基于Sentinel⁃5P/TROPOMI数据的山西省对流层NO₂柱浓度时空特征

Spatiotemporal Characteristics of Tropospheric NO₂ Column Concentrations in Shanxi Province Based on Sentinel-5P/TROPOMI Data

摘要

利用2019—2023年Sentinel⁃5P/TROPOMI的L2级产品NO₂柱浓度日数据，系统分析山西省NO₂的时空变化特征、季节变化规律及各市逐月均值变化趋势，并对比2019年与2020年1月至3月期间 各市逐旬NO₂柱浓度变化，以评估2020年新冠疫情对NO₂浓度的影响。结果表明：（1）Sentinel⁃5P/TROPOMI反演的对流层NO₂柱浓度与地面监测NO₂浓度呈较好的正相关性，其中晋中市的线性拟合R²超过0.8，反演产品能够较为真实地反映近地面NO₂污染状况；（2）2019—2023年山西省对流层NO₂柱浓度呈先下降后上升的趋势；（3）山西省NO₂柱浓度存在明显的季节特征，冬季最高，夏季最低；（4）2019—2023年山西省对流层NO₂柱浓度年均值空间分布与季节均值空间分布具有较高的一致性，中南部均高于北部，且大值区主要集中在山西中部及东南部；（5）受新冠疫情影响，自2020年2月上旬起，山西省各地市NO₂柱浓度较2019年同期显著下降，3月上旬起，工厂、企业逐步复工复产，至3月下旬复工复产已达较高水平，接近2019年同期。研究结果揭示了山西省NO₂污染的时空分布规律及其对突发事件的响应特征，可为区域大气污染防治政策的制定提供科学依据。

Abstract

Daily L2 product data of NO₂ column concentrations retrieved by Sentinel-5P/TROPOMI from 2019 to 2023 were adopted to systematically analyze the spatiotemporal variation characteristics， seasonal variation patterns， and monthly average trends of NO₂ in each city of Shanxi Province. The ten-day NO₂ column concentrations of all cities from January to March in 2019 and 2020 were compared to evaluate the influence of COVID-19 on NO₂ concentrations. The results showed that a favorable positive correlation was identified between tropospheric NO₂ column concentrations retrieved by Sentinel-5P/TROPOMI and ground-monitored NO₂ concentrations. The linear fitting R² value of Jinzhong exceeded 0.8， which indicated that the retrieved products could truly reflect the near-surface NO₂ pollution status. Additionally， the tropospheric NO₂ column concentrations in Shanxi Province from 2019 to 2023 presented a trend of first decreasing and then increasing. Obvious seasonal variations were observed for NO₂ column concentrations across Shanxi， with the maximum value in winter and the minimum in summer. High consistency was found between the spatial distribution of annual average and seasonal average tropospheric NO₂ column concentrations in Shanxi Province from 2019 to 2023. Higher values were detected in central and southern regions than in northern areas， and high-value zones were mainly concentrated in central and southeastern Shanxi. Affected by COVID-19， the NO₂ column concentrations of all cities in Shanxi were significantly reduced in early February 2020 compared with the same period in 2019. Factories and enterprises gradually resumed production from early March， and the resumption level reached a high level in late March， which was close to the value of the same period in 2019. The research findings revealed the spatiotemporal distribution patterns of NO₂ pollution in Shanxi and its response characteristics to emergent events， and could provide a scientific basis for the formulation of regional air pollution prevention and control policies.

Graphical abstract

关键词

Sentinel⁃5P / TROPOMI / NO₂柱浓度 / 时空分布

Key words

Sentinel-5P / TROPOMI / NO₂ column concentration / spatiotemporal distribution

随着社会经济的快速发展，人为活动和自然过程产生的大量氮氧化物（NO _x ）进入大气。二氧化氮（NO₂）是大气中重要的痕量气体，在对流层和平流层大气化学反应中均发挥重要作用。NO₂与臭氧的生成与消亡、氢氧化物浓度等密切相关^［1⁃4］；对流层中的NO₂会导致城市空气质量恶化，直接影响人类健康^［5⁃6］；此外，NO₂已成为气候变化的重要影响因子之一^［7］。大气中NO₂的浓度水平及其时空分布特征已成为相关研究领域的热点问题。传统NO₂监测主要依托地面观测站点、探空气球等手段，通常只能反映小范围区域内的大气污染物浓度状况。遥感技术以其快速、可靠、实时、可实现大范围监测及周期性重复观测等优势，可有效弥补传统地面监测的局限性，并获取NO₂柱浓度总量值^［8］。

Sentinel⁃5/Precursor搭载了对流层监测仪TROPOMI（tropospheric monitoring instrument），用于空气质量监测、臭氧和UV辐射监测及气候变化监测与预测。目前，国内外学者正逐步开展基于TROPOMI反演的NO₂产品的应用和精度验证。在数据应用方面，主要包括直接应用卫星反演产品分析研究区NO₂浓度时空分布特征^［9⁃11］、结合辅助数据（如气象因子、高程数据、社会经济数据等）分析研究区大气NO₂柱浓度的影响因素^{［12⁃14］}和建模反演近地面NO₂浓度等^{［15⁃17］}，如Huang等^［9］利用2019、2020年农历新年期间TROPOMI反演的NO₂产品，监测新冠疫情期间中国东部地区NO₂浓度锐减现象；曹念文等^［12］结合11个自然因子和人为社会因子数据，分析Sentinel⁃5P卫星反演的长三角NO₂柱浓度的影响因子，发现植被指数、高程、全社会用电量、第二产业产值、第三产业产值是影响长三角大气NO₂柱浓度空间分布的主导因子；张洪飞等^［15］融合Sentinel⁃5P近实时NO₂总浓度数据、ERA5气象再分析数据及DEM数据，基于Catboost模型对广东省近地面NO₂浓度进行估算。在数据精度验证方面，已有研究表明，Sentinel⁃5P/TROPOMI遥感反演的NO₂柱浓度与NO₂地面浓度具有较强的相关性，认为该卫星反演的对流层NO₂柱浓度数据具有较高的可靠性^{［18⁃21］}，如张连华等^［18］分析2019年全国对流层NO₂柱浓度时空变化特征时，发现TROPOMI对流层NO₂月均柱浓度与地面监测站点月均检测值的相关性均在95%以上。

长期监测污染物的柱浓度，不仅能够有效反映污染物浓度的空间演变规律，还可实现不同地区污染水平的对比与评估，对开展城市空气质量监测、研究区域空气污染分布、污染通量传输以及应对气候变化均具有重要作用。山西省是典型的能源消耗型地区，大气污染问题较为突出。现阶段针对山西省大气污染的相关研究多基于地面环境监测站点数据分析空气污染物时空分布特征^{［22⁃24］}，而基于TROPOMI传感器卫星数据开展区域大气污染监测的相关研究仍有待拓展。本文利用2019—2023年Sentinel⁃5P/NO₂的日数据，开展山西省NO₂污染物浓度的时空分布特征研究。通过分析，以期找出 山西省NO₂浓度的集聚区域及高浓度时段，旨在为区域环境气象服务提供支撑，同时为大气污染的科学防控与应对策略制定提供基础数据支撑。

1 材料与方法

1.1 研究区概况

山西省地处华北地区、黄土高原东缘，整体呈东北⁃西南走向的平行四边形轮廓，属温带大陆性季风气候。全省地形地貌复杂，总面积约15.67万km²，平均海拔约1 000 m，其中山地丘陵面积占比达80%以上，太行山、吕梁山构成主要地形骨架，中部为断陷盆地，呈“两山夹一川”的地势。山西省四季分明，大气边界层高度季节差异显著，冬季近地层逆温频率较高，气象条件对NO₂的垂直扩散与化学转化产生重要影响。同时，独特的盆地地形易阻碍大气流通，导致污染物在盆地内部聚集，形成区域性传输屏障。

1.2 数据来源与方法

本文所用卫星数据为2019—2023年TROPOMI NO₂柱浓度的L2离线数据（OFFL），相较于近实时（NRT）数据产品，数据质量更高。利用IDL将原始的日数据转换成TIFF格式后，合成NO₂柱浓度旬、月、季及年产品。用于卫星数据精度验证的地面国控站点NO₂数据，来源于中国环境监测总站，包括山西省11个地市80个站点的逐小时NO₂浓度数据，将逐小时数据进行算术平均，得到月均浓度数据。

2 结果分析

2.1 Sentinel⁃5p反演结果与地面监测数据对比验证

为进一步验证Sentinel⁃5P/TROPOMI NO₂反演数据在山西省应用的可靠性，本文基于地面空气质量监测结果对NO₂反演数据进行相关性检验。将11个地市的地面观测站点NO₂浓度月均值与卫星反演的NO₂柱浓度月均值进行线性拟合，拟合结果如图1所示。图1显示，不同城市间的拟合效果存在显著差异。全省大部分城市的R²值集中在0.5~0.8之间，表明卫星反演数据与地面监测结果存在一定相关性，但拟合优度因城市而异。晋中市的拟合效果最好，R²值达0.81，太原市、阳泉市、长治市和临汾市等城市的R²值也较高，均在0.73以上，这些城市的卫星数据与地面监测结果之间的相关性较为显著，而运城市和吕梁市的R²值分别为0.45和0.51，卫星数据与地面监测结果间可能存在偏差或不确定性。从区域分布来看，拟合效果较好的城市主要集中在山西省中部和东部地区，如太原市、晋中市、阳泉市和长治市等地。拟合效果的优劣可能受到地形复杂程度、局地气象条件及污染源分布均匀性等因素的影响。总体而言，TROPOMI反演的大气对流层NO₂柱浓度数据，在山西省大部分城市能可靠反映地面监测站点的NO₂浓度状况，但在某些地区仍需进一步优化和验证。未来可通过结合更多的地面监测数据、改进反演算法或考虑局部环境因素等方式，进一步提升卫星数据在空气质量监测中的应用效果。

王景芝^［13］将TROPOMI传感器反演的京津冀地区共13个城市对流层NO₂柱浓度与NO₂地面浓度进行相关分析，结果显示其R²值介于0.33~0.87之间，R²值低于0.5的城市为张家口市、承德市， 北京市、天津市、石家庄市的R²值分别为0.67、0.79、0.73。从地面实测站点NO₂浓度来看，运城市、 张家口市、承德市的地面NO₂浓度较低，其对应的R²值也较低；而地面NO₂浓度较高的太原市、阳泉市、晋中市、临汾市和邯郸市，保定市、天津市、石家庄市等城市的R²值也相对较高，说明地面NO₂浓度高的城市，与TROPOMI卫星反演的NO₂柱浓度相关性更好。从城市结构来看，工业城市（如太原市、 晋中市、临汾市、天津市、邯郸市、衡水市、保定市等）二者相关性较高；而以旅游、农业为主的城市（运城市、张家口市、承德市、秦皇岛市等）和处于山区的工业城市（如吕梁市、晋城市），二者相关性则较低，这主要是由排放源分散或地面站点分布不均造成的。从地形来看，平原及盆地地区城市（如邯郸市、衡水市、保定市、太原市、晋中市）的相关性较高，地形较为复杂的山区城市（如张家口市、承德市、吕梁市、 朔州市等）相关性较低。山区复杂的局地环流易造成污染物浓度时空分布异质性较强，同时复杂地形不仅会降低地面监测站点的区域代表性，也会对卫星遥感观测造成一定干扰，最终导致卫星反演数据与地面实测数据的拟合效果下降。

2.2 山西省对流层NO₂柱浓度的年均值时空分布

通过对2019—2023年对流层NO₂柱浓度数据进行统计分析，可知2019—2023年五年的平均对流层NO₂柱浓度为1.342×10^-4 mol/m²，各年份NO₂年均柱浓度存在波动性，分别为1.377×10^-4 mol/m²、1.316×10^-4 mol/m²、1.321×10^-4 mol/m²、1.329×10^-4 mol/m²和1.362×10^-4 mol/m²。五年间对流层NO₂柱浓度呈现先降后升的变化趋势，2019—2020年浓度明显下降，2021—2023年逐年上升，但五年间的变化幅度相对较小。这一变化趋势与能源消费数据高度吻合：据山西省统计年鉴数据，2019—2020年石油制品消费量下降16.3%，而2021年和2022年则分别回升1.6%和0.5%；同时，2020年原煤和发电量的增加值也明显低于2021年和2022年。

由对流层NO₂柱浓度全省分布图（图2）可知：山西省NO₂柱浓度分布差异较大，太原市、长治市中部和南部，吕梁市、阳泉市东南部，临汾市与运城市的交界处，晋中市与吕梁市、太原市、阳泉市以及其与河北省的交界处，以及晋城市大部处于较高水平；大同市、吕梁市、长治市西部，朔州市、忻州市、晋中市、临汾市的中部，运城市北部地区处于中等水平；其他区域则处于较低的水平。从整个空间分布来看，大值区主要集中在山西省中部和东南部。

对比2019—2023年山西省11个地级市对流层NO₂柱浓度年均值变化趋势可知（图3），除晋城市外，其余10个地市NO₂浓度均在2020年出现明显回落，后续逐年呈回升态势。五年时序分析结果表明，山西省北部大同市、朔州市、忻州市的对流层NO₂柱浓度峰值出现在2025年，其余地市（不含晋城市）的浓度最高值均出现在2019年。从5年平均值来看，各市浓度值差异较大，最高值约为最低值的1.6倍，太原市、阳泉市、晋中市、长治市、晋城市、运城市的对流层NO₂年均柱浓度较高，均在1.4×10^-4 mol/m²以上；大同市、朔州市、忻州市、吕梁市、临汾市相对较低，在1.11×10^-4~1.25×10^-4 mol/m²之间，整体呈现中南部高于北部的趋势。

2.3 山西省各市NO₂柱浓度的季均值时空分布

将3—5月划分为春季、6—8月划分为夏季、9—11月划分为秋季、12月至次年2月划分为冬季，依照此划分将2019—2023年NO₂柱浓度日数据合成季节平均数据，山西省四季对流层NO₂柱浓度空间分布如图4所示，结合各市2019年1月至2024年1月对流层NO₂柱浓度月均值分布图（图5）可见，NO₂柱浓度波动呈明显季节性变化，冬季最高，秋季次之，夏季最低。根据马超^［25］的研究，山西省上空NO₂柱浓度与气温呈负相关，且煤炭消耗量对NO₂贡献较大。山西省冬季供热主要依赖于煤炭、天然气等一次能源，其中燃煤供热占比在70%以上^［26］，带来了严重的环境污染，加之太阳辐射较弱，大气扩散条件差，污染物长时间在对流层中堆积；山西省夏季平均气温22.5 ℃，平均降水量274.7 mm（较冬季多258.1 mm），温度高雨水多，太阳辐射增强，气象因子有利于大气扩散，且NO₂光化学效应提升，使NO₂浓度大幅降低。秋冬季节NO₂柱浓度高于春夏两季的研究结果，与王圣等^［27］对比汾渭平原采暖期与非采暖期大气环境质量变化的结果一致。对比长三角地区NO₂柱浓度^［12］，其冬季月均值峰值在1.5×10^-4~2.2×10^-4 mol/m²之间，而山西省在1.8×10^-4~2.4×10^-4 mol/m²之间；夏季谷值在0.4×10^-4 mol/m²左右，山西省则在1.0×10^-4 mol/m²左右，可见作为能源消耗型省份，山西省NO₂柱浓度明显高于长三角地区。全省春、夏、秋、冬四季的平均值分别为1.29×10^-4 mol/m²、1.02×10^-4 mol/m²、1.40×10^-4 mol/m²、1.62×10^-4 mol/m²，其中夏季全省各市最高值与最低值差值最小（0.33×10^-4 mol/m²），冬季的差值最大（1.02×10^-4 mol/m²），约为夏季的3倍。从月度变化来看，最高值出现在11月至次年1月，随后浓度骤降30%以上；最低值出现在6—8月，10月浓度较前一月上升20%以上。虽然不同季节山西省对流层NO₂柱浓度不相同，但高值区的分布有较强的一致性，且与年均值的空间分布较为相似。

2.4 2020年新冠肺炎疫情期间NO₂柱浓度与2019年同期对比

2020年农历新年，新冠疫情扩散。疫情期间全省范围内停工停产，严格实施疫情隔离政策，至同年3月相继复工复产。2019、2020年阳历日期与农历日期对照见表1。山西省11个地市旬对流层NO₂柱浓度均值见表2。

对比2019年1月下旬至2月中旬山西省11个地市NO₂柱浓度均值可知，除阳泉市外，其余各市均为2月上旬均值最低，该时段正值农历新年期间，大部分工厂、企业停工停产欢度春节，引起NO₂柱浓度降低。2月上旬较1月下旬，平均降幅达30%；新年过后的2月中、下旬期间，除山西省南部的4个地市外，其余区域的NO₂柱浓度持续上升。

2020年农历新年在1月下旬，相较于1月中旬，11个地市的NO₂柱浓度平均降幅为24%；2月上旬全省各市NO₂柱浓度持续下降，较1月中旬平均降幅达41%。对比农历同期，2020年新年期间（1月下旬）的NO₂柱浓度略高于2019年新年（2月上旬），而新年过后，2020年（2月上、中旬）的NO₂柱浓度较2019年（2月中、下旬）明显偏少。由此可见，受新冠疫情影响，春节过后工厂、企业继续停工停产以及各市严格执行居家政策等原因，导致NO₂柱浓度明显下降。从各市NO₂柱浓度变化情况看，新年过后，2019年旬NO₂柱浓度除阳泉市外均增高，而2020年则受疫情影响，继续降低。2020年新年过后的旬NO₂柱浓度（2月上旬）较2019年（2月中旬）降幅在22%~39%之间，其中降幅超过30%的城市有吕梁市、临汾市、晋中市、长治市、太原市、晋城市、长治市，这些城市的产业结构以工业为主，城市经济对工业活动的依赖度较高；大同市、朔州市、忻州市、运城市有一定的工业基础，但是规模较小，其中大同市、朔州市属于资源型城市，运城市以农业为主，其NO₂柱浓度降幅相对较小。

2019年和2020年3月上旬山西省NO₂柱浓度平均值分别为1.62×10^-4 mol/m²和1.33×10^-4 mol/m²，该时段省内工矿企业复工复产进度缓慢，生产活动强度整体偏低。2020年3月中旬，山西省11个地市的NO₂柱浓度均低于2019年同期水平，但全省平均浓度只相差0.02×10^-4 mol/m²；从两个年份3月下旬的NO₂柱浓度数据来看，除大同市、朔州市、运城市外，其余8个地市2020年NO₂柱浓度均已接近或超过 2019 年同期水平。据此可知，至3月中下旬，山西省工厂、企业复工复产程度较高，已达到或超过上年同期水平。从城市角度来看，2020年3月中旬太原市、阳泉市、晋城市NO₂柱浓度已超2019年同期，涨幅在3%~5%，2020年3月下旬吕梁市、太原市、阳泉市、晋中市、长治市、临汾市、晋城市NO₂柱浓度较2019年同期上涨2%~25%，其中，除长治市、晋城市外，其他城市的涨幅均超过10%。由两项数据可以看出，工业化水平较高的城市，NO₂柱浓度回升较快。至3月下旬，产业结构以工业为主的城市，NO₂柱浓度已超过2019年同期水平，以资源型产业为主的大同市、朔州市和以农业为主的运城市，NO₂柱浓度恢复缓慢，仍低于2019年同期水平。

3 结论与讨论

3.1 结论

本文利用2019—2023年Sentinel-5P/TROPOMI的NO₂柱浓度日数据，对山西省NO₂的年、季时空分布特征进行了深入分析，并简要分析了2019年和2020年农历新年期间NO₂浓度的变化，以评估停工停产和复工复产对NO₂浓度的影响。

（1）Sentinel-5P/TROPOMI反演的对流层NO₂柱浓度与地面NO₂浓度监测结果具有较高的一致性，除运城以外的其他城市二者的R²值在0.5~0.8之间，表明Sentinel-5P/TROPOMI NO₂产品能够可靠地反映出山西省近地面NO₂污染状况，且地面NO₂浓度高、产业结构以工业为主的城市，地面NO₂浓度与TROPOMI卫星反演的NO₂柱浓度相关性更好。

（2）2019—2023年山西省对流层NO₂柱浓度五年平均值为1.342×10⁻⁴ mol/m²。其中，2019年

年平均值最高，2020年年平均值最低，这可能与当年全球范围内因新冠疫情导致的经济活动减少和人为排放下降有关；2020—2023年NO₂柱浓度逐年上升，表明随着工业生产、交通运输、人类活动的逐步恢复，NO₂排放量有所增加。从空间分布来看，山西省中南部NO₂柱浓度明显高于北部，高值区主要集中在山西省中部及东南部的太原市、阳泉市、晋中市、长治市、晋城市等地区，此外吕梁市的东南部、运城市与临汾市交界处也有小范围的大值区。

（3）山西省NO₂柱浓度具有明显的季节性特征，按照浓度从高到低，排序依次为冬季、秋季、春季、夏季。从月份来看，峰值出现在11月至次年1月，全省浓度在1.79×10^-4 mol/m²以上，谷值出现在6-8月，浓度在1.04×10^-4 mol/m²左右。高值区的季节空间分布与年均值相似。

（4）2019、2020年农历新年期间，山西省11个地市NO₂柱浓度较新年前期均有所下降，降幅在25%左右；2019年新年过后，全省NO₂柱浓度持续上升；2020年新年过后，受疫情影响，工厂、企业停工停产，全省各市NO₂柱浓度持续下降，较新年前期平均降幅达41%。2020年3月中旬，11个地市的NO₂柱浓度已接近2019年同期水平。3月下旬，已有8个地市的NO₂柱浓度大于或等于2019年同期。至3月中下旬，工厂、企业复工复产程度较高，已达到或超过上年同期水平。对比11个地市NO₂柱浓度的变化特征可知，以工业为主导产业的城市（如太原市、阳泉市、晋中市、长治市等），在企业停工停产阶段的NO₂柱浓度降幅及复工复产阶段的浓度增幅均更为显著。

3.2 讨论

Sentinel-5P/TROPOMI反演的对流层NO₂柱浓度与地面NO₂浓度监测结果的相关性，受地面站点分布、城市产业结构、地形等众多因素的影响。未来可以通过结合更多的地面监测数据、改进反演算法及考虑地形及局地小气候因素等方式，进一步提升卫星数据在空气质量监测中的应用效果。

经过分析2020年2月至3月新冠肺炎疫情期间不同城市NO₂柱浓度变化情况，发现产业结构以工业为主的城市，NO₂柱浓度变化幅度明显高于以资源型产业为主或以农业为主的城市，说明环境数据可以在一定程度上反映宏观经济活动和社会运行状态。

参考文献

[1] Hendrick F， Mahieu E， Bodeker G E， et al. Analysis of stratospheric NO₂ trends above Jungfraujoch using ground-based UV-visible， FTIR， and satellite nadir observations［J］. Atmospheric Chemistry and Physics， 2012， 12（18）： 8851-8864.

[2] Murphy D M， Fahey D W， Proffitt M H， et al. Reactive nitrogen and its correlation with ozone in the lower stratosphere and upper troposphere［J］. Journal of Geophysical Research： Atmospheres， 1993， 98（D5）： 8751-8773.

[3] 栾兆鹏， 卢慧超， 史俊南. 2014—2021年泰安市PM_2.5和O₃复合污染特征及其气象成因分析［J］. 气象与环境学报， 2024， 40（6）： 28-34.

[4] 胡艳楠， 李文星， 张智， 等. 2013—2020年京津冀地区臭氧浓度变化及其与气象因子关系分析［J］. 气象与环境学报， 2024， 40（4）： 90-99.

[5] Meng X， Liu C， Chen R J， et al. Short term associations of ambient nitrogen dioxide with daily total， cardiovascular， and respiratory mortality： multilocation analysis in 398 cities［J］. British Medical Journal， 2021， 372：n534.

[6] 李伟杰， 赵胡笳， 陈权亮， 等. 2020年1—3月四川地区大气污染物变化特征分析［J］. 气象与环境学报， 2022， 38（1）： 15-22.

[7] Seinfeld J H， Pandis S N， Noone K. Atmospheric chemistry and physics： from air pollution to climate change［J］. Physics Today， 1998， 51（10）： 88-90.

[8] 余环， 王普才， 宗雪梅， 等. 奥运期间北京地区卫星监测NO₂柱浓度的变化［J］. 科学通报， 2009， 54（3）： 299-304.

[9] Huang G Y， Sun K. Non-negligible impacts of clean air regulations on the reduction of tropospheric NO₂ over East China during the COVID-19 pandemic observed by OMI and TROPOMI［J］. Science of the Total Environment， 2020， 745： 141023.

[10] Prunet P， Lezeaux O， Camy-Peyret C， et al. Analysis of the NO₂ tropospheric product from S5P TROPOMI for monitoring pollution at city scale［J］. City and Environment Interactions， 2020， 8： 100051.

[11] 李旭文， 张悦， 姜晟， 等. “哨兵-5P”卫星TROPOMI传感器在江苏省域大气污染监测中的初步应用［J］. 环境监控与预警， 2019， 11（2）： 10-16.

[12] 曹念文， 宋坤杰， 方文圣. 基于Sentinel-5P的长三角大气NO₂污染特征及影响因子分析［J］. 安全与环境学报， 2024， 24（2）： 767-777.

[13] 王景芝. 基于多源遥感数据的京津冀NO₂柱浓度时空变化及成因分析［D］. 石家庄： 河北师范大学， 2022.

[14] 刘怡阳，颉耀文，郭泽呈.基于Sentinel-5P卫星的中国NO₂浓度遥感监测［J］.中国环境科学，2022，42（11）： 4983-4990.

[15] 张洪飞，杜宁，王莉，等.基于Catboost模型的广东省近地面NO₂浓度估算［J］. 环境科学， 2024， 45（11）： 6276-6285.

[16] 孔祥雨. 基于TROPOMI的近地面NO₂浓度反演及降尺度研究［D］. 上海： 华东师范大学， 2023.

[17] 宋坤杰. 基于卫星遥感的长三角大气NO₂时空分布、影响因素及健康效应研究［D］. 南京： 南京信息工程大学， 2023.

[18] 张连华， 周春艳， 邹同元， 等. 基于Sentinel-5P/TROPOMI数据遥感监测2019年中国对流层NO₂柱浓度时空特征［C］//2020中国环境科学学会科学技术年会. 2020： 508-514.

[19] 郑子豪， 吴志峰， 陈颖彪， 等. 基于Sentinel-5P的粤港澳大湾区NO₂污染物时空变化分析［J］. 中国环境科学， 2021， 41（1）： 63-72.

[20] Ialongo I， Virta H， Eskes H， et al. Comparison of TROPOMI/sentinel-5 precursor NO₂ observations with ground-based measurements in Helsinki［J］. Atmospheric Measurement Techniques， 2020， 13（1）： 205-218.

[21] 吴雅睿， 王美景， 王涛， 等. 新冠疫情下NO₂时空变化特征：以陕西省为例［J］. 生态环境学报， 2023， 32（3）： 514-524.

[22] 任皓. 阳泉市COVID-19期间主要大气污染物的传输及来源分布［J］. 中国环境监测， 2024， 40（6）： 94-103.

[23] 杨中航. 山西省主要城市大气臭氧及其前体物特征分析［D］. 太原： 山西大学， 2024.

[24] 赵娇燕. 疫情前后山西省空气质量时空变化特征、影响因素与调控策略研究［D］. 太原： 山西财经大学， 2024.

[25] 马超. 基于OMI数据的中国对流层二氧化氮柱浓度时空分布及影响因素研究［D］. 兰州： 西北师范大学， 2021.

[26] 贾梦雅. 供需平衡下北方地区集中供热热源结构优化研究［D］. 天津： 天津理工大学， 2024.

[27] 王圣， 徐静馨， 孙雪丽， 等. 汾渭平原采暖期与非采暖期大气环境质量时空变化特征研究［J］. 环境污染与防治， 2019， 41（12）： 1451-1458.

基金资助

山西省科技厅青年科学研究资助项目“基于高分辨率卫星的山西省苹果种植区遥感提取技术研究”(202203021222424)

山西省青年基金资助项目“基于Sentinel⁃5P/TROPOMI数据的山西省对流层NO2柱浓度时空特征研究”(SXKQNQH20226342)