面向区域二次污染风险控制的臭氧及其前体物卫星遥感监测
陈良富1,2,3, 王雅鹏1,2,3, 张欣欣1,2,3, 王子峰1,2, 陶金花1,2, 王莉莉4, 张莹1,2     
1. 中国科学院遥感与数字地球研究所,遥感科学国家重点实验室,北京  100101;
2. 中国科学院空天信息研究院,北京  100094;
3. 中国科学院大学,北京  100049;
4. 中国科学院大气物理研究所,北京  100029
摘要: 日益突出的臭氧(O3)污染已成为继PM2.5之后我国大气污染防治的又一艰巨任务。由于氮氧化物(NOx)、挥发性有机物(VOCs)这2种前体物的减排难度较大,且与O3浓度存在复杂的非线性关系,准确获取O3及NOx、VOCs的时空分布对制定有效的防控措施至关重要。基于卫星遥感可定量反演O3及2种前体物的代表性物种——二氧化氮(NO2)、甲醛(HCHO)及乙二醛(C2H2O2)的时空分布信息。面向区域O3污染分析和防控应用,综述了卫星遥感对O3及NO2、HCHO、C2H2O2的探测能力,以及利用遥感手段分析区域O3及其前体物的传输。进而从O3与NOx、VOCs关系的角度,分析了利用卫星反演的前体物表征O3生成风险的可行性。最后对卫星在区域O3及其前体物监测方面的前景趋势提出了思考。
关键词: 卫星遥感    臭氧    氮氧化物    挥发性有机物    污染防控    
Satellite Remote Sensing Monitoring of Ozone and Its Precursors for Regional Secondary Pollution Risk Control
CHEN Liang-fu1,2,3, WANG Ya-peng1,2,3, ZHANG Xin-xin1,2,3, WANG Zi-feng1,2, TAO Jin-hua1,2, WANG Li-li4, ZHANG Ying1,2     
1. State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;
2. Institute of Aerospace Information, Chinese Academy of Sciences, Beijing 100094, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
Abstract: The increasingly prominent ozone (O3) pollution is the second most arduous task of air pollution control after PM2.5 in China. Considering that the emission reduction of nitrogen oxides (NOx) and volatile organic compounds (VOCs) is difficult, and there is a complex nonlinear relationship with O3, so it is important to accurately obtain the spatial and temporal distribution of O3, NOx and VOCs for the formulation of effective prevention and control measures. The spatial and temporal distribution of O3 and two representative species of precursors, nitrogen dioxide (NO2), formaldehyde (HCHO) and glyoxal (C2H2O2), can be retrieved quantitatively based on satellite remote sensing. Focused on the analysis and control of regional ozone pollution, this paper summarized the detection ability of satellite remote sensing to O3, NO2, HCHO and C2H2O2, and analyzed the transport of regional O3 and its precursors by remote sensing. The feasibility of using satellite inversion precursors to characterize O3 generation risk was analyzed from the perspective of the relationship between O3-NOx-VOCs. Finally, the future trend of satellite in regional O3 and precursor monitoring was discussed.
Key words: Satellite remote sensing    Ozone    Nitrogen oxides    VOCs    Pollution control    
0 引言

近年来随着空气污染控制政策的实施,细颗粒物(PM2.5)浓度在中国经历了显著的下降,然而,大气中臭氧(O3)浓度不降反升,已经取代PM2.5成为华南地区(如广东省)夏季的首要污染物。O3是大气中重要的痕量气体,其中90%分布在平流层,能有效吸收太阳的紫外辐射,对地表生物起到保护作用。对流层O3占O3总量的10%,在区域和全球大气和气候系统中发挥着关键作用。对流层O3主要来自平流层和对流层交换过程(STE)及由O3前体物的光化学反应二次生成。前体物包括氮氧化物(NOx = NO + NO2)、挥发性有机物(VOCs)、一氧化碳(CO)和甲烷(CH4)[1]。随着经济的快速发展和能源的高消耗,以O3污染为代表的光化学污染日趋严重。高浓度的对流层O3对人类健康和生态系统生产力产生不利影响[2-7]

目前近地面O3的浓度主要依赖地面站点的测量,能提供O3的空间分布、季节变化信息及站点附近的O3日变化信息[8-9],可为O3污染过程分析提供相应的观测数据。存在的问题是:(1)2013年之前,全国O3监测数据缺乏,O3污染的历史情况只能从有限的野外实验观测时段获得; (2)尽管地面站点在2013年之后数量不断增加,但是这些站点主要分布在东部和城市地区,在空间代表性上的不足仍需要别的监测方式作为补充; (3)仅反映了近地面的O3浓度信息,对整个对流层O3浓度反映欠佳。卫星观测是地面观测的有效补充方式,能提供长时序、高覆盖的对流层大气O3及其前体物的空间分布和变化信息。

O3污染的形成受多因素影响,了解控制O3浓度的因素对建立有效的减排措施具有重要的意义。大量的研究分析了化学和气象条件(包括太阳辐射、温度、相对湿度、风速和风向)对O3形成和传输的影响[2-7]。整体上,日照强烈、高温、低湿、风小的大气气象条件有利于局地O3的生成,通常这种气象条件伴随着扩散能力的减弱,前体物浓度的增加,O3生成的加剧,以及区域O3及其前体物的传输,从而最终形成局地乃至区域O3浓度超标的污染事件。此外,伴随着气团的传输和老化,O3浓度在下风向高于上风向,呈现在下风向汇聚的空间分布特征[10]

从O3二次生成的角度而言,对对流层O3的定量认识,很大程度上取决于对其前体物浓度和分布的认识[15-16]。国内外研究学者利用地基和卫星的观测结果,分析O3与其前体物的非线性响应关系,并根据O3生成对前体物的敏感性,将O3光化学反应区分为NOx控制区和VOCs控制区[11-12]。但是,随着近年来污染防控措施的不断加强,卫星观测显示中国地区对流层NO2浓度自2012年以来呈明显下降趋势[13-14]。与NO2的变化趋势不同,中国东部多数地区大气中VOCs的代表物甲醛(HCHO)的浓度在2005—2016年,受人为活动的影响,呈持续增长的趋势[15-16]。最近的研究结果表明,与华北地区和长江三角洲地区明显的增加趋势不同,自2010年之后,淮河流域呈现VOCs排放量下降的趋势,该现象可能是由于秸秆禁烧政策造成的燃烧源VOCs排放的下降。

现有结果表明,O3前体物随时间和空间的变化是不一致的,这就可能造成了O3光化学生成控制区的变化。因此对O3前体物浓度和分布的认识需要与具体的区域、时间相结合,而卫星观测能提供长时间序列,全球覆盖的对流层O3及前体物数据集,弥补地基站点空间分布不均匀且2013年之前历史数据难以追溯的不足,可为O3二次污染风险控制提供有效的科学数据支持。

现面向区域二次O3生成,综述卫星遥感在对对流层O3及其前体物代表物NO2、HCHO与乙二醛(C2H2O2)的探测能力与不足。通过O3-NO2-VOCs三者的关系,分析近地面O3生成的光化学反应区。从区域尺度探讨基于卫星观测的O3前体物对O3生成的指示作用和风险评估。此外,结合具体案例,分析卫星遥感观测在区域O3及其前体物污染传输方面的应用潜力。

1 O3及其前体物的卫星反演

对流层O3在大气化学、空气质量及气候变化中发挥着重要作用,它通过影响大气中OH自由基的浓度,决定着大气的氧化能力。VOCs、CO和NOx在紫外线的照射下生成O3,同时对流层中O3作为温室气体对全球变暖有一定的影响[17]。O3在对流层中的变化和传输与大气污染和全球气候变化等重要环境问题有密切关系,因此O3的研究一直是国际大气科学领域的前沿和热点之一。

O3的监测方式主要包括地基观测、探空观测和星载测量。地基观测主要采用差分光谱吸收原理,利用O3对波长<340 nm的紫外辐射、600 nm的可见光和位于红外和微波波段的吸收光谱,通过测量O3的光谱辐照度获得O3含量,或测量O3发射的热辐射来推断O3含量。地基观测的O3资料精度高、稳定性好并且有较好的延续性。但是,由于地基观测仪器的类型、定标系统以及数据处理等存在差异,实际地基观测资料会存在一定的不确定性[18]。O3探空观测可以获得大气O3层垂直结构的真实状态[19],其仪器类型包括ECC臭氧探空仪[20]、Brewe Mast(BM)臭氧探空仪、KC臭氧探空仪[21]等。

迄今为止,世界众多地区都在进行O3探空观测,并且全球都设置了探空网络站点,通过这些站点可以方便获得自地面至35 km左右的O3垂直分布数据。O3探空观测可以提供对流层和平流层区域内O3的分布及变化趋势[22],同时可用于验证卫星观测的精度和准确性[23]。O3探空观测虽可获得大气O3的垂直分布情况,但是缺乏时空连续性,不能获取大区域、范围广的O3分布。与O3地基观测和探空观测相比,O3星载测量不受地域限制,可实现全球地区覆盖,因此可以为人类提供高光谱、高精度的数据,并且随着卫星技术的迅速发展和越来越多的大气O3探测仪器发射升空,可以获得高精度、全球性、全天候的卫星O3资料。

1.1 O3的卫星反演

星载探测主要分为天底观测、掩星观测和临边观测。天底观测可测得O3总量,其他2种观测可探测O3廓线; 掩星观测具有垂直分辨率高、精度高等优势,但其采样频率低,从而导致数据量少; 临边可探测红外和微波波段,可实现全天候采样。近些年来已发射了基于不同原理和谱段观测的卫星来探测O3,例如美国国家航空航天局(NASA)在2004年发射的Aura卫星搭载的臭氧监测仪(Ozone Monitoring Instrument, OMI)利用紫外谱段观测来获得O3信息,Aqua卫星搭载的大气红外探测仪(Atomospheric Infrared Souder, AIRS)和Suomi-NPP卫星搭载的高光谱分辨率红外探测仪(Cross-track Infrared Sounder, CrIS)主要利用热红外通道进行O3反演。紫外谱段观测可以获得整层O3信息,但是垂直方向信息量(自由度)较少; 红外探测仪垂直分辨能力较强,但对底层大气O3信息不敏感。

O3天体观测技术主要包括紫外O3总量反演算法、星载热红外O3廓线反演方法两大类。紫外O3总量反演算法包括紫外太阳后向散射反演算法[24]和差分吸收光谱方法(Differential Optical Absorption Spectroscopy,DOAS)[25]。紫外太阳后向散射反演算法是根据O3在不同紫外波段的吸收差异来反演大气O3总量。DOAS算法是根据传感器的高光谱特性,利用吸收波段的多个观测值来获得O3总量。搭载在Suomi-NPP卫星的O3测绘剖面仪(Ozone Mapping Profiler Suite,OMPS)采用紫外太阳后向散射反演算法反演得到的O3总量与地基O3总量误差<1%[26]。但是紫外O3总量的反演易受到吸收线温度依赖性、吸收线波段相关性、地表反射率、地表气压、气溶胶散射、环吸收光谱、O3浓度廓线和云量等因素的影响。

星载热红外O3廓线反演方法主要包括统计模型和物理反演方法。统计模型一般包括基于经验正交函数的回归方法[27]和神经网络方法[28]2种。物理反演算法通常会考虑大气正向模式,利用先验知识对解约束,再采用牛顿迭代等方法得到解。Divakarla[29]将反演的AIRS O3廓线和O3柱浓度与探空数据和OMI的O3含量进行对比验证,结果显示O3反演值在平流层和对流层的误差<20%,柱总量的误差<4%,均方根误差为8%。Bowman等[30]和Kulawik等[31]利用强约束的Levenberg-Marquardt方法对对流层发射光谱仪(Tropospheric Emission Spectrometer,TES)进行O3廓线反演,同时Kulawik还提出了基于Tikhonov约束来反演对流层O3。Nassar等[32]基于全球O3探空数据对TES O3廓线的官方产品进行了验证,TES O3产品在对流层的误差<0.004 7 mg/m3。针对CrIS卫星数据,Mapf等[33]利用高斯牛顿非线性模型对O3廓线进行反演,并且将反演结果与O3探空数据对比发现平流层的反演误差<10%,对流层上层误差<5%,对流层中层的误差在30%左右。

为了提高对流层O3的信息自由度,近些年学者提出了紫外和热红外联合最优化反演模型。星载热红外O3廓线反演存在对流层不确定性大的问题,而且在反演过程中温湿廓线误差会影响到辐射量和O3的权重函数,进而影响O3廓线的反演精度。具有O3及其前体物探测能力的传感器见表 1

表 1 具有O3及其前体物探测能力的卫星传感器
传感器 卫星平台 发射时间 时间分辨率/d 空间分辨率/km2 反演算法
EMI 高分五号(GF5) 2018-05 1 13×48 O3柱总量 DOAS
NO2对流层柱总量 DOAS
HCHO柱总量 DOAS
OMI Aura 2004-10 1 13×24 O3柱总量 TOMS/DOAS
NO2对流层柱总量 DOAS
HCHO柱总量 DOAS
C2H2O2柱总量 DOAS
AIRS Aqua 2002-08 1 14×14 O3廓线 最优化算法(SVD)
TES Aura 2004-10 16 0.5×5 O3廓线 最优化算法(LM)
GOME II Metop-A 2006-10 1.5 80×40 O3柱总量 DOAS
40×40 NO2对流层柱总量 DOAS
Metop-B 2012-09 1.5 (2013-07之后) HCHO柱总量 DOAS
OMPS Suomi-NPP 2011-10 1 50×50 O3柱总量 DOAS
CrIS Suomi-NPP 2011-10 1 14×14 O3廓线 最优化方法
IASI Metop-A 2006-10 1.5 80×40 O3廓线 最优化方法
Metop-B 2012-09
TROPOMI S5P 2017-10 1 7×3.5 O3柱总量 DOAS
NO2对流层柱总量 DOAS
HCHO柱总量 DOAS

1.2 NOX和VOCs的卫星反演

从观测光谱范围(紫外-可见光-红外)和观测几何(天底-掩星-临边)角度而言,紫外-可见光波段的天底观测方式对边界层的大气成分相对敏感[34]。因此可用于集中在边界层内的NOx和VOCs的探测。目前主要包括对流层NO2、HCHO、C2H2O2。各大气成分在紫外-可见光范围内的吸收谱段见图 1[34]

图 1 几种大气成分的紫外-可见波段光谱吸收特征

自1995年搭载在ERS-2卫星上的GOME传感器发射以来,紫外-可见传感器不仅能提供平流层的O3信息,还为研究全球范围的对流层化学和污染提供了有价值的数据。且随着仪器的探测能力稳步提升,如提高信噪比、光谱分辨率和空间分辨率。新一代仪器能力不断增强,如TROPOMI传感器,能提供(7×3.5)km2空间分辨率的对流层O3前体物浓度和空间分布信息。此外,国产高光谱载荷也有了新的突破,高分5号卫星于2018年5月12日发射成功。搭载在高分5号卫星上的紫外-可见光星下点传感器——大气环境差分吸收光谱仪(EMI)也具有了对对流层痕量气体的探测能力[35],这对我国传感器的发展具有重要的里程碑意义。除了仪器的发展,以往的科学研究在反演算法更新、卫星产品验证等方面也做了大量的工作,提高了卫星数据的应用潜力。现介绍对流层O3前体物反演理论的基本概念,重点关注卫星对O3前体物探测的能力与局限性。

1.2.1 NO2的卫星反演

中国东部地区是全球典型的NOx排放的热点区域。卫星反演的NO2作为NOx的代表,广泛应用于NOx排放量的估算。NO2在大气中的寿命短,主要集中在排放源附近。受人为源排放的影响,NO2的高值集中在城市和工业区。国内外研究学者利用DOAS反演算法,基于多源传感器广泛开展了NO2的算法研究[36-40],通常采用的拟合窗口为405~465 nm。国内学者针对中国地区的高气溶胶背景,对NO2对流层产品的大气质量因子(AMF)做了局地优化,提高了产品在中国地区的精度和适用性[41-43]。通过将多源传感器(包括:GOME,SCIAMACHY,GOME2)的产品同化,生成长达21年(1996-04—2017-09)的上午星对流层NO2产品集[44],对比发现不同传感器的NO2产品具有较好的一致性。通常情况下,对流层NO2有相对较高的反演精度,斜柱浓度(SCD)的误差约为0.8×1015 molecules/cm2[45],误差主要来自于光谱拟合过程。AMF的误差为30%~80%,其误差主要与计算AMF的各种外部参数的使用有关[46-47]

1.2.2 HCHO的卫星反演

相较于NO2,HCHO的反演难度较大。如图 1所示,HCHO的吸收特征主要分布在320~360 nm光谱范围内。该区间内在短波长处受到O3的强干扰,在长波长处受到O4的强干扰,在整个吸收范围内,HCHO吸收截面与氧化溴(BrO)吸收截面强相关。除了干扰成分强且复杂增加了HCHO的反演难度之外,紫外波段还受到瑞利散射的影响,该影响与波长的4次方成反比,较可见光波段影响更大,从而阻碍了到达大气底层的太阳辐射。而HCHO在大气中的寿命更短(<1.5 h),其浓度主要集中在大气底层。综上所述,利用紫外波段的传感器提取HCHO的信息难度大,对噪声敏感,不确定性显著。已有的HCHO反演算法也证明了这一点[16, 48-49],但是随着传感器信噪比的提升,更多影响因素的定量化考虑,HCHO产品的精度也在不断提升,现阶段,HCHO单像元反演的绝对精度可达(7~12)×1015 molecules/cm2,相对精度为100%~300%[49]。随机误差是单像元HCHO结果不确定性的主要来源,通过空间和时间平均,可降低随机误差,提高反演精度。Wang等[50]的验证结果表明,在香河站附近,卫星观测结果与地面观测MAX-DOAS观测在月均值尺度上的相关性R2 = 0.60。但是在日尺度上,由于HCHO的日变化剧烈及显著的随机误差,卫星观测与地面观测即使在无云条件下相关性也较差。因此,HCHO卫星产品的应用受其单日观测精度的限制,不能在原始的空间分辨率上提供有效的日变化信息。

1.2.3 C2H2O2的卫星反演

C2H2O2是大气中最小的二羰基化合物,也是许多不饱和挥发性有机物的氧化产物。使得C2H2O2对拟合参数设置及仪器校准误差(波长校正等)和强吸收剂干扰高度敏感。C2H2O2的反演难度较HCHO更大,其在大气中的浓度较HCHO小1个数量级,且在反演光谱范围内受到NO2、水汽的强干扰,反演不确定性更大。目前国际上对C2H2O2的研究尚不成熟,没有业务化的反演产品发布,仅有部分研究性质的产品来定量化全球C2H2O2的空间分布[51-53]。其产品被用来验证化学传输模型中源的缺失[54],约束“自上而下”的非甲烷挥发性有机物(NMVOCs)排放清单的建立[55]等。Miller等[56]的研究表明,我国长三角地区是全球C2H2O2分布的热点区域,主要与该区域人为源芳香烃的排放有关。Wang等[57]分析了对流层NO2对C2H2O2反演的影响,提出了适用于高浓度NO2背景下的C2H2O2反演算法,而且更适用于我国的大气背景。现阶段,C2H2O2单像元的随机误差在(1~2)×1015 molecules/cm2的量级。与HCHO产品类似,其单日产品精度受随机噪声影响,难以提供可信的日变化信息。

1.3 传输对区域O3生成风险的影响分析

O3在大气中的寿命长。传输是区域O3贡献的重要来源之一,尤其是当气流来自高污染地区,如生物质燃烧等。Zhou等[58]发现,华南地区对流层O3浓度增强与季风传输带来的香港地区人为源和生物质燃烧源污染物有关。Wang等[59]的研究发现广西地区春季对流层O3和HCHO浓度的高值与来自东南亚的生物质燃烧区的污染气团传输有关。此外,城市地区生产的高浓度O3,伴随着气团老化,使得下游背景地区O3浓度增加,同时由于背景地区NO浓度低,NO对O3的滴定作用弱,导致背景地区O3高于城市地区[10]。卫星可观测到由于区域传输造成的O3本身及O3前体物浓度的增加,可为区域传输造成的O3生成风险起到一定的指示作用。但是由于缺乏足够的O3及其前体物的垂直廓线信息,且HCHO在大气中的转化较为复杂,难以定量评估和分离传输、局地化学生成对O3的贡献。深入的定量分析还需要借助模式和大量的地基廓线资料。

2 O3生成风险遥感分析

在有光照的条件下,NO2和VOCs都是O3的前体物,O3生成对其二者具有非线性的响应关系。O3光化学反应生成机制见图 2,绿色为ROx循环,红色为NOx循环[60]。根据O3生成的敏感性,可将O3的生成分为NOx控制区(NOx相对较低,VOCs含量相对较高),O3随着NOx的增加而增加,对VOCs增加反应不敏感。在VOCs控制区(NOx相对较高,VOCs含量相对较低),O3生成对VOCs含量的变化敏感(http://101.96.10.63/www-personal.umich.edu/~sillman/Sillman-webOZONE.pdf) [12, 60]

图 2 O3光学化学反应生成机制示意

有多种比值指标可以对O3生成的化学反应区进行判定。其中包括VOCs/NOx、O3/(NO+NO2)、O3/(NOy)、H2O2/HNO3、H2O2/(O3+HNO3)、HCHO/NO2。Wei等[61]利用WRF-Chem模型模拟分析了北京郊区石油化工园区的VOCs排放对近地面O3生成的影响。结果证明目前对石油工业园区VOCs减排30%的环保政策,会造成北京某些区域O3的增加,因为这些区域处于NOx控制区。采用的指标是模式模拟的H2O2与HNO3的比值。Duncan等[12]提出可以利用卫星观测的HCHO与NO2的比值(FNR),判定对流层O3生成的主导因子,FNR<1对应VOCs控制区,FNR>2对应NOx控制区,1 < FNR < 2对应过渡区。FNR具有明显的时空分布特征,受排放控制和前体物季节变化的影响。Jin等[62]分析了2005—2013年的FNR变化导致的O3生成光化学反应区的变化。Liu等[63]利用FNR分析了2015年“阅兵”与2014年“APEC”两大重大活动期间,执行了严格的排放控制措施之后,O3浓度随O3前体物浓度相矛盾的变化,体现了考虑O3的光化学反应区对O3浓度控制的重要作用。

以长三角重点城市群2012—2016年夏季(6—8月份)FNR空间分布示意图为例说明O3光化学反应区随时间的变化情况,见图 3(a)(b)(c)(d)(e)。其中NO2和HCHO数据均为OMI传感器的季均值产品,空间分辨率为0.25°。可以看出FNR在时间和空间上都有较大的变化,指示O3光化学反应区的变化。整体上,受2012年之后NOx排放量下降的影响,过渡区(1 < FNR < 2)所占的面积比重呈下降的趋势,并伴随着转为NOx控制区,至2016年,长三角地区除上海周边地区外,基本处于NOx控制区,表征该区域O3的光化学反应生成对大气中NOx含量的变化更为敏感。对应的,在研究O3防控政策制定时,要结合区域O3前体物的实际情况,制定针对性的减排措施。

图 3 2012—2016年长三角城市群夏季FNR空间分布

3 结论与展望

经过国内外研究学者50余年的努力,卫星传感器的仪器设计和反演技术都得到了进一步的发展,使得利用光学遥感手段监测对流层中各种大气成分的浓度成为可能。即使对难以探测的痕量气体,如HCHO,C2H2O2等也有了探测能力,可提供定量化的时空分布信息。总体上,利用卫星观测的前体物信息,可以指示O3生成的光化学反应区及其时空变化,并为O3防控政策的制定提供有价值的参考依据。另一方面,卫星高空间覆盖数据,可提供O3及其前体物在源区及传输路径上的分布信息,对分析传输区域O3的生成有积极意义。

理论上,卫星在空间覆盖上有地基站点无法比拟的优势,卫星可以从紫外和热红外两方面对O3进行探测,紫外谱段观测可以获得整层O3信息,红外谱段可获得O3的垂直分布信息。不足之处是紫外垂直方向信息量(自由度)较少; 而红外谱段对底层大气O3信息不敏感。卫星对对流层O3的探测能力尚需要依赖传感器和反演算法进一步提升。根据现阶段的技术水平,需要多种方案来提高对大气底层的探测能力。如紫外与红外相融合的方法,提高对流层O3廓线反演的信息量和自由度; 建立卫星观测的前体物、气象因素与近地面站点O3浓度的统计模型,对近地面O3浓度进行预测的方法。

需要注意的是,卫星观测产品的不确定性,对于充分利用数据,如数据同化,及利用卫星数据估算排放,估算近地面浓度,分析近地面O3生成的光化学反应区等至关重要,需根据误差传播原理分析卫星产品的不确定性。目前,受限于HCHO和C2H2O2反演的不确定性,仍难以提供逐日的FNR信息。因O3的变化具有明显的季节特征和日变化特征,月均值尺度上的FNR信息可用但不够精细。该方面还有待传感器和反演技术的进一步发展。

参考文献
[1]
CHOI Y, SOURI A H. Seasonal behavior and long-term trends of tropospheric ozone, its precursors and chemical conditions over Iran: A view from space[J]. Atmospheric Environment, 2015, 106: 232-240. DOI:10.1016/j.atmosenv.2015.02.012
[2]
刘建, 吴兑, 范绍佳, 等. 前体物与气象因子对珠江三角洲臭氧污染的影响[J]. 中国环境科学, 2017, 37(3): 813-820.
[3]
沈劲, 陈多宏, 蒋斌, 等. 粤东北地区臭氧与前体物关系[J]. 环境科学与技术, 2018, 41(9): 90-95.
[4]
CHOI Y, KIM H, TONG D, et al. Summertime weekly cycles of observed and modeled NOx and O3 concentrations as a function of satellite-derived ozone production sensitivity and land use types over the Continental United States[J]. Atmospheric Chemistry and Physics, 2012, 12(14): 6291-6307. DOI:10.5194/acp-12-6291-2012
[5]
CHOI Y, SOURI A H. Chemical condition and surface ozone in large cities of Texas during the last decade: Observational evidence from OMI, CAMS, and model analysis[J]. Remote Sensing of Environment, 2015, 168: 90-101. DOI:10.1016/j.rse.2015.06.026
[6]
DAVID L M, NAIR P R. Tropospheric column O3 and NO2 over the Indian region observed by Ozone Monitoring Instrument (OMI): Seasonal changes and long-term trends[J]. Atmospheric Environment, 2013, 65: 25-39. DOI:10.1016/j.atmosenv.2012.09.033
[7]
DUFOUR G, EREMENKO M, CUESTA J, et al. Springtime daily variations in lower-tropospheric ozone over east Asia: the role of cyclonic activity and pollution as observed from space with IASI[J]. Atmospheric Chemistry and Physics, 2015, 15(18): 10839-10856. DOI:10.5194/acp-15-10839-2015
[8]
WANG W N, CHENG T H, GU X F, et al. Assessing spatial and temporal patterns of observed ground-level Ozone in China[J]. Scientific Reports, 2017, 7(1): 3651. DOI:10.1038/s41598-017-03929-w
[9]
WANG T, XUE L, BRIMBLECOMBE P, et al. Ozone pollution in China: A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 2016, 575: 1582.
[10]
XU J, MA J Z, ZHANG X L, et al. Measurements of ozone and its precursors in Beijing during summertime: impact of urban plumes on ozone pollution in downwind rural areas[J]. Atomospheric Chemistry and Physics, 2011, 11(23): 12241-12252. DOI:10.5194/acp-11-12241-2011
[11]
GAO W, TIE X X, XU J M, et al. Long-term trend of O-3 in a mega City (Shanghai), China: Characteristics, causes, and interactions with precursors[J]. Science of the Total Environment, 2017, 603: 425-433.
[12]
DUNCAN B N, YOSHIDA Y, OLSON J R, et al. Application of OMI observations to a space-based indicator of NOx and VOC controls on surface ozone formation[J]. Atmospheric Environment, 2010, 44(18): 2213-2223. DOI:10.1016/j.atmosenv.2010.03.010
[13]
DUNCAN B N, LAMSAL L N, THOMPSON A M, et al. A space‐based, high‐resolution view of notable changes in urban NOx pollution around the world (2005—2014)[J]. Journal of Geophysical Research Atmospheres, 2016, 121(2).
[14]
ZHANG L, LEE C S, ZHANG R, et al. Spatial and temporal evaluation of long term trend (2005—2014) of OMI retrieved NO2 and SO2 concentrations in Henan Province, China[J]. Atmospheric Environment, 2017, 154: 151-166. DOI:10.1016/j.atmosenv.2016.11.067
[15]
SOURI A H, CHOI Y, JEON W, et al. Remote sensing evidence of decadal changes in major tropospheric ozone precursors over East Asia[J]. Journal of Geophysical Research-Atmospheres, 2017, 122(4): 2474-2492. DOI:10.1002/2016JD025663
[16]
DE SMEDT I, STAVRAKOU T, HENDRICK F, et al. Diurnal, seasonal and long-term variations of global formaldehyde columns inferred from combined OMI and GOME-2 observations[J]. Atmospheric Chemistry and Physics, 2015, 15(8): 12241-12300.
[17]
PEARCE W, HOLMBERG K, HELLSTEN I, et al. Climate Change on Twitter: Topics, Communities and Conversations about the 2013 IPCC Working Group 1 Report[J]. Plos One, 2014, 9(4): 1-31.
[18]
VANICEK K. Differences between ground Dobson, Brewer and satellite TOMS-8, GOME-WFDOAS total ozone observations at Hradec kralove, Czech[J]. Atmospheric Chemistry and Physics, 2006, 6(12): 5163-5171. DOI:10.5194/acp-6-5163-2006
[19]
王庚辰. 我国大气臭氧探测技术的进展现状[J]. 地球科学进展, 1991(6): 31-36.
[20]
SMIT H G J, STRAETER W, JOHNSON B J, et al. Assessment of the performance of ECC-ozonesondes under quasi-flight conditions in the environmental simulation chamber: Insights from the Juelich Ozone Sonde Intercomparison Experiment (JOSIE)[J]. J Geophys Res-Atmos, 2007, 112(D19).
[21]
TARASICK D W, DAVIES J, ANLAUF K, et al. Laboratory investigations of the response of Brewer-Mast ozonesondes to tropospheric ozone[J]. J Geophys Res-Atmos, 2002, 107(D16).
[22]
BIAN J C, PAN L L, PAULIK L, et al. In situ water vapor and ozone measurements in Lhasa and Kunming during the Asian summer monsoon[J]. Geophys Res Lett, 2012, 39(19): 19808.
[23]
TERAO Y, LOGAN J A. Consistency of time series and trends of stratospheric ozone as seen by ozonesonde, SAGE Ⅱ, HALOE, and SBUV(/2)[J]. J Geophys Res-Atmos, 2007, 112(D6): D06310.
[24]
BHARTIA P K, MCPETERS R D, FLYNN L E, et al. Solar Backscatter UV (SBUV) total ozone and profile algorithm[J]. Atmos Meas Tech, 2013, 6(10): 2533-2548. DOI:10.5194/amt-6-2533-2013
[25]
VEEFKIND J P, DE HAAN J R, BRINKSMA E J, et al. Total ozone from the Ozone Monitoring Instrument (OMI) using the DOAS technique[J]. Ieee T Geosci Remote, 2006, 44(5): 1239-1244. DOI:10.1109/TGRS.2006.871204
[26]
BAI K X, LIU C S, SHI R H, et al. Comparison of Suomi-NPP OMPS total column ozone with Brewer and Dobson spectrophotometers measurements[J]. Front Earth Sci-Prc, 2015, 9(3): 369-380. DOI:10.1007/s11707-014-0480-5
[27]
QU Y N, GOLDBERG M D, DIVAKARLA M. Ozone profile retrieval from satellite observation using high spectral resolution infrared sounding instrument[J]. Adv Atmos Sci, 2001, 18(5): 959-971. DOI:10.1007/BF03403516
[28]
MULLER M D, KAIFEL A, WEBER M, et al. Neural network scheme for the retrieval of total ozone from Global Ozone Monitoring Experiment data[J]. Appl Optics, 2002, 41(24): 5051-5058. DOI:10.1364/AO.41.005051
[29]
DIVAKARLA M, BARNET C, GOLDBERG M, et al. Evaluation of Atmospheric Infrared Sounder ozone profiles and total ozone retrievals with matched ozonesonde measurements, ECMWF ozone data, and Ozone Monitoring Instrument retrievals[J]. J Geophys Res-Atmos, 2008, 113(D15).
[30]
BOWMAN K W, RODGERS C D, KULAWIK S S, et al. Tropospheric emission spectrometer: Retrieval method and error analysis[J]. Ieee T Geosci Remote, 2006, 44(5): 1297-1307. DOI:10.1109/TGRS.2006.871234
[31]
KULAWIK S S, OSTERMAN G, JONES D B A, et al. Calculation of altitude-dependent Tikhonov constraints for TES nadir retrievals[J]. Ieee T Geosci Remote, 2006, 44(5): 1334-1342. DOI:10.1109/TGRS.2006.871206
[32]
NASSAR R, LOGAN J A, WORDEN H M, et al. Validation of Tropospheric Emission Spectrometer (TES) nadir ozone profiles using ozonesonde measurements[J]. J Geophys Res-Atmos, 2008, 113(D15).
[33]
MA P F, CHEN L F, WANG Z T, et al. Ozone Profile Retrievals From the Cross-Track Infrared Sounder[J]. Ieee Transactions on Geoscience and Remote Sensing, 2016, 54(7): 3985-3994. DOI:10.1109/TGRS.2016.2532353
[34]
GONZALEZ ABAD G, SOURI A H, BAK J, et al. Five decades observing Earth's atmospheric trace gases using ultraviolet and visible backscatter solar radiation from space[J/OL]. Journal of Quantitative Spectroscopy and Radiative Transfer.http://doi.org10.1016/j.jqst.2019.04.030, 2019-04-23.
[35]
ZHAO M J, SI F Q, ZHOU H J, et al. Preflight calibration of the Chinese Environmental Trace Gases Monitoring Instrument (EMI)[J]. Atmospheric Measurement Techniques, 2018, 11(9): 5403-5419. DOI:10.5194/amt-11-5403-2018
[36]
BOERSMA K F, ESKES H J, DIRKSEN R J, et al. An improved tropospheric NO2 column retrieval algorithm for the Ozone Monitoring Instrument[J]. Atmospheric Measurement Techniques, 2011, 4(9): 1905-1928. DOI:10.5194/amt-4-1905-2011
[37]
ZARA M, BOERSMA K F, DE SMEDT I, et al. Improved slant column density retrieval of nitrogen dioxide and formaldehyde for OMI and GOME-2A from QA4ECV: intercomparison, uncertainty characterisation, and trends[J]. Atmospheric Measurement Techniques, 2018, 11(7): 4033-4058. DOI:10.5194/amt-11-4033-2018
[38]
GEFFEN J H G M V, BOERSMA K F, ESKES H J, et al. TROPOMI ATBD of the total and tropospheric NO2 data products[J]. De Bilt:KNMI, 2016.
[39]
BOERSMA K F, ESKES H J, RICHTER A, et al. Improving algorithms and uncertainty estimates for satellite NO2 retrievals: results from the quality assurance for the essential climate variables (QA4ECV) project[J]. Atmos Meas Tech, 2018, 11(12): 6651-6678. DOI:10.5194/amt-11-6651-2018
[40]
韩冬.基于差分光学吸收光谱技术的对流层二氧化氮卫星遥感反演研究[D].北京: 中国科学院遥感与数字地球研究所, 2010. http://www.irgrid.ac.cn/handle/1471x/823621
[41]
LIN J T, MARTIN R V, BOERSMA K F, et al. Retrieving tropospheric nitrogen dioxide from the Ozone Monitoring Instrument: effects of aerosols, surface reflectance anisotropy, and vertical profile of nitrogen dioxide[J]. Atmospheric Chemistry and Physics, 2014, 14(3): 1441-1461. DOI:10.5194/acp-14-1441-2014
[42]
LIN J T, LIU M Y, XIN J Y, et al. Influence of aerosols and surface reflectance on satellite NO2 retrieval: seasonal and spatial characteristics and implications for NOx emission constraints[J]. Atmospheric Chemistry and Physics, 2015, 15(8): 12653-12714.
[43]
LIU M, LIN J, BOERSMA K F, et al. Improved aerosol correction for OMI tropospheric NO2 retrieval over East Asia: constraint from CALIOP aerosol vertical profile[J]. Atmos Meas Tech, 2019, 12(1): 1-21. DOI:10.5194/amt-12-1-2019
[44]
GEORGOULIAS A K, VAN DER A R J, STAMMES P, et al. Trends and trend reversal detection in 2 decades of tropospheric NO2 satellite observations[J]. Atmos Chem Phys, 2019, 19(9): 6269-6294. DOI:10.5194/acp-19-6269-2019
[45]
MARCHENKO S, KROTKOV N A, LAMSAL L N, et al. Revising the slant column density retrieval of nitrogen dioxide observed by the Ozone Monitoring Instrument[J]. Journal of Geophysical Research-Atmospheres, 2015, 120(11): 5670-5692. DOI:10.1002/2014JD022913
[46]
LORENTE A, BOERSMA K F, YU H, et al. Structural uncertainty in air mass factor calculation for NO2 and HCHO satellite retrievals[J]. Atmospheric Measurement Techniques, 2017, 10(3): 759-782. DOI:10.5194/amt-10-759-2017
[47]
BUCSELA E J, KROTKOV N A, CELARIER E A, et al. A new stratospheric and tropospheric NO2 retrieval algorithm for nadir-viewing satellite instruments: applications to OMI[J]. Atmospheric Measurement Techniques, 2013, 6(10): 2607-2626. DOI:10.5194/amt-6-2607-2013
[48]
DE SMEDT I, MüLLER J-F, STAVRAKOU T, et al. Twelve years of global observations of formaldehyde in the troposphere using GOME and SCIAMACHY sensors[J]. Atmospheric Chemistry and Physics, 2008, 8(16): 4947-4963. DOI:10.5194/acp-8-4947-2008
[49]
DE SMEDT I, THEYS N, YU H, et al. Algorithm theoretical baseline for formaldehyde retrievals from S5P TROPOMI and from the QA4ECV project[J]. Atmospheric Measurement Techniques, 2018, 11(4): 2395-2426. DOI:10.5194/amt-11-2395-2018
[50]
WANG Y P, WANG Z F, YU C, et al. Validation of OMI HCHO Products Using MAX-DOAS observations from 2010 to 2016 in Xianghe, Beijing: Investigation of the Effects of Aerosols on Satellite Products[J]. Remote Sensing, 2019, 11(2): 21.
[51]
MILLER C C, ABAD G G, WANG H, et al. Glyoxal retrieval from the Ozone Monitoring Instrument[J]. Atmospheric Measurement Techniques, 2014, 7(11): 3891-3907. DOI:10.5194/amt-7-3891-2014
[52]
ALVARADO L M A, RICHTER A, VREKOUSSIS M, et al. An improved glyoxal retrieval from OMI measurements[J]. Atmospheric Measurement Techniques, 2014, 7(12): 5559-5599.
[53]
WITTROCK F, RICHTER A, OETJEN H, et al. Simultaneous global observations of glyoxal and formaldehyde from space[J]. Geophysical Research Letters, 2006, 33(16): 5.
[54]
LIU Z, WANG Y H, VREKOUSSIS M, et al. Exploring the missing source of glyoxal (CHOCHO) over China[J]. Geophysical Research Letters, 2012, 39: L10812.
[55]
CAO H, FU T M, ZHANG L, et al. Adjoint inversion of Chinese non-methane volatile organic compound emissions using space-based observations of formaldehyde and glyoxal[J]. Atmospheric Chemistry and Physics, 2018, 18(20): 15017-15046. DOI:10.5194/acp-18-15017-2018
[56]
MILLER C C, JACOB D J, ABAD G G, et al. Hotspot of glyoxal over the Pearl River delta seen from the OMI satellite instrument: implications for emissions of aromatic hydrocarbons[J]. Atmospheric Chemistry and Physics, 2016, 16(7): 4631-4639. DOI:10.5194/acp-16-4631-2016
[57]
WANG Y P, TAO J H, CHENG L X, et al. A retrieval of glyoxal from OMI over China: Investigation of the effects of tropospheric NO2[J]. Remote Sensing, 2019, 11(2): 19.
[58]
ZHOU D, DING A, MAO H, et al. Impacts of the East Asian monsoon on lower tropospheric ozone over coastal South China[J]. Environmental Research Letters, 2013, 8(4): 575-591.
[59]
WANG Y P, YU C, TAO J H, et al. Spatio-temporal characteristics of tropospheric ozone and its precursors in Guangxi, South China[J]. Atmosphere, 2018, 9(9): 19.
[60]
WANG T, XUE L, BRIMBLECOMBE P, et al. Ozone pollution in China: A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 2017, 575: 1582-1596. DOI:10.1016/j.scitotenv.2016.10.081
[61]
WEI W, LV Z F, LI Y, et al. A WRF-Chem model study of the impact of VOCs emission of a huge petro-chemical industrial zone on the summertime ozone in Beijing, China[J]. Atmospheric Environment, 2018, 175: 44-53. DOI:10.1016/j.atmosenv.2017.11.058
[62]
JIN X, HOLLOWAY T. Spatial and temporal variability of ozone sensitivity over China observed from the Ozone Monitoring Instrument[J]. Journal of Geophysical Research Atmospheres, 2015, 120(14): 7229-7246. DOI:10.1002/2015JD023250
[63]
LIU H R, LIU C, XIE Z Q, et al. A paradox for air pollution controlling in China revealed by "APEC Blue" and "Parade Blue"[J]. Scientific Reports, 2016(6): 34408.