基于OMI数据的河南省近十年大气对流层NO2垂直柱浓度时空变化分析研究

文章利用OMI卫星全球对流层NO2垂直柱浓度Level3级产品数据,研究分析了河南省2006年-2015年大气对流层NO2垂直柱浓度时空变化规律.结果表明:河南省近10年大气对流层平均NO2柱浓度为15.38×1015 molec/cm2,远高于全国平均水平,但自2014年起出现了大幅回落;NO2柱浓度月均值具有对称性和周期性,最高值和最低值一般分别出现在1月和7月;NO2柱浓度的季节均值特征明显,具体表现为冬季>秋季>春季>夏季;河南省NO2柱浓度空间分布不均衡,自西南部至东北部逐渐增加,其中东北部为NO2浓度高值集中地区.     

2005—2015年中国及境内典型城市群甲醛柱浓度时空变化及影响因子分析

基于2005—2015年OMI反演的甲醛柱浓度月均数据,对中国及境内典型城市群甲醛柱浓度时空变化及影响因子进行了分析.结果发现,甲醛柱浓度高值区集中在京津冀中南部、山东西部、河南北部、江浙沪、珠三角、湖北东部、湖南东部、广西、四川与重庆交界.2005—2015年中国甲醛柱浓度总体呈上升趋势,其中,京津冀地区增长趋势最明显,江浙沪地区呈略微下降趋势.中国、京津冀及江浙沪地区夏季甲醛柱浓度明显高于其余3个季节,呈明显的周期性变化;2005—2015年中国4个季节甲醛柱浓度均呈增加趋势,京津冀地区除夏季外其余3个季节也呈增加趋势,江浙沪和珠三角地区各季节甲醛柱浓度变化趋势不一致.近11年,中国、京津冀和江浙沪地区7月甲醛柱浓度最高,珠三角地区9月甲醛柱浓度最高.京津冀和江浙沪地区甲醛柱浓度月最高值和月最低值之间的差异大于珠三角地区.中国、京津冀、江浙沪和珠三角地区近11年秸秆焚烧与相应甲醛柱浓度呈明显正相关,相关系数为0.84~1.00,表明秸秆焚烧是影响近11年甲醛柱浓度变化的重要因子.尽管有些区域季节温度与相应甲醛柱浓度呈负相关,但温度总体也是影响中国及这3个典型城市群甲醛柱浓度变化的另一个重要因子,京津冀地区尤其明显.月平均温度与相应甲醛柱浓度的相关系数为0.52~0.85.人口、民用汽车保有量和国内生产总值与中国、京津冀、江浙沪和珠三角地区相应甲醛柱浓度相关系数均低于0.60.影响因子分析结果暗示控制秸秆焚烧和减少温室效应是降低我国甲醛柱浓度的重要途径.     

黑龙江省近12年甲醛柱浓度时空变化及其影响因素

利用OMI传感器数据,研究黑龙江省2005~2016年对流层甲醛柱浓度时空分布特征,并探究甲醛柱浓度的主要影响因素.结果表明：近12年甲醛柱浓度值整体呈上升趋势,平均增速为0.43×10¹⁵（molec×a）/cm²,2005~2013年逐年加剧,2013~2014年小幅回降,2014~2016年趋于平稳;四季甲醛浓度水平为：夏季>秋季>冬季>春季;月均变化趋势符合正弦曲线分布,年内甲醛柱浓度最低值一般出现在2~3月,最高值一般在6~7月;空间整体分布具有明显梯度,呈现“南高北低”状态,高值区主要分布在哈尔滨市、大庆市等南部地区,低值区分布在大兴安岭地区、黑河市等地区;空间浓度变化显著,2005~2008年全省在1~4级水平污染内,2009年起首次出现6级污染,2009~2013年6级水平污染区域扩大,2014年6级水平污染区域明显缩小,2014~2016年以4~6级水平污染为主且分布均匀;甲醛柱浓度分布对地形地貌、风向、气温、降水变化均会产生响应,能源消费、工业生产、汽车保有量、建筑装修、化肥施用等是甲醛柱浓度变化的重要影响因素.     

基于OMI数据中国大气边界层SO2空间格局

利用OMISO₂遥感数据,在常见的0.125°、0.25°、0.4°3种不同精度下进行普通克里金插值,采用归一化的方法与地基数据进行相关性比较,择优选择0.125°插值精度,分析中国区域SO₂空间分布及影响SO₂变化敏感因子.结果表明：①全国范围内存在1个五级SO₂柱量值区域和4个四级SO₂柱量值区域,在空间上呈现聚集状分布;②在我国季风区,夏季风对二、三级SO₂柱量值区域面积减少贡献显著,四、五级SO₂柱量值区域基本不受夏季风影响;非季风区,冬季风是SO₂柱量值全面升高的主要原因.③影响因子方面,季风区四、五级柱量值区域,平均相对湿度对降低SO₂柱量值更明显,干沉降是SO₂柱量值降低的主要途径;三级柱量值区域,平均气温与SO₂柱量值高度负相关,冬季采暖和随中纬度环流地面流向低纬风速扩散形成三级柱量值区域;非季风区,平均气温和随降水湿沉降是主要影响因子.     

2015～2020年济南市O3污染趋势及敏感性变化分析

基于环境空气质量站点监测数据及卫星遥感资料,研究了2015～2020年济南市近地面臭氧(O₃)污染的时空分布特征、变化趋势和前体物生成敏感性.结果表明,2015～2020年济南市O₃浓度呈上升趋势,全年O₃日最大8 h滑动平均值(MDA8)的第90百分位数(即年评价浓度)和4～9月MDA8 O₃浓度年均值分别以4.8μg·(m³·a)^-1和3.8μg·(m³·a)^-1的速率增长;各监测站点间O₃浓度水平差异逐渐缩小,且O₃浓度高值范围进一步扩大,济南市有16.1%和22.6%的监测点年评价值和4～9月MDA8 O₃出现了显著的正趋势(P<0.05),这些监测站点主要位于市区和靠近市区的郊区.卫星遥感监测数据显示2015～2020年4～9月济南市NO₂对流层柱浓度下降20.6%,年下降速率为0.3×10¹⁵     

郑州市对流层NO2柱浓度时空变化及其影响因素

基于郑州市2005—2015年的OMI遥感反演资料以及地面相关监测数据,研究了郑州市对流层NO_2的时空分布特征,并利用灰色关联法对郑州市NO_2柱浓度变化的主要影响因素进行分析。与地面观测数据对比检验显示,对流层NO_2柱浓度年均值数据与近地面监测站NO_2浓度的实测年均值数据呈显著的正相关,相关系数分别为0.884 6和0.940 2,表明OMI数据资料可以较好地反映地面NO_2浓度的变化。郑州市的对流层NO_2柱浓度在2005—2013年间呈现波动变化且2013—2015年NO_2柱浓度显著减小的特征。季节变化上NO_2柱浓度主要表现为冬季秋季春季夏季的特点。郑州市对流层NO_2柱浓度的空间变化分布主要表现为由北部向南部逐渐递减的趋势,年际变化上高值区与低值区变化不够显著,中值区近年来不断扩大。灰色关联度分析结果显示,汽车保有量与对流层NO_2柱浓度的灰色关联度最低为0.571,而标准煤消耗量、工业用电量以及采暖供热量与对流层NO_2柱浓度的灰色关联度比较高,分别为0.956、0.828、0.862,即大气中工业过程及采暖期煤炭燃烧排放的NO_2占较大比例,汽车尾气排放所占的比例相对较小。     

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.      

城市大气臭氧柱浓度时空变化研究——以天水为例

城市臭氧发生发展规律的研究将为城市环境管理提供理论依据。文章利用卫星OMITO3e数据产品,解译和分析了天水市2006~2014年臭氧柱浓度的时空动态信息。结果表明:(1)空间分布呈现东北、西北高,中部、南部低的倒"V"字形;(2)年变化呈单峰曲线,从2006年至2010年为上升期,每年的增长率为3.98%,2010年至2014年为下降期,年均下降率为2.52%;(3)四季变化明显分为两个阶段,前三年为冬季春季夏季秋季;后六年以夏、春季变化为主,冬、秋季为辅,夏季春季冬季秋季。夏、春两季在第二阶段明显升高与当地经济的快速发展有密切的关系;(4)9年间臭氧柱浓度平均值为301.177 DU,最大值为325.829 DU,最小值为279.093 DU,臭氧柱浓度指示的多年空气质量等级为良好。     

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.     

基于卫星遥感的甘肃省吸收性气溶胶的研究

基于OMAERUV数据日产品，对甘肃省2008~2017年吸收性气溶胶指数（UVAI）的时空分布进行了分析，并对其相关因素进行了探讨，结果表明：该省近10a UVAI空间格局为由西北向东南区域逐步递减，UVAI的高值区域一直分布在酒泉市及邻近区域，为吸收性气溶胶污染源中心；甘肃省UVAI的稳定性呈现从东北向西南区域逐渐降低的规律；UVAI月均值呈现出明显的规律性，每年的月变化均呈现"V"型；四季UVAI水平为：冬季 > 春季 > 秋季 > 夏季，四季变化规律基本同步，十年来四季的UVAI呈逐渐上升趋势，且四季中主导的吸收性气溶胶来源不同.基于PM_2.5的UVAI指示的空气质量等级分析，甘肃省空气质量以良为主；从气象因素与UVAI相关性分析来看，降水量、气温均与UVAI之间呈现显著正相关，风向也对其空间分布有重要影响；植被覆盖度与UVAI呈现正相关的区域主要分布在甘肃省西北部、武威市中部区域，呈现负相关的甘肃南部天水、陇南等区域为较高的植被覆盖区域.从人类活动因子与UVAI相关性来看，地区生产总值、各产业产值与UVAI有着明显的正相关性，尤其以第二产业与UVAI相关性最高；UVAI与汽车保有量、能源消耗总量及人口密度均存在较强的正相关，说明汽车尾气和工业排放及建筑粉尘也是吸收性气溶胶的重要来源.针对甘肃省UVAI时空分布特点、自然及人类活动因素分析情况，提出了减少人类活动强度等建议.