GOSAT卫星数据监测中国大陆上空CO2浓度时空变化特征

中国地区大气CO2浓度对全球气候变化有重要的影响。本文基于日本GOSAT卫星短波红外CO2的长期观测数据,对2010年-2016年中国大陆上空CO2浓度的分布特征和变化趋势进行分析研究。利用高精度的地基TCCON站点CO2观测对GOSAT CO2数据进行精度验证,结果表明,GOSAT CO2具有较高的精度,相对TCCON CO2的偏差为-1.04±2.10 ppm,两者的相关系数高达0.90;利用中国地区7年的GOSAT CO2观测数据分析研究显示,CO2浓度高值主要分布在中国的浙江-江苏-安徽地区、京津冀地区和湖南-湖北-河南-陕西地区;截至2016年,中国大部地区CO2浓度超过400 ppm;中国大陆CO2平均浓度呈现明显的逐年增长趋势,从2010年的387.76 ppm增长到2016年的402.18 ppm,年增长率约为2.31 ppm/a,略高于同期全球平均水平。     

北京城市下垫面大气CO2反演算法

大气温室气体监测仪GMI（Greenhouse gases Monitor Instrument）是高分五号（GF-5）卫星载荷之一,主要用于全球温室气体含量监测和碳循环研究。高精度反演是卫星大气CO₂遥感的基本需求。地表反射率影响卫星遥感辐射量及辐射传输过程中的地气耦合过程,严重制约着CO₂的反演精度,针对GMI开发高精度的大气CO₂反演算法,地表反射是一个需要重点考虑的因素。城市是CO₂重要的发射源,且城市下垫面存在明显的二向反射特性,加上城市大气条件不良,复杂的地气耦合效应存在这都考验反演算法的准确性和鲁棒性。本文针对北京城市地区,利用2011年—2016年共5年的MODIS（MODerate-resolution Imaging Spectroradiometer）地表二向反射分布函数BRDF（Bidirectional Reflectance Distribution Function）数据,构建了适合利用单次观测数据反演的BRDF模型,并提出一种同时反演地表BRDF参数和大气CO₂含量的算法。结果表明在550 nm波长处气溶胶光学厚度AOD（Aerosol Optical Depth）小于0.4时,大部分GMI模拟数据的反演误差控制在0.5%（~2 ppm）内。利用GOSAT （Greenhouse gases Observing SATellite）实测数据的反演结果与修正后的日本国立环境研究所NIES（National Institute for Environmental Studies）反演结果进行对比,其平均误差为1.25 ppm,相关性达到0.85。本算法满足GMI数据在北京城市区域高精度CO₂反演的需求,并使得反演高值气溶胶区域数据成为可能,增加了GMI观测数据的利用率。     

短波红外CO2反演过程约束研究及初步反演结果

短波红外通道卫星CO2遥感是近年国际研究热点。首先,开展了卫星观测对气溶胶及大气温度的敏感性研究;其次,针对基于最优化理论的非线性迭代反演方法反演过程中的不收敛问题,提出了修正的阻尼牛顿方法(MDNM),并利用模拟数据评估了MDNM方法的有效性;最后,利用GOSAT卫星数据反演CO2的垂直混合比浓度,并与地基TCCON站点数进行比对。研究结果表明:短波近红外CO2卫星遥感受气溶胶散射及温度影响明显;通过地基比对初步验证了MDNM具有良好的精度,两者的相关性R2达到了0.729。     

基于GOSAT卫星监测二氧化碳浓度时空变化

利用2018—2021年GOSAT上高光谱傅里叶变换光谱仪(FST)官方反演的大气CO₂浓度,采用自然相邻节点插值(Natural Neighbor)对GOSAT数据产品进行插值处理,获取黑龙江省各地市CO₂平均浓度,结合夜间灯光数据、火点数据和植被覆盖度数据,分析研究区域大气CO₂浓度时空分布规律、区域差异等特征,为发展低碳经济及环境治理提供参考。     

大气CO2浓度卫星遥感进展

大气CO2是重要的温室气体,CO2浓度及其空间分布是全球气候变化评估中的主要不确定性因素之一。从1998年以来,卫星遥感大气CO2成为获取全球CO2的重要手段。本文阐述了现阶段大气CO2浓度卫星遥感反演进展情况,包括CO2探测载荷、反演算法和算法验证等。同时,论文详细介绍了近红外波段和热红外波段的反演算法特点和不确定因素,并针对CO2反演应用需求提出了展望。     

基于多源卫星遥感数据的中国2003年—2018年CO_(2)时空变化研究EI北大核心CSCD

本研究利用大气制图扫描成像吸收仪SCIAMACHY(Scanning Imaging Absorption Spectrometer for Atmospheric Chartography)和傅里叶变换光谱仪FTS(Fourier Transformation Spectrometer)卫星遥感传感器反演的CO_(2)产品,结合瓦里关地面站点观测的CO_(2)浓度数据进行验证,并对遥感数据进行校正,最后分析了2003年—2018年中国CO_(2)时空变化特征及其影响因素。结果表明,中国区域CO_(2)柱浓度呈近12个月周期变化且持续上升的趋势。2003年CO_(2)柱浓度年均值为374.4 ppm,2018年CO_(2)柱浓度年均值为413.7 ppm,16年间增加了39.3 ppm,约为10.51%,年均增长率为0.59%。中国区域大气CO_(2)柱浓度的月变化存在明显的时空差异,月变化呈现弦曲线变化,最小值和最大值分别出现在8和4月,2018年月平均大约分别为407.7 ppm和416.3 ppm。CO_(2)柱浓度的高值区主要出现在东部的亚热带和温带地区,2018年年平均最大可达417.9 ppm;最低值是在内蒙古北部,2018年平均约为409.5 ppm。从省级行政单元来看,2018年平均CO_(2)柱浓度最高和最低的省份是浙江省和青海省,分别约为417.8 ppm和412.1 ppm。中国2003年—2018年CO_(2)柱浓度在整个区域出现较大的增长,但是增长率在空间上存在明显的异质性。在空间上,2018年比2003年增长的数值在31.0—45.4 ppm之间,增长的百分比范围在8.9%—12.2%之间,增长较大的区域在高值区,最大增长出现在辽宁和吉林的交界处,约为12.2%;增长较小的区域出现在中国中部,最低的增长约为8.9%。     

高分五号大气痕量气体差分吸收光谱仪观测数据的火山喷发SO2总量反演

火山喷发产生的高浓度SO₂气体及其远距离输送会对全球气候变化和航空飞行安全产生重要影响。卫星遥感技术以大面积连续观测、高时空分辨率等优势成为大气SO₂监测的重要手段之一。作为中国第一颗紫外可见光波段的高光谱载荷,高分五号卫星大气痕量气体差分吸收光谱仪（GF-5 EMI）通过探测地球大气或表面反射、散射的紫外辐射来解析SO₂总量的分布和变化。本文首先基于大气辐射传输模型SCIATRAN,选择中低纬地区地表类型均一的海洋区域像元,模拟了典型大气条件下的晴空天顶反照率,用以评价EMI载荷天顶观测光谱的精度。其次,基于TROPOMI L1 Radiance辐亮度数据和DOAS反演原理,经477 nm O₄云筛选、光谱定标、慢变剔除、斜柱转垂直柱等步骤后,获得同一火山喷发区域的SO₂总量反演结果并与TROPOMI官方offline L2 SO₂产品进行对比分析。最后,利用GF-5 EMI UV-2通道观测数据,采用DOAS算法反演获得GF-5 EMI大气SO₂总量,并将反演结果与国际同类载荷S5P/TROPOMI SO₂总量结果进行比较分析,评判GF-5 EMI在全球火山活动SO₂变化监测方面的能力。结果显示,300—400 nm波段范围内,海洋区域采样点EMI观测光谱值低于SCIATRAN模拟光谱值,EMI与TROPOMI观测光谱呈现出相似的系统性偏差。基于高空间高光谱分辨率的TROPOMI L1 Radiance辐亮度数据、315—327 nm、325—335 nm和360—390 nm共3个波段窗口、以及上述DOAS反演原理获得的SO₂结果与TROPOMI官方发布的offline L2 SO₂产品结果相关性较高,两者的相关系数可达到0.97—0.99,相对偏差在3%—9%。GF-5 EMI能够获取火山喷发SO₂排放的时空分布特征,并与国际同类载荷TROPOMI反演结果具有较高的空间一致性,能够满足全球火山喷发监测、预警及其气候影响研究的应用需求。     

HITRAN数据库对卫星1.6 μm通道CO2辐射传输特性计算的影响

卫星遥感器中的CO21.6μm弱吸收带通道测量信号可以反映CO2的近地层浓度分布,是温室气体卫星反演的重要通道之一。HITRAN数据库是建立卫星遥感CO2浓度算法依赖的重要分子光谱参数数据库,目前已经更新到了2012版,不同版本中大气分子谱线参数存在差异。本文利用逐线积分模式LBLRTM,研究了最近3个版本HITRAN数据库(04、08、12版)在CO2的弱吸收带通道上大气光学厚度、透过率的差异,发现04版计算的气体光学厚度普遍偏高,可对CO2造成约38 ppm的低估;08版本得到的气体光学厚度与12版本接近,反演相差2 ppm以内。在此基础上,分析了不同HITRAN数据库对整层CO2变化和近地层CO2变化的敏感性,结果表明:04版对整层和近地面大气的变化敏感性最强,并且放大了近地层信号;08版与12版对整层或近地层CO2的敏感度接近,两者经过卷积后得到的信号无差异。     

MERSI和MODIS卫星监测京津冀及周边地区PM2.5浓度

京津冀及周边地区是中国PM_(2.5)污染最重的区域之一,利用卫星遥感技术监测大范围的PM_(2.5)时空分布变化是一种先进的重要手段。本研究首先基于暗像元算法利用FY-3B/MERSI与AQUA/MODIS对京津冀及周边区域进行了遥感AOT反演和验证分析;然后,引入气象资料和地面观测资料利用GWR模型反演了区域PM_(2.5)浓度,并对遥感反演结果进行了交叉验证评估,综合对比分析了MERSI和MODIS的气溶胶及PM_(2.5)遥感监测能力;最后,利用MERSI数据对2017年第一季度京津冀及周边区域的PM_(2.5)月均浓度时空分布变化情况进行了初步探索分析。结果表明:FY-3B/MERSI在气溶胶及PM_(2.5)遥感监测能力方面略优于AQUA/MODIS,MERSI反演的1 km分辨率AOT和PM_(2.5)与地面站点实测结果的决定系数R2分别为0.76μg/m~3和0.79μg/m~3,均方根误差分别为0.26μg/m~3和28μg/m~3,平均绝对误差分别为0.16μg/m~3和15μg/m~3,能基本满足对京津冀及周边区域PM_(2.5)的精细化监测需要。2017年第一季度京津冀及周边区域PM_(2.5)月均浓度遥感监测结果表明该区域的PM_(2.5)空间分布格局与地形地貌关系密切,高值区整体上沿太行山脉成带成片;从时间变化来看,1—3月呈逐月下降的趋势,其中3月份PM_(2.5)区域浓度较1月和2月有大幅下降。这说明FY-3\MERSI遥感反演产品能为环境质量监测和环境管理工作效果评估提供有效参考,本研究对国产卫星在大气环境遥感业务中的大力发展应用有重要参考意义。     

叶绿素荧光的GOSAT卫星遥感反演

由于大气吸收和散射等大气辐射传输影响,叶绿素荧光卫星遥感反演存在很大的困难和挑战。本文利用日本温室气体观测卫星GOSAT的TANSO-FTS超光谱数据,选取770 nm附近受大气影响较弱的KI夫琅和费暗线,借助KPNO2010高分辨率太阳辐照度光谱,设计了加权最小二乘拟合的叶绿素荧光卫星反演算法,利用矩阵的谱条件数确定了算法中KI吸收线所采用的权重系数,获得了中国区域2010年1月至2011年6月的叶绿素荧光数据。并利用TANSO-CAI云标识数据剔除了受云影响的反演结果,并按照2°×2°格网逐月计算了荧光强度均值。将反演叶绿素荧光强度结果与同期MODIS的增强性植被指数EVI、光合有效辐射比例FPAR、总初级生产力GPP产品作对比分析,结果表明：荧光强度高值主要分布在中国西南、中南等植被覆盖度高、生长旺盛的地区,荧光强度季节性变化规律与EVI、FPAR、GPP等相似,但季节变化比上述各参数变化提前且更敏感,可以反映其他参数所不具备的独特信息。     

Application of geographical information system for mapping/monitoring seismological hazards in Pakistan

This study attempts to use the geographic information system (GIS) technique to map and understand the tectonics and crustal structures of Pakistan. Maps of surficial tectonic features and seismological parameters including Moho depth, P_n velocity and P_g velocity are complied. Based on the seismological data-set of the country the earthquake hazard map of Pakistan is also presented by applying regression technique on seismological, geological and topographical parameters. A case study of 8 October 2005 earthquake is used to validate the hazard map. It is envisaged that the developed GIS database would help policy-makers and scientists in natural hazard evaluation, seismic risk assessment and understanding of earthquake occurrences in Pakistan.     

利用遥感数据评价燃煤电厂空气质量

卫星观测数据可以评价燃煤电厂的空气质量等级。NO₂、SO₂ 和烟尘是燃煤电厂排放的主要污染物,本文利用卫星遥感观测的NO₂、SO₂和气溶胶光学厚度AOD(Aerosol Optical Depth)开展燃煤电厂空气质量评价。以中国华北地区为实验区,分析对比了3种污染物不同时间分辨率和空间分辨率的污染状况,确定了单因子的5级分级标准,根据燃煤电厂排放污染物的权重不同,提出了评价近地表空气质量状况的模型。本文综合考虑3种污染因子来反映电厂空气质量,有利于提高评价的准确性以及反应信息的全面性。结果表明,该模型能正确反映不同地区电厂的空气质量特点。     

Increased accuracy of geostatistical prediction of nitrogen dioxide in the United Kingdom with secondary data

Five techniques were used to map nitrogen dioxide (NO₂) concentrations in the United Kingdom. The methods used to predict from point data, collected as part of the UK NO₂ diffusion tube network, were local linear regression (LR), inverse distance weighting (IDW), ordinary kriging (OK), simple kriging with a locally varying mean (SKlm) and kriging with an external drift (KED). These techniques may be divided into two groups: (i) those that use only a single variable in the prediction process (IDW, OK) and (ii) those that make use of additional variables as a part of prediction (LR, SKlm and KED). Nitrous oxides emission data were used as secondary data with LR, SKlm and KED. It was concluded that SKlm provided the most accurate predictions based on the summary statistics of prediction errors from cross-validation.     

Evaluating Hyperspectral Imager for the Coastal Ocean (HICO) data for seagrass mapping in Indian River Lagoon,FL

Differentiation between benthic habitats, particularly seagrass and macroalgae, using satellite data is complicated because of water column effects plus the presence of chlorophyll-a in both seagrass and algae that result in similar spectral patterns. Hyperspectral imager for the coastal ocean data over the Indian River Lagoon, Florida, USA, was used to develop two benthic classification models, Slope_RED and Slope_NIR. Their performance was compared with iterative self-organizing data analysis technique and spectral angle mapping classification methods. The slope models provided greater overall accuracies (63–64%) and were able to distinguish between seagrass and macroalgae substrates more accurately compared to the results obtained using the other classifications methods.     

CO2 concentration and its spatiotemporal variation in the troposphere using multi-sensor satellite data,carbon tracker,and aircraft observations

Satellite-based atmospheric CO₂ observations have provided a great opportunity to improve our understanding of the global carbon cycle. However, thermal infrared (TIR)-based satellite observations, which are useful for the investigation of vertical distribution and the transport of CO₂, have not yet been studied as much as the column amount products derived from shortwave infrared data. In this study, TIR-based satellite CO₂ products – from Atmospheric Infrared Sounder, Tropospheric Emission Spectrometer (TES), and Thermal And Near infrared Sensor for carbon Observation – and carbon tracker mole fraction data were compared with in situ Comprehensive Observation Network for Trace gases by AIrLiner (CONTRAIL) data for different locations. The TES CO₂ product showed the best agreement with CONTRAIL CO₂ data resulting in R² ~ 0.87 and root-mean-square error ~0.9. The vertical distribution of CO₂ derived by TES strongly depends on the geophysical characteristics of an area. Two different climate regions (i.e., southeastern Japan and southeastern Australia) were examined in terms of the vertical distribution and transport of CO₂. Results show that while vertical distribution of CO₂ around southeastern Japan was mainly controlled by horizontal and vertical winds, horizontal wind might be a major factor to control the CO₂ transport around southeastern Australia. In addition, the vertical transport of CO₂ also varies by region, which is mainly controlled by anthropogenic CO₂, and horizontal and omega winds. This study improves our understanding of vertical distribution and the transport of CO₂, both of which vary by region, using TIR-based satellite CO₂ observations and meteorological variables.     

Impact of land-cover layout on particulate matter 2.5 in urban areas of China

ABSTRACT

Urbanization in China is closely connected with ambient particulate matter 2.5 (PM_2.5). However, the potential for altering PM_2.5 through the urban landscape characteristics is uncertain. In this study, we analyzed the urban PM_2.5 pollution situation for 2014–2016 and investigated the impact of landscape factors on urban PM_2.5 in China at the city level. All the prefecture-level cities were stratified by urban population size into small (<500,000), medium (500,000–1,000,000), and large (>1,000,000), and the other second-level administrative cities were assigned as ‘other’ cities. The multivariate regression model including both urban landscape factors and social-economic variables explained 70.0%, 32.8%, 19.2%, and 12.4% of the arithmetic mean PM_2.5 concentration (AMC-PM_2.5) for the other, small, medium, and large cities, respectively. With regard to the configuration of land cover, agricultural activity is a major contributor of PM_2.5 pollution, for which the explanatory power ranged from 7.6% (for the large cities) to 64% (for the other cities). In addition, grassland aggregation also has a limited but negative effect on urban PM_2.5 pollution, despite the negligible effect on dry deposition. Overall, these findings likely reflect the interaction between urban air quality and urbanization, and will have implications for air quality control strategies.     

基于卫星遥感的近地面PM2.5浓度反演进展

细颗粒物PM_2.5（Fine Particulate Matter）是影响空气质量和公共健康的关键因素之一。高时空分辨率的PM_2.5数据是公共健康风险评估和流行病学研究的基本需求。相较于地面站点,卫星遥感技术具有连续观测、宽覆盖和低成本的优势,基于卫星气溶胶光学厚度AOD（Aerosol Optical Depth）反演PM_2.5质量浓度的方法已成为热点。本研究概述了卫星AOD产品反演PM_2.5浓度的原理,介绍了用于PM_2.5反演的主要卫星AOD产品及其反演精度;总结了现有的PM_2.5估算方法及其优缺点,指出目前PM_2.5反演研究存在的问题;提出未来PM_2.5反演方向主要集中在高时空分辨率的PM_2.5浓度重建、基于激光雷达数据的三维PM_2.5浓度反演及PM_2.5化学组分反演等方向。比例因子法、物理机理模型和统计模型这3种方法都能在不同时期不同程度地准确估算PM_2.5浓度,代表了那个时期较为前沿的研究热点,但比例因子法和物理机理模型因其自身的局限性而应用较少,而统计模型因其独特的时间或时空异质性的可描述性和强大的非线性描述能力的优势而被广泛应用并不断改进。目前PM_2.5反演研究存在的问题主要有3种：（1）卫星AOD的非随机缺失问题造成估算的PM_2.5数据缺失;（2）反演模型的精度问题;（3）PM_2.5的化学成分估算问题。基于此,本文为了准确揭示近地面PM_2.5的时空变化趋势,提高基于卫星AOD产品的近地面PM_2.5反演研究的准确性,提出了几点未来的研究方向：首先,新型的高空间（如风云四号、高分五号）、高时间分辨率（Himawari-8/9）卫星AOD产品在PM_2.5的精细化估算研究上具有很大优势,这对于高时空分辨率的PM_2.5浓度重建具有重要意义;其次,随着大气探测技术的发展,星载、机载及地基激光雷达都能够获取垂直分布信息,搭载在无人机上的颗粒物传感器可实现PM_2.5垂直方向上的监测,将其与光学遥感卫星数据及地面监测数据结合,可实现三维的PM_2.5浓度反演;最后,PM_2.5化学组分信息对于分析污染成因、暴露特征等尤其重要,其时空变化趋势研究是一个重要的发展方向,然而,地面PM_2.5组分观测站网仍不完善,如何克服卫星遥感估算中对地面站网的依赖,实现PM_2.5化学成分的高精度反演需要进一步研究。通过本研究,有助于进一步了解不同PM_2.5估算方法的原理机制及其优缺点,为基于卫星AOD产品反演近地面PM_2.5浓度的新的发展方向提供启示,提升近地面PM_2.5浓度反演的精度及时空分辨率。     

基于垂直订正和湿度订正方法估算川渝地区逐小时PM2.5

针对PM_2.5污染比较严重的川渝地区，本研究利用日本静止葵花卫星（Himawari-8）反演的气溶胶光学厚度（AOD）进行垂直订正和湿度订正估算川渝地区2017年—2018年09：00—16：00时的PM_2.5浓度。首先，基于气象观测的能见度（vis）数据与消光系数σa(λ)之间的关系，引入“标高（Ha）”对气溶胶光学厚度进行垂直订正；其次，根据匹配的气象和环境监测数据对每一个站点逐一拟合1—12月份的吸湿增长因子，并采用反距离加权空间插值（IDW）方法构建吸湿订正因子网格，从而进行湿度订正估算。研究结果表明，经垂直订正和湿度订正后，相比AOD与PM_2.5之间的相关性，“干”消光系数σdry与PM_2.5的相关性显著提高，相关系数（r）由0.12—0.45提高至0.32—0.69；验证09：00至16：00时卫星估算结果，相关系数（r）均大于0.7，均方根误差（RMSE）为18.59±2.26 μg/m³；提取所有观测站点进行验证，r=0.82，RMSE=18.64 μg/m³。