长三角地区2004-2022年NO_(2)柱浓度演变特征及其主要影响因素分析

为研究长三角地区NO_(2)柱浓度长期的时间演变特征及其影响因素,利用OMI卫星观测的NO_(2)柱浓度数据、GPM降雨数据、MERRA-2再分析数据和社会经济数据,结合地面NO_(2)浓度数据,分析了卫星数据与地面观测数据的一致性以及NO_(2)柱浓度的年际、月际和季节性变化特征及其主要影响因素.结果表明:①OMI卫星观测的NO_(2)柱浓度与地面观测的NO_(2)浓度一致性较好,能够较好地反映地面NO_(2)浓度分布及其时间变化特征.②长三角地区2004-2022年NO_(2)柱浓度高值主要集中在南京、常州、无锡、苏州、上海和杭州等核心城市地区;NO_(2)柱浓度年际变化呈波动变化趋势,可分为2个阶段,2004-2011年为增加阶段,年均变化率为0.68%,2011-2022年为降低阶段,年均变化率为-4.51%.2011年NO_(2)柱浓度达最大值〔(12.63×10^(15)±9.16×10^(15))molec/cm^(2)〕,2022年达到最小值,仅为(7.16×10^(15)±4.80×10^(15))molec/cm^(2).③受气象条件和排放源的影响,导致NO_(2)柱浓度存在明显的月际和季节性变化,呈冬季>春季≈秋季>夏季的特征,其中12月〔(20.20×10^(15)±8.89×10^(15))molec/cm^(2)〕最高,7月〔(4.81×10^(15)±1.72×10^(15))molec/cm^(2)〕最低.④长三角地区NO_(2)柱浓度的长期演变特征受社会经济因素的影响.第二产业中的燃煤源和第三产业中交通运输对NO_(2)柱浓度的影响较大,机动车排放是长三角地区核心城市群对流层NO_(2)的重要来源.研究显示,2004-2022年随着一系列大气污染防治措施的执行,长三角地区在经济快速发展的同时NO_(2)柱浓度持续降低,充分证明了经济发展与环境保护可以实现良性互动.

乌鲁木齐市大气污染物NO_(2)输送路径及潜在源分析

为深化对乌鲁木齐市大气污染物NO_(2)的传输路径和潜在来源的研究,文章利用2017—2022年OMI遥感监测对流层NO_(2)垂直柱浓度(VCD)数据分析了乌鲁木齐市NO_(2)浓度的大气污染特征,运用后向轨迹模型、潜在源区贡献分析法和浓度权重轨迹分析法,揭示了不同季节NO_(2)潜在源区及其对研究区NO_(2)VCD的贡献变化趋势。结果表明:五年来,乌鲁木齐市NO_(2)VCD波动下降,各区NO_(2)VCD在2020年春夏季变幅最大,降幅介于18.45%~35.25%之间;空间上高污染区范围持续缩小至人口基数较大的中心城区;乌鲁木齐市大气NO_(2)污染的气团轨迹受山盆体系的地形影响较大,春、秋、冬三季来自哈萨克斯坦境内的长距离气流频率持续提高(2022年占比分别为25.74%、21.11%、41.83%);影响NO_(2)污染的潜在源区呈现显著季节变化特征,秋冬季源区分布广、贡献度高,而春夏季源区分布狭窄、贡献度低。潜在源区主要为本地源和西部源区,本地源区作为重度污染源区出现在秋冬季,对NO_(2)污染的贡献逐渐增强,源区范围逐渐收缩至乌鲁木齐市沙依巴克区和达坂城区;西部源区主要为中度污染区,近年来向西扩展至伊犁哈萨克自治州西南部、阿克苏地区以及巴音郭楞蒙古自治州等区域。

基于OMI的陕甘宁地区NO_(2)时空分布及影响因素分析

为获取NO_(2)时空分布特征并探究NO_(2)污染状况,利用臭氧观测仪(OMI)反演的对流层NO_(2)柱浓度数据,并结合气象、能源及交通排放等统计数据,通过地理空间分析、线性拟合、相关性分析等手段,分析了2005―2019年陕甘宁地区NO_(2)柱浓度的时间变化趋势、空间分布特征及其影响因素。结果表明:近15年NO_(2)柱浓度总体呈先上升后下降的趋势;季节上呈现为冬季>秋季>春季>夏季,其中夏季变化平稳,冬季波动剧烈。从空间分布来看,NO_(2)柱浓度较高区域分布在省会及附近区域,以西安城市群集聚现象最为明显。进一步影响因素分析表明,地形与风向对NO_(2)空间分布有一定的综合影响力;气温、降雨量与NO_(2)柱浓度均呈现出明显的负相关,说明高温、降雨对NO_(2)浓度具有削减作用;煤炭消耗量、工业产值、机动车保有量均与NO_(2)柱浓度呈正相关,说明化石能源燃烧、机动车尾气排放是该地区NO_(2)的重要来源;而2012年后的NO_(2)柱浓度持续下降,主要与国家及地方相关政策的强力实施有关。

拉萨上空对流层NO_(2)柱浓度光谱反演及其变化特征研究

基于多轴差分吸收光谱技术(MAX-DOAS)开展拉萨上空太阳散射光谱观测和对流层NO_(2)柱浓度反演研究,探究西藏和平解放70周年大庆活动期间拉萨上空NO_(2)对流层垂直柱浓度变化特征。研究结果表明:观测实验期间(2021年8月9日至2021年8月31日)白天NO_(2)对流层垂直柱浓度的平均值为4.46×10^(15)molec·cm^(-2),明显高于西藏和平解放70周年大庆活动日当天NO_(2)浓度水平(2.85×10^(15)molec·cm^(-2));而且NO_(2)对流层垂直柱浓度日均值的逐日变化与地面在线观测数据具有良好相关性,相关系数为0.58。观测实验期间拉萨市主导风向为西风,东西方向是大气NO_(2)污染物的传输通道,这与拉萨城区河谷地形相一致。观测实验期间NO_(2)对流层垂直柱浓度小时均值的平均日变化呈现“U”型分布,早晚出现高值,低值浓度出现在16:00时左右,但西藏和平解放70周年大庆活动日当天NO_(2)对流层垂直柱浓度的日变化除表现为早晚峰值外,还在正午12:00时出现峰值,这与活动结束后道路管控措施解除以及活动保障车辆行驶排放有关。本研究证实了地基MAX-DOAS遥感观测技术在高原城市拉萨具有很好地适用性,同时也发现拉萨大气NO_(2)浓度水平变化主要受城市交通排放影响,西藏和平解放70周年大庆活动当日拉萨对流层大气NO_(2)浓度低。

OMI和TROPOMI的中国对流层NO_(2)污染数据的时空对比分析

基于2018年12月—2019年11月臭氧层观测仪(Ozone Monitoring Instrument,OMI)和对流层观测仪(TROPOspheric Monitoring Instrument,TROPOMI)遥感反演产品数据,统计两种数据在中国区域对流层NO_(2)柱浓度数据缺失率,分析得出两者的时空分布差异。结果表明:(1)该时间段内,两种传感器数据缺失率呈现“S”形的变化趋势,TROPOMI月数据缺失率低于OMI,TROPOMI年平均数据缺失率为3.98%,OMI年平均数据缺失率为36.22%,造成该结果的原因可能是不同仪器的分辨率不同。(2)在中国区域内,两种数据存在一定的相关性,相关系数为0.844,但TROPOMI获得的对流层NO_(2)年平均柱浓度值大于OMI;从季节差异上来看,TROPOMI获得的结果同样相对OMI的结果高出57.5%,造成OMI结果偏低的原因可能是OMI传感器在有云(非晴空)情况下用其他卫星观测进行校正,使得结果平均降低15%,但不会影响季节变化趋势。(3)季节相关性方面,秋、冬两季相关性较好,春、夏两季相对较差,是由于春、夏季节NO_(2)柱浓度易受其他气体污染物的影响,且两种传感器在反演方法上有所不同,会造成一定的系统误差。(4)在重污染情况下,TROPOMI传感器获得的地域范围相比于OMI大1.54%,只有在冬季污染最为严重的情况下,TROPOMI获得的污染区域相比于OMI小0.86%。(5)在时空差异上,东部地区两者差异明显,TROPOMI获得的月平均结果相比于OMI的结果大10.21%,西部差异不大,中国不同城市群之间的结果也存在差异。

基于TROPOMI的京津冀NO_(2)柱浓度时空变化分析

针对大气遥感时空分辨率低、研究尺度大等问题,基于当今时空分辨率最高的TROPOMI遥感反演的NO_(2)柱浓度,文章分析了京津冀地区 2019-2020 年 NO_(2)柱浓度时空分布特征。结果表明:TROPOMI 数据反演的 NO_(2)与地面实测 NO_(2)呈较好的正相关关系。NO_(2)柱浓度月均值以年为周期呈现“U”型,京津冀各市也具有相同的特征。季节变化上NO_(2)柱浓度呈现冬季>秋季>春季>夏季。年际变化上,2020年NO_(2)年均柱浓度相比2019年下降,除邯郸、邢台、衡水和沧州2020年NO_(2)年均柱浓度相比2019上升,其余9市呈现下降趋势。京津冀NO_(2)柱浓度年际空间分布具有显著的异质性;季节分布上春夏无NO_(2)高浓度区域分布,冬季NO_(2)高浓度区域呈现连片分布。在2021年石家庄市疫情期,京津冀NO_(2)柱浓度比2019年同期下降了56.9%,NO_(2)高浓度区域面积显著减小。

奎屯市-独山子区-乌苏市区域大气对流层NO_(2)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NO_(2)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NO_(2)柱浓度的时空变化规律.结果表明:①奎-独-乌区域对流层NO_(2)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NO_(2)柱浓度季节性变化呈冬季(11.8×10^(15)molec cm^(2))>秋季(9.46×10^(15)molec cm^(2))>春季(7.46×10^(15)molec cm^(2))>夏季(4.33×10^(15)molec cm^(2))的特征.奎-独-乌区域对流层NO_(2)柱浓度最高值均出现在冬季(1月),呈独山子区(22.23×10^(15)molec cm^(2))>奎屯市(21.30×10^(15)molec cm^(2))>乌苏市(18.34×10^(15)molec cm^(2))的特征.②奎-独-乌区域大气对流层NO_(2)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NO_(2)浓度相对较高,该区域大气NO_(2)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NO_(2)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.

开放实验设计:利用地基DOAS技术测量大气中NO_(2)浓度

光电类开放实验是学生在熟悉一定专业知识基础上,利用光电检测技术及系统对光学量和非光物理量进行测量的实验.设计“利用地基DOAS技术测量大气中NO_(2)浓度”开放实验,目的是使学生掌握和了解差分吸收光谱技术的基本原理和操作,通过光谱仪性能测试增加学生对光电器件的了解,最终学会太阳散射光谱的测量和分析.该实验可以增加学生的知识储备,培养学生的实践和独立解决问题能力.

中国重点城市NO_(2)排放规律与驱动分析

大气成分遥感是监测临近空间全球变化、保障生存空间永续发展的重要手段。NO_(2)被视为描述人类活动强度的直接指标。掌握中国NO_(2)的分布及其变化规律,对区域大气污染精细管控和空气质量精准预报有重要意义。该文基于S-5P卫星TROPOMI传感器的对流层NO_(2)柱浓度的校正数据,并结合地面站点NO_(2)数据,采用相关性分析、系统聚类分析和K均值聚类分析等方法,划分了中国重点城市NO_(2)排放类型,分析了城市对流层NO_(2)柱浓度的年变规律及驱动因素。结果表明:(1)TROPOMI NO_(2)对流层柱浓度数据与地面站点实测NO_(2)浓度显著相关,利用TROPOMI NO_(2)柱浓度数据进行城市排放研究可行;(2)基于聚类分析及机关性分析,结合中国气候带分布将重点城市划分为12个NO_(2)排放类型;(3)31个重点城市中有25个季节排序规律为冬季>秋季>春季>夏季,NO_(2)柱浓度在11月-次年1月达到年最大值,大气污染以冬半年为主;(4)重点城市对流层NO_(2)柱浓度分布与气候因素、经济发展状况及常住人口数量具有一定的相关关系,城市GDP和常住人口数与NO_(2)排放水平有部分相关性。

SO_(2)和NO_(2)在γ-Al_(2)O_(3)(110)表面吸附的第一性原理计算

采用基于平面波基组的Vienna Ab-initio Simulations Package (VASP)程序研究了SO_(2)和NO_(2)在γ-Al_(2)O_(3)(110)表面和羟基化γ-Al_(2)O_(3)(110)表面的吸附,获得了SO_(2)和NO_(2)吸附的不同构型和结构参数.对吸附能,电荷转移,差分电荷密度和投影态密度等进行分析和讨论.对比发现,在γ-Al_(2)O_(3)(110)表面SO_(2)的吸附能力强于NO_(2).SO_(2)或NO_(2)在非羟基化γ-Al_(2)O_(3)(110)表面吸附时O原子的2p轨道和Al原子的3s3p轨道作用形成O-Al键,且SO_(2)吸附时键结强度高于NO_(2).NO_(2)吸附时费米能级以下有部分反键态,削弱了与γ-Al_(2)O_(3)(110)表面相互作用.在羟基化γ-Al_(2)O_(3)(110)表面SO_(2)或NO_(2)的吸附能力会低于非羟基化表面,但是SO_(2)的吸附能力依旧强于NO_(2).计算结果说明SO_(2)与γ-Al_(2)O_(3)(110)表面的相互作用强于NO_(2).以上研究,将有助于理解SO_(2)和NO_(2)在γ-Al_(2)O_(3)的反应性,为进一步研究它们的非均相转化和在灰霾形成中的促进作用奠定基础.

新疆“乌-昌-五”城市圈对流层NO_(2)、SO_(2)时空变化特征

文章利用多轴差分吸收光谱仪(MAX-DOAS)在2017-2018年对"乌鲁木齐-昌吉-五家渠"("乌-昌-五")城市圈进行市中心定点监测和城际车载移动监测,研究对流层NO_(2)、SO_(2)VCD时空分布规律及影响因素,结果表明:(1)"乌-昌-五"城市圈2017-2018年NO_(2)、SO_(2)VCD均值呈现下降趋势,表现为乌鲁木齐、昌吉NO_(2)VCD呈增加趋势,五家渠略有下降;昌吉和五家渠SO_(2)VCD依然增加,乌鲁木齐显著下降;季节变化为冬秋季高于春夏季。污染浓度在空间上出现层次结构,具有多个高值区,由市区向外围逐渐降低,并在城市圈下风向出现污染聚集。(2)NO_(2)、SO_(2)VCD的污染重心各季节都处于乌鲁木齐东南部的商业区,低值区处于昌吉和五家渠;从转移距离来看,NO_(2)和SO_(2)不同污染等级区中基本上都是在春季-夏季间转移距离最长,扩散强度最大,说明在春季-夏季污染扩散最强。不同季节NO_(2)高污染扩散强,污染范围广,而SO_(2)扩散较弱,污染范围小。后向轨迹表明冬春季气流散乱,不利于大气污染的扩散,夏秋季气流轨迹长、速度快,对污染物搬运稀释作用强。(3)通过回归分析发现,在人文方面第二产业和机动车保有量对污染的贡献较大,其对NO_(2)、SO_(2)VCD的贡献解释度分别为32.1%和38.6%,38.1%和35.1%。气温和风速是影响污染物聚集、扩散的主要因素,其对NO_(2)、SO_(2)VCD的贡献解释度分别40.9%和61.1%,40.2%和49.4%。三面环山的喇叭口地形,使得污染物由南到北扩散。

南京市主城区NO_(2)重污染工作日和节假日的变化差异及原因

基于2017—2019年南京市主城区空气质量自动监测站NO_(2)小时浓度数据和交通道路数据,统计分析了重污染情况下工作日和节假日NO_(2)的日变化差异,并进一步分析原因。结果表明:(1)工作日和节假日的日变化特征有明显差异,工作日呈现“双峰”现象,日峰值出现于10:00左右,夜峰值出现于21:00左右;节假日呈现“单峰”现象,没有日峰值,夜峰值出现于20:00左右。(2)工作日白天NO_(2)浓度整体高于节假日。(3)工作日NO_(2)小时浓度的“早高峰”现象主要受400 m内道路密度影响,道路密度越大,“早高峰”现象越明显。

广西NO_(2)时空变异规律及其影响因素分析

文章基于Sentinel-5P对流层NO_(2)柱浓度数据,利用Google Earth Engine平台分析了广西对流层NO_(2)柱浓度的分布及变化特征。结果表明:TROPOMI传感器反演的对流层NO_(2)柱浓度与地面NO_(2)浓度监测值具有较好的相关性,反演产品能够反映地面真实的NO_(2)污染状况;广西NO_(2)柱浓度具有明显的季节性差异和周期性波动特征,呈现出“冬高夏低,春秋过度”的变化规律;空间分布上具有极强的空间自相关性,表现出中部和东南部高,西北部低的特征,且南部北部湾区域有显著增加的趋势。经回归分析和地理探测器分析表明,风速(WSD)、气温(TEMP)、地形(DEM)、植被(植被指数,NDVI)、人类活动(夜间灯光,DBN,陆表温度,LST)和自相关因子(I_(i))均是对流层NO_(2)柱浓度的重要影响因素,其中又以自相关因子、气温、地形和陆表温度因素的影响最为突出。

基于Sentinel-5P卫星的中国NO_(2)浓度遥感监测

NO_(2)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NO_(2)浓度数据和总NO_(2)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NO_(2)浓度时空变化特征,使用OLS模型揭示了中国地区NO_(2)浓度的主要影响因子.结果表明:我国对流层NO_(2)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NO_(2)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NO_(2)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NO_(2)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NO_(2)排放的重要因子.

基于MAX-DOAS的淮北地区NO_(2)柱浓度观测研究

基于多轴差分吸收光谱技术(MAX-DOAS)反演NO_(2)柱浓度的方法,构建了相应的地基MAX-DOAS系统,开展了NO_(2)柱浓度变化特征的观测。反演中选取天顶方向的光谱作为参考光谱,通过非线性最小二乘法反演出NO_(2)斜柱浓度(SCD),结合不同观测方向的斜柱浓度得到NO_(2)差分斜柱浓度(dSCD),再利用几何近似法得到大气质量因子(AMF),最终获取NO_(2)垂直柱浓度(VCD)。于2019年6月至2020年5月在淮北地区开展了为期一年的外场实验,研究结果表明淮北地区NO_(2)VCD的月均值在观测期间内呈现倒“U”型变化,在12月份达到最高值2.13×10^(16) molecules·cm^(−2),在8月份达到最低值5.23×10^(15) molecules·cm^(−2)。将MAX-DOAS观测结果的日均值与OMI卫星(云系数分别为0<FeC≤0.1和0<FeC≤0.3)测量结果进行对比,发现两者具有较好的相关性(R^(2)=0.88,R^(2)=0.90),表明MAX-DOAS不仅可以准确反演出NO_(2)垂直柱浓度,还可以验证卫星数据。

天山北坡绿洲城市车流量与对流层NO_(2)垂直柱浓度关系研究

为探讨天山北坡河谷绿洲城市车流量与对流层NO_(2)垂直柱浓度(VCD)的关系,基于各城市车流量状况,利用地基多轴差分光谱仪(Mini MAX-DOAS)在2018年—2019年天山北坡经济带上的综合性大城市乌鲁木齐、工业型中等城市石河子和工业型小城市阜康市中心区连续固定监测,并沿城市交通主干道进行车载移动监测,研究车流量对NO2VCD的影响,对比分析山盆体系河谷绿洲城市与中东部发达城市污染严重原因的差异。结果表明:(1)天山北坡大中小城市的车流量日均值大城市乌鲁木齐(1406辆/5 min)远大于中小城市,中等城市石河子(203辆/5 min)和小城市阜康(185辆/5 min)差异并不显著(p>0.05),而各类城市NO 2VCD整体差异显著(p<0.05),其日变化峰值有所差异,表现为乌鲁木齐(22.613×10^(15) molec·cm^(-2))>阜康(17.758×10^(15) molec·cm^(-2))>石河子(15.272×10^(15) molec·cm^(-2)),三类城市的车流量和NO 2VCD的日变化趋势一致,都呈现出“早晚高,中午低”的变化趋势;季节变化中三类城市的车流量和NO 2VCD均为:冬春季>秋夏季;(2)虽然早晚各监测点的车流量有所差异,但三类城市的车流都集中在市中心附近;移动监测数据表明,NO2VCD高值出现在车流较高的市区,并且在各城市风向稳定时,下风向浓度大于上风向;由于居住空间差异,人们在城市各功能区间的活动,车辆流向和NO2VCD都集中于人流密集的商业区,说明车辆对NO2VCD具有较大贡献;(3)2009年—2019年10年间天山北坡大中小城市经济生产总值增长率在200%以上,乌鲁木齐、石河子机动车增长率超过北京、上海等发达城市,城市快速发展,并处于河谷绿洲地带,地势南高北低,冬季逆温层深厚,静风天数较多,采暖期长达6个月,造成冬季污染严重。天山北坡城市除人为污染排放外,自然因素对污染物形成聚集作用。

克拉玛依市NO_(2)和SO_(2)垂直柱浓度特征分析

为研究新疆克拉玛依市NO_(2)和SO_(2)污染状况,了解其时空分布特征及影响因素,2018年利用地基多轴差分吸收光谱仪(MAX-DOAS)在克拉玛依市进行固定点监测和车载移动环城监测获取NO_(2)和SO_(2)垂直柱浓度数据。研究表明:1)克拉玛依市NO_(2)和SO_(2)气体的日变化规律呈“U”型变化特征,NO_(2)垂直柱浓度一般在9:00~11:00、17:00~19:00浓度值较高,11:00~17:00浓度值较低;SO_(2)垂直柱浓度一般在11:00~13:00、15:00~17:00浓度值较高,13:00~15:00浓度值较低。即早晚高中午低。2)季节变化规律:NO_(2)和SO_(2)浓度皆表现为冬季>秋季>春季>夏季的变化特点。整体上同一时段内NO_(2)垂直柱浓度比SO_(2)垂直柱浓度值偏大。3)克拉玛依市NO_(2)和SO_(2)垂直柱浓度与风向风速密切相关,表现出风速越大污染范围越大。又由于特殊的地理条件和气象要素导致污染物的聚集,难以及时向外扩散。4)后向轨迹分析表明,克拉玛依市污染物主要源于外地。在外来区域传输影响中,克拉玛依市主要受到西北方向气团(占比为51.12%~75.83%)远距离传输和偏东方向气团(占比为14.0%~26.37%)近距离传输的影响。

2008~2019年四川省对流层NO_(2)浓度遥感监测时空分布研究

为探究四川省NO_(2)污染空间分布及周期性变化特征,利用2008~2019年OMI NO_(2)柱浓度产品,结合趋势分析、局部空间自相关分析方法,分析了四川省NO_(2)柱浓度时空特征。结果表明:近12年来四川省对流层NO_(2)柱浓度呈现"M-型"波动,且冬季最大、夏季最小,1~12月呈现"U-型"变化特征,"高-高"聚集区主要分布于成都平原、川南及川东北城市群。因此,四川省NO_(2)污染防治应以四川盆地三大城市群为主,合理控制机动车出行,提高工业过程NO_(X)处理效率。

基于EMI遥感NO_(2)技术监测澳洲森林火灾活动

澳大利亚2019–2020年发生了大规模的森林火灾,本次火灾在六个月的时间内烧毁了超过800万公顷的桉树林。利用大气痕量气体差分吸收光谱仪(EMI)对澳大利亚火灾期间的NO_(2)变化情况进行了分析。研究发现,2019年11月,澳大利亚东南区域的NO_(2)浓度及分布相比往年同期,出现明显的增长趋势。同时具体针对澳大利亚两大国家公园的火灾,研究了NO_(2)相对浓度的频率分布与火灾程度和频次的关系,发现这两个地点2019年11月NO_(2)的相对浓度频率也出现了明显的增高,表明森林火灾是导致部分区域NO_(2)浓度升高的主要原因。本工作的开展也证明了EMI在重大污染事件监测上的可行性。

基于多轴差分光学吸收光谱测量北京地区对流层NO_(2)的研究

由于二氧化氮(NO_(2))在大气的物理和化学机制进程中有着十分重要的作用,并且对环境、气候以及人体健康产生影响,合理、有效地监测和控制大气中NO_(2)浓度已成为十分重要的课题。地基多轴差分吸收光谱(MAX-DOAS)仪是利用太阳散射光的被动DOAS仪器,相较于小范围测量的点式仪器、利用光源和反射装置的主动DOAS仪器,具有时间分辨率高、高灵敏度、测量范围广和不受搭建平台制约等优势特点。2018年在北京中国气象科学研究院(116.32°E,39.95°N)开展了基于地基MAX-DOAS的对流层NO_(2)全年连续观测,采集得到原始吸收光谱并运用光谱处理软件QDOAS进行反演得到NO_(2)斜柱浓度(SCD),选择较为简单的几何近似方法计算求出大气质量因子(AMF),从而将NO_(2) SCD转换为垂直柱浓度(VCD),据此研究分析了北京地区NO_(2) VCD月均值和季节均值变化、季节的日平均变化以及一周内日平均变化的特征。结果表明,北京地区对流层NO_(2) VCD随季节变化较为明显,呈现冬季最高而夏季最低的趋势,其中冬季季节均值达到2.94×10^(16) molec·cm^(-2),为夏季的1.6倍,不同季节的日均变化一般在下午表现出明显的差异,最大相差为2.17×10^(16) molec·cm^(-2)。一周内每日的浓度变化有一定规律性,周日平均浓度较其他时间降低17%左右,出现了一定程度的周末效应。通过将地基MAX-DOAS观测结果和地面国控站点官园监测站(116.339°E,39.929°N)2018全年数据结果进行对比,显示出两者变化趋势具有好的一致性,相关系数r可达0.81。研究表明,地基MAX-DOAS不仅可以对区域污染气体如NO_(2)的实时快速监测及变化规律的研究分析提供一种有效手段,也可以对其他数据来源进行校验。