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.     

长江三角洲地区CO2浓度本底特征及来源分析

二氧化碳(CO₂)是引起全球变暖的最主要的温室气体(GHGs),直接观测大气CO₂浓度对于研究人类活动和自然活动对大气温室气体的贡献至关重要,而在多个高度上观测大气CO₂浓度则有助于明晰CO₂浓度的时空变化规律,确定其影响机制.本文利用临安区域大气本底站2018-12—2020-11不同高度(距地面21 m、53 m)处的CO₂在线观测数据,结合日变化及地面风的影响,对观测数据进行筛分,采用HYSPLIT后向轨迹模型和潜在源贡献因子法,初步探讨气象因素以及大气远距离传输对长江三角洲地区大气CO₂浓度的影响.结果表明,临安站高低层大气CO₂日变化呈夜间高于白天的特点;低层CO₂浓度大于高层,冬季高低层浓度差小于其他三季;日较差呈夏季>春季>秋季>冬季的特点;大气CO₂本底季节变化由于受到风向和气团传输的影响呈现出冬季>春季>秋季>夏季的特点;潜在源贡献分析得...     

2000～2021年成渝城市群PM2.5时空变化及驱动机制多维探测

研究成渝城市群PM_2.5浓度时空变化和驱动机制，对区域大气环境保护和国家经济可持续发展具有重要意义.基于PM_2.5遥感数据、 DEM数据、基于站点的气象数据、 MODIS NDVI数据、人口密度数据、夜间灯光数据、路网数据和土地利用类型数据，采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验等方法，结合地理探测器，在多时空尺度上分析成渝城市群PM_2.5时空变化，并探测影响其变化的驱动机制.结果表明，2000～2021年成渝城市群PM_2.5浓度整体呈波动下降态势，冬季PM_2.5污染最为突出.PM_2.5浓度具有明显的空间异质性，呈现出“中间高，四周低”的空间分布特征，PM_2.5浓度高值区主要集中在自贡、内江、资阳和广安，PM_2.5浓度呈显著下降的区域主要集中在重庆西部等地.因子探测结果表明，成渝城市群PM_2.5浓度空间分异受气候、地形、植被和人文因子共同影响.高程、...     

基于多源碳卫星融合产品的中国地区XCO2与人为CO2排放时空变化

准确评估大气CO₂浓度和人为CO₂排放时空变化对于减缓温室气体排放导致的气候变化至关重要,因此,本文基于GOSAT和OCO-2卫星数据融合生成的全球长时间序列、时空连续的Mapping-XCO₂产品,研究2010～2020年中国大气CO₂柱浓度(XCO₂)时空变化特征以及卫星监测人为CO₂排放能力.结果表明:Mapping-XCO₂与中国大气本底站观测存在较高的一致性,具有良好的适用性;2010～2020年中国XCO₂呈现东高西低的空间分布,年均XCO₂为400.4×10^-6,年增长速率为2.47×10^-6;非生长季XCO₂异常可刻画人为CO₂排放时空变化,各省级行政区非生长季XCO₂异常与人为排放清单EDGAR和ODIAC的相关系数分别为0.71、0.67;2010～2020年京津...     

五台山大气CO2本底浓度及源汇特征

基于五台山站2017年1月~2020年12月的大气CO₂连续观测资料,采用平均移动过滤法（MAF）和后向轨迹分析方法,对五台山大气CO₂本底浓度及源汇特征进行研究.结果表明：五台山大气CO₂浓度受到区域或局地源汇的影响,筛分后的CO₂本底小时浓度振幅为44.9×10^-6,小于未经筛分的CO₂浓度振幅94.7×10^-6.2017~2020年CO₂本底浓度呈逐年上升趋势,但增幅放缓;抬升浓度占比有所下降,吸收浓度占比波动较小,表明人类活动对CO₂浓度的影响逐年减弱,而五台山周边地区陆地生态系统碳汇作用相对稳定.CO₂本底浓度夏季最低,秋冬季次之,春季最高;日变化夏季最明显,峰谷值分别出现在05：00和16：00,其他季节日振幅仅在0.7×10^-6~1.8×10^-6之间.与本底浓度相比,抬升浓度的差异值自10月至翌年3月明显增大,而吸收浓度的差异值在6~9月最显著,分别反映出人为活动排放源以及陆地生态系统吸收汇对CO₂本底浓度的影响.源汇浓度日变化均为单峰结构,抬升浓度白天高、夜间低,吸收浓度刚好相反.春、秋和冬季造成CO₂浓度明显抬升的地面风向主要为西南风,且随风速的增加CO₂浓度能够保持较高水平,而夏季主要为东北偏东风;春、夏季,2~4m/s的风速有利于进一步降低CO₂吸收浓度.后向轨迹分析表明,气团远距离输送对源汇浓度的影响除了取决于气团途径区域的CO₂排放情况,还与气团的空间垂直输送路径有关.     

陕西省PM2.5时空分布及影响因素区域差异研究

为了解陕西省PM_2.5分布特征及影响因素区域差异,基于陕西省2019年PM_2.5浓度数据,采用空间数据统计方法、空间自相关分析法和地理探测器法对PM_2.5时空分异特征及驱动因素进行探究,以期为陕西省PM_2.5研究与治理提供可靠的科学依据。结果表明：陕西省PM_2.5污染呈“冬高夏低”、“中部高、南北低”的特点。陕西省PM_2.5浓度空间分布表现为极显著的空间正相关性,陕南部分县域为低低聚集区,关中地区渭南、西安、咸阳部分县域为高高聚集区。对陕西省PM_2.5浓度影响最大的是社会经济因子(0.328—0.548),陕北地区为GDP(0.932),关中地区为人口密度(0.936),陕南地区为相对湿度(0.710)。交互探测结果表明：陕西省主导交互因子为人口密度∩GDP,各种复杂的自然因素和人为活动因素耦合会大大加强对PM_2.5浓度的解释力。     

中国XCO2时空分布与影响因素分析

结合OCO-2卫星观测的CO₂柱浓度混合比数据（XCO₂）,研究2014~2018年间中国CO₂的时空分布及季节波动,并对影响XCO₂分布的因素进行相关分析.结果表明,XCO₂在研究时段内以2.56×10^-6/a的速度增长;年均季节波动为3.26×10^-6.在2014~2018年间观测到中国植被呈显著的上升趋势,尤其是在西北和东南沿海地区.植被活动是影响XCO₂季节变化的重要因素,在东北地区观测到XCO₂与归一化植被指数（NDVI）呈显著负相关（r=-0.58）.人为排放是影响XCO₂空间分布的重要因素,二者具有空间分布一致性（r=0.397,P<0.05）,尤其是在人为排放较强（>10³t）的区域,人为排放量与XCO₂的相关性更强（r=0.714）.最后分区域统计人口、电力消耗和路网密度等社会经济因素对XCO₂的影响,相关性分析的结果分别为0.78,0.69和0.34,证明中国XCO₂分布与社会经济因素的相关性.     

高轨高时空分辨大气二氧化碳监测仪

与世界经济快速增长相伴的碳排放量增加导致了全球气候变暖加剧,已引起国际社会高度关注,减排的呼声高涨。卫星遥感具有宏观、快速、定量、准确等特点,是碳监测最可行、最有效的技术支撑手段之一。为解决现有低轨大气CO₂遥感探测中存在的时间分辨率低的问题,提出了一种地球静止轨道大气CO₂柱浓度探测的时空联合调制空间外差干涉成像光谱技术。基于该技术研制了高轨高时空分辨大气二氧化碳监测仪原理样机,具有O₂-A 0.76μm、CO₂弱吸收1.57μm和CO₂强吸收2.05μm 3个探测通道,空间分辨率优于3 km@36000 km,可实现CO₂探测精度优于2×10^-6,覆盖中国区域时间分辨率优于3.5 h的探测能力。基于原理样机开展了外场试验以及航飞试验,有效反演了不同目标区域的CO₂浓度信息,验证了高轨高时空分辨大气CO₂监测仪的技术可行性,为下一代碳监测载荷研制和数据应用提供技术基础。     

中国服务业CO2排放的时空特征与EKC检验

采用IPCC温室气体排放清单中CO₂排放因子与估算方法,核算了1995—2012年中国30个省区(不含港澳台地区和西藏自治区数据,全文同)服务业的CO₂排放量,并对30个省区服务业人均CO₂排放量的时空特征进行分析;利用基于面板数据的EKC模型检验中国及其三大经济带服务业增长与CO₂排放之间的关系. 结果表明:在考察期内,中国服务业人均CO₂排放量从0.16 t升至0.77 t,服务业人均增加值从1 621.04元增至9 991.95元;服务业人均CO₂排放量排在前列的省区大都位于东部地区;东部和中部地区人均CO₂排放量与服务业人均增加值之间呈线性正相关,人均服务业增加值每增加1个单位,人均CO₂排放量将分别增加1.02和1.16个单位;西部地区人均CO₂排放量与服务业人均增加值之间呈单调递增关系. 在此基础上,提出差别化的碳减排对策:①东部地区应通过技术改进和优化产业结构、能源消费结构来降低CO₂排放,并成为中国服务业节能减排的“领头羊”;②中、西部地区应在保持服务业经济适当增速的前提下,将提高能源利用效率和降低能源强度作为减排重点.      

温室气体CO2排放浓度及CO2汇的分布研究初探

以1990年全国各地消耗的化石燃料为基础,计算出全国各地CO₂的排放量.用区域尺度大气扩散模型,模拟计算了1990年中国CO₂的浓度分布。结果表明,全国CO₂年增长的平均浓度不超过0.55 mg/m3,为目前全球CO₂平均浓度年增长3.24 mg/m3（IPCC,1992）的1/6。同时还计算了中国的土壤、农作物、森林、草地和河流湖泊1990年吸收CO₂的总量,给出了以省、市为单位的CO₂汇的分布图。结果指出,森林、草地和农作物是CO₂的巨大汇。      

金沙江河谷大气二氧化碳浓度变化特征及影响因子

大气CO₂是重要的温室气体,其浓度变化与气候变化、植物生长、人类活动等密切相关.为了解高原地区近自然状态下大气CO₂浓度变化及其影响因子,选取气象要素变化较明显、人为干扰较少的金沙江河谷为研究对象,在谷底江岸边的稀树草坪上设置观测点,对大气CO₂浓度和主要气象要素进行连续对照观测,经数据计算并采用Pearson相关系数对其相关性进行分析.结果表明:①研究区大气c（CO₂）日变化和年变化均具有波动性,日最高值（316.2 μmol/L）和最低值（291.0 μmol/L）分别出现在09:00和13:00左右,年最高值（338.9 μmol/L）和最低值（228.5 μmol/L）分别出现在10月和7月;季节性变化呈春、夏两季低于秋、冬两季的特征.②研究区大气c（CO₂）与温度呈显著负相关（r=-0.97,P < 0.01）,即白天温度高而大气c（CO₂）低,夜间温度低而大气c（CO₂）高.研究区大气c（CO₂）与相对湿度呈显著正相关（r=0.97,P < 0.01）,00:00-07:00大气c（CO₂）和相对湿度均缓慢上升,09:00-12:00大气c（CO₂）和相对湿度均快速下降.研究区大气c（CO₂）与风速呈显著负相关（r=-0.93,P < 0.01）,其与风对大气c（CO₂）有扩散作用相关;不同季节大气c（CO₂）最高值或最低值所对应的风向有所不同.研究显示,金沙江河谷大气c（CO₂）的时间变化特征明显,其与温度、相对湿度、风速、风向等气象要素的变化密切相关.      

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。     

基于卫星遥感的四川省XCO2高分辨率时空分布

为深入了解四川省碳源、碳汇情况,该研究基于XGBoost机器学习算法,对多源卫星(GOSAT、OCO-2和OCO-3)的CO₂干空气柱平均摩尔分数(XCO₂)数据进行融合填补,重构四川省2015-2021年1 km网格XCO₂逐日浓度时空分布。结果表明,XGBoost模型基于网格和天的留出验证R²分别为0.98和0.96,可实现XCO₂数据的高精度时空分布重构。四川省2015-2021年XCO₂年平均浓度为406.5×10^-6,年平均增长速率为2.50×10^-6,增长速率呈逐年下降趋势。多年XCO₂浓度在春季最高,秋季最低,季节差异为3.4×10^-6。XCO₂浓度在空间上呈现“东部高,西部低”的分布特征,四川盆地内的城市XCO₂浓度普遍较高。各个城市的XCO₂在空间上呈现不同的分布特征,与当地碳源、碳汇密...     

全球二氧化碳的分布和循环——全球“温室效应"探讨之一

本文根据大量的研究资料和成果,系统阐述了自然界碳和二氧化碳的起源、变迁、分布和循环过程,揭示了自然界二氧化碳分布和循环的基本规律,弄清了CO₂和它的各个自然貯库之间的关系,并对大气圈中CO₂的源、汇和通量进行了探讨。文章还论述了人类活动对大气中CO₂的冲击和扰动,指出人类活动所排放的CO₂是大气中 CO₂浓度增加的主要原因,而人为破坏地球的植物生存系统也是促使大气中 CO₂浓度增加的原因之一;大气中 CO₂的增加将严重影响全球的气候和环境,给人类带来难以预料的灾难。      

我国省域CO2-PM2.5-O3时空关联效应与协同管控对策

首先分析了2015～2019年我国省域CO₂排放量和大气PM_2.5、O₃污染浓度的时空特征及三者变化量之间的关联效果.而后利用排放因子法编制2011～2019年各省CO₂和PM_2.5、O₃前体物的排放清单,结合STIRPAT模型分情景预测了CO₂和PM_2.5、O₃前体物的协同效应,并建立评级体系识别重点管控区域并对其开展分部门的协同效应解析,最后提出分级协同管控对策.研究结果表明,53%的省份CO₂减排与PM_2.5浓度下降之间不存在关联效果,87%的省份CO₂减排与O₃浓度下降之间不存在关联效果.2012～2014年我国CO₂与PM_2.5具有协同效应,而2015～2019年则不具有该效应,另多数研究年份CO₂与O₃前体...     

环境规制视角下长三角地区碳排放的时空效应

在“双碳”目标背景下,环境规制与CO₂排放的关系逐渐成为学界热点.本文基于长三角地区41城市的面板数据,利用CO₂排放系数法、环境规制强度综合指数对长三角41城市2006—2019年的CO₂排放、环境规制强度进行定量测度,通过核密度分析、GIS空间分析等方法揭示长三角地区41城市环境规制强度和CO₂排放水平的时空格局,并运用动态空间杜宾模型(DSDM)探讨环境规制对CO₂排放的时空影响效应.结果表明：(1)长三角地区环境规制强度指数呈增强态势,由2006年的0.15升至2019年的1.25.核密度曲线显示,环境规制强度存在空间极化现象,在空间上呈现由东南向西北转移的演变态势.(2)2006—2019年长三角地区CO₂排放水平整体呈波动上升趋势,2006—2013年CO₂排放增幅为65.07%,2013—2019年增幅仅为4.20%. CO₂排放在空间上总体呈东高西低的分布格局,2006年在沪苏地区形成CO     

苏南地区CO2本底浓度及源汇特征

基于2015~2018年苏州张家港站CO₂在线观测数据，采用时序检查、选取稳定性数据、异常值剔除等质量控制方法获得可靠数据，并通过平均移动过滤（MAF）本底筛分法获得本底数据，讨论苏南地区CO₂变化特征.结果发现：CO₂本底浓度日变化为单峰结构，谷值和峰值分别出现在下午15：00和凌晨5：00前后；季节变化为双峰结构，峰值分别出现在12月和4月；日、季节变化的分布特征均与陆地生态系统、气象条件和人类活动有关.此外，2015~2018年CO₂浓度呈逐年上升趋势，抬升浓度占比逐年增加，吸收浓度占比波动较小，表明人类活动对CO₂浓度的影响正在逐年增加；而陆地生态系统对CO₂吸收汇的作用则相对稳定.源汇分析显示，CO₂抬升浓度随季节小幅波动；吸收浓度则夏半年较低，冬半年较高；抬升浓度日变化为单峰结构，谷值和峰值分别出现在15：00和8：00前后，早晨正值上班高峰，机动车排放可能为早晨峰值的主要因素；吸收浓度日间低、夜间高，这主要与植物光合作用及对流输送有关.分析CO₂浓度与风的关系发现，所有季节静风情况下，CO₂浓度偏高均最为明显，大部分方向CO₂浓度高低与风速大小有明显的负相关，其中S~WNW方向偏高最为明显，这可能是因为SW~NW方向主要为内陆城市群，且测站周边建筑区主要位于W~N方向，弱风有利于本地排放累积的结果.此外，WNW方向风速较大时浓度仍偏高明显，可能与测站W~N方向为建筑区及内陆城市群有关；而测站偏东方向主要为农田和林区，受人类活动影响较小，且海上气流较为洁净，故偏东风较弱时浓度也不高；说明了CO₂浓度除了与风速大小有关外，与周边下垫面类型及较远距离环境特征（城市群或海洋）也有一定的关系.     

基于多源卫星表征的中国秸秆露天燃烧CO2排放特征及驱动因子分析

秸秆露天燃烧排放是中国碳排放的重要贡献源之一,现有研究中对近年来中国秸秆露天燃烧排放演变特征识别及驱动力分析还不足.本研究采用基于Himawari-8、VIIRS、MODIS监测火点融合的方法估算了2016—2020年中国秸秆露天燃烧CO₂排放量,并采用灰色关联分析识别其驱动因子.结果表明,2016—2020年中国秸秆露天燃烧CO₂排放整体呈下降趋势,尤其在2018年排放大幅下降,对中国秸秆露天焚烧减排影响最大的区域为东北地区.针对不同省份的CO₂月排放变化趋势分析发现,黑龙江、吉林等省份表现为双峰型排放结构,有明显的季节性特征;而福建、广东等省份没有无明显的峰值与季节特征.农作物产量、播种面积与秸秆露天焚烧CO₂排放之间存在强关联性.在自然、经济因素对各省份秸秆露天焚烧行为的影响方面,上海、北京等发达省份(直辖市)受经济因素影响高,而贵州、内蒙古等省份(自治区)则易受自然条件牵制.     

基于多站对比的南昌地区大气CO2浓度变化特征分析

基于南昌高精度温室气体浓度观测站(南昌站)及南昌城市加密观测站(加密站)2020年8月—2021年8月大气CO₂在线连续观测资料,分析了南昌地区大气CO₂浓度变化特征、区域大气输送的影响及潜在排放源区分布特征,并对加密站数据可用性进行研判.结果表明,研究期内南昌站CO₂的平均浓度为444.2×10-6,大气CO₂浓度日变化呈日间低、早晚高的特征,且夏季大气CO₂浓度日振幅最大;季节变化呈现冬季>春季>秋季>夏季的规律.南昌地区的气团输送主要受盛行风向及大气层结稳定度的影响,即夏季南方、东方气团带来较高CO₂浓度,其它季节则由北方气团造成CO₂浓度升高;长三角地区、武汉地区是南昌大气CO₂持久稳定的潜在贡献源区.加密站与南昌站数据季节变化特征和日变化特征基本一致,可以反映局地CO₂浓度变化特征,在年尺度上构建回归方程能够校正加密站数据;近地面CO₂浓度与...     

多源碳卫星近地面XCO2及人为CO2排放量特征分析

为定量分析近地面XCO₂与人为碳排放的时空特征,文章首先使用GOSAT、OCO-2卫星长时间序列近地面XCO₂数据集分析成渝地区XCO₂时空特征;再对XCO₂浓度及人为CO₂排放量进行EMD时间维分解,分析四川、重庆、北京不同时间尺度的变化特征。并用北京地面观测站点数据与卫星数据对比验证数据可靠性。结果表明：(1)201001-202112成渝地区近地面年均XCO₂浓度集中在389×10-6～410×10-6内,总体呈条带状分布,总年均增幅达19.6×10-6;XCO₂低值区位于西部、高值区位于中部及东部。(2)EMD及EEMD分解201001-202112成渝地区XCO₂后各IMF具有年际变化和季节变化的时间周期特性,RSE仍呈上升趋势。IMF1～IMF4为人为源碳排放,IMF5～IMF7为自然源碳排放。结果存在一定滞后性。(3)EMD分解201901-202012四川省、重庆、北京日尺度人为CO_2<...