注册 登录 English Version
空气污染卫星遥感 | 浏览量 : 0 下载量: 221 CSCD: 0 更多指标

  • 导出

  • 分享

  • 收藏

  • 专辑

    • GF-5 EMI观测新冠疫情期间全球典型地区NO2柱浓度变化

    • Tropospheric NO2 changes in global typical regions during the COVID-19 pandemic from GF-5 EMI observations

    • 程良晓

      12 ，

      陶金花

      2 ，

      王雅鹏

      34 ，

      余超

      2 ，

      林军

      1 ，

      陈良富

      25
    • 2023年27卷第8期 页码：1807-1820   

      纸质出版日期： 2023-08-07 ，

    • DOI： 10.11834/jrs.20231787     

    扫 描 看 全 文

  • 引用

    阅读全文PDF

  • 程良晓，陶金花，王雅鹏，余超，林军，陈良富.2023.GF-5 EMI观测新冠疫情期间全球典型地区NO2柱浓度变化.遥感学报，27（8）： 1807-1820 DOI： 10.11834/jrs.20231787.
    Cheng L X，Tao J H，Wang Y P，Yu C，Lin J and Chen L F. 2023. Tropospheric NO2 changes in global typical regions during the COVID-19 pandemic from GF-5 EMI observations. National Remote Sensing Bulletin， 27（8）：1807-1820 DOI： 10.11834/jrs.20231787.
  •  
  •  
    论文导航

    摘要

    中国“高分五号”（GF-5）卫星上搭载的痕量气体差分吸收光谱仪（EMI）是第一台设计用于大气痕量气体的探测的高光谱载荷。本文首次基于EMI NO2观测结果分析全球NO2污染典型区域在新冠疫情期间的NO2浓度变化情况。结果表明EMI载荷捕捉到了2020年1—3月，中国东部（-13.6%）、欧洲（-10.2%）、伊朗（-7.9%）和韩国（-13%）等大部分地区NO2柱浓度区域均值的明显下降趋势。不论是同年封锁前后的比较，还是2020年封锁期间与2019年同期的比较，都能够看到EMI NO2柱浓度明显的下降。NO2柱浓度下降的主要原因是疫情期间采取的限制性措施导致的交通和工业活动排放大幅减少。EMI NO2观测结果与国际同类成熟载荷OMI和TROPOMI观测结果的相关性大于0.97，在区域和城市尺度上EMI与OMI和TROPOMI的平均相对差异分别小于13%和9%。本研究结果体现了EMI在全球NO2污染变化监测的能力和实际应用价值，为中国后续痕量气体探测载荷的研制和应用提供参考。

    译

    Abstract

    The novel coronavirus (COVID-19) has been declared a global pandemic in December 2019. To curb the spread of the virus, countries and regions around the world have adopted lockdown measures, which resulted in sharp reductions in their social and economic activities and significantly reduced the concentration of pollutants in their atmosphere. The environmental trace gases monitoring instrument (EMI) onboard the Chinese GaoFen-5 (GF-5) satellite is the first hyperspectral sensor designed for monitoring atmospheric trace gases. This study analyzed the tropospheric nitrogen dioxide (NO2) changes in typical global areas during the COVID-19 pandemic based on EMI NO2 observations. To evaluate the application potential of EMI NO2, this study compared the emission reductions monitored by EMI NO2 with that monitored by OMI and TROPOMI NO2 products. Eastern China, Europe, Iran, and South Korea were selected as the main research areas. The study period covered January 1 to March 31 in 2019 and 2020 and was divided into multiple sub-windows according to the differences in the outbreak and lockdown times in these regions. The comparison of regional-time-averaged EMI NO2 in 2019 and 2020 reveals that the EMI captured obvious NO2 reduction trends in most areas of Eastern China (-13.6%), Europe (-10.2%), Iran (-7.9%), and South Korea (-13%) from January 1 to March 24. The average relative deviation of EMI NO2 reduction percentage from OMI and TROPOMI is less than 12.3% in Eastern China and 13% in Europe. The EMI NO2 significantly decreased before and after lockdowns in the same year or in the same period between these two years. To further evaluate the quantitative expression ability of EMI in urban-scale NO2 emission reduction, the emission reductions of EMI NO2 in several typical cities were calculated and compared with OMI and TROPOMI. The NO2 reductions from EMI are highly consistent with those from OMI and TROPOMI. The averaged relative differences between EMI and OMI (TROPOMI) in the regional and urban scales are less than 13% and 9%, respectively. In addition to GF-5, the hyperspectral observation satellite (GF-5B) launched on September 7, 2021 and the atmospheric environment monitoring satellite (DQ1) launched on April 16, 2022 are also equipped with an EMI sensor. Preliminary results show that these satellites have good data quality and a detection capability comparable with that of GF-5(01) EMI. Other satellites that are planned to be launched, such as high-precision greenhouse gas detection satellite (DQ2) and GF-5 replacement satellite (GF501A), will also be equipped with an EMI sensor to continue monitoring polluting gases in the world and to provide a new source of data for global pollution monitoring. This study assesses the ability and practical application value of EMI in global NO2 monitoring and provides a reference for the development and application of similar instruments.

    译

    关键词

    遥感; 高分五号; EMI; OMI; TROPOMI; NO2反演; 新冠疫情; NO2减排

    译

    Keywords

    remote sensing; GF-5; EMI; OMI; TROPOMI; NO2 retrieval; COVID-19; NO2 reduction

    译

    1　引言

    受新型冠状病毒（COVID-19）的影响，2019年12月起，全球已有210个国家报告超过1亿3千万确诊病例，报告死亡人数超过297万人（http：//webgiscovid19.beyond-eocenter.eu/index.php［2021-08-19］）（

    Kanniah等，2020）。为切断病毒传播途径，世界各国和地区采取了前所未有的公共卫生应对措施。疫情初期，中国果断采取了包括居家办公、严禁集会、延长春节假期、停工停产、关闭跨省巴士服务等最严厉的防控措施。这些紧急应对措施有效降低了新冠肺炎疫情在中国的蔓延速度，有效控制了中国疫情规模（Tian等，2020）。随着病毒的传播，世界其他国家也逐步开始封锁措施，一系列的封锁措施导致社会和经济活动急剧减少甚至短暂中断，却显著降低了大气中污染物的浓度。
    译

    二氧化氮（NO2）是全球许多城市和工业区的主要空气质量污染物之一，主要排放源是工业活动和交通运输（

    Sillman等，1990）。生态环境部地面监测站点的观测数据显示，疫情爆发后的第一个月（2020-01-26—2020-02-25），全国NO2浓度相较于历史均值降低了40%（Wang和Zhang，2020）。除了地面观测仪器之外，覆盖紫外和可见光波段的卫星传感器同样具有大气中NO2柱浓度的监测能力。基于臭氧探测仪OMI（Ozone Monitoring Instrument）的观测结果揭示了中国地区在疫情后的复工复产时期的大气NO2浓度变化（陶金花 等，2020）。NASA基于对流层臭氧探测仪TROPOMI（TROPOspheric Monitoring Instrument）的观测结果发布报告指出，疫情期间中国的NO2浓度显著下降；随着封锁措施的结束和经济活动的恢复，空气污染水平逐渐恢复到同期正常水平。
    译

    除中国地区外，OMI和TROPOMI卫星观测的NO2数据集同样广泛应用于世界范围内疫情前后NO2变化的评估。OMI载荷观测到印度疫情期间的NO2排放比多年历史同期平均下降17%（

    Metya等，2020）。TROPOMI观测到欧洲地区最高有85%的NO2减排（Virghileanu等，2020）；意大利罗马城市地区和乡村地区分别有43%和17%的NO2减排；8个印度大型城市有平均46%的NO2减排（Siddiqui等，2020）；美国佛罗里达州2020年3月上旬到3月底NO2减排54.07%（Karaer等，2020）。
    译

    NO2的卫星遥感监测可追溯到1995年欧空局发射的全球臭氧探测仪GOME（Global Ozone Monitoring Experiment）（

    Burrows等，1999），其空间分辨率为320 km×40 km，经过近30年的发展，痕量气体探测载荷的空间分辨率不断提高（Veefkind等，2012），且已经有了非常广泛的应用（Levelt等，2018）。为了使中国NO2等污染气体的卫星探测不再过分依赖于国外载荷，2018年中国发射了高分五号（GF-5）卫星，其上搭载的痕量气体差分吸收光谱仪（EMI）是中国第一台具备痕量气体监测功能的高光谱载荷（Zhao等，2018；Zhang等，2018）。然而，现有基于GF-5 EMI数据的研究主要集中在对O3（闫欢欢 等，2019；Qian等，2021）、NO2（Cheng等，2019；Zhang等，2020）、SO2（Xia等，2021）和HCHO（王雅鹏 等，2021）等痕量气体的的反演算法探索和反演结果验证两个方面，在反演结果的实际应用方面的研究还比较匮乏。产品应用方面的研究主要集中在NO2，如对华北平原地区（赵冉 等，2021）和珠三角地区（王肖汉 等，2021）的NO2时空分布变化特征分析，以及研究澳大利亚火灾与NO2排放之间的关系（杨东上 等，2021）。为了进一步挖掘中国EMI载荷的应用潜力，本研究基于EMI NO2反演结果，以新冠疫情期间为切入点，进一步研究其在污染物变化监测方面的应用能力。
    译

    2　数据与方法

    2.1　数据介绍

    为了评价EMI NO2的应用效果，本研究使用OMI和TROPOMI 载荷的NO2产品来与EMI NO2监测到的减排情况进行对比。EMI、OMI和TROPOMI等3个载荷都是二维CCD，通过推扫的方式获取光谱数据，主要区别在于星下点空间分辨率不同。它们过境时间接近，降交点地方时都在13：30左右。因此，OMI和TROPOMI产品是可以用来与EMI对比的理想数据源。

    译

    EMI载荷具有4个光谱通道，其中VIS1通道的光谱范围是401—550 nm，光谱分辨率为0.3—0.5 nm。已有的研究结果表明，EMI VIS1通道1级观测数据的光谱定标精度小于0.03 nm，辐射定标精度与OMI和TROPOMI的平均偏差小于13.2%，其光谱数据可以用于NO2的反演（

    程良晓 等，2021b）。本研究采用的EMI NO2对流层数据集产品是中国科学院空天信息创新研究院大气遥感团队生产的，其斜柱浓度（SCD）拟合方法采用光学厚度拟合，拟合阶数为5阶，参考光谱采用2018年6月12日观测的辐照度（Cheng等，2019）。EMI NO2反演算法通过STREAM方法估算平流层NO2浓度（Beirle等，2016），实现平流层对流层分离。对流层大气质量因子（AMF）计算采用逐层计算NO2散射权重函数的方法（Boersma等，2004），先验NO2垂直廓线取自TM5-MP模式。反演结果的验证表明，EMI NO2产品与OMI和TROPOMI NO2产品在月均尺度的空间一致性大于0.9，且与地基MAX-DOAS观测结果之间的相关性为0.96（程良晓 等，2021a）。
    译

    OMI载荷具有3个光谱通道，覆盖光谱范围270—500 nm，其可见光波段光谱范围365—500 nm可用于NO2反演。本研究使用的OMI NO2对流层数据集是NASA团队生产的，版本号为OMNO2A-v2（

    van Geffen等，2015），其斜柱浓度（SCD）反演采用强度拟合方法，拟合阶数为2阶，参考光谱采用月均辐照度光谱（Marchenko等，2015）。OMI NO2产品的对流层平流层分离是通过“修改的参考区域”方法实现的，对流层AMF计算时的NO2廓线来自大气化学模式GMI的输出（Bucsela等，2013）。近期的产品验证工作表明，OMI NO2产品与航空机载设备观测结果的相关性高达0.87（Choi等，2020）。
    译

    TROPOMI载荷具有覆盖紫外—可见—近红外—短波红外光谱范围的7个光谱通道，其中第4通道的光谱范围是405—500 nm可以用于NO2的反演。本研究采用的TROPOMI NO2产品为业务版本（offline）的对流层数据集，其SCD拟合方法为光学厚度拟合，拟合阶数为5阶，采用每日观测的辐照度进行拟合（

    van Geffen等，2018）。TROPOMI NO2的对流层平流层分离是通过TM5-MP化学传输模式的数据同化来实现的，对流层AMF计算时的NO2廓线同样来自该模式。卫星发射后的验证表明，TROPOMI NO2产品与航空机载设备观测结果的相关性高达0.86（Griffin等，2019）。
    译

    2.2　研究方法

    本文选择中国东部地区（20°N—45°N；105°E—124°E）、欧洲地区（35°N—55°N；0°E—25°E）、伊朗地区（23°N—42°N；42°E—65°E）和韩国地区（30°N—45°N；120°E—135°E）作为主要研究对象。整个研究时段覆盖2019年和2020年的1月1日—3月31日。根据不同地区疫情爆发时间和疫情防控开始时间的差异，将研究时段划分为多个子窗口（图1）。

    译

    fig

    图1  不同区域疫情子窗口的划分

    Fig. 1  The division of sub-windows in different regions

    icon 下载:  原图 | 高精图 | 低精图

    中国东部地区的研究时段划分为5段：1月1日—1月23日是封锁前；1月24日—2月2日是封锁初期，同时也是2020年春节假期期间，这一阶段NO2浓度的变化受疫情和春节假期共同影响；2月4日—2月10日是封锁中期，同时也是2019年春节假期期间；2月11日—3月24日是封锁后期；3月25日—3月31日是解封后，多数城市处于陆续复工复产状态。

    译

    在欧洲地区，受疫情影响严重的国家意大利从2月23日起对伦巴第、米兰附近和威尼托的11个小城镇进行封锁，政府3月4日下令在全国范围内封锁学校。因此，将欧洲地区的研究时段划分为4段：2月15日—2月22日是封锁前；2月23日—2月29日是封锁初期，同时也是2020年狂欢节期间，这一阶段NO2浓度的变化可能受二者共同影响；3月1日—3月7日是封锁中期，同时也是2019年狂欢节期间；3月8日—3月13日是封锁后期。

    译

    伊朗于2020年2月20日出现病例，政府2月23日下令关闭学校，并于3月3日限制公众集会。因此，将伊朗地区研究时段划分为3段：2月1日—2月22日是封锁前；3月5日—3月20日是封锁初期；3月21日—3月31日是封锁中期，同时也是2020年诺鲁孜节。

    译

    韩国报道首个新冠确诊病例是在2020年1月20日，随后于2月23日发布了最高级别的卫生警报，并要求避免不必要的旅行。因此，将韩国地区的研究时段划分为3段：2月1日—2月22日是封锁前；2月23日—3月21日是封锁初期；3月22日—3月31日是封锁后期。

    译

    在计算减排量时，为了避免3个载荷NO2反演算法差异的影响，本研究采用2020年与2019年的相对差异作为评价指标。在进行数据处理时，EMI数据选择云量小于0.3的像元，OMI数据选择云量小于0.3且不受行异常影响的像元，TROPOMI数据选择云量小于0.3且数据质量标志大于0.75的像元。

    译

    3　结果与分析

    3.1　区域尺度

    图2展示了EMI NO2观测结果在2020疫情期间（1月1日—3月24日）的均值、2019年同期均值以及两者之间差值的全球分布情况。从图2（a）、（b）可以看出NO2高值区主要分布在中国东部地区、朝鲜半岛、印度东北部、中东地区、欧洲地区以及美国东部地区。从图2（c）可以看出，新冠疫情期间上述NO2高值区的NO2浓度都有下降的趋势。表1汇总了EMI、OMI和TROPOMI共3个载荷在中国东部地区、韩国、欧洲、印度和伊朗观测到的NO2下降幅度。从较大的空间尺度和较长的时间尺度来看，EMI观测到的NO2下降幅度与国际同类载荷表现出较好的一致性，其中，EMI的下降幅度在中国东部地区和伊朗地区与OMI的相对偏差小于1%，在印度地区与TROPOMI的相对偏差小于1%。表2进一步统计了不同区域在不同时段的NO2下降幅度及EMI与其他两个载荷的相对差异。

    译

    fig
    icon 下载:  | 高精图 | 低精图

    图 2  疫情期间EMI NO2均值空间分布

    Fig. 2  Spatial distribution of time averaged EMI NO2

    表 1  1月1日至3月24日期间不同区域的NO2减排情况及EMI与其他两个载荷的相对差异
    Table 1  NO2 reduction percentage from January 1 to March 24 in different regions and the relative difference between EMI and OMI/TROPOMI ( % )
    区域EMIOMITROPOMIabs（（EMI-OMI）/OMI）abs（（EMI-TROPOMI）/TROPOMI）
    中国东部 -13.6 -13.5 -12.5 0.6 8.2
    欧洲 -10.2 -11.9 -11.9 14.1 14.2
    伊朗 -7.9 -7.8 -6.7 0.3 16.8
    韩国 -13.0 -12.4 -13.4 4.4 3.0
    印度 -9.4 -9.9 -9.3 5.1 0.6
    icon 下载:  导出CSV icon 下载:  下载表格图片
    表 2  不同区域不同时段的NO2减排情况
    Table 2  NO2 reduction percentage at different time period in different regions ( % )
    区域载荷封锁前封锁中解封后
    封锁初期封锁中期封锁后期
    中国东部地区 EMI -9.8 -23.5 -13.4 -13.1 -12.8
    OMI -10.3 -20.1 -10.9 -14.1 -11.8
    TROPOMI -9.3 -21.7 -14.4 -12.5 -14.9
    欧洲 EMI -19.1 -14.6 -7.3 -8.0 —
    OMI -18.0 -13.8 -6.0 -6.9
    TROPOMI -16.1 -13.3 -8.8 -8.0
    伊朗 EMI -7.6 -9.6 -9.7 — —
    OMI -7.2 -9.2 -7.2
    TROPOMI -7.7 -8.9 -9.1
    韩国 EMI -11.9 -14.7 — -15.4 —
    OMI -11.1 -14.7 -14.2
    TROPOMI -12.6 -15.4 -15.4
    icon 下载:  导出CSV icon 下载:  下载表格图片

    中国东部地区是全球典型的NO2高值区，同时也是NO2排放研究的热点地区。已有研究表明，随着中国应对大气污染措施的执行，中国东部地区NO2浓度自2010年开始缓慢下降（

    Georgoulias等，2019；Zheng等，2018）。另一方面，由于“节日效应”的影响，大气中NO2的浓度在春节期间下降，然后在春节结束后的一个月缓慢上升（Tan等，2009）。此外，在中国也有短时排放控制措施显著改善区域空气质量的先例，如2008年北京奥运会期间（Mijling等，2009；Witte等，2009）、2014年APEC期间和2015年阅兵期间（Liu等，2016）NO2浓度较历史同期有明显的下降。
    译

    图3展示了中国东部区域疫情前后EMI NO2柱浓度空间分布变化，从空间分布图上可以看出，2020年封锁前的污染水平与2019年基本持平，NO2高值区基本覆盖了京津冀、山东半岛、长三角和珠三角。由于封锁初期与2020年春节假期重合，导致EMI NO2区域均值相比2019年同期迅速下降（-23.5%）；与此同时，TROPOMI和OMI NO2区域均值分别下降21.7%和20.1%。2020年封锁中期的NO2空间分布与封锁初期类似，由于2019年同期正值春节假期，因此这一阶段的EMI NO2区域均值相比2019年同期下降不明显（-13.4%）；同时TROPOMI和OMI NO2的区域均值分别下降14.4%和10.9%。这一阶段的减排特征从一定程度上表明，由于疫情封锁导致的NO2减排效果高于春节假期“节日效应”的影响。2019年春节后，受“节日效应”的影响NO2浓度在之后两周内（2月11日—2月25日）迅速回升。在疫情封锁和延长春节假期相关政策的共同作用下，2020年2月中旬疫情得到有效控制，封锁后期的EMI NO2浓度相比于封锁中期尽管有所上升，却依然明显低于2019年同期（区域均值下降13.1%）；同时，这一时段TROPOMI和OMI NO2也分别表现出12.5%和14.1%的下降。随着2020年3月底疫情得到显著缓解，全国大部分地区陆续复工复产，解封后EMI NO2浓度相比于封锁后期进一步上升，但还是明显低于2019年同期（区域均值下降12.8%）；TROPOMI（-14.9%）和OMI（-11.8%）NO2在这一时期也都表现出下降。卫星观测到的中国东部地区NO2浓度下降也得到了地面观测的验证，地面观测结果的分析表明，2020年3月中国近地面NO2浓度相比2019年同期降低26%（

    Wang等，2021）；疫情期间京津冀地区的NO2浓度降低16.9%（赵雪 等，2021）。
    译

    fig
    icon 下载:  | 高精图 | 低精图

    图 3  EMI观测中国东部区域疫情前后NO2柱浓度空间分布变化

    Fig. 3  Spatial distribution of EMI NO2 VCD during different phases of COVID-19 epidemic in eastern China

    图4展示了欧洲地区疫情前后EMI NO2柱浓度空间分布变化。对比图4（b）和（f）可以看出，2020年2月最后一周，由于疫情封锁和狂欢节假期的共同影响，EMI NO2区域均值大幅减少（-14.6%），同一时期OMI和TROPOMI NO2区域均值分别减少13.8%和13.3%。2020年疫情封锁中期正值2019年狂欢节，EMI NO2区域均值有一定程度的下降（-7.3%），这一时段OMI和TROPOMI NO2区域均值分别下降6%和8.8%。疫情封锁后期，EMI、OMI和TROPOMI等3个载荷NO2区域均值较2019年同期分别下降8%，6.9%和8%。

    译

    fig
    icon 下载:  | 高精图 | 低精图

    图4  EMI观测欧洲区域疫情前后NO2柱浓度空间分布变化

    Fig. 4  Spatial distribution of EMI NO2 VCD during different phases of COVID-19 epidemic in Europe

    图5展示了伊朗疫情前后EMI NO2柱浓度空间分布变化，从图5上可以看出，封锁前期伊朗典型污染城市的NO2下降趋势并不明显，EMI NO2区域均值下降7.6%，同时OMI和TROPOMI NO2分别下降7.2%和7.9%。2020年3月4日至20日封锁初期，EMI NO2区域均值表现出较为明显的下降（-14.8%），同一时期，OMI和TROPOMI NO2区域均值分别下降了9.2%和8.9%。伊朗封锁初期的减排程度明显低于其他几个地区，可能是因为伊朗没有实施全面封锁，只是倡议人们呆在家里（

    Bauwens等，2020）。对比图5（c）和（f）可以看出，伊朗地区EMI NO2在封锁中期相比2019年同期也有一定程度的下降（9.7%），同一时期OMI和TROPOMI NO2的减排分别为7.2%和9.1%。此外，诺鲁孜节假期的起始和结束日期在2019年和2020年相同，因此，2020年相比2019年同期NO2柱浓度的下降侧面反应了疫情封锁对空气质量改善的贡献（Broomandi等，2020）。
    译

    fig
    icon 下载:  | 高精图 | 低精图

    图5  EMI观测伊朗疫情前后NO2柱浓度空间分布变化

    Fig. 5  Spatial distribution of EMI NO2 VCD during different phases of COVID-19 epidemic in Iran

    图6展示了朝鲜半岛疫情前后EMI NO2柱浓度空间分布变化。尽管韩国的居家和封锁措施大多是自愿执行，但是对比图6（b）和（e）可以看出，封锁初期的EMI NO2区域均值相比于2019年同期有较为明显的降低（-14.7%），同时，OMI和TROPOMI NO2区域均值的下降幅度分别为14.7%和15.4%。在疫情封锁后期，韩国的NO2区域均值相比2019年同期也有较为明显的下降，EMI、OMI和TROPOMI这3个载荷的下降百分比分别为15.4%、14.2%和15.4。卫星观测到的朝鲜半岛疫情期间的NO2减排与地面站点观测数据的分析结果（-20.41%）比较接近（

    Ju等，2021）。
    译

    fig
    icon 下载:  | 高精图 | 低精图

    图 6  EMI观测朝鲜半岛疫情前后NO2柱浓度空间分布变化

    Fig. 6  Spatial distribution of EMI NO2 VCD during different phases of COVID-19 epidemic in Korea

    3.2　城市尺度

    为进一步评估EMI NO2在城市尺度NO2减排的定量表达能力，分别计算EMI NO2在若干典型城市的减排量并与OMI和TROPOMI进行比较。在计算减排量时，空间范围选择城市中心经纬度100 km范围内，时间范围选择起始日期及其之后的20天；首先计算每日NO2空间均值，然后分别计算2020年与2019年目标时间段内的均值，最后计算相对差异。

    译

    表3列出了本研究所涉及的城市名、城市中心经纬度、起始时间、3个载荷的减排量和EMI与OMI（TROPOMI）的相对差异。从表3中可以看出，受封锁影响，中国城市的EMI NO2平均下降量均超过33%，其中济南降幅高达50%以上。在欧洲，意大利米兰和威尼斯的EMI NO2均值在2020年封锁期间（2月23日—3月13日）比2019年同期降低42.4%和17.8%。随着疫情在欧洲的扩散，西班牙、意大利、法国和德国陆续实施了封锁措施，与2019年同期相比，在西班牙马德里（-21.4%）和巴塞罗那（-17.9%）、法国巴黎（-19.7%）和比利时布鲁塞尔（-17.2%）都能够看到NO2明显的下降。在伊朗的两个典型城市NO2浓度都有8%左右的降幅。韩国城市大邱和首都首尔的EMI NO2也分别表现出29%和38%的下降。3个载荷在所选择的典型城市都监测到疫情封锁期间的NO2减排，图7展示了EMI与OMI和TROPOMI的一致性对比，在城市尺度EMI NO2减排量与OMI和TROPOMI的相关性分别为0.97和0.98，EMI NO2减排量与OMI和TROPOMI的平均相对差异分别为8.5%和5.4%。

    译

    表3  不同城市的NO2减排情况及EMI与其他两个载荷的相对差异
    Table 3  NO2 reduction percentage in different cities and the relative difference between EMI and OMI/TROPOMI
    城市纬度/°N经度/°E起始日期EMI/%OMI/%TROPOMI/%（EMI-OMI）/OMI/%（EMI-TROPOMI）/TROPOMI/%
    北京 39.9 116.4 02-11 -27.7 -30.2 -27.0 8.5 2.3
    大连 38.9 121.6 02-11 -27.0 -31.1 -27.0 13.1 0.2
    东莞 23 113.7 02-11 -21.8 -25.6 -22.3 14.8 1.8
    佛山 38.9 121.6 02-11 -27.0 -31.1 -27.0 13.1 0.2
    广州 23.1 113.3 02-11 -36.3 -25.6 -35.1 41.7 3.2
    济南 36.7 117 02-11 -57.2 -59.8 -54.2 4.3 5.5
    青岛 36.1 120.4 02-11 -39.1 -41.1 -43.1 4.7 9.1
    沈阳 41.8 123.4 02-11 -38.8 -40.5 -40.9 4.4 5.2
    天津 39.1 117.2 02-11 -25.1 -23.6 -25.5 6.1 1.6
    西安 34.3 109 02-11 -29.7 -28.4 -30.2 4.7 1.5
    郑州 34.8 113.6 02-11 -42.2 -37.9 -41.5 11.3 1.9
    米兰 45.5 9.2 02-23 -42.4 -41.4 -41.8 2.4 1.5
    威尼斯 45.4 12.3 02-23 -17.8 -17.9 -17.5 0.6 1.8
    马德里 40.4 3.7 02-23 -21.4 -22.6 -20.3 5.7 5.2
    巴塞罗那 41.4 2.2 02-23 -17.9 -20.2 -16.3 11.7 9.9
    巴黎 48.8 2.4 02-23 -19.7 -19.9 -19.1 1.4 2.9
    布鲁塞尔 50.9 4.4 02-23 -17.2 -15.9 -18.2 8.0 5.6
    法兰克福 50.1 8.7 02-23 -25.1 -24.6 -27.4 2.3 8.5
    汉堡 53.6 10 02-23 -7.9 -7.6 -7.8 2.9 1.2
    德黑兰 35.7 51.4 03-04 -8.5 -9.6 -8.9 11.1 4.6
    伊斯法罕 32.7 51.7 03-04 -8.0 -6.7 -8.5 19.0 6.5
    大邱 35.9 128.6 02-23 -29.2 -28.1 -21.8 3.8 34.1
    首尔 37.6 127 02-23 -38.6 -38.3 -42.6 0.7 9.5
    icon 下载:  导出CSV icon 下载:  下载表格图片
    fig
    icon 下载:  | 高精图 | 低精图

    图7  EMI城市尺度NO2减排量与OMI和TROPOMI的对比

    Fig. 7  EMI NO2 reduction in different cities compare with OMI/TROPOMI

    进一步基于EMI数据从城市尺度分析典型城市疫情期间的时间序列变化情况。图8分别给出了北京、西班牙巴塞罗那、伊朗德黑兰和韩国首尔4个典型城市疫情期间EMI NO2浓度变化图。从时间序列上看，北京在疫情封锁初期较2019年同期平均下降41%，在疫情封锁中期下降14%。西班牙巴塞罗那在封锁初期相比2019年同期NO2浓度大幅减少。需要注意的是，2020年封锁中期的NO2浓度相比封锁初期呈现下降趋势，然而，2019年封锁中期的NO2浓度相比封锁初期呈现出上升趋势（如图8（a）黑色实线与红色实线所示），这一现象表明疫情封锁对NO2减排的影响要大于狂欢节假期。2020年封锁后期相比封锁中期NO2浓度有所上升，但是明显低于2019年同期。从3月4日至3月24日，2020年德黑兰NO2柱浓度相比2019年同期减少了19.69%。韩国首尔NO2柱浓度在2月23日—3月21日相比2019年同期降低32%。此外，注意到封锁前阶段，2020年较2019年也有明显的降低，这可能与气象条件和区域污染物的传输有关。

    译

    fig
    icon 下载:  | 高精图 | 低精图

    图8  典型城市在2019与2020年1月1日—3月31日期间EMI NO2浓度变化时序

    Fig. 8  The time series of EMI NO2 density from January 1st to March 31st， 2019 and 2020

    4　结论

    本文以中国东部地区、欧洲、伊朗和韩国等全球NO2高值区为研究对象，基于EMI观测NO2结果从全球角度探讨了NO2浓度在疫情期间不同阶段的变化。在较大的空间尺度上看，EMI NO2观测到的不同区域在不同时间段的减排与OMI和TROPOMI都有较好的一致性。在中国东部地区，EMI NO2的减排百分比与OMI和TROPOMI的平均相对偏差小于12.3%。在欧洲地区，EMI减排百分比与OMI和TROPOMI的平均相对偏差小于13%。在城市尺度，EMI能够监测到很多典型城市疫情封锁期间的NO2减排现象，且减排比例与OMI和TROPOMI也有很好的一致性。EMI NO2在中国大连和佛山等城市观测到的减排比例与TROPOMI的相对差异仅有0.2%，在意大利威尼斯和韩国首尔等城市观测到的减排比例与OMI仅有0.6%—0.7%的相对差异。综合所有城市，EMI与OMI和TROPOMI的平均相对差异分别为8.5%和5.4%。本研究结果展示了EMI在监测全球NO2动态变化的能力，体现了EMI载荷的实际应用价值。

    译

    疫情防控期间NO2浓度的降低主要是防控措施导致的交通源排放降低引起的，此外还与工业活动水平降低导致的工业源排放下降有关（

    乐旭 等，2020）。本文从不同的空间尺度和不同的时间尺度上将EMI NO2观测到的减排与国际成熟的同类载荷OMI和TROPOMI进行比较，3个载荷观测到的结果虽然在趋势上是一致的，但是也存在一定的差异，造成差异的原因从主到次可能分别是：（1）反演算法的差异；（2）载荷空间分辨率的差异；（3）OMI载荷行异常的影响；（4）有效反演天数。
    译

    除GF-5之外，中国2021年9月7日发射的高光谱观测卫星（GF-5B）上同样搭载了EMI载荷，目前正处于在轨测试阶段，初步测试结果表明该载荷数据质量良好，能获得与GF-5（01）EMI载荷相当的探测能力。此外，中国计划发射的大气环境监测卫星、高精度温室气体探测卫星、高分五号替代卫星等卫星也都将搭载具备痕量气体探测能力的高光谱载荷，同时具备临边散射探测能力，有望进一步延续和提升中国乃至全球的NO2等污染气体的监测和探测能力，为全球污染监测提供新的数据源。本文的研究结果展示了EMI NO2观测结果的应用潜力，为后续EMI系列载荷的设计和应用提供参考。

    译

    致谢

    致谢:本研究使用的OMI和TROPOMI数据来自美国戈达德地球科学数据和信息服务中心（Goddard Earth Sciences（GES）Data and Information Services Center（DISC）），在此表示感谢！

    参考文献（References）

    Bauwens M, Compernolle S, Stavrakou T, Müller J F, van Gent J, Eskes H, Levelt P F, van der A R, Veefkind J P, Vlietinck J, Yu H and Zehner C. 2020. Impact of coronavirus outbreak on NO2 pollution assessed using TROPOMI and OMI observations. Geophysical Research Letters, 47(11): e2020GL087978 [DOI: 10.1029/2020gl087978] [百度学术] 

    Beirle S, Hörmann C, Jöckel P, Liu S, de Vries M P, Pozzer A, Sihler H, Valks P and Wagner T. 2016. The STRatospheric Estimation Algorithm from Mainz (STREAM): estimating stratospheric NO2 from nadir-viewing satellites by weighted convolution. Atmospheric Measurement Techniques, 9(7): 2753-2779 [DOI: 10.5194/amt-9-2753-2016] [百度学术] 

    Boersma K F, Eskes H J and Brinksma E J. 2004. Error analysis for tropospheric NO2 retrieval from space. Journal of Geophysical Research: Atmospheres, 109(D4): D04311 [DOI: 10.1029/2003JD003962] [百度学术] 

    Broomandi P, Karaca F, Nikfal A, Jahanbakhshi A, Tamjidi M and Kim J R. 2020. Impact of COVID-19 event on the air quality in iran. Aerosol and Air Quality Research, 20(8): 1793-1804 [DOI: 10.4209/aaqr.2020.05.0205] [百度学术] 

    Bucsela E J, Krotkov N A, Celarier E A, Lamsal L N, Swartz W H, Bhartia P K, Boersma K F, Veefkind J P, Gleason J F and Pickering K E. 2013. A new stratospheric and tropospheric NO2 retrieval algorithm for nadir-viewing satellite instruments: applications to OMI. Atmospheric Measurement Techniques, 6(10): 2607-2626 [DOI: 10.5194/amt-6-2607-2013] [百度学术] 

    Burrows J P, Weber M, Buchwitz M, Rozanov V, Ladstätter-Weiβenmayer A, Richter A, DeBeek R, Hoogen R, Bramstedt K, Eichmann K U, Eisinger M and Perner D. 1999. The global ozone monitoring experiment (GOME): mission concept and first scientific results. Journal of the Atmospheric Sciences, 56(2): 151-175 [DOI: 10.1175/1520-0469(1999)056<0151:TGOMEG>2.0.CO;2] [百度学术] 

    Cheng L X, Tao J H, Valks P, Yu C, Liu S, Wang Y P, Xiong X Z, Wang Z F and Chen L F. 2019. NO2 retrieval from the environmental trace gases monitoring instrument (EMI): preliminary results and intercomparison with OMI and TROPOMI. Remote Sensing, 11(24): 3017 [DOI: 10.3390/rs11243017] [百度学术] 

    Cheng L X, Tao J H, Yu C, Zhang Y, Fan M, Wang Y P, Chen Y L, Zhu L L, Gu J B and Chen L F. 2021a. Tropospheric NO2 column density retrieval from the GF-5 EMI data. National Remote Sensing Bulletin, 25(11): 2313-2325 [百度学术] 

    程良晓, 陶金花, 余超, 张莹, 范萌, 王雅鹏, 陈元琳, 朱莉莉, 顾坚斌, 陈良富. 2021a. 高分五号大气痕量气体差分吸收光谱仪对流层NO2柱浓度遥感反演研究. 遥感学报, 25(11): 2313-2325 [DOI: 10.11834/jrs.20210303] [百度学术] 

    Cheng L X, Tao J H, Zhou H J, Yu C, Fan M, Wang Y P, Wang Z B and Chen L F. 2021b. Evaluations of environmental trace gases monitoring instrument (EMI) level 1 data. Spectroscopy and Spectral Analysis, 41(12): 3881-3886 [百度学术] 

    程良晓, 陶金花, 周海金, 余超, 范萌, 王雅鹏, 王志宝, 陈良富. 2021b. 星载痕量气体差分吸收光谱仪1级数据质量评价. 光谱学与光谱分析, 41(12): 3881-3886 [DOI: 10.3964/j.issn.1000-0593(2021)12-3881-06] [百度学术] 

    Choi S, Lamsal L N, Follette-Cook M, Joiner J, Krotkov N A, Swartz W H, Pickering K E, Loughner C P, Appel W, Pfister G, Saide P E, Cohen R C, Weinheimer A J and Herman J R. 2020. Assessment of NO2 observations during DISCOVER-AQ and KORUS-AQ field campaigns. Atmospheric Measurement Techniques, 13(5): 2523-2546 [DOI: 10.5194/amt-13-2523-2020] [百度学术] 

    Georgoulias A K, van der A R J, Stammes P, Boersma K F and Eskes H J. 2019. Trends and trend reversal detection in 2 decades of tropospheric NO2 satellite observations. Atmospheric Chemistry and Physics, 19(9): 6269-6294 [DOI: 10.5194/acp-19-6269-2019] [百度学术] 

    Griffin D, Zhao X Y, McLinden C A, Boersma F, Bourassa A, Dammers E, Degenstein D, Eskes H, Fehr L, Fioletov V, Hayden K, Kharol S K, Li S M, Makar P, Martin R V, Mihele C, Mittermeier R L, Krotkov N, Sneep M, Lamsal L N, Linden M T, Geffen J V, Veefkind P and Wolde M. 2019. High-resolution mapping of nitrogen dioxide with TROPOMI: first results and validation over the canadian oil sands. Geophysical Research Letters, 46(2): 1049-1060 [DOI: 10.1029/2018gl081095] [百度学术] 

    Ju M J, Oh J and Choi Y H. 2021. Changes in air pollution levels after COVID-19 outbreak in Korea. Science of the Total Environment, 750: 141521 [DOI: 10.1016/j.scitotenv.2020.141521] [百度学术] 

    Kanniah K D, Zaman N A F K, Kaskaoutis D G and Latif M T. 2020. COVID-19’s impact on the atmospheric environment in the Southeast Asia region. Science of the Total Environment, 736: 139658 [DOI: 10.1016/j.scitotenv.2020.139658] [百度学术] 

    Karaer A, Balafkan N, Gazzea M, Arghandeh R and Ozguven E E. 2020. Analyzing COVID-19 impacts on vehicle travels and daily nitrogen dioxide (NO2) levels among florida counties. Energies, 13(22): 6044 [DOI: 10.3390/en13226044] [百度学术] 

    Levelt P F, Joiner J, Tamminen J, Veefkind J P, Bhartia P K, Zweers D C S, Duncan B N, Streets D G, Eskes H, Van Der A R, McLinden C, Fioletov V, Carn S, De Laat J, DeLand M, Marchenko S, McPeters R, Ziemke J, Fu D J, Liu X, Pickering K, Apituley A, Abad G G, Arola A, Boersma F, Miller C C, Chance K, De Graaf M, Hakkarainen J, Hassinen S, Ialongo I, Kleipool Q, Krotkov N, Li C, Lamsal L, Newman P, Nowlan C, Suleiman R, Tilstra L G, Torres O, Wang H Q and Wargan K. 2018. The Ozone Monitoring Instrument: overview of 14 years in space. Atmospheric Chemistry and Physics, 18(8): 5699-5745 [DOI: 10.5194/acp-18-5699-2018] [百度学术] 

    Liu H R, Liu C, Xie Z Q, Li Y, Huang X, Wang S S, Xu J and Xie P H. 2016. A paradox for air pollution controlling in China revealed by “APEC Blue” and “Parade Blue”. Scientific Reports, 6: 34408 [DOI: 10.1038/srep34408] [百度学术] 

    Marchenko S, Krotkov N A, Lamsal L N, Celarier E A, Swartz W H and Bucsela E J. 2015. Revising the slant column density retrieval of nitrogen dioxide observed by the Ozone Monitoring Instrument. Journal of Geophysical Research: Atmospheres, 120(11): 5670-5692 [DOI: 10.1002/2014JD022913] [百度学术] 

    Metya A, Dagupta P, Halder S, Chakraborty S and Tiwari Y K. 2020. COVID-19 lockdowns improve air quality in the South-East Asian regions, as seen by the remote sensing satellites. Aerosol and Air Quality Research, 20(8): 1772-1782 [DOI: 10.4209/aaqr.2020.05.0240] [百度学术] 

    Mijling B, van der A R J, Boersma K F, Van Roozendael M, De Smedt I and Kelder H M. 2009. Reductions of NO2 detected from space during the 2008 Beijing Olympic Games. Geophysical Research Letters, 36(13): L13801 [DOI: 10.1029/2009gl038943] [百度学术] 

    Qian Y Y, Luo Y H, Si F Q, Zhou H J, Yang T P, Yang D S and Xi L. 2021. Total ozone columns from the environmental trace gases monitoring instrument (EMI) using the DOAS method. Remote Sensing, 13(11): 2098 [DOI: 10.3390/rs13112098] [百度学术] 

    Siddiqui A, Halder S, Chauhan P and Kumar P. 2020. COVID-19 pandemic and city-level nitrogen dioxide (NO2) reduction for urban centres of India. Journal of the Indian Society of Remote Sensing, 48(7): 999-1006 [DOI: 10.1007/s12524-020-01130-7] [百度学术] 

    Sillman S, Logan J A and Wofsy S C. 1990. The sensitivity of ozone to nitrogen oxides and hydrocarbons in regional ozone episodes. Journal of Geophysical Research: Atmospheres, 95(D2): 1837-1851 [DOI: 10.1029/JD095iD02p01837] [百度学术] 

    Tan P H, Chou C, Liang J Y, Chou C C K and Shiu C J. 2009. Air pollution “holiday effect” resulting from the Chinese New Year. Atmospheric Environment, 43(13): 2114-2124 [DOI: 10.1016/j.atmosenv.2009.01.037] [百度学术] 

    Tao J H, Fan M, Gu J B and Chen L F. 2020. Satellite observations of the return-to-work over China during the period of COVID-19. National Remote Sensing Bulletin, 24(7): 824-836 [百度学术] 

    陶金花, 范萌, 顾坚斌, 陈良富. 2020. 新冠病毒疫情期间复工复产卫星遥感监测. 遥感学报, 24(7): 824-836 [DOI: 10.11834/jrs.20200098] [百度学术] 

    Tian H Y, Liu Y H, Li Y D, Wu C H, Chen B, Kraemer M U G, Li B Y, Cai J, Xu B, Yang Q Q, Wang B, Yang P, Cui Y J, Song Y M, Zheng P, Wang Q Y, Bjornstad O N, Yang R F, Grenfell B T, Pybus O G and Dye C. 2020. An investigation of transmission control measures during the first 50 days of the COVID-19 epidemic in China. Science, 368(6491): 638-642 [DOI: 10.1126/science.abb6105] [百度学术] 

    van Geffen J H G M, Boersma K F, Van Roozendael M, Hendrick F, Mahieu E, De Smedt I, Sneep M and Veefkind J P. 2015. Improved spectral fitting of nitrogen dioxide from OMI in the 405-465 nm window. Atmospheric Measurement Techniques, 8(4): 1685-1699 [DOI: 10.5194/amt-8-1685-2015] [百度学术] 

    van Geffen J H G M, Eskes H J, Boersma K F, Veefkind J P. 2018. TROPOMI ATBD of the total and tropospheric NO2 data products. In. De Bilt, the Netherlands: Royal Netherlands Meteorological Institute (KNMI). [百度学术] 

    Veefkind J P, Aben I, McMullan K, Förster H, de Vries J, Otter G, Claas J, Eskes H J, De Haan J F, Kleipool Q, Van Weele M, Hasekamp O, Hoogeveen R, Landgraf J, Snel R, Tol P, Ingmann P, Voors R, Kruizinga B, Vink R, Visser H and Levelt P F. 2012. TROPOMI on the ESA Sentinel-5 Precursor: a GMES mission for global observations of the atmospheric composition for climate, air quality and ozone layer applications. Remote Sensing of Environment, 120: 70-83 [DOI: 10.1016/j.rse.2011.09.027] [百度学术] 

    Virghileanu M, Săvulescu I, Mihai B A, Nistor C and Dobre R. 2020. Nitrogen dioxide (NO2) pollution monitoring with Sentinel-5P satellite imagery over europe during the coronavirus pandemic outbreak. Remote Sensing, 12(21): 3575 [DOI: 10.3390/rs12213575] [百度学术] 

    Wang X H, Xu Y Z, Zhang C X, Wu Y, Sun Z P and Liu C. 2021. Spatial-temporal variation of tropospheric NO2 concentration in Pearl River Delta based on EMI observations. Journal of Atmospheric and Environmental Optics, 16(3): 197-206 [百度学术] 

    王肖汉, 徐翼洲, 张成歆, 吴跃, 孙中平, 刘诚. 2021. 基于EMI观测的珠三角地区对流层NO2柱浓度时空变化特征分析. 大气与环境光学学报, 16(3): 197-206 [DOI: 10.3969/j.issn.1673-6141.2021.03.004] [百度学术] 

    Wang X Y and Zhang R H. 2020. How did air pollution change during the COVID-19 outbreak in China?. Bulletin of the American Meteorological Society, 101(10): E1645-E1652 [DOI: 10.1175/bams-d-20-0102.1] [百度学术] 

    Wang Y P, Tao J H, Cheng L X, Yu C, Fan M, Zhang Y, Chen Y L, Zhu L L, Gu J B and Chen L F. 2021. Feasibility analysis and preliminary results of formaldehyde retrieval based on environmental trace gases monitoring instrument onboard GF-5 satellite. National Remote Sensing Bulletin, 25(10): 2040-2052 [百度学术] 

    王雅鹏, 陶金花, 程良晓, 余超, 范萌, 张莹, 陈元琳, 朱莉莉, 顾坚斌, 陈良富. 2021. 高分五号大气痕量气体差分吸收光谱仪甲醛反演可行性分析及初步结果. 遥感学报, 25(10): 2040-2052 [DOI: 10.11834/jrs.20210302] [百度学术] 

    Wang Z, Uno I, Yumimoto K, Itahashi S, Chen X S, Yang W Y and Wang Z F. 2021. Impacts of COVID-19 lockdown, Spring Festival and meteorology on the NO2 variations in early 2020 over China based on in-situ observations, satellite retrievals and model simulations. Atmospheric Environment, 244: 117972 [DOI: 10.1016/j.atmosenv.2020.117972] [百度学术] 

    Witte J C, Schoeberl M R, Douglass A R, Gleason J F, Krotkov N A, Gille J C, Pickering K E and Livesey N. 2009. Satellite observations of changes in air quality during the 2008 Beijing Olympics and Paralympics. Geophysical Research Letters, 36(17): L17803 [DOI: 10.1029/2009gl039236] [百度学术] 

    Xia C Z, Liu C, Cai Z N, Zhao F, Su W J, Zhang C X and Liu Y. 2021. First sulfur dioxide observations from the environmental trace gases monitoring instrument (EMI) onboard the GeoFen-5 satellite. Science Bulletin, 66(10): 969-973 [DOI: 10.1016/j.scib.2021.01.018] [百度学术] 

    Yan H H, Wang W H and Zhang X Y. 2019. Ozone column retrieved from GF-5 satellite environmental trace gas monitoring instrument. Aerospace Shanghai, 36(S2): 199-203, 209 [百度学术] 

    闫欢欢, 王维和, 张兴赢. 2019. 高分五号卫星大气痕量气体差分吸收光谱仪臭氧总量反演方法研究. 上海航天, 36(S2): 199-203, 209 [DOI: 10.19328/j.cnki.1006-1630.2019.S.030] [百度学术] 

    Yang D S, Zeng Y, Luo Y H, Zhou H J, Si F Q and Liu W Q. 2021. Monitoring Australia’s forest fires based on EMI remote sensing NO2 technology. Journal of Atmospheric and Environmental Optics, 16(3): 207-214 [百度学术] 

    杨东上, 曾议, 罗宇涵, 周海金, 司福祺, 刘文清. 2021. 基于EMI遥感NO2技术监测澳洲森林火灾活动. 大气与环境光学学报, 16(3): 207-214 [DOI: 10.3969/j.issn.1673-6141.2021.03.005] [百度学术] 

    Yue X, Lei Y D, Zhou H, Liu Z, Letu H S, Cai Z N, Lin J T, Jiang Z H and Liao H. 2020. Changes of anthropogenic carbon emissions and air pollutants during the COVID-19 epidemic in China. Transactions of Atmospheric Sciences, 43(2): 265-274 [百度学术] 

    乐旭, 雷亚栋, 周浩, 刘竹, 胡斯勒图, 蔡兆男, 林金泰, 江志红, 廖宏. 2020. 新冠肺炎疫情期间中国人为碳排放和大气污染物的变化. 大气科学学报, 43(2): 265-274 [DOI: 10.13878/j.cnki.dqkxxb.20200408010] [百度学术] 

    Zhang C X, Liu C, Chan K L, Hu Q H, Liu H R, Li B, Xing C Z, Tan W, Zhou H J, Si F Q and Liu J G. 2020. First observation of tropospheric nitrogen dioxide from the Environmental Trace Gases Monitoring Instrument onboard the GaoFen-5 satellite. Light: Science and Applications, 9(1): 66 [DOI: 10.1038/s41377-020-0306-z] [百度学术] 

    Zhang C X, Liu C, Wang Y, Si F Q, Zhou H J, Zhao M J, Su W J, Zhang W Q, Chan K L, Liu X, Xie P H, Liu J G and Wagner T. 2018. Preflight evaluation of the performance of the Chinese environmental trace gas monitoring instrument (EMI) by spectral analyses of nitrogen dioxide. IEEE Transactions on Geoscience and Remote Sensing, 56(6): 3323-3332 [DOI: 10.1109/TGRS.2018.2798038] [百度学术] 

    Zhao M J, Si F Q, Zhou H J, Wang S M, Jiang Y and Liu W Q. 2018. Preflight calibration of the Chinese environmental trace gases monitoring instrument (EMI). Atmospheric Measurement Techniques, 11(9): 5403-5419 [DOI: 10.5194/amt-11-5403-2018] [百度学术] 

    Zhao R, Zhang C X, Wu Y, Sun Z P and Liu C. 2021. Analysis of spatio-temporal variations of tropospheric nitrogen dioxide in the North China Plain based on EMI. Journal of Atmospheric and Environmental Optics, 16(3): 186-196 [百度学术] 

    赵冉, 张成歆, 吴跃, 孙中平, 刘诚. 2021. 基于EMI观测华北平原对流层NO2的时空变化研究. 大气与环境光学学报, 16(3): 186-196 [DOI: 10.3969/j.issn.1673-6141.2021.3.003] [百度学术] 

    Zhao X, Shen N C, Li L J, Wu G F, Tao J and Zhao W J. 2021. Analysis of changes and factors influencing air pollutants in the Beijing-Tianjin-Hebei region during the COVID-19 pandemic. Environmental Science, 42(3): 1205-1214 [百度学术] 

    赵雪, 沈楠驰, 李令军, 武高峰, 陶静, 赵文吉. 2021. COVID-19疫情期间京津冀大气污染物变化及影响因素分析. 环境科学, 42(3): 1205-1214 [DOI: 10.13227/j.hjkx.202007249] [百度学术] 

    Zheng B, Tong D, Li M, Liu F, Hong C P, Geng G N, Li H Y, Li X, Peng L Q, Qi J, Yan L, Zhang Y X, Zhao H Y, Zheng Y X, He K B and Zhang Q. 2018. Trends in China’s anthropogenic emissions since 2010 as the consequence of clean air actions. Atmospheric Chemistry and Physics, 18(19): 14095-14111 [DOI: 10.5194/acp-18-14095-2018] [百度学术] 

    文章被引用时，请邮件提醒。
    提交

    相关文章

    相关作者

    暂无数据

    相关机构

    桂林理工大学 地球科学学院
    中国科学院大学
    首都师范大学 资源环境与旅游学院
    广西壮族自治区生态环境监测中心
    江苏省环境监测中心
    0