基于XGBoost算法的近地面臭氧浓度遥感估算

本文采用XGBoost机器学习算法,融合臭氧浓度地面监测数据、欧洲中期天气预报中心的ERA5数据集、中国多尺度排放清单模型构建的排放清单数据集、高分辨率遥感影像（TROPOMI＿NO₂、OMI＿NO₂）以及人口数据和DEM数据,构建训练估算数据集,开展近地面臭氧浓度估算研究.模型构建采用递归式特征消除法进行特征变量的选择,并对其进行十折交叉和自建模验证,R²分别为0.871和0.955,RMSE分别为12.8μg·m^-3和7.514μg·m^-3.同时进行了高分辨率遥感影像对估算结果的贡献分析,结果表明引入TROPOMI＿NO₂因子参与建模可校正近地面臭氧浓度普遍被低估现象.模型模拟结果显示臭氧浓度回归估算结果层次更加分明、条带现象消失、连续性和平滑性明显改善.     

亚洲地区OMI和SCIAMACHY臭氧柱总量观测结果比较

利用臭氧观测仪(OMI)和扫描成像大气吸收光谱仪(SCIAMACHY)传感器反演的臭氧总量数据,结合从世界臭氧与紫外线辐射数据中心(WODUC)获取的地面观测臭氧总量数据进行验证,对比2种不同卫星遥感反演的臭氧总量产品优缺点,并分析亚洲地区臭氧总量的时空特征.结果表明,OMI反演的结果比SCIAMACHY的结果更好,而且具有更高的时间和空间分辨率.臭氧总量存在明显的季节变化,在低纬度地区最大值出现在4或5月,最小值在11或12月,而在高纬度地区则分别出现在2月或3月和8月或9月.臭氧总量纬度地带性分布明显,并随着纬度增加而逐渐上升,在10°N~30°N之间,臭氧总量增长平缓,在30°N~50°N之间,臭氧总量快速增大.在青藏高原地区出现臭氧低值区,并在青藏高原东面的横断山脉向低纬度延伸,隔断了臭氧总量的纬度地带性分布.臭氧总量变化在不同纬度呈现不同的模式,距平值随纬度的增大波动随之增大.纬度最低的站点(216)臭氧总量距平值变化最小,最大只有30 DU;而纬度最高的站点(326)臭氧总量距平值变化可达180 DU以上.     

长江三角洲地区大气顶气溶胶直接辐射强迫遥感估算

利用MODIS和OMI卫星遥感数据估算长江三角洲地区大气顶气溶胶直接辐射强迫并分析其时空变化特征.结果表明了大气顶辐射强迫和气溶胶光学厚度(AOT)存在明显的线性相关关系,R和RMSE分别为0.89和5.50.大气顶辐射强迫的区域月平均变化范围大约在-10~-70W/m2之间,一年中最大值(-53.97±6.14W/m2)和AOT一样出现在6月,最小值(-16.41±2.10W/m2)出现在12月.4个季节的大小依次是:夏季(-44.30±9.09W/m2)>春季(-42.00±7.83W/m2)>秋季(-28.02±6.32W/m2)>冬季(-20.40±5.00W/m2).在6 月,大气顶气溶胶辐射强迫空间差异最明显,在太湖沿岸的城市地区,如上海、杭州,辐射强迫可达-70W/m2,而在千岛湖地区大约为-10W/m2.在12月,空间差异最小,北部城市地区大约为-20 W/m2;南部地区大约为-10 W/m2.     

Relationships of ozone formation sensitivity with precursors emissions, meteorology and land use types, in Guangdong-Hong Kong-Macao Greater Bay Area, China

Due to the influences of precursors emissions, meteorology, geography and other factors, ozone formation sensitivity (OFS) is generally spatially and temporally heterogeneous. This study characterized detailed spatial and temporal variations of OFS in Guangdong-Hong Kong-Macao Greater Bay Area (GBA) from 2012 to 2016 based on OMI satellite data, and analyzed the relationships of OFS with precursors emissions, meteorology and land use types (LUTs). From 2012 to 2016, the OFS tended to be NO_x-limited in GBA, with the value of FNR (HCHO/NO₂) increasing from 2.04 to 2.22. According to the total annual emission statistics of precursors, NO_x emissions decreased by 33.1% and VOCs emissions increased by 35.2% from 2012 to 2016, directly resulting in OFS tending to be NO_x-limited. The Grey Relation Analysis results show that total column water (TCW), surface net solar radiation (SSR), air temperature at 2 m (T2) and surface pressure (SP) are the top four meteorological factors with the greatest influences on OFS. There are significant positive correlations between FNR and T2, SSR, TCW, and significant negative correlations between FNR and SP. In GBA, the OFS tends to be NO_x-limited regime in wet season (higher T2, SSR, TCW and lower SP) and VOCs-limited regime in dry season (lower T2, SSR, TCW and higher SP). The FNR displays obvious gradient variations on different LUTs, with the highest in “Rural areas”, second in “Suburban areas” and lowest in “Urban areas”.     

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。     

珠江三角洲对流层HCHO柱浓度遥感监测及影响因子

基于OMI卫星遥感反演数据,对珠江三角洲地区2009年~2016年对流层甲醛柱浓度时空分布特征及其影响因素进行研究.结果表明,珠江三角洲甲醛柱浓度时间变化特征为：8年来呈波动变化趋势,年均值为13.11×10¹⁵ molec/cm²,最低值出现于2012年,最高值出现于2016年;最大降低率为5.8%,最大增长率为6.3%.每年夏季最高,冬季最低,大小依次为夏季 > 秋季 > 春季 > 冬季,8a来96个月甲醛月际变化幅度较大,呈单峰结构,其中每年6月最高;空间变化特征为：甲醛柱浓度值由西北往东南递减,其中以肇庆东北大部、佛山北部和广州西部组成高值区分布中心,以佛山中南部、广州东南半部和江门西北半部组成三级次高级分布区,以惠州、东莞、深圳、中山、珠海和江门等珠江三角洲近海岸地区为一二级低值浓度区;影响因素中气温与气压等气象因素对HCHO的生成和分布有着促进作用,植被对HCHO的产生有一定的贡献,甲醛柱浓度的变化与汽车保有量、地区生产总值等经济发展要素呈现正相关关系,能源消耗总量与工业废气排放总量的增加与甲醛柱浓度增长密切相关,人为因素是甲醛柱浓度变化的主要原因.     

基于OMI数据的兰州地区吸收性气溶胶指数时空分布特征研究

基于OMAERUV遥感数据产品,对兰州地区2008—2017年紫外吸收性气溶胶指数(ultraviolet aerosol index,UVAI)的时空分布进行了分析,并对其变化相关因素进行了探讨,结果表明:兰州地区2008—2017年UVAI整体呈上升趋势,年均值增幅为7.0%,2008—2010年UVAI出现了最大增长率53.1%,2011—2015年UVAI出现了最大降低速率18.5%,2016—2017年UVAI在2015年的基础上继续下降,2017年有所上升.2008—2017年兰州地区UVAI的空间分布特征为中间高、东西两侧低.10年来研究区UVAI最高值一直为永登县和皋兰县结合部及相邻区域,也是吸收性气溶胶的污染源中心.每年的最高值出现在1—2、11—12月,10年中最大的UVAI值出现在2017年的12月,每年的最低值出现在6—7月,10年中最低的UVAI值出现在2017年6月,四季UVAI值水平为:冬季春季秋季夏季.影响因素中UVAI与自然要素中的风向、温度和降水关系密切,兰州各地区的人口密度也与UVAI的变化具有相关性;基于PM_(2.5)的UVAI指示的空气质量等级分析,兰州地区空气质量以良为主.针对兰州地区UVAI的时空分布特点、吸收性气溶胶外源和内源污染源情况,提出了在永登县北部区域建设防护林带、减少人为活动强度等建议.     

宁夏近10年甲醛柱浓度时空分布及其影响因素

为明确宁夏回族自治区（简称“宁夏”）大气中甲醛的含量及分布,基于OMI遥感反演数据,分析了2006—2015年宁夏甲醛柱浓度的时空分布,同时选取工业产值、机动车保有量、煤炭消耗量以及气温、地形地貌和风向等人为和自然因素进行相关性分析.结果表明:研究区内2006—2015年甲醛柱浓度整体呈上升趋势,年均增速为1.078×1015 molec/（cm2·a）,其中2006—2011年逐年增大,2012—2015年呈波动上升趋势,并于2015年达到近10年的最高值;甲醛柱浓度季节性特征为夏季>冬季>秋季>春季;宁夏甲醛柱浓度月均值变化趋势整体上呈“W”型.空间上甲醛柱浓度高值区主要分布在宁夏中东部及南部地区,而北部及西部地区甲醛柱浓度相对较低.在人为因素中煤炭消耗量与甲醛柱浓度的相关性最高,相关系数达到0.88;在自然因素中甲醛柱浓度与气温相关系数达到0.63,地形地貌和风向对甲醛污染区域的分布有一定影响.研究显示,人为因素是影响宁夏甲醛柱浓度的主要因素.      

甘肃省对流层甲醛柱浓度时空分布特征及影响因素研究

近年来,有着致癌性质的甲醛在大气中的含量逐年增加,加强对大气甲醛及其影响因素的监测意义重大。本文利用OMI卫星反演数据,对2008～2016年甘肃省对流层甲醛柱浓度的时空特征以及影响因子进行分析。结果表明：（1）甘肃省甲醛柱浓度空间分布极其不平衡,呈现出由甘肃南部向中部、西北部逐渐降低的趋势,这与甘肃省自东南向西北的植被分布有关,植被排放对大气甲醛有一定的贡献。（2）甲醛柱浓度年均值最低为7.15×10¹⁵ molec/cm²,出现在2008年,最高为10.66×10¹⁵ molec/cm²,出现在2011年;按照季节划分甲醛柱浓度均值,表现为夏季 > 冬季 > 春季 > 秋季,这与夏季光化学反应和甘肃省冬季采暖有关;甘肃省大气中的甲醛以自然因素为主,人为因素次之。（3）甲醛柱浓度变化不仅与自然因素的温度呈显著正相关,还与社会经济因素中的第二产业值、工业产值以及能源消耗等具有一定相关性。甘肃省甲醛柱浓度时空特征总体受当地自然和社会经济因素的综合影响。     

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.