河南省2005~2018年NO₂柱浓度的时空分布进行分析,并结合国家大气污染防治政策的实施,研究了2013年之后河南省NO₂柱浓度的变化特征.结果表明,河南省NO₂柱浓度的空间分布为东北高、西南低,高值和低值中心分别位于安阳-新乡-焦作一带（>18.0×10¹⁵molec/cm²）和洛阳-三门峡-南阳市交界（4.0~8.0）×10¹⁵molec/cm².从季节变化来看,冬季NO₂柱浓度高于春夏季,冬季高值中心的浓度较春夏高50%~70%.在2011年前,河南省NO₂柱浓度不断上升,北部较南部增速快.2011年后全省NO₂柱浓度明显下降,焦作-新乡-安阳一带下降最快,主要污染物总量减排和大气污染防治行动计划的实施有效促进了浓度的下降.《大气污染防治行动计划》实施后,与位于京津冀大气污染传输通道的城市相比,传输通道外的城市NO₂柱浓度下降速度慢甚至略有增长,应进一步加大其大气污染防治力度.     

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

新冠疫情对我国NO2排放影响的时空分析

基于高分辨率的TROPOMI数据,分析了我国疫情爆发期的NO₂空间分布情况,同时对比了疫情同比期和环比期不同地区的变化情况.分析表明,全国范围内NO₂柱浓度的同比下降率和环比下降率分别为40.46%和50.09%,经济发达且人口稠密的城市群,排放量下降较为显著,其中江苏、河南、山东、浙江等NO₂历史排放较高的省份受疫情影响更大.湖北省疫情期的NO₂柱浓度绝对值(1.63×10¹⁵molec/cm²)在中东部省份属于最低位水平,同比和环比下降率也均在50%以上.相对来说,武汉、孝感等周边城市的影响远大于十堰、恩施等西部山区.地基国控站点的NO₂质量浓度也显示了与卫星观测较一致的空间分布和变化趋势,证明了采用“自上而下”的遥感手段,可以对不同区域的大气污染排放强度和社会经济活动水平进行快速评估.     

利用SCIAMACHY遥感资料研究我国NO2柱浓度及其时空分布

利用SCIAMACHYENVISAT 2003—2009年月均观测数据,结合1∶4 000 000行政区划图,得到了近7 a来我国城市级别NO₂柱浓度的时空分布和变化趋势,并采用Seasonal Mann-Kendall非参数检验方法对各城市的变化趋势进行了显著性分析. 结果表明:我国NO₂分布东高西低,NO₂柱浓度高值区主要分布在京津冀及环渤海区域、长江三角洲北部及广东省等地区. 近7 a来我国北部和中部地区的NO₂增长趋势显著,NO₂柱浓度平均值最高和增速最快的前20个城市主要分布在江苏、山东和安徽等省的二级城市郊县和小城市. 与统计年鉴工业废气排放数据的比较表明,工业废气排放与NO₂柱浓度及其时空分布具有较好的一致性. 这种新的NO₂污染格局应该引起重视并采取有针对性的污染监管措施.      

疫情期间“2+26”城市污染减排成效评估

为评估“2+26”城市在疫情期间的减排效果,基于NAQPMS模式和情景模拟的方法,分析了2020年1~3月及疫情前后空气质量特征,对气象、重污染应急减排措施及社会经济活动对空气质量的影响和研究的不确定性进行了分析讨论.结果表明,2020年1~3月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;PM₁₀、PM_2.5、SO₂、NO₂、O₃-8h-90per和CO-95per平均浓度分别为108,76,14,36,109μg/m³和2.3mg/m³.疫情期间（1月24日~3月31日） PM₁₀、NO₂、PM_2.5和CO浓度比疫情前期（1月1~23日）同比降幅明显.气象条件造成沿燕山和太行山城市PM_2.5浓度约上升1%~8%.重污染减排促使区域性污染过程减少了2次,“2+26”城市PM_2.5季度均值降低约6~26 μg/m³.受春节和疫情综合影响,机动车排放量大幅下降,但焦化、火电等重点行业实际污染排放量变化不大,散煤燃烧对空气质量的负面影响增加.     

2016~2018年采暖季太行山沿线城市PM2.5污染特征分析

对2016年、2017年采暖季太行山沿线传输通道城市大气中PM_2.5的OC、EC和水溶性离子进行分析,并利用特征组分比值和元素富集因子变化研究该传输通道的污染特征.结果表明,2017年采暖季通道整体较2016年同期空气质量改善良好,PM_2.5浓度由2016年的171.86μg/m³下降为123.90μg/m³.太行山中部城市2017年采暖季较2016年同期PM_2.5浓度下降显著,2a采暖季SNA离子（SO^2-,NO₃^-,NH₄⁺ 3种离子总称）浓度与占比呈现"北低南高",加之SNA/EC比值"北低南高",表明南部城市二次无机生成较为严重.而OC、EC浓度与占比呈现"北高南低",Cl^-/K⁺比值和元素Zn、Ba的富集因子北部均高于南部,表明北部城市可能受燃煤和机动车源等一次排放影响较大;各城市2017年采暖季SO₂、NO₂、CO浓度有所下降,且均呈现"北高南低"趋势,进一步表明北部城市一次排放较为严重.     

基于机器学习方法研究气象及排放变化对长三角地区主要城市大气污染物的影响

选取2015～2021年长三角地区4个代表性城市污染物浓度,利用机器学习的气象归一化方法解耦气象因素对污染物的影响,量化气象和排放对污染物浓度变化的贡献.结果表明,长三角地区PM_2.5、 NO₂和SO₂排放下降影响贡献较大(57.2%～68.2%、 80.7%～94.6%和81.6%～96.1%),抵消了气象因素带来的不利影响,致使污染物浓度降低.而气象条件对于臭氧日最大8 h(MDA8＿O₃)的贡献强于其他污染物(23.5%～42.1%),其中气象因素促进污染物浓度上升(4.7%),排放变化促进污染物浓度下降(-3.2%). NO₂和MDA8＿O₃在2019～2021年降幅更快,主要原因是2019～2021年排放起到较2015～2018年更强的促进污染物浓度降低作用.PM_2.5和SO₂在2019～2021年的降幅较2015～2021年整体有所减弱.基于机器学习的气象归一化方法可以解耦气象对污染物的影响,量化排放...     

大气环境热点网格遥感筛选方法研究

为筛选京津冀及周边地区的大气环境热点网格,在卫星遥感反演获取区域灰霾天数、PM_2.5、NO₂和SO₂浓度等大气环境四项遥感监测因子的基础上,首先利用分形求和模型确定了研究区域的四项指标的背景值和标准值,然后根据ORAQI计算方式提出一种大气环境遥感综合污染指数,并提取了大气环境热点网格,最后结合高分辨率卫星数据对热点网格的工业用地情况进行初步探讨分析.结果表明,2016年京津冀及周边地区各项大气污染物的局部分布特征表现出较大差异,不同地区的主要污染物不尽相同并且呈多项污染物复合污染的特征,利用分形统计模型确定灰霾天数、PM_2.5、NO₂和SO₂浓度的背景值分别为10.7d、57.5μg/m³、515.7×10¹³mole/cm²和0.29DU,标准值分别为22.2d、112.2μg/m³、2073.1×10¹³mole/cm²和0.64DU.大气环境遥感综合污染指数表明大气环境综合污染相对最重的地区主要分布在保定中部、石家庄中北部及邢台南部和邯郸北部交界处,该区域共筛选出1782个大气环境热点网格,其中工业用地面积占比较低的网格单元比例相对较大,这表明小型企业生产排放对当地的大气环境质量影响较大.     

基于甘肃省卫星遥感的对流层NO2时空变化

基于OMI卫星遥感反演的NO₂柱浓度数据,分析了近11a甘肃省对流层NO₂柱浓度的时空变化及相关影响因素,同时利用HYSPLIT模型探究了大气污染物的来源.结果表明：从空间上,NO₂柱浓度呈现出由甘肃东北区向西南区递减趋势,最高值主要分布于庆阳市全境和平凉市少部分地区.从2008~2014年NO₂柱浓度值不断增长至最高值,高值区逐步扩大;2015~2018年NO₂柱浓度值波动变化,呈现出向周围区域递减的趋势,高值区范围缩小;从时间上,2008~2018年对流层NO₂柱浓度整体呈上升趋势,对流层NO₂柱浓度四季均值分布为：夏季>春季>秋季>冬季;NO₂柱浓度每年在6~8月达峰值,9月后开始下降,年内谷值出现在12月份~次年2月份;对研究区NO₂柱浓度的贡献最大的是自然要素.高温、降水有利于土壤排放NO₂,植被覆盖率对NO₂起到一定的消减作用.利用HYSPLIT得出2009~2018年每年7月庆阳市NO₂的外部输送路径,其中主要路径以陕西地区为主.     

气象和排放变化对PM2.5污染的定量影响

基于WRF-CMAQ模型系统定量分析了气象和排放因素对全国及重点区域PM_2.5污染影响程度.从年度特征来看,与2015年相比,2016年、2017年全国空气质量明显改善,PM_2.5年均浓度分别下降7%和14%;2016年气象条件总体转好,气象因素和排放因素变化导致全国PM_2.5年均浓度下降幅度分别为4%和3%;2017年全国气象条件与2015年相比基本持平,大气污染物排放量下降是PM_2.5污染减轻的决定因素.除汾渭平原外,京津冀及周边地区"2+26"城市、长三角、成渝地区空气中的PM_2.5年均浓度持续下降;珠三角气象条件变化对PM_2.5影响较大,2017年导致PM_2.5浓度上升了29%;除汾渭平原外,其他4个重点地区的污染物排放变化导致PM_2.5年均浓度下降且2017年的下降幅度进一步加大,说明污染管控措施的环境效益明显.从季节特征来看,气象影响值的区域性差异明显.本文分析方法可用于制定空气质量目标或者评估污染控制方案的环境效果.     

2018—2021年京津冀及周边地区“2+26”城市PM2.5与O3污染特征及气象影响

为了解《打赢蓝天保卫战三年行动计划》期间(2018—2020年)以及之后(2021年)我国重点污染区域空气质量情况,并区分排放源控制与气象条件的贡献,本文利用逐小时监测的PM_2.5、O₃浓度以及气象要素数据,研究了2018—2021年京津冀及周边地区“2+26”城市PM_2.5与O₃污染特征,结合KZ (Kolmogorove Zurbenko)滤波方法定量分析了排放源与气象条件对PM_2.5与O₃浓度长期趋势的贡献. 结果表明:①2018—2021年“2+26”城市PM_2.5浓度年均值与O₃-8 h-90th浓度(O₃日最大8 h平均浓度的第90百分位数)均呈逐年下降趋势. 2018—2021年PM_2.5浓度年均值分别为60、57、51和45 μg/m3,河北省南部、河南省与山东省南部PM_2.5浓度年均值均较高;O₃-8 h-90th浓度分别为198、195、179和171 μg/m3,2018年保定市、石家庄市、聊城市与晋城市的O₃-8 h-90th浓度(>210 μg/m3)均较高,而2021年太原市O₃-8 h-90th浓度(192 μg/m3)较高. ②PM_2.5与O₃-8 h浓度(O₃日最大8 h平均浓度)的长期分量在大部分城市受气象条件影响较为明显. 受气象条件影响的PM_2.5浓度长期分量在2018—2020年无明显趋势,在2021年呈下降趋势;受排放源影响的PM_2.5浓度长期分量在2018—2020年呈下降趋势,在2021年无明显趋势. 受气象条件影响的O₃-8 h浓度长期分量在2018—2020年呈下降趋势,在2021年呈上升趋势;受排放源影响的O₃-8 h浓度长期分量在2018年呈下降趋势,在2019—2021年无明显趋势. ③11个气象因子中,温度和相对湿度对PM_2.5与O₃-8 h浓度变化的影响较大,当温度与相对湿度均比前一天升高时,更有利于PM_2.5与O₃-8 h浓度的同时升高. 研究显示,“2+26”城市PM_2.5与O₃污染受气象条件影响显著,温度与相对湿度的变化对判定PM_2.5与O₃-8 h浓度同时升高的现象有一定积极意义.      

长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析

以长三角城市群为研究对象,利用卫星遥感观测数据协同分析长三角地区大气NO₂和CO₂浓度的时空变化特征和驱动因子,揭示了长三角地区污染物和CO₂高浓度地区空间格局.结果表明长三角城市群地区大气NO₂和CO₂浓度的时空分布及变化特征呈现了受化石燃料燃烧和机动车排放等人为活动以及区域地形、地表覆盖、气候等自然条件的综合影响结果.大气NO₂和CO₂高浓度值围绕太湖明显呈口对西南向的U字形分布,一致于围绕太湖分布的杭州、上海、苏州、无锡、常州和南京等大型城市区域,以及安徽铜陵地区的工业排放区.大气NO₂浓度值呈现秋冬时期较高,夏季最低的季节分布特征.大气CO₂浓度受植被CO₂吸收和CO₂的积累影响,8~9月最低,4~5月最高.此外,随着人为排放活动的急剧减少,2020年1~3月的大气NO₂浓度比2019年同时期降低了50%以上,其中分布了以钢铁厂、燃煤厂为主的大型工业热源的城市NO₂浓度下降最多,如镇江、南京、马鞍山.     

全国2018~2019年秋冬季气象条件变化对PM2.5影响研究

本文基于WRF-CMAQ模型定量分析了气象条件变化对PM_2.5的影响.全国337个城市2018~2019秋冬季气象条件转差导致PM_2.5平均浓度同比上升约5.55%.24个省市气象条件同比转差，北京气象转差致使PM_2.5同比上升约3.66%.从重点区域来看，京津冀及周边“2+26”城市气象条件转差最显著，汾渭平原次之，长江三角洲（以下称长三角）基本持平，分别导致PM_2.5浓度同比上升约9.4%、8.3%、1.1%.“2+26”城市和汾渭平原气象条件在11月、1月、2月转差，10月、3月气象条件转好.长三角则10月、11月、3月气象条件转差；12月、1月、2月转好.“2+26”城市2018~2019秋冬季PM_2.5浓度同比上升主要为气象条件转差所致；汾渭平原PM_2.5同比变化较小，人为减排有效抵消了气象条件转差带来的不利影响；长三角PM_2.5浓度同比下降，与气象条件变幅小且污染排放较去年同期降低有关.     

京津冀中南部污染气象贡献的时空变化特征

基于环境气象评估指数（EMI,environmental meteorology index）,以石家庄、邢台、邯郸、衡水四个京津冀中南部重点城市为研究对象,对2013~2018年的气象条件变化时空分布特征进行分析.结果显示：EMI指数与经过去趋势处理的PM_2.5浓度的相关系数达0.88,说明EMI指数具有较好的可靠性,能够可靠性地应用于大气环境评价和重污染天气过程评估业务;基于气象条件对PM_2.5浓度贡献的定量分析方法,计算得到2013~2018年月度气象条件对PM_2.5浓度变化的贡献率,定量分析不同月份的气象条件变化,可有效评价不同污染程度月份的气象条件影响.此外,该定量方法在重大活动期间气象条件和减排效果评估中得到有效应用;从冬季气象定量贡献的空间分布来看,在京津冀中南部的山前地区形成EMI正距平百分比高值区,除人为排放较高外,恶劣的气象条件是京津冀中南部颗粒物污染严重的重要原因.