-
二氧化氮（NO2）是世界卫生组织认定的最主要的空气污染物之一，在平流层和对流层大气化学过程中起着重要的作用[1]，也是臭氧和二次污染物重要的前体物[2 − 4]. NO2的生成途径主要有两个来源：自然源和人为源，自然源主要源于大气中的闪电现象和土壤中微生物的硝化作用，这些过程在自然界中自然发生. 而人为源主要来自于人类活动，如燃烧石油、煤炭等化石燃料，以及在生产硝酸、氮肥等产品的过程中产生的废气. 在这两种来源中，人为源的排放量远大于自然源[5 − 6]. 大气中NO2的浓度是评价空气污染水平的一个重要指标. NO2浓度过高会引发雾霾、酸雨和水体富营养化等环境问题，对生态系统构成威胁. 此外，NO2还具有破坏平流层臭氧层的能力，对全球气候产生影响，进一步对人类健康造成危害[7 − 8]. 目前NO2观测数据主要来自生态环境部门建设的地面环境监测站，但监测站点主要集中在市区内，且分布不均匀，导致监测范围小，且受人为活动影响较大[9 − 10]. 为了弥补传统观测资料空间和时间尺度上的局限性，采用卫星遥感数据监测NO2浓度可以有效弥补这一缺陷. 卫星遥感数据具有高时空分辨率、覆盖面积广阔、数据均一性好等优势，在各行各业均得到了广泛的应用[11 − 12]. 在众多的卫星遥感数据中，以臭氧监测仪（OMI）卫星反演的对流层柱浓度数据的空间分辨率最高，全球范围每天可扫描一次，主要用于大气痕量气体监测，被广泛应用于大范围、长时间序列的大气成分特征分析研究[13 − 15]. 目前国内外很多研究学者利用卫星遥感监测数据研究分析全球不同地区对流层NO2柱浓度数据时空分布特征，发现对流层NO2柱浓度数据与地面NO2质量浓度数据之间有较好的相关性[16 − 17].
我国对流层NO2柱浓度高值区主要分布于经济、人口快速增长的京津冀和长江三角洲城市群，受人为排放影响较大[18 − 19]. 西北地区如乌鲁木齐、珠江三角洲城市群和川渝地区城市群也存在小范围的高值区[20]. Wang等[21]发现全国平均对流层NO2柱浓度呈现出先升后降的显著趋势，并以2012年为转折点，从季节周期来看，东部地区对流层NO2柱浓度冬季最高，夏季最低，西部地区则相反. 翟浩然等[22]分析了中国7座超大城市对流层NO2柱浓度时空变化规律，发现对流层NO2柱浓度总体表现为先升高后降低、高值区域呈现先扩大后收缩甚至消失的趋势，变化存在显著的周期性. 陈玲等[23]发现汾渭平原城市高排放区NOx减排对降低NO2有重要作用.
作为我国中东部地区重要的省份，江西省位于长江中游地区，地形较为复杂，东、西、南三面环山，中部丘陵和河谷平原交错分布. 2016—2023年期间，全省11个设区城市以NO2作为首要污染的总天数达175d，仅次于PM和O3污染. 现有的关于NO2研究中大部分主要针对京津冀、长三角和珠三角这些发达地区，对江西省对流层NO2柱浓度变化特征的研究较为匮乏，仅赵金环等[24]分析新冠疫情对全国NO2排放影响中提及到江西省对流层NO2柱浓度在疫情期间同比下降了33.53%，环比下降了48.42%. 并且针对江西省长时间序列的NO2浓度分析也较少，影响因素分析中未同时考虑气象和社会经济因素. 本文基于OMI卫星传感器反演的对流层NO2柱浓度数据，针对2005—2023年对流层NO2柱浓度数据详细分析了19年来的江西省对流层NO2柱浓度年际变化特征，针对大气污染防治行动政策实施前后两个阶段江西省对流层NO2柱浓度空间分布的变化趋势. 并结合气象和社会经济因素分析了NO2变化的驱动因子，评估了相关政策和法规实施以来的效果，也为今后江西地区大气污染治理和联防联控战略的实施提供科学的理论依据和管理决策参考.
-
本研究对流层NO2柱浓度数据来自臭氧监测仪（OMI）传感器，该传感器搭载在美国航空航天局的Aura卫星上，该卫星于2004年发射，空间分辨率为13 km×24 km，一天覆盖全球一次，本文数据来源于NASA官网（https://disc.gsfc.nasa.gov/datasets），选取OMI OMNO2d L3级的逐日产品，该产品是经过大量数据验证插值后得到的，分辨率为0.25°×0.25°，该产品经过数据质控，有效云量控制在30%以下，太阳天顶角小于85°，同时剔除了异常数据. 本文使用的对流层NO2柱浓度数据为2005年1月1日至2023年12月31日.
本研究地面监测NO2质量浓度数据来源于中国环境监测总站提供的国控站点数据，数据可在全国城市空气质量实时发布平台上获取（https://air.cnemc.cn:
18007 /），站点均分布在全省11个设区市市辖区所在地，共60个站点（图1中红色圆点表示），数据经过严格筛选及异常值排除且符合《环境空气质量指数（AQI）技术规定》（试行）（HJ 633—2012）. 本文使用的地面NO2质量浓度数据为2016年1月1日至2023年12月31日逐日数据. 本文江西省国家气象观测站气温、降水量、相对湿度、日照时数和风速等国家气象站气象数据来源于气象大数据平台——天擎，覆盖了全省所有设区市和县（区），共93个站点（图1中黑色三角表示），数据经过严格筛选及异常值排除且符合《地面气象观测资料质量控制》（QX/T 118—2010）相应规范. 本文使用的气象数据为2005年1月1日至2023年12月31日逐日数据.江西省氮氧化物（NOx）排放量统计数据来源于江西省环境统计年报，数据范围为2011年至2022年. 江西省生产总值、人口数、煤炭消费总量和石油消费总量等统计数据来源于江西统计年鉴，数据范围为2010年至2022年.
-
（1）趋势分析：为了定量研究2005—2023年江西省对流层NO2柱浓度空间变化趋势，先对OMI OMNO2d L3级的逐日数据进行时间序列分析，再针对江西省范围内所有格点长时间序列的数据，构建了一元线性回归模型，计算每个格点的对流层NO2柱浓度随时间变化的回归斜率
$ {A_{{\text{slope}}}} $ ，计算公式如下：其中，
$ n $ 为时间序列的长度，$ {x}_{i} $ 为第i年对应格点的对流层NO2柱浓度年均值. 当$ {A_{{\text{slope}}}} $ >0时，表明研究时段内格点的对流层NO2柱浓度变化呈增长趋势；当$ {A_{{\text{slope}}}} $ <0时，表明研究时段内格点的对流层NO2柱浓度变化呈减少趋势.（2）相关分析及显著性分析：为了研究江西省对流层NO2柱浓度与气象因子和社会经济因素之间的相关性，采用Pearson相关系数r，r值介于-1到1之间，当r>0时，两者之间为正相关； r<0时，两者之间为负相关；
$ \left|r\right| $ 值越接近1表示模拟结果越优. 两者之间的显著性检验采用T检验得到P值，当P<0.05为显著；当P<0.01为非常显著.（3）对流层NO2柱浓度数据预处理：地面NO2质量浓度为站点数据，而OMI OMNO2d L3级的逐日产品为格点数据，则需将OMNO2d L3级逐日数据产品先插值到江西省空气质量监测站点上（图1中圆点所示），得到各监测站点上对应的NO2柱浓度长时间序列，再逐月求取全省所有站点或每个城市所有站点的对流层NO2柱浓度数据，对计算得到的对流层NO2柱浓度和地面NO2质量浓度月均值数据，开展两者之间的相关性检验. 对江西范围内所有格点进行计算可得到江西省对流层NO2柱浓度年、季、月均值数据.
-
为了验证OMI卫星反演对流层NO2柱浓度数据在江西省的适用性，选取研究区的11个设区市城区作为验证对象，将2016年1月到2023年12月的地面NO2质量浓度逐月数据与对应时间的NO2柱浓度月数据进行相关性分析(图2)，发现江西省11个设区市大部分数据点均匀分布在拟合线两侧，所有城市相关系数在0.659（景德镇市）—0.811（抚州市）范围内，均在0.01水平上达到显著相关性，当站点观测的NO2浓度月平均值低于25 μg·m−3，点基本集中分布在回归线附近，且较为聚集，两种数据间的误差较小，数值也较为相关；当站点观测的NO2浓度月平均值高于35 μg·m−3，点的分布较为分散，卫星反演的对流层NO2柱浓度数据值与观测值偏差较大，误差也较大.
图3为2016—2023年江西省平均NO2质量浓度与OMI对流层NO2柱浓度的月变化趋势图，发现基于卫星反演的NO2柱浓度和地面NO2质量浓度的变化趋势基本一致，NO2浓度呈“W”双峰型分布特征，3—5月出现第一个小峰值后浓度开始下降，到7—8月出现最低值，9月开始浓度开始回升，12—1月达到最高值. 2020年12月卫星反演的NO2柱浓度数据与地面站点监测NO2质量浓度偏差比较明显，主要的原因可能是受疫情影响地面污染物排放明显减少. 通过计算全省不同季节卫星反演的NO2柱浓度与地面NO2质量浓度数据之间的相关性，发现秋季两者之间相关性最高，其次为冬季，均呈显著的正相关，且相关系数均在0.8以上，夏季相关性最差. 这说明本文所使用的卫星反演的对流层NO2柱浓度数据具有较高的可靠性和准确性，能够较好地反映地面NO2浓度空间分布及其变化特征.
-
图4展示了2005—2023年江西省对流层NO2柱浓度空间分布及变化趋势情况. 发现江西省对流层NO2柱浓度高值区主要分布在九江—南昌—新余一带，浓度范围为5×1015—8×1015 molec·cm−2，低值区主要位于赣南地区，浓度范围为2×1015—3×1015 molec·cm−2. 整体呈现北部和中西部偏高，东部和南部偏低的分布特征. 2005—2023年江西省对流层NO2柱浓度变化趋势显著减少的区域和高值区分布基本一致，显著增加的区域位于赣南区域.
江西省对流层NO2柱浓度呈现先增加后减少的趋势（图5），呈现较为明显的两个阶段变化，第一是增长阶段，对流层NO2柱浓度从2005年的3.48×1015 molec·cm−2增长到2012年的5.70×1015 molec·cm−2，年增长趋势率为0.36×1015 molec·cm−2·a−1；第二是下降阶段，对流层NO2柱浓度从2013年的4.29×1015 molec·cm−2下降到2023年的3.51×1015 molec·cm−2，年下降趋势率为0.09×1015 molec·cm−2·a−1. 江西省各年份对流层NO2柱浓度均高于全国平均水平[22].
-
图6为2005—2023年江西省对流层NO2柱浓度季节平均空间分布特征图，发现江西省对流层NO2柱浓度季节变化特征明显，其中冬季NO2污染区域和浓度最大，其次是秋季和春季，夏季最小. 冬季对流层NO2柱浓度值最大，值在3.34×1015—13.93×1015 molec·cm−2范围内，平均柱浓度为6.92×1015 molec·cm−2，高值区主要位于赣北的大部分区域内，超过34.5%的区域NO2柱浓度高于8×1015 molec·cm−2. 2005—2023年江西省冬季平均气温为8.0 ℃，风速为1.78 m·s−1，降水量为233.0 mm（占全年降水量的13.9%），相对湿度为76.6%. 冬季气温低、降水少、边界层高度低导致光反应和湿沉降过程减弱，大气层结稳定、逆温天气频繁不利于污染物扩散[25]，且冬季为供暖季，虽然江西地区并未实行大面积的集中供暖，在全国的大背景下，冬季煤炭和燃气等主要的能源消耗增加，人为排放的NO2量增加，同时叠加不利的气象因素导致NO2污染物不易扩散. 秋季，江西省对流层NO2柱浓度值在2.16×1015—8.86×1015 molec·cm−2范围内，高值区较冬季有大范围的缩减，高值区主要位于九江、宜春地区. 春季，高值区较秋季进一步缩减，柱浓度最大值为6.15×1015 molec·cm−2，超过87.1%的区域对流层NO2柱浓度低于6×1015 molec·cm−2. 夏季，江西省对流层NO2柱浓度全省均处于较低水平，变化范围为1.66×1015—3.73×1015 molec·cm−2，均值为2.32×1015 molec·cm−2.
-
“十二五”规划纲要中，我国首次将氮氧化物（NOx）排放总量控制纳入约束性指标，并通过采取指标分配、监测、调度、核查等管理措施，形成了一套较为完善的总量控制管理体系，从工业、农业、交通等多角度严格控制NOx的排放. 2012年9月国务院批复的《重点区域大气污染防治“十二五”规划》、2013年国务院发布《大气污染防治行动计划》、2018年国务院发布《打赢蓝天保卫战三年行动计划》和2020年生态环境部发布《关于在疫情防控常态化前提下积极服务落实“六保”任务坚决打赢打好污染防治攻坚战的意见》等这一系列对大气污染防控政策的实施发布，江西省政府积极应对，采取了联防联控、精准减排等众多措施，江西省大气污染状况有很大的改善. 图7是《大气污染防治行动计划》实施前后的两个阶段江西省对流层NO2柱浓度空间分布的变化趋势，可以看出2005—2012年全省均呈现增长趋势，全省97.6%区域NO2浓度上升趋势显著（通过显著性T检验），增长较快的区域主要分布在宜春—新余一带，增速范围为0.08×1015—0.73×1015 molec·cm−2·a−1. 一系列措施实施后，2013—2023年全省有99.6%的区域为下降趋势，下降较为显著的区域为九江—南昌—新余一带，下降速度最大可达0.37×1015 molec·cm−2·a−1，全省58.2%区域（主要分布在赣北地区）NO2浓度下降趋势都较为显著（通过显著性T检验）. 一系列措施实施后可以看出江西省大气污染防治成效显著[26].
-
气象因素和社会经济因素对江西省对流层NO2柱浓度均有一定的影响作用，其中气象因素中影响对流层NO2浓度变化的因子主要有气温、降水、风速等[27 − 28]；社会经济因素中人口密度、生产总值、NOx排放量等都会影响NO2柱浓度空间分布特征[16 − 17].
-
气象条件对大气中污染物的生成、沉降、传输和消散均起重要作用，气温、降水等气象因素对NO2柱浓度的变化具有一定的驱动作用. 本研究选取江西省气温、降水量、相对湿度、日照时数和风速与NO2柱浓度月数据进行相关性分析，研究其对NO2柱浓度变化的影响. 发现选取的5个气象因子均对NO2柱浓度变化呈负向驱动作用（表1），高温可以抑制NO2柱浓度的升高，而降雨对NO2柱浓度具有削减作用. 分析了2005—2023年江西省降水和气温的年际变化发现，年平均降水量为
1678.3 mm，年际变化趋势不大；年平均气温为18.7 ℃，气温年增长趋势率为0.04 ℃·a−1，初步判断气象因素在年际变化上对NO2柱浓度影响不显著.江西省气温和对流层NO2柱浓度相关性最高，呈显著的负相关，相关系数为−0.751. 这与大量的研究结果相一致，NO2作为O3的主要前体物之一，温度主要影响O3生成的光化学反应，NO2也会与大气中的自由基反应生成硝酸等，在大气中易与气溶胶、云滴、雨滴等结合，通过干湿沉降去除[29]. 图8为江西省对流层NO2柱浓度和气温的月变化趋势及相关性分析，可以看出夏季江西省温度较高，辐射作用增强，会加剧对流层中的NO2反应生成O3的速率导致夏季对流层NO2柱浓度较低，而冬季气温低，辐射作用减弱，同时冬季全国大范围使用燃料燃烧供暖使得NOx排放增加，导致冬季对流层NO2柱浓度较高.
-
社会经济因素是影响对流层NO2柱浓度的关键因素. 本研究选取2011—2022年江西省NOx排放量与对流层NO2柱浓度进行相关性分析. 图9为2011—2022年江西省NOx年排放量变化趋势，发现2011年开始NOx排放量呈现逐年下降的趋势，NOx排放量从2011年的61.2×104 t到2022年下降到27.7×104 t，2022年较2011年下降了54.8%，2011—2022年的年下降趋势为3.11×104 t·a−1. 江西省NOx排放量与对流层NO2柱浓度呈现显著的正相关，相关系数为0.804，在0.01水平上显著相关. 江西省对流层NO2柱浓度受NOx排放量的影响，其中工业和交通NOx排放占主要因素. 《大气污染防治行动计划》实施后严格的规章制度以及工业排放标准的执行使得大量工业对设施进行建设和改造，废气进行综合治理改革，以及改进后的污染控制技术使工业在增加产量的同时大量减少污染物的排放[30]，工业上NOx排放量占比逐年下降，2022年工业排放量最低，为12.3×104 t，工业排放占比从2011年的64.3%到2022年下降到44.5%. 汽车尾气主要为NO和NO2已成为大、中型城市主要的NOx来源[31]. 交通NOx排放量呈波动的趋势，在2014年开始下降，这是由于淘汰了大批黄标车，全面使用符合国家标准的车用汽车和柴油车，交通排放量大幅度减少. 2018—2019年NOx排放量又呈现波动上升，这主要是这两年间机动车保有量大幅上升，在市区交通拥堵的情况下车辆以较低速度行驶或频繁启动或刹车，容易导致NOx排放量增加. 2020年初开始，受疫情影响，全国开始区域管控，严格限制人员流动，文旅、餐饮、物流贸易等行业受到较大影响，工业生产与社会流动性也大幅降低[32]，导致2020年排放量有明显下降，较2019年同比下降了30.4%.
选取2010—2022年江西省年生产总值、人口数、煤炭消费总量和石油消费总量4个社会经济因子与同期的NO2柱浓度年均值进行相关性分析（表2），发现江西省年生产总值、人口数、煤炭消费总量和石油消费总量与NO2柱浓度均呈现显著的负相关，相关系数均在−0.7以上，均在0.01水平上显著相关，其中江西省对流层NO2柱浓度与石油和煤炭消费总量最为相关，相关系数分别为−0.798和−0.761. 可见，由于全省人口数的增加，对于能源的需求和消耗也随之增加，机动车保有量逐年递增，机动车尾气排放也是影响NO2浓度变化的重要因素. 江西省GDP呈逐年增长的趋势，工业发展对能源的需求和消耗量大，往往工业生产和污染物排放呈现正相关，但由于《大气污染防治行动计划》等严格的法规、排放标准的执行以及先进的污染排放控制与治理技术有助于减轻污染并降低污染物浓度. 在经济迅速发展的同时，江西省对流层NO2柱浓度呈逐年下降的趋势，这表明了在国家及地方政府强有力执行相关政策和法规下经济发展和环境保护可以实现良性发展.
-
（1）据统计分析，江西省11个设区市OMI卫星反演对流层NO2柱浓度与地面NO2质量浓度月数据线性拟合相关系数在0.659（景德镇市）—0.811（抚州市）范围内，均在0.01水平上达到显著相关性. 江西省平均NO2质量浓度与OMI对流层NO2柱浓度的月变化趋势基本一致，表明OMI卫星反演的江西省对流层NO2柱浓度适用于表征江西省地面NO2污染状况，可以对江西省NO2污染长时间序列进行研究分析.
（2）2005—2023年江西省对流层NO2柱浓度年均值呈现较为明显的两个阶段变化，2005—2012年为增长阶段，年增长趋势率为0.36×1015 molec·cm−2·a−1；2013—2023年为下降阶段，年下降趋势率为0.09×1015 molec·cm−2·a−1. 2005—2023年江西省对流层NO2柱浓度高值区主要分布在九江—南昌—新余一带，低值区主要位于赣南地区. 江西省对流层NO2柱浓度季节变化特征明显，其中冬季NO2污染区域和浓度最大，其次是秋季和春季，夏季最小.
（3）《大气污染防治行动计划》实施前（2005—2012年）全省均呈现增长趋势，且全省97.6%区域NO2柱浓度上升趋势显著（通过显著性T检验），增长较快的区域主要分布在宜春—新余一带，实施后（2013—2023年）全省有99.6%的区域为下降趋势，下降较为显著的区域为九江—南昌—新余一带，全省58.2%区域（主要分布在赣北地区）NO2柱浓度下降趋势都较为显著（通过显著性T检验）.
（4）从月尺度上分析发现气温和降雨量与江西省对流层NO2柱浓度呈显著的负相关，说明高温可以抑制NO2柱浓度的升高，而降雨对NO2柱浓度具有削减作用. 从年尺度上分析发现，气象因素在年际变化上对江西省对流层NO2柱浓度影响不显著前提下，江西省年生产总值、人口数、煤炭消费总量和石油消费总量与对流层NO2柱浓度均呈现显著的负相关，相关系数均在-0.7以上，均在0.01水平上显著相关. 由于江西省人口数和GDP呈逐年增长的趋势，工业发展对能源的需求和消耗量大、机动车保有量逐年递增的同时，但NOx排放量逐年下降，对流层NO2柱浓度不升反降，主要是与国家及地方政府强有力执行相关政策和法规有明显关系.
江西省对流层NO2柱浓度时空分布特征及影响因素分析
Temporal and spatial distribution characteristics and influencing factors of NO2 tropospheric column concentration in Jiangxi Province
-
摘要: 本文利用臭氧监测仪（OMI）卫星传感器反演江西省对流层NO2柱浓度与地面观测站点监测的NO2质量浓度进行相关性分析，发现卫星反演的NO2柱浓度与地面NO2质量浓度呈显著的正相关，能够反映地面真实的NO2污染状况. 再结合全省气象数据和NOx排放量、社会经济等统计数据，通过线性拟合、相关性分析、趋势分析等方法分析研究2005—2023年江西省对流层NO2柱浓度空间分布和变化特征及其影响因素. 结果表明，2005—2023年江西省对流层NO2柱浓度高值区主要分布在九江—南昌—新余一带，低值区主要位于赣南地区. 江西省对流层NO2柱浓度季节变化特征明显，其中冬季NO2污染区域和浓度最大，其次是秋季和春季，夏季最小. 江西省对流层NO2柱浓度呈现较为明显的两个变化阶段，2005—2012年为增长阶段，年增长趋势率为0.36×1015 molec·cm−2·a−1；2013年《大气污染防治行动计划》实施后，NO2柱浓度为下降阶段，年下降趋势率为0.09×1015 molec·cm−2·a−1. 从月尺度上分析发现，气温和降雨量与江西省对流层NO2柱浓度呈显著的负相关，说明高温可以抑制NO2柱浓度的升高，而降雨对NO2柱浓度具有削减作用. 从年尺度上发现，气象因素在年际变化上对江西省对流层NO2柱浓度影响不显著前提下，江西省生产总值、人口数、煤炭消费总量和石油消费总量逐年增长的同时，对流层NO2柱浓度不升反降，这表明了在国家及地方政府强有力执行相关政策和法规下经济发展和环境保护可以实现良性发展.Abstract: Based on the NO2 tropospheric column concentration from Ozone Monitoring Instrument (OMI) and NO2 concentration provided by the environmental monitoring stations in Jiangxi Province, the correlation analysis between the data had a positive correlation, NO2 tropospheric column concentration could reflect the real NO2 pollution status on the ground. Combined with meteorological data, NOx emissions, socio-economic and other statistical data, the spatial distribution, variation characteristics and influencing factors of NO2 tropospheric column concentration in Jiangxi Province from 2005 to 2023 were analyzed by linear fitting, correlation analysis, trend analysis and other methods. The results showed that the high value area of NO2 tropospheric column concentration in Jiangxi Province from 2005 to 2023 was mainly distributed in Jiujiang-Nanchang-Xinyu area, and the low value area was mainly located in the south of Jiangxi. The seasonal variation characteristics of NO2 tropospheric column concentration in Jiangxi Province were obviously, in which the largest area and concentration of NO2 pollution in winter, followed by autumn and spring, and the smallest in summer. The NO2 tropospheric column concentration in Jiangxi Province showed two significant stages of changes, the growth stage from 2005 to 2012, with an annual growth rate of 0.36×1015 molec·cm−2·a−1. “the Action Plan for Prevention and Control of Air pollution” implemented in 2013, then it was the declining stage, with an annual declining rate of 0.09×1015 molec·cm−2·a−1. The temperature and precipitation were significantly negatively correlated with the NO2 tropospheric column concentration on monthly scale in Jiangxi Province, indicating that high temperature can inhibit the increase of NO2 tropospheric column concentration, while precipitation had a reducing effect on NO2 tropospheric column concentration. On the premise that in terms of interannual variation meteorological factors had no significant impact on the NO2 tropospheric column concentration of Jiangxi Province. The Gross Domestic Product, population, coal consumption and oil consumption had been increasing year by year in Jiangxi Province, the NO2 tropospheric column concentration had decreased instead of increasing on annual scale in Jiangxi Province, which indicated that economic development and environmental protection can achieve benign development under the strong implementation of relevant policies and regulations by the national and local governments.
-
-
图 2 2016—2023年江西省各设区市地面监测站点NO2质量浓度与NO2柱浓度的相关性分析
Figure 2. Correlation analysis of NO2mass concentration at monitoring stations and NO2column concentration from 2016 to 2023
图 3 2016—2023年江西省月平均对流层NO2柱浓度与地面NO2质量浓度变化
Figure 3. Monthly variation of the average concentration of NO2 and OMI tropospheric NO2 from 2016 to 2023
图 4 2005—2023年江西省对流层NO2柱浓度（a）及变化趋势（b）空间分布
Figure 4. The spatial distribution of NO2 troposphere column concentration（a） and trends（b）over Jiangxi Province from 2005 to 2023
图 5 2005—2023年江西省对流层NO2柱浓度年均值变化趋势
Figure 5. The annual average variation of NO2 troposphere column concentration in Jiangxi Province from 2005 to 2023
图 6 2005—2023年江西省对流层NO2柱浓度季节平均空间分布特征
Figure 6. The seasonal distribution characteristics of NO2 troposphere column concentration over Jiangxi Province from 2005 to 2023
图 7 江西省对流层NO2柱浓度变化趋势
Figure 7. The variation trend of NO2 troposphere column concentration over Jiangxi Province from 2005 to 2023
图 8 2005—2023年江西省对流层NO2柱浓度(a)和气温的月变化趋势及相关性分析(b)
Figure 8. The monthly average variation （a） and correlation analysis （b） of NO2 troposphere column concentration and temperature over Jiangxi Province from 2005 to 2023
图 9 2011—2022年江西省NOx年排放量变化趋势
Figure 9. The annual average variation of NOx emission in Jiangxi Province from 2011 to 2022
表 1 2005—2023年江西省对流层NO2柱浓度与气象因子的相关系数
Table 1. Correlation coefficient between NO2 troposphere column concentration and meteorological elements in Jiangxi Province from 2005 to 2023
气象要素
Meteorological element气温
Temperature降水量
Precipitation相对湿度
Relative humidity日照时数
Sunshine duration风速
Windspeed相关系数
Correlation coefficient−0.751** −0.416** −0.133* −0.393** −0.173 注：**P<0.01；*P<0.05. 
下载: 导出CSV
表 2 2010—2022年江西省对流层NO2柱浓度与社会经济因子的相关系数
Table 2. Correlation coefficient between NO2 troposphere column and socio-economic elements in Jiangxi Province from 2010 to 2022
社会经济因子
Socio-economic elements生产总值
Gross domestic product人口数
Population煤炭消费总量
Total coal consumption石油消费总量
Total oil consumption相关系数
Correlation coefficient−0.749** −0.733** −0.761** −0.798** 注：**P<0.01.
下载: 导出CSV
-
[1] GUAN J, SOLOMON S, MADRONICH S, et al. Inferring the photolysis rate of NO2 in the stratosphere based on satellite observations[J]. Atmospheric Chemistry and Physics, 2023, 23(18): 10413-10422. doi: 10.5194/acp-23-10413-2023 [2] 张晓东, 王冠, 王秀玲, 等. 2016—2019年唐山市臭氧污染及其与气象条件的关系[J]. 气象与环境学报, 2022, 38(2): 62-69. ZHANG X D, WANG G, WANG X L, et al. Characteristics of ozone pollution and its relationship with meteorological conditions from 2016 to 2019 in Tangshan[J]. Journal of Meteorology and Environment, 2022, 38(2): 62-69 (in Chinese).
[3] 杨雅琴, 高会旺. 青岛大气臭氧及其前体物时间变化与污染特征[J]. 气象与环境学报, 2008, 24(2): 1-5. YANG Y Q, GAO H W. Dynamics of ozone and its precursors in the atmosphere and their pollution characteristics in Qingdao, Shandong province[J]. Journal of Meteorology and Environment, 2008, 24(2): 1-5 (in Chinese).
[4] LEE D S, KÖHLER I, GROBLER E, et al. Estimations of global NO x, emissions and their uncertainties[J]. Atmospheric Environment, 1997, 31(12): 1735-1749. doi: 10.1016/S1352-2310(96)00327-5 [5] 郑晓霞, 李令军, 赵文吉, 等. 京津冀地区大气NO2污染特征研究[J]. 生态环境学报, 2014, 23(12): 1938-1945. ZHENG X X, LI L J, ZHAO W J, et al. Spatial and temporal characteristics of atmospheric NO2 in the Beijing-Tianjin-Hebei Region[J]. Ecology and Environmental Sciences, 2014, 23(12): 1938-1945 (in Chinese).
[6] van der A R J, ESKES H J, BOERSMA K F, et al. Trends, seasonal variability and dominant NO x source derived from a ten year record of NO2 measured from space[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D4): D04302. [7] ATKINSON R W, BUTLAND B K, ANDERSON H R, et al. Long-term concentrations of nitrogen dioxide and mortality: A meta-analysis of cohort studies[J]. Epidemiology, 2018, 29(4): 460-472. doi: 10.1097/EDE.0000000000000847 [8] 吴琳, 沈建东, 冯银厂, 等. 杭州市灰霾与非灰霾日不同粒径大气颗粒物来源解析[J]. 环境科学研究, 2014, 27(4): 373-381. WU L, SHEN J D, FENG Y C, et al. Source apportionment of particulate matters in different size bins during hazy and non-hazy episodes in Hangzhou City[J]. Research of Environmental Sciences, 2014, 27(4): 373-381 (in Chinese).
[9] 王耀庭, 殷振平, 郑祚芳, 等. 基于长时序“地-星” 数据的京津冀大气污染时空分布及演变特征[J]. 环境科学, 2022, 43(7): 3508-3522. WANG Y T, YIN Z P, ZHENG Z F, et al. Spatial-temporal distribution and evolution characteristics of air pollution in Beijing-Tianjin-Hebei Region based on long-term “ground-satellite” data[J]. Environmental Science, 2022, 43(7): 3508-3522 (in Chinese).
[10] 姜建芳, 侯丽丽, 王鑫龙, 等. 中国近地面NO2污染分布特征及其社会经济影响因素分析[J]. 生态环境学报, 2019, 28(8): 1632-1641. JIANG J F, HOU L L, WANG X L, et al. Spatial analysis of ground-level NO2 in China and its socio-economic factors[J]. Ecology and Environmental Sciences, 2019, 28(8): 1632-1641 (in Chinese).
[11] 王岚新, 晏洋洋, 尹沙沙, 等. 基于卫星遥感的河南省甲醛变化趋势及影响因素分析[J]. 环境化学, 2023, 42(10): 3449-3460. doi: 10.7524/j.issn.0254-6108.2022050906 WANG L X, YAN Y Y, YIN S S, et al. Analysis of the changing trend and influencing factors of HCHO in Henan Province through satellite retrievals[J]. Environmental Chemistry, 2023, 42(10): 3449-3460 (in Chinese). doi: 10.7524/j.issn.0254-6108.2022050906
[12] 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. ZHENG Z H, WU Z F, CHEN Y B, et al. Analysis of temporal and spatial variation characteristics of NO2 pollutants in Guangdong-Hong Kong-Macao Greater Bay Area based on Sentinel-5P satellite data[J]. China Environmental Science, 2021, 41(1): 63-72 (in Chinese).
[13] 燕丽, 贺晋瑜, 杨晓玥, 等. 2005—2018年河南省NO2柱浓度变化特征[J]. 中国环境科学, 2020, 40(10): 4259-4264. YAN L, HE J Y, YANG X Y, et al. Variation of NO2 column concentration over Henan province in 2005-2018[J]. China Environmental Science, 2020, 40(10): 4259-4264 (in Chinese).
[14] JION M M M F, JANNAT J N, MIA M Y, et al. A critical review and prospect of NO2 and SO2 pollution over Asia: Hotspots, trends, and sources[J]. Science of the Total Environment, 2023, 876: 162851. doi: 10.1016/j.scitotenv.2023.162851 [15] KROTKOV N A, McLINDEN C A, LI C, et al. Aura OMI observations of regional SO2 and NO2 pollution changes from 2005 to 2015[J]. Atmospheric Chemistry and Physics, 2016, 16(7): 4605-4629. doi: 10.5194/acp-16-4605-2016 [16] 吴雅睿, 王虎, 王美景. 基于OMI的陕甘宁地区NO2时空分布及影响因素分析[J]. 大气与环境光学学报, 2023, 18(6): 553-568. WU Y R, WANG H, WANG M J. Spatio-temporal variation and impact factors of tropospheric NO2 column density in Shaanxi-Gansu-Ningxia region based on OMI satellite data[J]. Journal of Atmospheric and Environmental Optics, 2023, 18(6): 553-568 (in Chinese).
[17] 管庆丹, 左小清, 李石华, 等. 基于OMI数据的长三角城市群对流层NO2浓度时空变化特征及其驱动因素分析[J]. 贵州大学学报(自然科学版), 2021, 38(6): 115-124. GUAN Q D, ZUO X Q, LI S H, et al. Spatiotemporal variation characteristics and driving factors of tropospheric NO2 concentration in Yangtze River Delta urban agglomeration based on OMI data[J]. Journal of Guizhou University (Natural Sciences), 2021, 38(6): 115-124 (in Chinese).
[18] 李艳红, 王莉莉, 赵晓蓉. 奎屯市-独山子区-乌苏市区域大气对流层NO2柱浓度时空变化分析[J]. 环境科学研究, 2021, 34(9): 2122-2131. LI Y H, WANG L L, ZHAO X R. Spatial and temporal variation of atmospheric tropospheric NO2 column concentration in Kuitun City, Dushanzi district and Wusu City[J]. Research of Environmental Sciences, 2021, 34(9): 2122-2131 (in Chinese).
[19] 周春艳, 厉青, 何颖霞, 等. 山东省近10年对流层NO2柱浓度时空变化及影响因素[J]. 中国环境科学, 2015, 35(8): 2281-2290. ZHOU C Y, LI Q, HE Y X, et al. Spatial-temporal change of tropospheric NO2 column density and its impact factors over Shandong province during 2005~2014[J]. China Environmental Science, 2015, 35(8): 2281-2290 (in Chinese).
[20] 程韵初, 吴莹. 基于OMI资料的中国对流层NO2柱浓度时空变化及其影响因子分析[J]. 地球物理学进展, 2020, 35(5): 1644-1650. CHENG Y C, WU Y. Spatiotemporal changes of tropospheric NO2 vertical column densities in China based on OMI data and its influencing factors[J]. Progress in Geophysics, 2020, 35(5): 1644-1650 (in Chinese).
[21] WANG C J, WANG T, WANG P C. The spatial–temporal variation of tropospheric NO2 over China during 2005 to 2018[J]. Atmosphere, 2019, 10(8): 444. doi: 10.3390/atmos10080444 [22] 翟浩然, 唐新明, 王光辉, 等. 中国超大城市不透水面扩张对对流层NO2柱浓度的影响[J]. 环境科学学报, 2019, 39(3): 797-808. ZHAI H R, TANG X M, WANG G H, et al. Impact of impervious surface expansion on tropospheric NO2 column density in Chinese megacities[J]. Acta Scientiae Circumstantiae, 2019, 39(3): 797-808 (in Chinese).
[23] 陈玲, 闫世明, 倪成诚, 等. 基于OMI的汾渭平原对流层NO2长期变化趋势[J]. 中国环境科学, 2022, 42(8): 3492-3501. CHEN L, YAN S M, NI C C, et al. Long-term trends of tropospheric NO2 over the Fenwei Plain of China based on OMI data[J]. China Environmental Science, 2022, 42(8): 3492-3501 (in Chinese).
[24] 赵金环, 蔡坤, 李莘莘, 等. 新冠疫情对我国NO2排放影响的时空分析[J]. 中国环境科学, 2021, 41(1): 56-62. ZHAO J H, CAI K, LI S S, et al. Spatiotemporal analysis on the impact of COVID-19 pandemic on NO2 emission in China[J]. China Environmental Science, 2021, 41(1): 56-62 (in Chinese).
[25] 李焕, 苏慧, 张婷, 等. 基于机器学习的汾渭平原PM2.5和O3变化特征及影响因素[J]. 环境化学, 2024, 43(5): 1585-1598. doi: 10.7524/j.issn.0254-6108.2023110802 LI H, SU H, ZHANG T, et al. Variation characteristics and influencing factors of PM2.5 and O3 based on machine learning in Fenwei Plain[J]. Environmental Chemistry, 2024, 43(5): 1585-1598 (in Chinese). doi: 10.7524/j.issn.0254-6108.2023110802
[26] 王修文, 李露露, 孙敬方, 等. 我国氮氧化物排放控制及脱硝催化剂研究进展[J]. 工业催化, 2019, 27(2): 1-23. WANG X W, LI L L, SUN J F, et al. Analysis of NO x emission and control in China and research progress in denitration catalysts[J]. Industrial Catalysis, 2019, 27(2): 1-23 (in Chinese).
[27] 周春艳, 王桥, 厉青, 等. 近10年长江三角洲对流层NO2柱浓度时空变化及影响因素[J]. 中国环境科学, 2016, 36(7): 1921-1930. ZHOU C Y, WANG Q, LI Q, et al. Spatio-temporal change and influencing factors of tropospheric NO2 column density of Yangtze River Delta in the decade[J]. China Environmental Science, 2016, 36(7): 1921-1930 (in Chinese).
[28] 王振, 杨卫芬, 叶香, 等. 气象因素对常州市区PM2.5浓度影响[J]. 气象与环境学报, 2020, 36(3): 26-32. doi: 10.3969/j.issn.1673-503X.2020.03.004 WANG Z, YANG W F, YE X, et al. Impacts of meteorological factors on PM2.5 concentration in urban regions of Changzhou[J]. Journal of Meteorology and Environment, 2020, 36(3): 26-32 (in Chinese). doi: 10.3969/j.issn.1673-503X.2020.03.004
[29] 顾芳婷, 胡敏, 郑竞, 等. 大气颗粒物中有机硝酸酯的研究进展[J]. 化学进展, 2017, 29(9): 962-969. doi: 10.7536/PC20170905 GU F T, HU M, ZHENG J, et al. Research progress on particulate organonitrates[J]. Progress in Chemistry, 2017, 29(9): 962-969 (in Chinese). doi: 10.7536/PC20170905
[30] 常治铁. SDS+SCR工艺在焦炉烟气脱硫脱硝中的应用[J]. 中国冶金, 2019, 29(10): 65-70. CHANG Z T. Application of SDS+SCR process in desulfurization and denitration of coke oven flue gas[J]. China Metallurgy, 2019, 29(10): 65-70 (in Chinese).
[31] 郭宇宏, 王自发, 康宏, 等. 机动车尾气排放对城市空气质量的影响研究: 以乌鲁木齐市春节前后对比分析[J]. 环境科学学报, 2014, 34(5): 1109-1117. GUO Y H, WANG Z F, KANG H, et al. Impact of automobile vehicles exhaust emissions on metropolitan air quality: Analysis study on the air pollution change before and after the Spring Festival in Urumqi City, China[J]. Acta Scientiae Circumstantiae, 2014, 34(5): 1109-1117 (in Chinese).
[32] NAEEM W, KIM J, LEE Y G. Spatiotemporal variations in the air pollutant NO2 in some regions of Pakistan, India, China, and Korea, before and after COVID-19, based on ozone monitoring instrument data[J]. Atmosphere, 2022, 13(6): 986. doi: 10.3390/atmos13060986 -
点击查看大图
计量
- 文章访问数: 311
- HTML全文浏览数: 311
- PDF下载数: 14
- 施引文献: 0
