基于OCO-3卫星观测的上海CO2柱浓度特征分析

随着卫星遥感技术的发展,城市内部的二氧化碳柱浓度（XCO₂）时空特征逐渐能够被识别。本研究基于轨道碳观测卫星（OCO-3）快拍（SAM）模式XCO₂观测数据,探讨了上海市2020—2022年XCO₂的时空分布特征以及该数据对于火电厂CO₂烟羽信号来源识别的能力。结果表明,上海市XCO₂呈现春季＞冬季＞夏季的特征,上海市XCO₂年均值为418.3×10^-6,高于华东地区的年平均值。从XCO₂空间分布差异来看,中部和东北部是上海冬季XCO₂的高值区域,这主要是由于城市中部人口密集,北部沿江区域大型电厂较为集中,在冬季盛行风西北风的作用下,CO₂被传输至东部沿江多个行政区域。此外,结合近地面风场、CO₂人为排放清单、电厂点源信息、对流层监测仪器（TROPOMI）卫星观测数据等,证实了OCO-3快拍模式具有探测到重点点源信号的能力。     

基于OCO-2卫星观测的浙江省典型城市CO2柱浓度变化特征及碳排放重点源识别应用

为有效制定城市层面的低碳发展政策,实现碳达峰的发展目标,利用碳卫星2号（OCO-2）监测的高分辨率大气CO₂柱浓度数据（XCO₂）,分析浙江省杭州、宁波和嘉兴3个典型城市的XCO₂变化特征,以及人类活动和XCO₂变化的关系;识别城市碳排放热点区域,评估碳排放热点源对XCO₂的影响,并利用拉格朗日粒子扩散模型（LPDM）进行验证。结果表明：（1）2016—2021年3个城市的XCO₂年增长量分别为3.1×10^-6,2.3×10^-6和2.2×10^-6,杭州的增长量最为明显;杭州和宁波在2019—2021年XCO₂增量明显,分别为8.0×10^-6和5.7×10^-6。杭州XCO₂的变化趋势与临安大气本底站CO₂观测数据的变化趋势一致。（2）与2017年相比,3个城市的建筑用地面积都略有增加,分别增加了0.9%,2.2%和4.8%;从人口和GDP数据来看,2016—2021年3个城市也均呈持续增加的变化趋势。表明CO₂浓度升高与人类活动密切相关。（3）XCO₂正距平高值区域基本都对应了碳排放热点源（电力企业）的下风向地区,电力企业CO₂的排放会导致下风向地区的XCO₂出现局地性增长,增量为7×10^-6～9×10^-6。     

石家庄市NO2时空分布特征及影响因素

为了解石家庄市NO₂时空分布特征及影响因素,结合GIS和相关性分析,对2018年环境空气自动监测站监测数据、气象数据和社会经济数据进行统计分析。结果表明：261个乡镇NO₂年均质量浓度范围为11～68μg/m³,超标率为47.9%,仅有49个乡镇NO₂日均质量浓度达到国家二级标准。主城区NO₂质量浓度高于周边县(市、区),NO₂总体呈圆环形带状分布。月变化方面,1—3月、10—12月污染较重,峰值出现在1月。NO₂日变化呈“高-低-高”的变化趋势,区域差异明显。NO₂与温度、湿度、风速呈负相关,与大气压呈正相关,气象条件的月际差异是导致NO₂月差异的重要因素,NO₂空间分布主要受地形、人口密度和机动车排放等因素影响。研究结果提示秋冬季是NO₂治理的关键时期,主城区为重点防控治理区域。     

山东省2015年PM2.5和O3污染时空分布特征

利用中国环境监测总站的城市空气质量自动监测数据,分析了2015年山东省细颗粒物（PM_2.5）和臭氧（O₃）污染的时空分布特征,并初步探讨了其与气象要素的相互关系。研究发现：山东省PM_2.5年均质量浓度和年超标天数的空间分布均呈现由东部向西部递增的趋势,半岛地区的浓度最低,其他地区浓度均较高,年均质量浓度最大值出现在德州（101 μg/m³）。各城市PM_2.5的月均质量浓度均呈现出季节性变化,冬季最高,夏季最低。O₃-8h年均值和O₃年超标天数的空间分布与PM_2.5不同,半岛地区污染天数最少,其次为南部地区,中部地区和西北部地区污染最为严重并且各区域的城市之间O₃污染情况存在较大差异,具有明显的局地性特征。O₃质量浓度在春末夏初最高,超标现象主要出现在5—8月。分析各城市PM_2.5污染和O₃污染的协同性与差异性发现,虽然不同城市之间两者污染情况存在一定差异,但整体上看,山东省大气复合污染特征明显,全年有10个城市的PM_2.5和O₃同时超标天数都在20 d以上,并且该现象主要发生在夏季。夏季高温低湿的大陆气团控制更有利于O₃和PM_2.5叠加共存形成复合型污染。温度≥26℃时,O₃-8 h与PM_2.5日均质量浓度的相关系数为0.63,相对湿度≤60%时,两者相关系数为0.69。此外,当在大陆气团的控制下发生O₃污染时,相对湿度的提高更有利于PM_2.5浓度的增加。     

天山北坡经济带城市NO2污染的时空分布特征

基于2015—2020年近地面NO₂质量浓度数据和2019年哨兵-5P TROPOMI卫星探测的对流层NO₂柱浓度数据,采用相关性分析、趋势分析等方法探究新疆天山北坡经济带6个城市NO₂污染的时空分布特征。结果表明：（1）从年均值来看,天山北坡经济带NO₂质量浓度总体呈下降趋势,尤其2018—2020年下降明显。其中乌鲁木齐NO₂质量浓度值最高、博乐最低。（2）从季度均值和月均值来看,各城市NO₂质量浓度季节变化明显,其中夏季最低、冬季最高;月均值呈“中间低、两头高”的变化特征。（3）从日均值来看,各城市NO₂质量浓度大多呈现双峰型分布,分别出现在早上10:00和晚上23:00。（4）从空间分布来看,NO₂柱浓度高值区多分布在人口密集和工业发达的城市地区,尤其是乌鲁木齐、昌吉、五家渠、石河子污染最为严重。     

川南6市空气中SO2和NO2空间分布特征

利用简单、方便、不用电源的被动采样技术分别对川南地区6市区域范围内空气中SO2和NO2在雨季和旱季的空间分布特征进行研究。按16 km×16 km的均匀网格布设点位162个,并在雨季于6市各选1个空气自动站布设城区点位采集空气中SO2和NO2。获得的样品经0.3%的双氧水浸提后采用离子色谱法进行分析,经换算后获得空气中SO2和NO2的浓度,了解了其含量水平,绘制了SO2和NO2的空间分布图,掌握了其空间分布特征,并对可能的来源进行了浅析。将被动采样监测结果与自动站监测结果进行相关分析,两者高度线性相关,NO2和SO2线性相关系数分别为0.901 3和0.874 5,均大于r0.05(4)=0.811 4。     

基于GOSAT卫星的中国CO2浓度时空特征分析

采用温室气体观测卫星(GOSAT) 傅里叶变换光谱仪(FTS)发布的CO₂柱浓度L₃级别数据集产品,利用TCCON地基站点的CO₂柱浓度数据对卫星遥感数据进行验证,分析中国CO₂柱浓度时空变化特征及其影响因素。研究结果表明,GOSAT卫星的CO₂柱浓度产品精度较高,线性回归的r²为0.99,线性方程斜率为0.98,平均偏差为0.11 mg/L。中国CO₂柱浓度呈现逐年增长的趋势,存在12个月的周期性季节性变化。2010、2020年区域年平均CO₂柱浓度分别约为389.30、412.62 mg/L,增长了23.32 mg/L,年平均增长率大约为0.58%。中国区域大气CO₂柱浓度的月变化存在明显的时空差异,最大值和最小值分别出现在4月和8月,2020年4月和8月的区域平均值分别为415.09、409.13 mg/L。中国区域CO₂柱浓度从东部沿海向西部逐级递减,且呈现明显的季节性变化,夏季高值主要集中在东南部沿海地区,冬季高值主要集中在华北地区。     

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。     

天水市大气SO2浓度时空变化特征的卫星遥感监测与影响分析

大气卫星遥感监测作为一种新型监测手段,具有范围广、速度快、成本低等优势,对环境应急保护及其预警都具有非常重要的意义。选取天水市2006—2013年各年12月每日OMI level-2数据产品,利用Aura卫星技术和Arc GIS等技术平台,对天水市大气中SO_2的时空分布规律和污染原因进行了分析研究。结果表明:2006—2013年天水市SO_2柱浓度及其总量呈现出明显增加的趋势,但在2008年有小幅降低;在2008年以前,天水市SO_2浓度呈现出由东南向西北逐渐减少的趋势,但自2009年后污染重心发生迁移并且出现了数个集中化的SO_2高值区;研究区SO_2垂直柱浓度有自然因素、人类活动等多方面的复合影响,其中能源消耗及机动车尾气排放是主要影响因素。研究进一步讨论了遥感数据产品的应用前景。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

中国高分辨率近地面NO2浓度反演

通过分析2010年全国333个县级以上城市卫星遥感的NO2对流层年均柱浓度与地面实际观测浓度之间的相关性,发现两者具有一定的线性相关性(r=0.54,n=333),并建立了NO2"遥感柱浓度"与"地面观测浓度"之间的关联方程,通过该方程反演了中国0.125°分辨率近地面NO2污染分布特征。结果表明,全国近地面NO2浓度超过《环境空气质量标准》(GB 3095—2012)要求的年均浓度二级标准(0.04 mg/m3)的区域约为5.95万平方千米,超标地区主要集中在华北平原、长三角地区、四川盆地和珠三角地区,这些地区NO2污染水平远高于333个城市的年平均值(0.028 mg/m3)。NO2污染极不平衡,以大中型城市为中心的区域污染特征显著。NO2人口加权浓度分析结果表明,NO2人口加权浓度高值区主要集中在能源消费量大、机动车保有量大及人口密集的地区,全国约5.7%的人口暴露在NO2超标区域。     

基于卫星遥感的中国东部地区NO2减排成效验证

基于Aura卫星臭氧监测仪(OMI)数据,分析了2011—2018年中国东部地区对流层NO₂柱浓度的时空分布规律,以广泛而客观地验证NO₂减排成效。结果表明:进入"十二五"以来,中国东部地区对流层NO₂柱浓度快速下降,高值区域范围快速收缩甚至消失;华北平原、长江中下游平原污染相对严重,同时这些地区污染程度正在得到较快速的缓解;京津冀、长三角、珠三角是中国东部地区对流层NO₂柱浓度相对最高、下降速度最快的典型区域;中国东部地区NO₂减排取得的成效与产业转型升级、能源结构调整及严控移动源排放等政策措施密不可分。     

区域PM2.5时空回归建模与预测

基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的三元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。     

华东森林及高山背景区域CO2和CH4浓度变化特征

对国家大气背景监测福建武夷山站2014—2018年的主要温室气体监测数据进行分析,探讨华东森林及高山背景区域大气中CO_2和CH_4浓度的变化特征。结果表明:华东森林及高山区域CO_2背景浓度为414.1×10~(-6)(摩尔分数,下同),5年间呈逐年上升趋势; CH_4背景浓度为1 977×10~(-9),2014—2016年呈逐年上升趋势,2016—2018年保持稳定;两者均具有较明显的季节和月变化特征,CO_2还具有较明显的日变化特征,但季节变化幅度、月平均浓度振幅和日变化幅度均较小,具有区域背景特征。     

气质联用法测固定污染源中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫

建立了固定污染源排气中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫的采样和气质联用分析方法,检出限分别为0.06、0.15、0.21、0.71 mg/m3,精密度在3.2%以下,相关系数大于0.999 6,并对浙江省内2家典型企业排放的温室气体进行了监测,实际样品监测结果表明,该方法能够满足废气中4种温室气体的监测要求。     

基于GIS的石家庄市PM10和PM2.5时空分布研究

利用2018年261个乡镇环境空气自动监测站监测数据,结合GIS空间分析技术,对石家庄市PM10和PM2.5的时空污染特征进行了研究。结果表明,石家庄地区PM10和PM2.5污染的空间分布整体表现为西北部山区好于东南部的平原地区,主城区好于周边县(市、区)的特征。采暖期PM10和PM2.5的污染程度明显重于非采暖期。PM2.5稳定性差于PM10,PM10和PM2.5的稳定性与污染程度具有一定的负相关性,表现出污染越轻的区域稳定性越差。两者的日均值浓度变化在时间序列上呈极强正相关,且污染越重的区域时间相关性越强。与日均值相关性不同,污染程度越轻的区域PM10和PM2.5年均值的线性相关性越强。     

2018—2021年安徽省PM2.5和O3时空分布特征及其健康风险分析

利用2018—2021年安徽省空气质量监测数据分析了PM_2.5和O₃时空分布特征及其引发的健康风险。结果表明:从时间分布来看,2018—2021年安徽省PM_2.5年均值下降25.5%,而O₃-8 h年均值则保持持平;PM_2.5和O₃-8 h月均值具有明显的季节变化特征,PM_2.5月均质量浓度和超标天数均在冬季达到最大值,O₃-8 h月均值和超标天数则在夏季达到最大值。从空间分布来看,PM_2.5、O₃-8 h年均值和超标天数均为皖北最高,其次为皖中,最后为皖南。夏季O₃是主要的健康风险因子,冬季PM_2.5是主要的健康风险因子。当PM_2.5超标时,除2021年皖北地区外(PM₁₀是主要的健康风险因子),PM_2.5均是主要的健康风险因子;当O₃-8 h超标时,O₃是主要的健康风险因子。