基于卫星遥感的海南地区对流层NO2长期变化及成因分析

利用OMI卫星反演的较高分辨率(0.125°×0.125°)对流层NO_2(Tro NO_2)柱浓度数据,分析了近12年海南岛TroNO_2柱浓度的时空变化,同时,结合MODIS卫星反演的气溶胶光学厚度(AOD)资料、海口市空气质量指数(AQI)、GDP、SO_2排放总量,以及民用汽车保有量等探究其长期变化与成因.结果表明:海南地区TroNO_2柱浓度空间分布表现为北半部高于南半部、四周沿海高于中部山区的特征,其中,北部地区最大值可达20×1014molec·cm~(-2)以上.近12年来海南地区TroNO_2柱浓度表现为上升的变化趋势.季节变化表现为冬季高于夏季,夏季浓度偏低和雨水的冲刷作用有关,而冬季偏高与旅游过冬人口增多和外源输送作用有密切联系.四季TroNO_2柱浓度均有不同程度的上升,而且季节差异在2010年以后有增大的趋势.海南地区TroNO_2柱浓度分布与岛上经济水平和人口分布关系密切,海南地区民用机动车拥有量近10年呈现快速的增加趋势,机动车尾气NO_2排放也不容忽视.     

成都市不透水面时空变化分析

随着城市化进程的加快,以水泥和沥青面为主的不透水面逐渐取代了自然景观,成为城市的主要地表景观。研究采用TM中分影像,对比分析了归一化差值不透水面指数法和城市建成区指数法提取不透水面的效果,成功提取研究区不透水面信息,并分析不透水面在城市区域的时空变化。成都市第一圈层行政区内的不透水面明显多于第二圈层,并呈现"一主、多点"的分布格局,主要分布在中心城区、周边县城、产业园区和工业园区,与城市建成区密度形态一致。随着城市发展,不透水面大量增加,向西和向南扩张明显。     

基于线性光谱模型的城市不透水面遥感估算

城市不透水面是评估城市生态环境和社会经济的关键指示性因子,对于城市规划和资源管理有着重要意义。本研究以长春市为例,使用2014年Landsat 8影像,基于"植被-不透水面-土壤"理论模型,采用多端元优化的提取方法,依据研究区实际土地覆被特点,选取了高反照度、低反照度、植被、裸土、耕地等五个端元,利用线性光谱模型求算长春市不透水面,利用高分辨率遥感影像高分一号对估算结果进行验证,并对其空间分布格局进行分析。结果表明:基于几何顶点的端元提取方法得到的城市不透水面比例的RMSE为0.126,误差范围在-0.366—0.387,而基于多端元优化提取方法获取结果的RMSE为0.079,误差范围在-0.319—0.265,且超过80%样本的绝对误差小于0.1,精度有显著提升;长春市绕城高速范围内平均城市不透水面比例为47.4%,整体分布呈现"三角形"特征,南部不透水面分布面积明显高于北部区域。从城市外环到内部一环,城市不透水面比例有明显的递增趋势,三环内比例超过66.7%,不透水面分布密集。总体来说,在城市区域尺度上,采用多端元优化提取方法,利用中等空间分辨率多光谱遥感数据提取城市不透水面精度令人满意。     

长江中游城市群城市化对PM2.5浓度的多尺度驱动机制

探究城市化对PM_2.5浓度的非线性影响及其驱动机制,对城市的大气污染治理具有重要意义.基于2002~2020年长江中游城市群的遥感数据和统计数据,采用空间自相关、系统动态面板回归模型和时空地理加权回归模型等方法,揭示长江中游城市群PM_2.5浓度的时空演变,并探究不同空间尺度下城市化对PM_2.5浓度的驱动机制.结果表明：①2002~2020年长江中游城市群PM_2.5浓度整体呈下降趋势,在空间上大致呈“北高南低”的分布格局.②热点城市有向长江中游城市群西部扩张的趋势,冷点城市空间相关程度有所增强.③PM_2.5浓度与经济城市化、土地城市化和人口城市化之间分别存在“N”型、倒“U”型和“U”型曲线关系.第二产业和能源消耗对PM_2.5浓度变化呈显著促进作用,降水和植被能够有效地削弱PM_2.5污染.④各城市化因子在局部的整体驱动效应均发生了转化,其主要影响区域集中在长江中游城市群的东南、西北和西南等边缘地带城市.结合长江中游城市群的城市发展现状和区域特征,推进产业绿色转型,合理规划城市空间布局和人口分布,增强基础设施建设将有助于实现城市发展和环境保护之间的协调发展.     

基于地理加权模型的我国冬季PM2.5遥感估算方法研究

为了分析冬季我国区域范围内近地面PM_(2.5)质量浓度时空分布特征,根据卫星遥感反演PM_(2.5)质量浓度的基本原理,综合考虑我国不同地区的PM_(2.5)污染特征的空间差异性,基于卫星遥感、气象模式资料及同期地面观测的PM_(2.5)质量浓度数据采用地理加权模型进行回归分析,研究构建了我国区域范围内近地面PM_(2.5)遥感反演模型.结果表明:在冬季暗像元反演AOD算法受限制的情况下,深蓝算法产品可以一定程度上弥补暗像元算法的不足,将二者有效融合能同时提高AOD产品的精度和空间覆盖度;利用地理加权回归模型进行全国区域PM_(2.5)遥感估算,既能体现全国PM_(2.5)时空分布的全局变化特性,又能从局部体现全国PM_(2.5)组分、污染程度及垂直分布结构特征的空间差异特性,基于地理加权回归模型的PM_(2.5)遥感反演结果(R2=0.7)明显优于多元线性回归模型(R2=0.56);2013年12月—2014年2月份全国PM_(2.5)空间分布呈现明显的区域特征,PM_(2.5)浓度较高的地方主要分布在华北南部、长三角中部和北部、华中东部及四川东部等地,西部和北部地区PM_(2.5)污染相对较轻;从时间变化来看,全国冬季12月份PM_(2.5)污染最重,1月份次之,2月份相对最低.这可为全国PM_(2.5)区域联防联控提供有力的信息支撑.     

长江三角洲PM2.5质量浓度遥感估算与时空分布特征

卫星遥感反演气溶胶光学厚度(AOT)已被广泛地应用于地面PM2.5遥感监测.为遥感监测长江三角洲地区PM2.5,利用2013年的MODIS/Terra AOT产品,考虑研究区36个空气质量监测站点的风速、温度、湿度和边界层高度等气象条件,构建了基于MODIS AOD产品估算PM2.5的模型.利用17个空气质量监测站点数据对模型进行散点拟合验证,结果表明模型估算精度较高,春夏秋冬4个季节PM2.5质量浓度的模型估算值与地面监测值的相关系数R2值分别为0.45、0.50、0.58和0.52.利用模型估算的长时间序列PM2.5时空分布数据进行时空变化特征分析,结果表明:1 2000~2013年研究区PM2.5质量浓度呈增长趋势,月均增长量为0.047μg·m-3,最大值出现在2月,为(66.2±19.3)μg·m-3,最小值出现在8月,为(22.6±5.9)μg·m-3.2研究区PM2.5质量浓度空间分布差异显著,南部低,北部高,高值主要出现在由上海、杭州和南京构成的三角形区域的城市群中,而低值主要出现在南部远离城市的森林区域.结果表明基于MODIS/Terra AOT产品和地面观测气象数据估算PM2.5的多元线性回归模型能较好地应用于区域PM2.5监测.     

京津冀地区不透水表面扩张对PM_(2.5)污染的影响研究

基于2000年、2003年、2006年、2009年、2014年的遥感影像提取不透水表面数据以及相应年份的PM_(2.5)质量浓度估算值.以不透水表面覆盖率(ISC)为城市化指标来分析城市化对PM_(2.5)质量浓度的影响,分别从城市、县区尺度探讨城市扩张对PM_(2.5)污染时空分布及演变的影响机制,定量研究二者相互关系;以京津冀地区为例,其ISC从2000年的0.7%增长到2014年的1.5%,而PM_(2.5)浓度从45.7μg/m~3飙升到77.3μg/m~3.根据2000与2014年的PM_(2.5)浓度差值,把京津冀地区划分为轻度(0~9.9μg/m~3)、中度(10~29.9μg/m~3)、重度(30~49.9μg/m~3)、严重(50~77μg/m~3)污染区域,相应的不透水表面增长率分别为43.3%、110.5%、165.5%和208.3%.严重污染区域位于北京-廊坊-天津-唐山(沿高速公路G1)和北京-保定-石家庄-邢台-邯郸(沿高速公路G4),伴随着较高的不透水面增长率(208.3%).同时,在2000~2014年期间,京津冀地区ISC空间分布与PM_(2.5)污染空间分布高度一致,以太行山和燕山山脉为界的东南地区的不透水表面增长率为160.0%,显著高于西北地区的增长率50%,同时东南地区的PM_(2.5)浓度增长值45.5μg/m~3也显著高于西北地区的17.0μg/m~3.此外,把京津冀地区174个乡镇按照其ISC划分为5个级别:松散型(0~4.9%)、轻度紧凑型(5%~9.9%)、紧凑型(10%~14.9%)、密集型(15%~24.9%)、高度密集型(25%),乡镇数量分别为42、35、52、34、11,对应的PM_(2.5)浓度均值分别为(42.7±10.5)、(79.9±11.9)、(95.6±15.4)、(99.1±10.8)、(115.3±9.2)μg/m~3.其中松散型乡镇的空气质量较好,而严重雾霾笼罩在高度密集型的乡镇中.结果表明当乡镇ISC为5%和25%时,对区域PM_(2.5)质量浓度带来剧烈的增长.当ISC5%时,PM_(2.5)浓度发生了激烈增长,其比5%的乡镇高了87.2%.当ISC25%时,其PM_(2.5)浓度飙升到(115.3±9.2)μg/m~3,大约是5%乡镇的3倍.结论表明,在城市化进程中,不透水表面扩张对PM_(2.5)污染的加剧带来严重影响,不透水表面扩张应该成为城市空气污染一个不可忽视的影响因素之一.     

被动采样法观测研究京津冀区域大气中气态污染物

为了对京津冀区域的大气污染物进行观测,揭示污染物浓度和组分的时空分布和变化规律,深入了解区域复合型污染,从2007年12月开始使用造价低、操作简捷的被动采样方法对区域10个站点大气中的SO2、NO2、O3和NH3等主要污染物进行了监测,对被动采样方法的区域适用性进行了比较全面的评估并根据监测结果对污染物的浓度水平和区域分布进行了研究.方法适用性评估表明被动采样方法在污染较严重的京津冀区域能进行长时间采样,采样频率设定为每月1次;平行采样结果显示,SO2、NO2、O3和NH3的变异系数分别为6.4%、7.1%、4.2%和3.9%,方法表现出良好的稳定性;每月1次的被动采样浓度结果与主动采样仪器观测结果月平均值相比具有较好的一致性,SO2、NO2和O3这2种方法监测结果的相关系数达到0.91、0.88和0.93,拟合曲线斜率分别为1.25、0.98和0.93,平均相对标准偏差分别为23.3%、14.9%和8.5%,能基本满足大气采样的要求,NH3的短时监测也表明2种方法具有可比性.评估结果说明被动采样方法是一种可靠的大气污染监测方法,可用于区域污染的监测.2008年夏季京津冀区域10个站点SO2、NO2、O3和NH3的被动采样平均浓度分别(12.3±6.3)×10-9、(13.2±7.0)×10-9、(40.5±9.5)×10-9和(24.0±13.7)×10-9.浓度区域分布显示SO2和NO2在城市站点具有较高浓度,而NH3在农业站点的浓度较高,SO2、NO2和NH3的大气浓度水平明显受局地排放影响,浓度分布较直观的反应了站点的局地源排放;而O3除了背景站兴隆,在北京和天津周边的大小城市,平均浓度都在40×10-9左右,表现出区域协同污染特征.     

长江三角洲地区城市臭氧污染特征与影响因素分析

为研究长三角地区城市O3污染特征及其影响因素,对长三角地区25个城市2013年国家环境监测点位和国家气象台数据进行了统计分析.结果表明:除淮安外,其余24个城市均存在不同程度的O3日超标现象,超标率在1.6%~15.1%之间,平均为5.8%,低于珠三角地区(8.9%)和京津冀地区(9.7%).5—8月是长三角地区O3污染最为严重的月份,而这一时期颗粒物污染相对较轻,因此,O3与颗粒物污染在时间上呈相反的态势.从空间分布看,长三角地区O3污染呈现较为明显的连片分布特征,上海及周边城市O3污染较重.机动车数量影响城市O3污染:各城市民用汽车保有量与各城市NO2年均浓度、O3超标天数有显著的相关性,相关系数分别为0.672和0.564;每日O3小时浓度高峰值与车流量高峰基本吻合.高温、长时间日照容易出现O3浓度的高值;随着相对湿度、风速的增加,O3超标频率和浓度均值都表现为先升后降的规律.     

多尺度PM_(2.5)分布特征的空间插值与遥感反演对比

精确识别污染物浓度的空间分布是进行区域大气污染防治的重要基础。利用MODIS卫星数据,采用基于地面气象和环境空气质量监测站点观测数据为基础的反演模型,反演获取2013年12月珠三角地区典型大气污染过程1 km分辨率的PM_(2.5)浓度数据,对比分析遥感反演及基于环境空气质量监测站点观测数据的空间插值方法对区域、城市和乡镇尺度PM_(2.5)浓度空间分布特征的再现效果差异。结果表明,珠三角地区PM_(2.5)遥感反演结果与地面观测数据的相关性达到0.74,相关性水平较好,遥感反演结果可描述区域、城市和乡镇尺度上PM_(2.5)污染浓度的空间分布特征,识别不同空间位置的污染程度差异;基于站点观测数据的空间插值方法对PM_(2.5)浓度空间分布特征的再现能力有限,在区域尺度PM_(2.5)浓度空间分布特征分析时效果尚可,在站点有限的城市和乡镇尺度分析中效果不佳,容易产生对高浓度污染地区的误判;在需要利用站点观测数据分析区域尺度PM_(2.5)浓度空间分布特征时,析取克里金、反距离权重或径向基函数插值方法的效果相对较好。     

利用OMI遥感数据研究中国区域大气NO_2

利用臭氧观测仪（Ozone Monitoring Instrument,OMI）卫星遥感反演的NO2柱浓度数据,分析了自2004年以来中国地区对流层NO2柱浓度（TroNO2）和总NO2柱浓度（TotNO2）的时空特征及其影响的原因.中国区域平均TroNO2和TotNO2呈现上升的趋势,年平均分别增长了4.67%和2....     

2006～2017年京津冀大气污染传输通道城市NO2浓度时空变化分析

利用OMI传感器反演获取的全球对流层NO₂垂直柱浓度数据,分析了2006～2017年京津冀大气污染传输通道城市的对流层NO₂垂直柱浓度时空变化。结果表明,通过线性拟合得出,OMI反演NO₂垂直柱浓度与地面实测NO₂浓度呈显著正相关;京津冀大气污染传输通道城市NO₂柱浓度月均值变化具有周期性,最高值和最低值多出现在1月和7月;NO₂柱浓度在季节变化上特征明显,表现为冬季最高,秋、春季次之,夏季最低。在年际变化上,NO₂柱浓度主要表现为2006～2010年波动增长,2011～2013年基本持平,2014年后开始迅速下降;NO₂垂直柱浓度空间分布,整体呈现出西北部低、中部和东部高的空间格局;季节空间分布与这12年均NO₂柱浓度空间分布相似。     

近10年海南岛大气NO2的时空变化及污染物来源解析

利用OMI卫星反演的NO2柱浓度数据,分析了近10年海南岛对流层NO2柱浓度(Tro NO2)和总NO2柱浓度(Tot NO2)的时空变化,同时结合地面风向、SO2排放资料,以及HYSPLIT模式等探究其大气污染物来源.结果表明,海南岛地区大气NO2呈北半部高于南半部、中部山区低于四周沿海的分布特征,其季节变化表现为冬季高、夏季低的特点,其中夏季浓度偏低和雨水的冲刷作用有关,而冬季浓度偏高与珠江三角洲地区的外源输送作用有密切联系.近10年海南岛大气NO2冬夏季有相反的变化趋势,冬季逐年下降,夏季则有弱的上升趋势.其原因可能是夏季大气污染物以本地排放为主,冬季外源输送起主要贡献作用.海口市Tro NO2与珠江三角洲地区的有利风向日数相关系数为0.84,通过了99%的信度检验.后向轨迹分析表明,2013年12月影响海口市的3条气流移动路径,均不同程度的经过珠江三角洲地区,进一步表明海南岛冬季大气污染物主要以珠江三角洲地区的外源输送为主.     

海南岛臭氧污染时空变化及敏感性特征

基于环境空气质量数据、气象观测数据和卫星遥感资料,研究了2015~2020年海南岛臭氧（O₃）污染的时空分布、变化趋势、O₃生成敏感性及其与气象因子的关系.结果表明,海南岛O₃-8h （日最大8 h滑动平均值）表现为西部和北部偏高,中部、东部和南部偏低的分布特征,2015年O₃-8h浓度最高,2019年O₃-8h浓度超标占比最大.O₃-8h浓度与平均气温（P<0.1）、日照时数（P<0.01）、太阳总辐射（P<0.01）、大气压和平均风速呈正相关关系,与降雨量（P<0.05）和相对湿度呈负相关关系.卫星遥感数据显示,2015~2020年海南岛对流层NO₂柱浓度（NO₂-OMI）和HCHO柱浓度（HCHO-OMI）呈相反的变化趋势,2020年NO₂-OMI较2015年上升了7.74%,HCHO-OMI下降了10.2%.海南岛属于NO_x控制区,近6年FNR值（O₃生成敏感性）呈波动式地下降趋势,其趋势系数和气候倾向率分别为-0.514和-0.123 a^-1.气象因子与海南岛FNR值有较好的相关关系.     

山东省近10年对流层NO2柱浓度时空变化及影响因素

利用OMI卫星对流层NO2柱浓度产品研究了近10年山东省NO2时空格局及影响因素,结果表明: 对流层NO2柱浓度波动较大,10年柱浓度年均值增幅为28.5%,其中2011年浓度最高;对流层NO2柱浓度空间变化显著,2005~2009年四、五级高值仅出现在经济发达的内陆城市, 2010~2012年四、五级高值范围显著扩大至中西部大范围地区,尤以2011年最为严重, 2013~2014年,四、五级高值范围呈逐步缩小趋势; 夏季丰富的降水对NO2具有显著湿沉降作用;山东省近10年地区生产总值不断攀升、机动车保有量大且增幅快、秸秆焚烧火点个数多,这些人为排放是对流层NO2柱浓度升高的主要影响因素.     

Spatial variance and assessment of nitrogen dioxide pollution in major cities of Pakistan along N5-Highway

This paper discusses the findings of the first car MAX-DOAS (multi-axis differential optical absorption spectroscopy) field campaign (300 km long) along the National Highway-05 (N5-Highway) of Pakistan conducted on 13 and 14 November, 2012. The main objective of the field campaign was to assess the spatial distribution of tropospheric nitrogen dioxide (NO₂) columns and corresponding concentrations along the N5-Highway from Islamabad to Lahore. Source identification of NO₂ revealed that the concentrations were higher within major cities along the highway. The highest NO₂ vertical column densities (NO₂ VCDs) were found around two major cities of Rawalpindi and Lahore. This study also presents a comparison of NO₂ VCDs measured by the ozone monitoring instrument (OMI) and car MAX-DOAS observations. The comparison revealed similar spatial distribution of the NO₂ columns with both car MAX-DOAS and satellite observations, but the car MAX-DOAS observations show much more spatial details. Maximum NO₂ VCD retrieved from car MAX-DOAS observations was up to an order of magnitude larger than the OMI observations in urban areas.     

长三角地区近15年大气臭氧柱浓度时空变化及影响因素

基于OMI遥感数据,分析了2005-2019年长三角地区O₃柱浓度的时空分布特征及影响因素,同时采用后向轨迹（HYSPLIT）模型进行对流层O₃来源的解析.结果表明：1从时间分布来看,15年间O₃柱浓度年际变化呈先上升后下降的变化趋势,其中,2005-2010年呈上升趋势,2010-2019年呈下降趋势,2010年和2016年分别达到最大值和最小值,分别为327.79 DU和276.43 DU;季节方面,每年季均浓度值均为春季最大,冬季最小.2在空间分布上,O₃柱浓度高值区在长三角中部及以北地区,且由北向南逐渐降低;四季分布有明显变化,15年的平均季均浓度为春季>夏季>秋季>冬季,高值主要出现在春季,低值出现在冬季.3气象因子上,O₃柱浓度与气温、降水、风速、日照时间呈正相关（p<0.05）,与气压呈负相关（p<0.05）.人为因素上,O₃柱浓度与人口、第二产业及煤炭消费总量呈正相关.4通过不同高度模拟受点气流输送轨迹发现,上海市不同高度的气流轨迹与输送路径相差不大,均能反映O₃的来源与扩散方向.来自华北、黄海地区与西南方向及东海上空的气流汇聚是造成春季O₃柱浓度升高的主要原因,冬季O₃柱浓度低主要是因为来自华北地区高压气流对O₃的扩散作用.5O₃柱浓度与其他物质的空间对比分析显示,NO₂柱浓度、AOD指数、HCHO柱浓度均是影响O₃柱浓度空间分布的重要原因;该地区O₃前体物氮氧化物（NO_x）是引起O₃柱浓度增长的主要原因,两者之间呈显著正相关（p<0.01）;机动车尾气排放对O₃柱浓度水平的贡献不可忽视.长三角地区挥发性有机物（VOCs）是造成O₃柱浓度升高的又一重要原因,其中,人为源是主控原因,占总贡献量的96.9%,植物源占3.1%;人为源中,工业源和生活源贡献较大.     

中国西部人为源NO2污染的时空分布及影响因素研究

利用臭氧监测仪卫星遥感反演获得对流层NO_2柱浓度数据,分析了2005—2016年中国西部地区NO_2污染的时空演变特征及影响因素.首先,根据NO_2污染的季节特性,剔除了自然源NO_2后得到人为源NO_2柱浓度信息;然后,利用小波变换分解方法对西部地区NO_2柱浓度的长期趋势和季节特性进行提取,并对比了东西部的NO_2增长情况;最后,结合经济社会数据分析了西部各省NO_2污染的主要驱动因素.结果发现,西部地区的NO_2浓度在2005—2012年期间呈快速增长趋势,西北各省份的增速均超过了10%a~(-1).然而,2012年之后,西部各省的NO_2浓度开始下降.结合"十二五"计划中的各省氮氧化物减排目标,发现大多数西部省份都较好地完成了减排任务.此外,煤炭消费是西部各省NO_2污染的最主要因素.然而,对于云南和四川而言,虽然水电发展替代了部分火电,使得煤炭消费增速减缓,但交通排放成为这两个省份NO_2污染的最主要驱动因素.西部地区是国家"一带一路"新战略的重要区域,本研究结果将为政府制定有效的控制排放政策,以及促进西部区域可持续发展提供重要的科学参考.     

Trends of the sunshine duration and diffuse radiation percentage on sunny days in urban agglomerations of China during 1960–2005

The long-term observational data of sunshine duration (SD) and diffuse radiation percentage (defined as diffuse solar radiation/total solar radiation, DRP) on sunny days during 1960–2005 were analyzed in 7 urban agglomerations and the whole of China. The results show that the sunny sunshine duration (SSD) has decreased significantly except at a few stations over northwestern China in the past 46 years. An obvious decrease of the SSD is found in eastern China, with the trend coefficients lower than − 0.8. Accompanied by the SSD decline, the sunny diffuse radiation percentage (SDRP) in most stations shows obvious increasing trends during the 46 years. The averaged SDRP over China has increased 2.33% per decade, while the averaged SSD shows a decrease of − 0.13 hr/day per decade. The correlation coefficient between SDRP and SSD is − 0.88. SSD decreased over urban agglomerations (small to large city clusters) in the past 46 years, especially in large cities and medium cities, due to the strong anthropogenic activities and air pollution represented by aerosol option depth (AOD) and tropospheric column NO₂ (TroNO₂). On the regional scale, SSD has an opposite trend from SDRP during 1960 to 2005, and the variation trends of regional mean values of SSD and SDRP in southeastern China are more pronounced than those in northwestern China.