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.     

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.      

新冠疫情严控期间南京市空气质量

为研究2020年初新冠疫情严控措施对南京市空气质量的影响,选取1月25日~2月10日（疫情严控期）南京及周边省会城市空气质量监测数据,与5a同期数据进行对比,分析时空分布特征.结果表明,疫情停工期间,降水量同比下降,大气扩散条件为近5a较差水平,但除O₃浓度不降反升外,其他主要污染物PM_2.5、PM₁₀、SO₂、NO₂和CO浓度均达近5a最低值,分别为36,44,5,22μg/m³和1.1mg/m³.通过推算疫情停工期间本地减排措施的“净环境效益”,严控使得PM_2.5、PM₁₀、SO₂、NO₂和CO分别下降了41.7%、45.3%、14.3%、43.5%、18.2%,O₃浓度上升了4.8%.从空间上分析,南京市SO₂浓度及其同比降幅在长三角省会城市内排名第1,其他污染物改善情况处于中等水平.从日变化可知,PM_2.5和PM₁₀日变化由双峰型变为单峰型,夜间未出现次峰值.O₃夜间浓度明显升高,原因是交通源的大幅削减使NO对O₃的滴定反应降低,而白天O₃浓度峰值取决于VOCs和NO_x的减排比例.     

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.      

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.     

基于Sentinel-5P卫星的中国NO2浓度遥感监测

NO₂是重要的痕量气体,对其监测有助于大气污染治理。本文基于Sentinel-5P大气污染监测卫星提供的对流层NO₂浓度数据和总NO₂浓度数据,借助谷歌地球引擎(google earth engine,GEE)分析了2018~2021年间中国大气NO₂浓度时空变化特征,使用OLS模型揭示了中国地区NO₂浓度的主要影响因子。结果表明:我国对流层NO₂浓度空间分布呈现东高西低的总体格局,东中部城市群对流层NO₂柱浓度水平明显呈现冬高夏低、春秋过渡的季节特征,西部大部分城市的四季变化不明显。北京、深圳、上海3所城市NO₂柱浓度分布呈现出较为显著的圈层结构。OLS模型结果表明,中国地区NO₂浓度变化受到社会经济和自然因素的共同影响,其中城市化程度是影响NO₂排放的重要因子。     

长江三角洲冬季电厂排放对大气污染的影响

分析了长江三角洲地区电厂排放的基本特征并利用WRF-Chem模拟冬季大气污染状况,研究了冬季电厂排放主要污染物的特征及其对空气质量的影响,结果显示,长三角电厂排放的主要大气污染物为SO₂、NO_x及PM_2.5,2010年排放量可分别达到826.8、1475.6和137.3Gg,分别占长三角地区人为源总排放量的34%、38%和14%.冬季主要大气污染物（SO₂、NO₂、PM_2.5）浓度高值区分布在南京-上海,杭州-宁波一带.电厂对SO₂浓度贡献量（率）的空间分布与SO₂排放的空间分布较为一致,而NO₂、PM_2.5,其贡献量（率）的高值区主要分布在安徽、浙江和江西的交界处以及浙江省的东海岸.相对SO₂、NO₂,电厂对PM_2.5贡献量（率）较低,各地均在20μg/m³（15%）以下.污染时期电厂排放对模拟的PM_2.5和SO₂贡献率（6.9%、34.2%）较清洁时期（4.9%、20.7%）大,而对于NO₂,清洁和污染时期的贡献量没有明显差别,均在10μg/m³左右.冬季气温低、风速小及边界层高度低的特征不利于低层污染物的扩散,易导致重污染事件的发生.     

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.     

基于OMI数据的长三角地区NOx排放清单校验

近年来伴随着我国经济的持续增长,人为源氮氧化物排放居高不下,导致我国区域大气复合污染日趋严重. NO_x排放清单对于大气复合污染研究具有极为重要的意义.为了降低NO_x排放清单的不确定性,基于OMI卫星观测的对流层NO₂柱浓度资料,结合WRF-CMAQ模型系统,对2014年长三角区域NO_x排放清单进行了校验,对于该清单的不确定性进行了初步评估.结果表明,基于长三角地区2014年大气污染物排放清单,利用WRF-CMAQ系统模拟所获得的区域NO₂柱浓度平均值（4.66×1015~10.58×1015 mole/cm2）与OMI卫星数据（3.49×1015~11.47×1015 mole/cm2）较为接近,并且相关性较好（平均R=0.65）,归一化平均偏差（NMB）在-7.71%~33.52%之间,平均偏差（Bias）在0.06~0.28之间,可以在一定程度上说明2014年长三角区域NO_x排放总量基本能够反映区域NO₂污染状况.对比分析了OMI卫星遥感资料与CMAQ模型模拟结果,二者NO₂柱浓度空间分布情况总体一致,然而,苏南、上海和浙北等工业较发达地区OMI卫星NO₂柱浓度低于CMAQ模型模拟值,周边经济欠发达地区OMI卫星数据高于CMAQ模型模拟值,表明空间分布仍有进一步优化的空间.利用近地面卫星观测数据与CMAQ模型模拟结果对比,可得近地层观测ρ（NO₂）高于模拟结果,说明仅仅利用地面观测数据验证模型模拟结果存在一定偏差.研究显示,NO_x排放清单模型模拟结果在总量和时间变化方面与OMI卫星资料一致,在空间分配方面存在一定偏差.      

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.     

基于OMI数据的新冠疫情影响下福建省臭氧敏感性变化

基于OMI卫星数据,利用臭氧敏感性指示剂法研究了福建省及其九地市在COVID-19疫情影响下不同时间阶段大气臭氧敏感性特征以及不同情景下敏感性的变化规律.结果表明,在疫情前,福建省的大气臭氧生成控制区面积占比情况为VOC_S控制区占46.5%、协同控制区占25.0%、NO_x控制区占28.5%,以VOCs控制区为主,其中厦门市占比最高,南平市最低;在严控期,VOC_S控制区占29.5%、协同控制区占21.1%、NO_x控制区面积占49.4%,以NO_x控制区为主,其中宁德市占比最高,莆田市最低;在平稳期,VOC_S控制区占23.1%、协同控制区占29.1%、NO_x控制区占47.8%,以NO_x控制区为主,其中南平市占比最高,厦门市最低.与疫情前相比,严控期厦门市VOC_S控制区面积占比减少最多（38.1%）、最少的是三明市（7.9%）;从转化结果来看,第一类城市包括莆田市、泉州市、厦门市,敏感区变化受前体物HCHO、NO₂共同影响,而第二类城市主要受NO₂柱浓度变化影响.因此,第一类城市臭氧调控更加复杂.     

新冠肺炎疫情对咸阳市空气质量的影响

利用机器学习模型控制气象因素影响,定量分析了疫情期间污染源减排对咸阳空气质量的影响.结果表明,与未发生疫情情景相比,疫情期间咸阳PM_2.5、PM₁₀、SO₂、NO₂和CO浓度分别下降19.3%、26.0%、13.4%、60.1%和9.1%,NO₂降幅最大,SO₂和CO降幅较小,O₃浓度不降反而上升50.9%.在一次排放和二次生成前体物都下降的情况下,PM_2.5降幅低于预期,O₃浓度不降反升,反映出PM_2.5和O₃治理的复杂性,暗示了剩余污染源对咸阳空气质量影响较大,而停产限产政策（与疫情影响类似）对咸阳空气质量改善有限,未来应重点关注散煤和生物质燃烧、热力生产和供应、原油加工及石油制品制造等剩余污染源的治理.     

粤港澳大湾区NO2污染的时空特征及影响因素分析

利用Aura卫星搭载的臭氧观测仪（OMI）反演的对流层NO₂柱密度数据,分析了自2005年以来粤港澳大湾区（GBA）对流层NO₂柱密度的空间分布特征、时间变化趋势及其影响因素.研究结果表明GBA对流层NO₂柱密度从2005~2018年呈减少的趋势,每年递减约为2.8%.小波系数显示时间演化过程中存在9个月的主振荡周期,冬季浓度较高,夏季较低.人为排放和各种自然因素,导致了GBA对流层NO₂柱浓度月变化在时间和空间上存在明显差异,最小值和最大值分别出现在6和12月,多年平均值分别为3.9665×10¹⁵和12.3423×10¹⁵molec/cm².NO₂在空间分布上呈现明显的空间分异特征,冬季12月最明显.NO₂污染严重的高值区主要出现在中部地区,如广州市、佛山市和中山市,最大的对流层NO₂柱密度可达18.8306×10¹⁵molec/cm²,大约是周边地区的3 倍,且高污染区域向四周逐渐扩散,连成一片.低值区主要在北部的肇庆市和东部的惠州市,多年平均的对流层NO₂柱密度约为7.1400×10¹⁵molec/cm².对流层NO₂柱密度的增长率在不同区域的变化趋势呈现明显的差异,变化范围为-15×10¹⁵~6×10¹⁵molec/cm²,增长率百分比范围为-65%~65%.出现增长的地区主要是肇庆市北部和惠州市东部的低值区;对流层NO₂出现明显减少的区域集中在中部的高值区,减少量最大的地区为广州市、佛山市和中山市交界处.     

北京市2020年春节期间空气质量影响因素分析

2020年春节期间由于新冠肺炎疫情的大范围暴发,包括北京在内的多个城市经济社会活动较长时间处于低水平状态。但是在此期间,北京市出现了两次(农历正月初二至初六、正月十六至十九)污染水平不逊于往年的重污染天气,成为社会各界关注的焦点。本文以北京市2016-2020年春节期间的空气质量为研究对象,首先运用多元线性回归法判断了气象因素以及经济和社会活动因素对四类污染物(PM_2.5、PM₁₀、NO_2和SO₂)的影响程度,进一步研究了在2020年春节期间的两次重污染时段内各个因素对PM_2.5的影响程度,最后运用双重差分法评估春节期间的疫情管控措施对北京市空气质量产生的影响。多元线性回归结果显示在2016-2020年春节期间:(1)气象因素对北京市的PM_2.5、PM₁₀、NO₂和SO₂四类污染物浓度的影响占主导地位,其中温度、湿度与四类污染物浓度变化均显著正相关,气压和降水与四类污染物浓度变化均显著负相关;(2)经济活动水平与NO₂浓度水平有显著正相关关系,说明随着经济活动水平强度的降低和交通流量的下降,NO₂浓度呈现出降低趋势,而PM_2.5、PM₁₀和SO₂与经济活动水平分别有正相关、正相关和负相关关系,但并不显著;(3)从社会活动来看,燃放烟花爆竹会增大PM_2.5、PM₁₀和SO₂浓度,同时假期变量对PM_2.5和SO₂的浓度变化也存在显著正向影响。对于2020年春节期间的两次重污染过程来说,气象依然是主要影响因素,但是各因素的贡献值有所不同;春节期间经济活动水平对正月初二至初六重污染过程的贡献较小(2%),而对正月十六至十九有明显的负影响(-20%)。双重差分法评估结果显示,疫情管控对PM₁₀和NO₂有缓解效果,而对PM_2.5和SO₂未见明显影响,这表示疫情管控措施对空气质量施加了影响。本文不仅识别出了春节期间气象因素、经济社会活动与北京市四类污染物浓度之间的关系,有助于厘清各因素对空气质量产生影响的方式,而且对进一步改善北京市及京津冀地区的空气质量具有重要启示意义。     

泰山顶PM2.5及其二次组分的输送路径与潜在源

为了明确泰山顶PM_2.5及其二次组分的输送路径与潜在来源,基于后向轨迹聚类方法对2015年冬季和春季抵达泰山顶的气团传输轨迹进行聚类分析,并利用PSCF（潜在源贡献因子）和CWT（浓度权重轨迹）方法分析泰山顶冬季和春季PM_2.5、SO₄2-、NO₃-和NH₄+的潜在源域.结果表明,冬季和春季来自不同方向的气团轨迹对泰山顶PM_2.5及其组分的潜在源分布的影响具有明显差异.冬季泰山顶ρ（PM_2.5）和ρ（NO₃-）平均值的最高值对应的气团轨迹来自湖北、河南、山东济宁等地区,而来自西北方向的轨迹1和轨迹2分别对应的ρ（SO₄2-）和ρ（NH₄+）平均值最高;春季影响ρ（PM_2.5）和ρ（NO₃-）的气团轨迹主要来自西南方向的河南、安徽北部、山东聊城等地区,而源自蒙古国途经内蒙古、山西、河南北部和山东聊城的气团轨迹对ρ（SO₄2-）和ρ（NH₄+）的贡献最大.泰山顶ρ（PM_2.5）、ρ（SO₄2-）、ρ（NO₃-）和ρ（NH₄+）的PSCF分布特征与CWT分布特征类似,WPSCF（源区分布概率）和CWT的最高计算值主要集中山东济宁、聊城以及邻近的山西省、河北省和河南省,是泰山顶大气污染物的主要潜在源域.