基于Sentinel-5P衛(wèi)星的中國NO2濃度遙感監(jiān)測

劉怡陽,頡耀文,郭澤呈

基于Sentinel-5P衛(wèi)星的中國NO2濃度遙感監(jiān)測

劉怡陽,頡耀文*,郭澤呈

(蘭州大學資源環(huán)境學院,甘肅 蘭州 730000)

NO2是重要的痕量氣體,對其監(jiān)測有助于大氣污染治理.本文基于Sentinel-5P大氣污染監(jiān)測衛(wèi)星提供的對流層NO2濃度數(shù)據(jù)和總NO2濃度數(shù)據(jù),借助谷歌地球引擎(google earth engine, GEE)分析了2018～2021年間中國大氣NO2濃度時空變化特征,使用OLS模型揭示了中國地區(qū)NO2濃度的主要影響因子.結果表明:我國對流層NO2濃度空間分布呈現(xiàn)東高西低的總體格局,東中部城市群對流層NO2柱濃度水平明顯呈現(xiàn)冬高夏低、春秋過渡的季節(jié)特征,西部大部分城市的四季變化不明顯.北京、深圳、上海3所城市NO2柱濃度分布呈現(xiàn)出較為顯著的圈層結構.OLS模型結果表明,中國地區(qū)NO2濃度變化受到社會經(jīng)濟和自然因素的共同影響,其中城市化程度是影響NO2排放的重要因子.

NO2；對流層柱濃度；總大氣柱濃度；Sentinel-5P

氮氧化物(NO,包括NO、NO2等)是對流層大氣中的重要污染氣體,是形成酸雨和酸霧的主要物質,同時是臭氧、PAN等光化學污染物的重要前體物之一[1-2].由于NO不均勻的垂直分布,排放的大部分NO易沉積在人類活動密集的對流層底部[3-4],因此近地面NO與人類健康及大氣環(huán)境關系更加密切.IPCC報告顯示,人類排放的NO約占總排放的2/3[5],車輛尾氣排放、工業(yè)排放和農(nóng)業(yè)燒荒等為主要來源.工業(yè)化進程引發(fā)霧霾和光化學煙霧,會通過氣流傳輸至其他區(qū)域,形成龐大的大氣污染復合體[6-7],引起城市群范圍內(nèi)的空氣質量惡化.因此,在社會關注大氣污染治理的大背景下,揭示NO的時空特征及其相關驅動因素具有重大意義.

相比使用傳統(tǒng)的地面儀器監(jiān)測大氣污染,遙感監(jiān)測更能反映大區(qū)域的整體污染狀況.Sentinel-5P是歐空局于2017年10月13日發(fā)射的一顆全球大氣污染監(jiān)測衛(wèi)星,其上搭載的對流層觀測儀TROPOMI覆蓋紫外和可見光、近紅外和短波紅外,成像幅寬2600km,每日覆蓋全球,成像分辨率達到了7km′3.5km,與在軌的GOME-2(METOP上第二代臭氧業(yè)務監(jiān)測傳感器)、OMI(臭氧層監(jiān)測儀)等相比,性能有大幅度提高[8].

已有學者利用Sentinel-5P反演數(shù)據(jù),結合地面觀測數(shù)據(jù)開展了衛(wèi)星數(shù)據(jù)的驗證和大氣污染研究.如鄭子豪等利用粵港澳大灣區(qū)對流層柱濃度數(shù)據(jù)進行相關性驗證,并開展NO2影響因子分析[9]. Marina V?rghileanu分析疫情封鎖前后歐洲上空NO2污染氣體的變化[10].Müller等[11]研究了影響德國NO2氣體排放的非氣象因素.眾多研究表明, TROPOMI傳感器的NO2實時數(shù)據(jù)和在線數(shù)據(jù)細節(jié)特征豐富,可為定位污染物來源地、識別重點污染地區(qū)提供數(shù)據(jù)支撐,為大氣環(huán)境遙感監(jiān)測增加新的數(shù)據(jù)源選擇.

GEE云平臺提供了大范圍空間數(shù)據(jù)分析和交互的免費計算平臺,在線托管了PB級影像、地表溫度和社會經(jīng)濟等數(shù)據(jù)集,用戶可通過編程實現(xiàn)在線調(diào)用、處理、生產(chǎn)數(shù)據(jù)[12].本文基于GEE調(diào)用Sentinel-5P NRTI NO2數(shù)據(jù)過濾2018年7月～2021年10月影像合成覆蓋中國全域的月均值數(shù)據(jù)集,分析了全國及城市尺度的對流層NO2柱濃度和總NO2柱濃度的時空特征,并探索中國全域NO2排放的影響因子.

1 數(shù)據(jù)來源和方法

1.1 研究數(shù)據(jù)

遙感數(shù)據(jù):基于GEE平臺獲取了Sentinel-5P NRTI NO2(近實時數(shù)據(jù)流)數(shù)據(jù),其中NO2濃度被用來代表NO的濃度.這是由于在有陽光的情況下,涉及O3的光化學循環(huán),可將NO轉化為NO2.

地面NO2監(jiān)測數(shù)據(jù):來源于中國環(huán)境監(jiān)測總站(https://www.aqistudy.cn/historydata/)的城市空氣質量報告,該報告自2013年12月逐月發(fā)布了全國168個主要城市的PM2.5、PM10、SO2、O3、NO2和CO地面監(jiān)測結果.

社會經(jīng)濟數(shù)據(jù):國內(nèi)生產(chǎn)總值、人口空間分布數(shù)據(jù)均來源于資源環(huán)境科學與數(shù)據(jù)中心(https://www. resdc.cn/)[13-14],城市化數(shù)據(jù)來自美國國家航空航天局下屬對地觀測系統(tǒng)數(shù)據(jù)與信息中心(EOSDIS)的分布式活動存檔中心(DAACs)之一的SEDAC (https://sedac.ciesin.columbia.edu/)[15-16].

自然要素數(shù)據(jù):氣溫、降水、風速數(shù)據(jù)等均來源于國家地球系統(tǒng)科學數(shù)據(jù)中心(http://www. geodata.cn/)[17-19],DEM、EVI數(shù)據(jù)則通過Google Earth Engine下載得30m分辨率的ASTER數(shù)據(jù)、1km的MOD13A3數(shù)據(jù).

表1 本文獲取的主要數(shù)據(jù)集

1.2 研究方法

研究表明,TROPOMI傳感器反演對流層NO2柱濃度存在一定程度上的低估,在大范圍尺度上反演結果與地表監(jiān)測一致性達到了84%[20].北京、上海、深圳3所超大城市的地表監(jiān)測數(shù)據(jù)與TROPOMI傳感器反演結果相關性達到了0.63以上,結果具有一定程度上的可比性.表明TROPOMI反演產(chǎn)品能夠較為穩(wěn)定地反映地面真實的NO2污染狀況,因此本文采用TROPOMI對流層NO2柱濃度數(shù)據(jù)進行后續(xù)的研究.

為探究中國地區(qū)NO2濃度變化的影響因素,利用普通最小二乘法OLS、地理距離加權法GWR對影響NO2排放的相關因子進行探索[9].

2 結果與分析

2.1 NO2濃度長期變化特征

從空間上來看,我國對流層NO2平均柱濃度呈現(xiàn)東高西低的分布特征(圖1(a)),東部地區(qū)的NO2濃度整體上要比西部地區(qū)高,尤其是天津市、上海市、山東省、北京市、江蘇省、河北省等省市的多年平均NO2柱濃度都超過了1.5× 1015molec/cm2(圖1(b)).由圖1(a)、(b)對比可知,東部城市、西部大部分城市及其烏魯木齊市周遭、蘭西城市群、成渝城市群等地區(qū)NO年均值濃度未達到我國環(huán)境空氣質量二級標準(NO濃度限值二級40μg/m3).NO2平均柱濃度的高值區(qū)主要分布在京津冀、長三角、珠三角、四川盆地、河南省北部、山東西部、陜西關中和新疆中部等區(qū)域,這些地區(qū)均為經(jīng)濟發(fā)展的重點區(qū)域,人口密度大、經(jīng)濟發(fā)達且工業(yè)集聚,可見劇烈的人為活動對NO2的形成存在直接的影響[1].

由于NO2存留時間有限以至不易于長距離傳送[21],使得我國NO2柱濃度在空間分布上存在很大的不均勻性.對比圖1(a)和圖2可知,東部地區(qū)(30°N～ 40°N,110°E～123°E)和西部地區(qū)(30°N～40°N,80°E～ 100°E)反差明顯,東部地區(qū)NO2柱濃度平均值達到了8.0×1015molec/cm2,是西部地區(qū)的4.45倍.相較NO2污染最嚴重的東部地區(qū),西部地區(qū)人類活動較弱,形成連續(xù)大面積的低值區(qū)域.

由圖2可以發(fā)現(xiàn),2020年上半年新型冠狀病毒爆發(fā),導致各個行業(yè)生產(chǎn)活動暫停,NO2排放受到影響,在2020年2月出現(xiàn)短暫低谷后又迅速回升恢復至正常水平.東部地區(qū)4個季節(jié)的對流層NO2柱濃度水平依次是:冬季>秋季>春季>夏季.西部地區(qū)4個季節(jié)的對流層NO2濃度水平呈現(xiàn)夏高冬低,四季變化不太明顯.出現(xiàn)這樣的季節(jié)變化特點,主要是由于冬季的氣象因子不利于大氣擴散,污染物可以長時間留存在對流層中;但西部地區(qū)卻與東部地區(qū)相反,在夏季呈現(xiàn)高值,在冬季出現(xiàn)低值,其主要原因在于西部地區(qū)主要以自然排放為主[2].可見由于東西部地區(qū)自然環(huán)境和排放源的不同,NO2柱濃度也有著顯著不同的季節(jié)特征.

2.2 典型超大城市NO2的時空格局

從圖1(a)可以看到,中國的超大城市(千萬人口以上)基本上都是NO2柱濃度的高值覆蓋區(qū).因此提取3個典型的超大城市(北京、深圳、上海)2018年7月～2021年10月對流層NO2濃度月均值(圖3),可以看出,對流層NO2柱濃度上海市>深圳市>北京市,且呈現(xiàn)出冬高夏低的明顯季節(jié)特征.在2020年初,這3個超大城市也都相繼出現(xiàn)峰值,由于新冠疫情影響,NO2柱濃度預計2020年2～3月達到峰值卻出現(xiàn)驟降.隨著疫情得到控制,NO2濃度值回升恢復至正常水平,甚至又出現(xiàn)明顯峰值,可見在此期間復工復產(chǎn)工作正在穩(wěn)步進行[22].

由圖4可知,北京市、上海市、深圳市NO2柱濃度在空間分布上存在顯著的空間異質性,對流層NO2柱濃度等級的分布呈現(xiàn)一定的圈層結構.其中,北京市高NO2柱濃度區(qū)域面積約為73.96km2,占北京市面積的0.45%,而對流層NO2高濃度區(qū)域分布在北京的中心處朝陽區(qū)、東城區(qū)及豐臺區(qū)東部等主城區(qū),地勢較高的北部和西部則濃度較低.上海市高NO2柱濃度區(qū)域主要集中在長江出海口寶山區(qū)處,由主城區(qū)向四周擴散.崇明區(qū)和東南部地區(qū)則濃度較低,上海市約有49.10%的區(qū)域都處在中等NO2柱濃度.

圖3 2018年7月～2021年10月超大城市對流層NO2濃度

圖4 2019年北京市、上海市、深圳市對流層NO2柱濃度分布

總體上2019年上海市比北京市、深圳市的NO2污染還要嚴重.其中,深圳市對流層高NO2柱濃度主要分布在西南部的前海開發(fā)區(qū),從西部至東部濃度逐漸遞減,NO2較高濃度區(qū)域主要分布在光明區(qū)和南山區(qū),與香港重污染區(qū)毗鄰間接形成一個較大的NO2重污染區(qū).總的來看,北京、上海、深圳的對流層NO2高濃度區(qū)域屬于各個城市的核心地帶,且這3個城市NO2高濃度區(qū)域經(jīng)濟發(fā)達、工農(nóng)業(yè)集聚.可見,高強度的人類活動和工業(yè)生產(chǎn)是導致NO2排放量顯著高于其他區(qū)域的重要原因[9].

表2 北京市、上海市、深圳市對流層NO2柱濃度分級結構

2013年,國務院印發(fā)并實施《大氣污染防治行動計劃》,計劃書中明確提出控制NO等污染物的排放.研究表明,至2019年全國及其重點地區(qū)主要大氣污染物排放量大大下降,全國NO排放量分別下降了1/3左右,2013～2017年的降幅大大超出“大氣十條”制定的目標[23].2018年以來,北京、上海等各地仍持續(xù)落實清潔空氣行動計劃,空氣質量優(yōu)良天數(shù)顯著增加,空氣質量大大得到改善.但相比其他大型城市,該三市仍處于NO2污染高值中心區(qū)域.

2.3 中國地區(qū)NO2濃度驅動因素分析

為探索影響NO2濃度的因子,在中國構建50× 50km的格網(wǎng)并提取對應網(wǎng)格內(nèi)NO2柱濃度及其GDP、POP、SMOD、EVI、DEM、PRE、TMP、WSD等8種影響因子的均值.計算得到NO2濃度數(shù)據(jù)的全局Morans指數(shù)為0.6975(<0.01),全域NO2濃度之間存在顯著的空間正相關性.對生成的結果使用OLS建模分析,結果見表3.從模型各變量來看,該模型對中國全域NO2濃度解釋程度約為66.43%,僅有GDP、POP和EVI未通過5%顯著性檢驗.

表3 中國NO2柱濃度與影響因子OLS模型參數(shù)

注:*在5%的水平上顯著;**在1%的水平上顯著.

結果表明,GDP、POP和SMOD與NO2濃度呈現(xiàn)正相關關系,三者每提高1%,NO2濃度分別上升0.11%、0.13%和0.53%,是中國地區(qū)NO2濃度上升的主要驅動因素.

EVI、DEM與NO2濃度呈現(xiàn)的負相關關系.研究發(fā)現(xiàn),植物可以吸收NO2并與海綿組織細胞表面的水分結合,生成亞硝酸或硝酸;另外,還可以通過吸附作用降低大氣中硝酸鹽粒子濃度,提高大氣NO2轉化硝酸鹽粒子的效率[24].植被對NO2有一定的凈化作用,因此,提高森林覆蓋率、加強植被保護有利于減少NO2污染[25].由圖4(a)可知,北京市北部及西部地勢較高處的山區(qū)NO2濃度明顯低于中心城區(qū)及南部地區(qū)的平原區(qū),而植被覆蓋也呈現(xiàn)出明顯的西部、北部高,這也與北京市NO2濃度的空間分布恰好相反.研究表明,DEM多以城區(qū)建設、工業(yè)選址、人口居住、植被覆蓋等多種因素綜合來間接的影響NO2濃度分布.另外,PRE與NO2濃度亦呈現(xiàn)顯著的正相關關系.降水增多,空氣濕度增大,此時常伴有逆溫現(xiàn)象,污染物附著在水汽中不易擴散[25].

從表3可以看出,中國全域NO2濃度變化受到社會經(jīng)濟和自然因素的共同作用.在OLS模型回歸的基礎上,選擇了SMOD、DEM、PRE、TMP、WSD等5個通過顯著性檢驗的變量進行GWR建模,結果如表4所示.從模型參數(shù)對比可以看出,引入通過顯著性檢驗參數(shù)估計的GWR模型較OLS模型有著明顯的優(yōu)勢,其中自變量對因變量NO2柱濃度的解釋力較OLS模型上升了約11.8%.實際上,中國NO2柱濃度空間分布存在顯著空間異質性,因而考慮空間尺度變異的GWR模型更適用于NO2柱濃度分布的驅動因子建模.

表4 GWR模型參數(shù)及其與OLS模型參數(shù)的對比

由于Sentinel-5P的NO2數(shù)據(jù)產(chǎn)品時間跨度短,因此無法從更長的時間尺度來揭示中國NO2污染的波動特征.本文在研究NO2排放的驅動要素時僅僅考慮到個別氣象因子和社會要素,忽視了大氣傳輸機制的影響.因此,在接下來的研究中應當擴展研究數(shù)據(jù)源,探索本文選擇的驅動因素之外的道路密度、工廠數(shù)據(jù)(包括發(fā)電站、煉油廠、露天煤礦等)、土地利用等因子[11],結合大氣傳輸機制剖析我國及其局部地區(qū)NO2排放的作用機制及擴散特征.

2.4 NO2濃度年度變化及季節(jié)變化

為評估中國自實施“大氣十條”等污染控制措施成效,計算得出2018～2019年、2019～2020年、2020～2021年、2018～2021年中國全域NO2濃度相對改變量.從圖5(a)、(b)可以看出,2018年開始到2020年NO2濃度高值地區(qū)的京津冀、四川盆地、長三角、珠三角、武漢、重慶及其烏魯木齊等區(qū)域大氣層中NO2柱濃度呈現(xiàn)逐年降低的趨勢,其中京津冀、成都和烏魯木齊市降低趨勢較為明顯.由于2020年新冠疫情爆發(fā),上半年大部分的工農(nóng)業(yè)活動停止生產(chǎn),導致2020年整體大氣層中NO2柱濃度略微降低.因此,2020年中國的大氣層中NO2柱濃度達到整個研究區(qū)間的最低值,降低范圍逐漸由大型城市向周邊小城市地區(qū)擴散.通過圖5(c)發(fā)現(xiàn),疫情過后大氣層中NO2柱濃度大部分區(qū)域出現(xiàn)回升增加趨勢,如北京市、東三省、長三角、珠三角及其四川盆地的濃度值略微上升,但河北南部地區(qū)、山西中部、山東北部、包頭市、天津市等地區(qū)卻仍出現(xiàn)持續(xù)降低狀況.

圖5 2018～2021年中國地區(qū)對流層NO2柱濃度年改變量分布

圖6 2019年中國地區(qū)對流層NO2柱濃度季節(jié)改變量分布

從5(d)可見,各個地區(qū)在2018～2021年之間NO2濃度的相對改變情況.京津冀、四川盆地周邊、烏魯木齊、武漢等城市大氣層中NO2柱濃度有大幅度降低,但東三省內(nèi)的部分區(qū)域卻有著略微上升的趨勢.可以發(fā)現(xiàn),京津冀地區(qū)的NO2濃度從2018～2020年開始一直處于下降的趨勢,到2020年之后只有北京市有輕微回升.雖然很多地區(qū)NO2濃度在2018年以后出現(xiàn)了下降的現(xiàn)象,但還有小部分地區(qū)的NO2濃度仍然處于上升的狀態(tài),如2020～2021年哈爾濱、長春、沈陽等城市NO2的濃度均值要高于2018～2019年的濃度平均值,仍然表現(xiàn)為略微上升趨勢,對于這些地區(qū)的NO2治理工作仍然需要進一步加強.

總體來看,我國大城市NO2排放已經(jīng)開始下降,而中小型城市排放仍在增加或者下降緩慢.未來高NO2污染區(qū)域仍要持續(xù)大力度地減排,區(qū)域聯(lián)防聯(lián)控大氣污染治理,也要加強對中小型城市的排放控制,以有效改善區(qū)域大氣質量.

由于NO2本身特性與溫度密切相關,所以NO2濃度會出現(xiàn)明顯的季節(jié)變化特征.從圖6、圖2對比可知中國西部地區(qū)的高值出現(xiàn)在夏季,出現(xiàn)該情況的主要原因在于西部地區(qū)地廣人稀,人口密度相對東部較低,自然排放源是該地區(qū)NO2的主要貢獻者.研究表明,NO2與溫度、土壤、濕沉降和雷電過程密切相關[25-26],土壤排放量約占全球NO2排放量的20%,農(nóng)業(yè)區(qū)土壤排放能夠貢獻NO2總排放的50%,而在6月左右甚至更高,因此在西部地區(qū)夏季高溫有利于土壤NO2的揮發(fā)[27-28].此外,雷電過程也是產(chǎn)生NO2的重要因素,而西部地區(qū)夏季雷電的頻率和強度是冬季的5～6倍,因此造成了西部地區(qū)NO2夏高冬低的季節(jié)特征.

3 結論

3.1 我國對流層NO2柱濃度呈現(xiàn)東高西低的分布特征,東部、中部城市群及烏魯木齊市附近的對流層NO2柱濃度水平明顯呈現(xiàn)冬高夏低、春秋過渡的季節(jié)特征,西部城市四季變化不太明顯、卻有著夏高冬低的略微趨勢.

3.2 北京市、上海市、深圳市這3所超大城市NO2柱濃度遠遠高于中國平均NO2柱濃度,季節(jié)變化明顯;城市對流層NO2柱濃度在空間分布上存在顯著的空間異質性,且不同等級分布呈現(xiàn)一定的圈層結構.

3.3 我國地區(qū)NO2濃度變化受到的社會經(jīng)濟和自然因素的共同作用,GDP、POP、SMOD、DEM、PRE均是中國地區(qū)對流層NO2柱濃度的重要影響因素.

3.4 2018～2020年,京津冀、四川盆地周邊、長三角、烏魯木齊等地區(qū)的大氣層中NO2柱濃度有連年持續(xù)降低,但東三省中部地區(qū)卻有著略微上升的趨勢. 2020～2021年,河北省南部和東部、陜西北部、山西中部、山東北部等地區(qū)NO2保持下降趨勢,仍有部分城市如北京市、成都市、重慶市等有回升趨勢.

[1] 高晉徽,朱 彬,王言哲,等.2005～2013年中國地區(qū)對流層二氧化氮分布及變化趨勢[J]. 中國環(huán)境科學, 2015,35(8):2307-2318.

Gao J H, Zhu B, Wang Y Z, et al. Distribution and variation trend of tropospheric nitrogen dioxide in China from 2005 to 2013 [J]. China Environmental Science, 2015,35(8):2307-2318.

[2] 李 龍,施潤和,陳圓圓,等.基于OMI數(shù)據(jù)的中國NO2時空分布與人類影響分析[J]. 地球信息科學學報, 2013,15(5):688-694.

Li L, Shi R H, Chen Y Y, et al. Spatio-temporal characteristics of NO2in China and the anthropogenic influences analysis based on OMI data [J]. Journal of Geo-Information Science, 2013,15(5):688-694.

[3] Zhang L, Jacob D J, Knipping E M, et al. Nitrogen deposition to the United States: distribution, sources, and processes [J]. Atmospheric Chemistry and Physics, 2012,12(10):4539-4554.

[4] Cohen J B, Prinn R G. Development of a fast, urban chemistry metamodel for inclusion in global models [J]. Atmospheric Chemistry and Physics, 2011,11(15):7629-7656.

[5] IPCC. Climate change 2007: the physical science basis. Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change [R]. New York: Cambridge University Press, 2007.

[6] 王 英,李令軍,劉 陽.京津冀與長三角區(qū)域大氣NO2污染特征[J]. 環(huán)境科學, 2012,33(11):3685-3692.

Wang Y, Li L J, Liu Y. Characteristics of atmospheric NO2in the Beijing-Tianjin-Hebei Region and the Yangtze River Delta analyzed by satellite and ground observations [J]. Environmental Science, 2012,33(11):3685-3692.

[7] 王 敏,黃 瀅.中國的環(huán)境污染與經(jīng)濟增長[J]. 經(jīng)濟學(季刊), 2015,14(2):557-578.

Wang M, Huang Y.Environmental pollution and economic growth in China [J]. China Economic Quarterly, 2015,14(2):557-578.

[8] 李旭文,張 悅,姜 晟,等.“哨兵-5P”衛(wèi)星TROPOMI傳感器在江蘇省域大氣污染監(jiān)測中的初步應用[J]. 環(huán)境監(jiān)控與預警, 2019,11(2): 10-16.

Li X W, Zhang Y, Jiang S, et al. Preliminary application of atmospheric pollution monitoring in Jiangsu Province with TROPOMI sensor onboard Sentinal-5P satellite [J].Environmental Monitoring and Forewarning, 2019,11(2):10-16.

[9] 鄭子豪,吳志峰,陳穎彪,等.基于Sentinel-5P的粵港澳大灣區(qū)NO2污染物時空變化分析[J]. 中國環(huán)境科學, 2021,41(1):63-72.

Zheng Z H, Wu Z F, Chen Y B, et al. Analysis of temporal and spatial variation characteristics of NO2pollutants in Guangdong-Hong Kong-Macao Greater Bay Area based on Sentinel-5P satellite data [J]. China Environmental Science, 2021,41(1):63-72.

[10] Vrghileanu M, Svulescu I, Mihai B A, et al. Nitrogen dioxide (NO2) pollution monitoring with Sentinel-5P satellite imagery over Europe during the coronavirus pandemic outbreak [J]. Remote Sensing, 2020,12(21):1-29.

[11] Müller I, Erbertseder T, Taubenbck H. Tropospheric NO2: explorative analyses of spatial variability and impact factors [J]. Remote Sensing of Environment, 2022,270:112839.

[12] 郝斌飛,韓旭軍,馬明國,等.Google Earth Engine在地球科學與環(huán)境科學中的應用研究進展[J]. 遙感技術與應用, 2018,33(4):600-611.

Hao B F, Han X J, Ma M G, et al. Research progress on the application of Google Earth Engine in geoscience and environmental science [J].Remote Sensing Technology and Application, 2018,33(4): 600-611.

[13] 徐新良.中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集 [Z]. 中國科學院資源環(huán)境科學數(shù)據(jù)中心數(shù)據(jù)注冊與出版系統(tǒng), 2017.

Xu X L.China GDP spatial distribution km grid dataset [Z].Data Registration and Publication System of the Data Centre for Resource and Environmental Sciences, Chinese Academy of Sciences, 2017.

[14] 徐新良.中國人口空間分布公里網(wǎng)格數(shù)據(jù)集 [Z]. 中國科學院資源環(huán)境科學數(shù)據(jù)中心數(shù)據(jù)注冊與出版系統(tǒng), 2017.

Xu X L.Spatial distribution of China's population in km grid dataset [Z].Data Registration and Publication System of the Data Centre for Resource and Environmental Sciences, Chinese Academy of Sciences, 2017.

[15] Joint Research Centre - JRC - European Commission, and Center for International Earth Science Information Network - CIESIN - Columbia University. Global human settlement layer: Population and built-up estimates, and degree of urbanization settlement model grid [Z]. Palisades NY: NASA Socioeconomic Data and Applications Center (SEDAC), 2021.

[16] Florczyk A J, Corbane C, Ehrlich D, et al. GHSL data package 2019 [Z]. Luxembourg: Publications Office of the European Union, 2019.

[17] Peng S, Ding Y, Liu W, et al. 1km monthly temperature and precipitation dataset for China from 1901 to 2017 [J]. Earth System Science Data, 2019,11(4):1931–1946.

[18] Jing W, Yang Y, Yue X, et al. A spatial downscaling algorithm for satellite-based precipitation over the Tibetan Plateau based on NDVI, DEM, and land surface temperature [J]. Remote Sensing, 2016,8(8): 655.

[19] 荊文龍,馮 敏,楊雅萍.一種NCEP/NCAR再分析氣溫數(shù)據(jù)的統(tǒng)計降尺度方法[J]. 地球信息科學學報, 2013,6:819-828.

Jing W L, Feng M, Yang Y P.A statistical downscaling method for NCEP/NCAR reanalysis of temperature data [J]. Journal of Geo- Information Science, 2013,6:819-828.

[20] Judd L M, Al-Saadi J A, Szykman J J, et al. Evaluating Sentinel-5P TROPOMI tropospheric NO2column densities with airborne and Pandora spectrometers near New York City and Long Island Sound [J]. Atmospheric Measurement Techniques, 2020,13:6113-6140.

[21] 秦 瑜,趙春生.大氣化學基礎[M]. 北京:氣象出版社, 2003.

Qin Y, Zhao C S.Fundamentals of atmospheric chemistry [M]. Beijing:Meteorological Publishing, 2003.

[22] 陶金花,范 萌,顧堅斌,等.新冠病毒疫情期間復工復產(chǎn)衛(wèi)星遙感監(jiān)測[J]. 遙感學報, 2020,24(7):824-836.

Tao J H, Fan M, Gu J B, et al. Satellite observation of the return-to- work over China during the period of COVID-19 [J].Journal of Remote Sensing, 2020,24(7):824-836.

[23] Zhong Q, Tao S, Ma J, et al. PM2.5reductions in Chinese cities from 2013 to 2019 remain significant despite the inflating effects of meteorological conditions [J]. One Earth, 2021,4(3):448-458.

[24] 韋英英,楊蘇勤,陳志泉,等.基于OMI衛(wèi)星數(shù)據(jù)的長三角對流層NO2特征研究[J]. 環(huán)境科學與技術, 2018,41(3):80-87.

Wei Y Y, Yang S Q, Chen Z Q, et al. Tropospheric NO2characteristics of the Yangtze River Delta Region based on OMI satellite data [J]. Environmental Science and Technology, 2018,41(3):80-87.

[25] 方 愷,王婷婷,何堅堅,等.“一帶一路”沿線地區(qū)NO2濃度時空變化特征及其驅動因素[J]. 生態(tài)學報, 2020,40(13):4241-4251.

Fang K, Wang T T, He J J, et al. Spatiotemporal variation and driving factors of NO2concentration in the Belt and Road region [J]. Acta Ecologica Sinica, 2020,40(13):4241-4251.

[26] 曹彥圣,田玉華,尹 斌,等.農(nóng)業(yè)土壤NO排放研究進展[J]. 土壤, 2013,45(5):791-799.

Cao Y S, Tian Y H, Yin B, et al. Investigation on NO emission from agricultural soils [J]. Soils, 2013,45(5):791-799.

[27] 岳 捷,林云萍,鄧兆澤,等.利用衛(wèi)星數(shù)據(jù)和全球大氣化學傳輸模式研究中國東部大城市對流層NO2季節(jié)變化原因[J]. 北京大學學報(自然科學版), 2009,45(3):431-438.

Yue J, Lin Y P, Deng Z Z, et al. Seasonal variations of tropospheric NO2over Megalopolis in eastern China using satellite remote- sensing data and chemistry-transport mode [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2009,45(3):431-438.

[28] 崔遠政,姜 磊,張為師,等.中國西部人為源NO2污染的時空分布及影響因素研究[J]. 環(huán)境科學學報, 2019,39(12):4152-4161.

Cui Y Z, Jiang L, Zhang W S, et al. Spatio-temporal variations and influential factors of anthropogenic NO2pollution over western China [J]. Acta Scientiae Circumstantiae, 2019,39(12):4152-4161.

Monitoring atmospheric NO2concentrations in China based on Sentinel-5P satellite products.

LIU Yi-yang, XIE Yao-wen*, GUO Ze-cheng

(College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China)., 2022,42(11)：4983～4990

NO2is an important trace gas and its monitoring contributes to air pollution control. Based on the tropospheric vertical column and total vertical column of NO2provided by the Sentinel-5P air pollution monitoring satellite, we analyzed spatial-temporal characteristics of NO2in China during 2018～2021 by Google Earth Engine (GEE) and revealed the main drivers of NO2concentration using OLS model. Results showed that there were a spatial pattern with high in the east and low in the west regarding the tropospheric vertical column of NO2in China. A seasonal pattern with high in winter, low in summer and excessive in spring and autumn, was presented in the eastern and central city clusters and Urumqi city. The western cities, however, had less significant changes within seasons. The concentration distribution of tro NO2in Beijing, Shanghai and Shenzhen showed a significant circle structure. The OLS model results showed that the atmospheric NO2concentration in China was influenced collectively by socio-economic and natural factors, with the degree of urbanization being the critical factor driving NO2emissions.

NO2；tropospheric vertical column；total vertical column；Sentinel-5P

X511

A

1000-6923(2022)11-4983-08

劉怡陽(1999-),女,陜西富平人,蘭州大學碩士研究生,主要從事大氣遙感工作.發(fā)表論文1篇.

2022-04-20

中國科學院戰(zhàn)略性先導科技專項A類(XD2009000003)

* 責任作者, 教授, xieyw@lzu.edu.cn