2020年新疆NO_(2)浓度时空变化特征分析

二氧化氮(NO_(2))作为大气中主要的污染气体,对人体健康和大气环境有着严重的危害,探究NO_(2)浓度时空变化特征及其驱动力,可以更好地了解影响NO_(2)浓度变化的自然和人为因素。文章提取新疆2020年1-12月Sentinel-5P卫星所获取的NO_(2)浓度数据,采用空间自相关模型和Sen+Mann-Kendall趋势分析法,分析新疆NO_(2)浓度时空分布规律及变化,并运用最优地理探测器模型定量分析人为因素及自然因素对于NO_(2)浓度变化的解释力。结果表明:(1)2020年新疆地区NO_(2)浓度平均值最高是在7月,最低是在2月,从1-7月NO_(2)浓度先下降后上升,从7月开始下降一直持续到11月。(2)NO_(2)浓度的Moran’I最大值为0.921,最小值为0.784,存在空间聚集性。NO_(2)浓度高-高聚集区主要分布于研究区中部的天山北麓城市集中分布区域,低-低聚集区主要分布于北部的阿尔泰山脉及南部昆仑山脉附近。(3)2020年全疆NO_(2)浓度约89.14%的区域呈基本不变,8.31%的地区NO_(2)浓度轻微增加,2.19%的地区NO_(2)浓度显著增加,0.36%的区域轻微下降,没有明显下降的区域。(4)NO_(2)浓度受多种影响因素共同作用,其中GDP对NO_(2)浓度的解释力较大,而地表温度对其的解释力最小,GDP与其他因子交互作用明显,可见人为活动对于NO_(2)浓度变化的影响较大。

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。

基于机器学习的大气NO_(2)浓度预测模型

传统的NO_(2)监测存在响应时间滞后等问题,准确预测大气NO_(2)浓度对于环保政策制定和空气质量改善至关重要。大气NO_(2)水平与地区的气象条件、工业污染排放、社会经济发展情况等多个因素相关联,因此NO_(2)污染具有显著的区域差异。近年,机器学习被广泛应用于环境质量要素预测,其中极端梯度提升树(XGBoost)算法在分析、挖掘数据关系上具有优势。本研究搜集了2011—2022年大连市11个区县的大气NO_(2)浓度与气象、工业排放、社会经济因素的年度数据,通过时间滑动策略,结合XGBoost算法构建了空间异质的未来时间NO_(2)预测模型。模型对大连市各区域2021年与2022年NO_(2)浓度预测结果的决定系数(R^(2))达到0.611,具有良好的预测性能与泛化能力。使用沙普利加和解释(SHAP)对关注的多个因素进行分析,结果表明,污染排放氨氮、社会消费品零售额、污染排放氮氧化物与NO_(2)浓度呈现正相关。

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.

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。

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。

基于OMI的汾渭平原对流层NO_(2)长期变化趋势

利用2007~2020年臭氧检测仪(OMI)OMNO2d对流层NO_(2)垂直柱浓度(TVCD)数据、欧盟基本气候变量质量保证计划(QA4ECV)基于卫星观测约束下的NO_(x)日排放估算数据(DECSO)、大气红外探测仪(AIRS)臭氧(O_(3))垂直廓线AIRS2SUP数据,研究了汾渭平原NO_(2)TVCD长期变化趋势及其对NO_(x)排放变化的响应,以及二者变化对于对流层中下层O_(3)的影响.结果表明,汾渭平原NO_(2)TVCD于2012年达峰,峰值为(9.8±4.6)×10^(15)molec/cm^(2),2013年后基本呈现逐年下降趋势;NO_(2)TVCD冬季最高,夏季最低,冬季均值约为夏季3.6倍;NO_(2)TVCD并非随NO_(x)人为源减排单调下降,夏季NO_(2)TVCD低百分位上升;NO_(2)TVCD变率为(-1.5±0.6)%/a,低于NO_(x)排放降幅的1/3,可能与人为NO_(x)大量减排的背景下,对流层NO_(x)自然源的贡献大且相对贡献不断上升有关;对流层中下层O_(3)变率仅为(-0.2±0.2)%/a,近地层O_(3)变率为(0.8±0.1)%/a,汾渭平原对流层O_(3)生成基本处于VOCs控制区或者VOCs-NO_(x)过渡区,减排NO_(x)无法降低对流层O_(3);汾渭平原NO_(x)减排可有效降低城市高排放区NO_(2),乡村地区受NO_(x)自然源影响较大,人为减排收效不明显.

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.

基于粒子群算法的BP神经网络在大气NO_(2)浓度预测中的应用研究

NO_(2)是主要的大气污染气体之一,在大气光化学过程中起着重要作用。研究NO_(2)浓度的时空演变,预测其浓度变化趋势,对政府出台改善环境措施具有重要意义。提出利用粒子群算法(PSO)的反向传播(BP)神经网络对大气NO_(2)浓度进行预测。以合肥地区2017年1月1日至2019年12月31日的大气污染数据和气象数据为基础,结合逐步回归方法筛选出与NO_(2)浓度相关性较大的影响因子作为输入样本。构建PSO-BP神经网络预测模型,利用PSO找出BP神经网络最优的初始权值和阈值。对比BP神经网络、遗传算法改进的BP神经网络和PSO改进的BP神经网络三种模型的预测结果,发现PSO-BP模型能够较为准确地预测出NO_(2)浓度的动态变化规律,并且预测精度高、模式简单,有望广泛应用于大气污染物浓度预测等方面的研究。

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。

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OMI数据的长三角城市群对流层NO_(2)浓度时空变化特征及其驱动因素分析

基于臭氧监测仪(ozone monitoring instrument,OMI)遥感数据、气象数据和社会经济数据,采用空间自相关、冷热点分析和相关系数法对长三角城市群2005—2019年对流层NO_(2)浓度的时空分布特征及影响因素进行研究。研究结果表明:1)OMI反演的对流层NO_(2)浓度与地面监测站点实测NO_(2)浓度呈正相关;2)2005—2011年间,长三角城市群对流层NO_(2)浓度一直呈现上升的趋势,2011年达到了最大值,2011年后,整体呈现下降趋势;冬季NO_(2)浓度值明显高于其他三个季节;3)长三角城市群的中心区域是NO_(2)浓度的高值聚集区,NO_(2)浓度变化与气温、降水、风速呈正相关,与气压呈负相关。人口密度、第二产业占比和煤炭消费总量对NO_(2)浓度变化呈正向驱动。

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。

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。

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。

新冠肺炎疫情下的中国经济复苏——基于空气NO_(2)污染的分析

在探究NO_(2)浓度和经济发展相关关系的基础上,以NO_(2)浓度为经济的代理变量,构建新冠肺炎疫情影响测度指数,研究2020年新冠肺炎疫情下中国的经济复苏。研究结果表明:NO_(2)高浓度地区及疫情重灾区受新冠肺炎疫情影响较大;新冠肺炎疫情背景下的中国经济发展先后经历了三个阶段,即深V型波动期、震荡型恢复期和稳健复苏期。

中国能源金三角NO_(2)时空格局及其驱动因子

利用臭氧监测仪(OMI)提供的大气污染监测数据,结合产业结构、汽车保有量、国家政策措施等,通过城乡NO_(2)浓度差异的排放源分析方法提取能源金三角(EGT)地区2005~2019年对流层NO_(2)垂直柱浓度时空变化特征并探讨影响区域大气NO_(2)浓度驱动因素.结果表明,EGT煤炭化工源NO_(2)浓度与第二产业产值增速的相关系数为0.71(P<0.05),说明本文方法所提取的长时序煤炭化工源NO_(2)浓度能有效地指示产业结构调整和政策措施变化.NO_(2)浓度从2005~2011年的90.56molc/m^(2)增加至2012~2015年的720.77molc/m^(2),再下降至2016~2019年的247.36molc/m^(2),反映EGT经济发展模式经历了从小规模、中污染的点模式逐步发展成大范围、重污染的粗放模式,再到大范围、低污染的精工模式.与京津冀、华中、长三角等地区相比,EGT交通和工业排放对城市源NO_(2)污染贡献的变化特征进一步反映城镇化水平的发展和产业结构的优化.与OMI相比,高分辨率对流层观测仪(TROPOMI)能在短时序上提供丰富的影像细节信息,且随着观测时长的增加,有望增强长时序大气NO_(2)污染的精准监测.

基于EMI观测的珠三角地区对流层NO_(2)柱浓度时空变化特征分析

珠三角城市群作为我国最具发展活力的都市经济圈之一,近年来经济发展势头迅猛,但与此同时,珠三角地区大气污染问题也引起了广泛关注。在众多大气污染监测手段中,卫星遥感方法具有观测范围广、观测种类多、可长期连续观测、成本低等优点。EMI(Environmental trace gases monitoring instrument)是我国首台星载大气监测光谱仪,于2018年5月9日搭载于高分五号(GF-5)卫星发射运行,已广泛应用于中国和全球众多区域的大气污染物空间分布与时间变化监测,对于我国卫星高光谱遥感反演算法的研发和大气污染防治具有重要意义。本文基于EMI遥感数据和中国科大的卫星遥感产品,分析了珠三角地区2019年1–8月期间对流层NO_(2)柱浓度时空变化特征。结果表明:(1)在2019年1–8月期间,珠三角地区对流层NO_(2)柱浓度整体呈现"内凹型"特征,表现为1–6月呈下降趋势,7–8月呈上升趋势;(2)珠三角地区的主要NO_(2)污染重心集中在佛山市中部,以及珠江入海口沿海海岸,在1–8月期间,NO_(2)污染源重心不断由佛山市中部向深圳及香港特区方向移动;(3)珠三角地区对流层NO_(2)柱浓度分布与城市的经济状况、产业结构、常住人口数量及机动车保有量具有一定的相关关系,其中,城市的整体经济状况与第二产业占比对于其对流层NO_(2)柱浓度影响较大,因此各地在大气污染防治中需注意当地经济状况的发展及产业结构的持续优化。

基于EMI观测华北平原对流层NO_(2)的时空变化研究

利用中国科学技术大学开发的GF-5/EMI对流层NO_(2)柱总量产品,结合排放清单和地面降水、气温数据,研究了2019年1–8月华北平原对流层NO_(2)的时空变化趋势。结果表明, NO_(2)污染集中在河南省、河北省和天津市,河南省焦作市(1.670×10^(16) molecules·cm^(-2))和河北省石家庄市(1.426×10^(16) molecules·cm^(-2))尤为严重;周变化总体呈现"反周末效应",但部分农业城市趋势相反;月变化从1月(1.635×10^(16) molecules·cm^(-2))起持续下降, 8月降至最低水平(1.839×10^(15)molecules·cm^(-2)),与月降水、月气温的相关系数分别为-0.8622 (p=0.0059 <0.01)和-0.9162 (p=0.0014<0.01),与人为生活源月排放的相关系数为0.9778 (p=2.69×10^(-5)<0.01);以天津市为代表的华北平原工业城市污染严重,在未来大气污染治理中需继续关注。

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。