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。     

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OMI卫星数据的渤海对流层NO2分布特征

利用OMI卫星数据,分析了2005～2009年渤海对流层NO2的时空分布特征,研究发现近5 a渤海海域对流层NO2浓度空间分布不均,季节变化及年度增长趋势明显。空间分布上渤海西南部的渤海湾及莱州湾等海域浓度比较大,而东北部的辽东湾浓度比较低;NO2浓度季节变化也非常大,12月份垂直柱浓度(13.464×1015mol/cm2)是8月份(4.959×1015mol/cm2)的2.7倍。分析渤海湾与其周边的京津塘、环渤海西南部地区NO2浓度的月变化,发现冬季京津塘地区对渤海NO2浓度影响比较大,而夏季环渤海西南部地区对其影响比较大。     

近10年海南岛大气NO2的时空变化及污染物来源解析

利用OMI卫星反演的NO2柱浓度数据,分析了近10年海南岛对流层NO2柱浓度(Tro NO2)和总NO2柱浓度(Tot NO2)的时空变化,同时结合地面风向、SO2排放资料,以及HYSPLIT模式等探究其大气污染物来源.结果表明,海南岛地区大气NO2呈北半部高于南半部、中部山区低于四周沿海的分布特征,其季节变化表现为冬季高、夏季低的特点,其中夏季浓度偏低和雨水的冲刷作用有关,而冬季浓度偏高与珠江三角洲地区的外源输送作用有密切联系.近10年海南岛大气NO2冬夏季有相反的变化趋势,冬季逐年下降,夏季则有弱的上升趋势.其原因可能是夏季大气污染物以本地排放为主,冬季外源输送起主要贡献作用.海口市Tro NO2与珠江三角洲地区的有利风向日数相关系数为0.84,通过了99%的信度检验.后向轨迹分析表明,2013年12月影响海口市的3条气流移动路径,均不同程度的经过珠江三角洲地区,进一步表明海南岛冬季大气污染物主要以珠江三角洲地区的外源输送为主.     

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.      

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.     

奎屯市-独山子区-乌苏市区域大气对流层NO2柱浓度时空变化分析

为研究以石化工业为主的奎屯市-独山子区-乌苏市（简称“奎-独-乌”）区域大气对流层NO₂柱浓度的时空变化,基于地基多轴差分吸收光谱仪（MAX-DOAS）于2018年2月—2019年7月在各城市城区中心进行固定监测（09:00—20:00）,以及在环奎-独-乌区域进行车载移动监测（10:00—15:00）,结合地形地貌、气象、工业分布和人为排放量等因素,反演分析该区域对流层NO₂柱浓度的时空变化规律.结果表明:①奎-独-乌区域对流层NO₂柱浓度日变化呈早晚高、中午低,冬季高、夏季低的特点,对流层NO₂柱浓度季节性变化呈冬季（11.8×1015 molec/cm2）>秋季（9.46×1015 molec/cm2）>春季（7.46×1015 molec/cm2）>夏季（4.33×1015 molec/cm2）的特征.奎-独-乌区域对流层NO₂柱浓度最高值均出现在冬季（1月）,呈独山子区（22.23×1015 molec/cm2）>奎屯市（21.30×1015 molec/cm2）>乌苏市（18.34×1015 molec/cm2）的特征.②奎-独-乌区域大气对流层NO₂柱浓度存在空间集聚现象,且区域内部差异显著.不同季节高值主要出现在区域内交通交错区（奎屯立交桥、独山子立交桥）和工业集中分布区,最低值均出现在奎-独-乌区域西南部的乌苏市,且位于主导西风通道的上风向.③结合后向轨迹分析发现,奎-独-乌区域气流来源中冬季气流运动在水平方向和垂直方向上均不利于污染物扩散,夏季西北风向导致下风向路段NO₂浓度相对较高,该区域大气NO₂污染物以本地输送为主,且在城际间存在污染物的传输与积累.④奎-独-乌区域的能源结构以煤炭为主,其固定源排放以工厂和电力部门为主,而乌苏市交通移动源所产生的NO₂排放总量远高于奎屯市和独山子区.该区域冬季燃煤6个月,低风速（1.5~3.0 m/s）频率持续时间较长,加之独特的山盆结构形成的“山谷风”,有较厚的逆温层,不利于污染物远距离扩散.研究显示,能源工业结构背景下形成的奎-独-乌区域环境有利于大气污染物的聚集和积累,其污染源以本地污染为主.      

京津冀与长三角区域大气NO2污染特征

基于地面监测及遥感反演数据,研究了京津冀与长三角区域大气NO2污染特征,并进行了对比分析.从2005～2011年的平均近地面质量浓度和垂直柱浓度来看,京津冀与长三角中心城市大气NO2基本处于同一污染水平;其区域背景站的NO2浓度也差异不大,且与两大区域过渡地带的合肥市大致相同.区域NO2高浓度中心夏季较为分散,秋冬季高浓度范围明显扩大,冬季全部连为一片.近年来随着中心城区污染企业的外迁,北京、上海等城市核心区NO2近地面污染有所缓解,但区域背景站NO2近地面浓度和垂直柱浓度都有所升高,京津冀与长三角NO2整体污染水平形势依旧严峻.从区域分布看,北京、上海等城市NO2浓度较高,NO2柱浓度高出区域背景的50%左右,大约是欧亚大陆背景水平的3倍;近地面NO2浓度地域差异更大,北京、上海等中心城市NO2近地面质量浓度是城市清洁区的2倍,是区域背景的10倍以上,达欧亚大陆背景站瓦里关的上千倍.北京奥运及上海世博等大型活动之前及期间大气污染集中整治效果较为明显,但活动结束后,城市大气NO2污染都出现反弹.结果表明,区域空气质量的持续改善需要区域内各省市常抓不懈的联防联控,仅靠短期内运动式的污染治理难以从根本上解决大气环境问题.     

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。     

基于OMI卫星遥感数据的中国对流层NO2时空分布

基于2004年11月—2008年1月OMI卫星对流层NO₂的垂直柱浓度数据,对我国8个自然地理分区对流层NO₂垂直柱浓度的年均值、月均值的分布进行了分析,依据月均值变化建立正弦曲线拟合模型,依据该模型定量分析了各自然区对流层NO₂垂直柱浓度的变化趋势、变化周期和变化幅度等特征. 结果表明:拟合模型可较好地反映我国8个自然区对流层NO2垂直柱浓度的变化特征;证明了人类活动影响了对流层NO₂垂直柱浓度的分布及其变化,这种影响主要体现在对流层NO₂垂直柱浓度的高低、变化的周期性以及增长趋势等方面.      

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.     

卫星遥感监测海南地区对流层CO2浓度时空变化特征

为了探索海南地区对流层CO₂浓度[以φ(CO₂)计]时空变化特征,采用2002年9月—2012年2月AIRS反演的对流层中层CO₂产品,利用北半球全球本底站瓦里关站和飞机观测φ(CO₂)对该产品进行验证,结合统计分析方法对海南地区φ(CO₂)的月、季、年平均值的时空变化特征进行了研究.结果表明:AIRS反演φ(CO₂)与地基和不同纬度带海洋上空飞机观测数据对比均具有很好的一致性,并且与飞机观测验证偏差更小,二者相关系数均在0.9以上,总体月均值偏差小于2×10-6;全国φ(CO₂)呈现北高南低的分布规律,并且存在较为明显的分界线,形成4个高值中心(塔克拉玛干沙漠、塔里木盆地、内蒙古西部和东北平原)和2个低值中心(青藏高原西南部和云南地区),海南地区平均φ(CO₂)为382.67×10-6,略高于云南低值中心的381.45×10-6;全国φ(CO₂)呈现明显逐年增加趋势,其年均增长速率为2.16×10-6,而海南地区亦呈现显著增加趋势,年均增长速率为2.11×10-6,低于全国水平;φ(CO₂)呈季节性波动特性,全国φ(CO₂)最高值出现在春季,而海南地区为夏季,最低值均出现在秋季;海南地区西部海域、陆地和东部海域上空φ(CO₂)年增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6,表明海南陆地上空增速略大于海洋地区,西部和东部海域上空增长速率基本保持一致.      

PM2.5浓度空间分异模拟模型对比:以京津冀地区为例

在我国快速的城市化进程中,快速的经济发展和日益增加的能源消耗带来的大气污染不断增加,特别是细颗粒物污染如PM2.5污染越来越严重,PM2.5污染相关研究成为一个热点议题.高浓度的PM2.5是形成我国京津冀、珠三角和长三角地区大气灰霾的主要原因,大气污染已成为制约京津冀地区乃至全国可持续发展的关键问题,长期暴露在PM2.5大气污染中,会对人类健康造成诸多不良影响.土地利用回归模型可以实现大气污染物浓度的时空模拟,明晰PM2.5浓度的空间分布特征对于大气污染的防治和流行病学的研究具有重要意义.本研究利用2014年1月1日至2014年12月31日京津冀地区104个监测站点的大气污染物浓度数据,结合VIIRS(visible infrared imaging radiometer)AOD(aerosol optical depth)、土地覆被、气象因子、道路分布、人口密度、污染源分布等信息,分别利用最小二乘和地理加权回归构建土地利用回归模型,对PM2.5浓度时空分布情况进行模拟,其中包括含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,以及不包含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,这4个模型的修正R2值分别为82.13%、84.87%、80.45%和81.99%.研究表明,相比最小二乘回归,使用地理加权回归的方法能一定程度上提升土地利用回归模型的结果.