遥感技术与应用, 2023, 38(5): 1148-1158 doi: 10.11873/j.issn.1004-0323.2023.5.1148

遥感应用

星载NO2探测发展及对流层柱浓度产品精度分析

张新苑,1,2,3, 李小英,1, 程天海1, 刘双慧1,2,4, 郭宇航1,2,3

1.中国科学院空天信息创新研究院，北京 100094

2.中国科学院大学，北京 100049

3.中国科学院大学资源与环境学院，北京 100049

4.中国科学院大学电子电气与通信工程学院，北京 100049

Review of NO2 Retrieval of Satellite-borne Hyperspectral Sensors and Accuracy Assessment of Tropospheric NO2 Column Density Products

ZHANG Xinyuan,1,2,3, LI Xiaoying,1, CHENG Tianhai1, LIU Shuanghui1,2,4, GUO Yuhang1,2,3

1.Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China

2.University of Chinese Academy of Sciences，Beijing 100049，China

3.College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100094，China

4.School of Electronic，Electrical and Communication Engineering，University of Chinese Academy of Sciences，Beijing 100094，China

通讯作者: 李小英（1975—），女，福建漳州人，博士，副研究员，主要从事大气成分反演算法研究。Email:Lixy01@radi.ac.cn

收稿日期: 2022-07-06   修回日期: 2022-10-09  

基金资助: 国家自然科学基金项目.  41571345
国家重点研发项目.  2018YFB050490303

Received: 2022-07-06   Revised: 2022-10-09  

作者简介 About authors

张新苑（1999—），女，陕西渭南人，硕士研究生，主要从事定量遥感应用研究Email:zhangxinyuan20@mails.ucas.edu.cn , E-mail：zhangxinyuan20@mails.ucas.edu.cn

摘要

NO2作为大气中重要的痕量气体之一，是衡量大气污染状况的重要风向标。与传统地基观测相比，星载传感器能够提供大范围、长时间序列的观测资料，利用遥感卫星数据反演获取对流层NO2浓度已成为近些年研究的热点之一。首先介绍了国内外星载紫外高光谱传感器的发展。然后从原理方面对国际上通用的对流层NO2垂直柱浓度反演算法进行阐述。之后介绍了各官方对流层NO2柱浓度产品的反演流程及产品精度，并比较了各产品DOAS算法的区别。可见，由于传感器所获取数据的时间、空间、光谱分辨率越来越高，NO2柱浓度产品的反演模型及算法的选择更加合理，因此NO2产品精度也更高。

关键词： NO2 ; 星载高光谱传感器 ; 柱浓度 ; 反演算法

Abstract

As one of the important trace gases in the atmosphere， nitrogen dioxide （NO2） is an important weather vane to measure the state of air pollution and have been associated with human health. Compared with traditional ground-based observations， space-borne sensors can provide large-scale and long-term observational data， overcoming the limitations of the number and location of observation sites. This paper reviewed the development of the space-borne hyper-spectral sensors at home and abroad， the retrieval algorithms of tropospheric NO2 vertical column density， and also discussed the accuracy of the tropospheric NO2 products.With the development of technology， the resolution of the time， space and spectral are getting higher and the selection of the retrieval model and algorithm of the NO2 column density product are getting more reasonable，so the NO2 products are more accurate.

Keywords： NO2 ; Satellite-borne ultraviolet hyperspectral sensor ; Column density ; Retrieval algorithm

PDF (816KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张新苑, 李小英, 程天海, 刘双慧, 郭宇航. 星载NO2探测发展及对流层柱浓度产品精度分析. 遥感技术与应用[J], 2023, 38(5): 1148-1158 doi:10.11873/j.issn.1004-0323.2023.5.1148

ZHANG Xinyuan, LI Xiaoying, CHENG Tianhai, LIU Shuanghui, GUO Yuhang. Review of NO2 Retrieval of Satellite-borne Hyperspectral Sensors and Accuracy Assessment of Tropospheric NO2 Column Density Products. Remote Sensing Technology and Application[J], 2023, 38(5): 1148-1158 doi:10.11873/j.issn.1004-0323.2023.5.1148

1 引言

当前人类活动、工业排放和土地类型的改变使得大气中痕量气体含量升高［1］。氮氧化物（NOx=NO+ NO2）是光化学形成臭氧的前体物［2］，是地球大气中最重要的痕量气体之一［3］。平流层中，它是破坏臭氧的催化剂，对流层中，氮氧化物和挥发性有机化合物是形成臭氧的重要成分。由于生命周期只有几天甚至几个小时，所以主要集中在对流层底部。除此之外，NO2还会与羟基自由基（OH）反应生成硝酸（HNO3），产生酸雨，从而对环境产生破坏、直接影响公众健康，并且在局地辐射强迫中起着重要作用［4-5］。NO2的来源主要有两种，自然源和人为源。在全球尺度上，人为源与自然源贡献程度大致相等，但在空间分布上，自然源分布更为均匀，人为源多集聚在局部区域。人为源可分为3类：化石燃料燃烧、森林火灾和土壤排放［6］，其中燃烧过程是最主要的贡献者。化石燃料和生物质等的燃烧，严重影响了局部区域的空气质量，并且对全球的对流层环境造成严重破坏［7］。NO2的浓度及化学特性是衡量人为大气污染的一个重要风向标［8］。因此，充分了解NO2 分布及其变化对大气环境研究和空气质量控制等方面具有指导意义。

传统的地基监测能够获得实时准确的数据，然而由于监测站点的限制、污染物空间分布不均等特点，无法提供大范围、长时间连续的资料，很难从点信息获取其空间特性。而卫星自上而下的长序列观测能够有效解决这一问题［9］。与地基监测不同，星载遥感观测在经过垂直探测灵敏度校正后可探测得到对流层以上的柱总量［10］。污染严重的地区，对流层NO2浓度可占NO2柱总量的90 %［11］。因此利用遥感卫星数据反演获取对流层NO2浓度已成为近些年研究的热点之一。

NO2在330~700 nm范围内有很强的带状吸收光谱，且最大值出现在400~450 nm范围内，因此该范围常用于NO2的反演［12］。NO2反演使用DOAS算法进行光谱拟合，获得大气整层斜柱浓度；然后估算获得平流层NO2斜柱浓度，从而获得对流层NO2斜柱浓度；最后计算获得AMF，将对流层斜柱浓度转换为垂直柱浓度。Chen等［13］详细地介绍了NO2反演算法，并且对NO2反演误差分析、验证和未来NO2传感器的发展进行了讨论，较为全面地总结了国内外NO2反演方面的相关研究，但并未对NO2产品进行系统梳理。并且近十几年来国内外陆续发射了一系列可用于探测NO2的传感器，因此，有必要对星载NO2探测仪器、反演算法及相关产品现状进行重新梳理。

2 NO2天底探测器发展

2.1　GOME

GOME（Global Ozone Monitoring Experiment）搭载于欧空局（European Space Agency，ESA）发射的 ERS-2（European Space Agency-2）卫星上，于1995年4月21日发射，2003年停止运行。该仪器通过测量太阳后向散射来实现全球范围内大气痕量气体柱总量的测量［14］。它的主要任务是监测O3以及在平流层、对流层中具有重要影响的痕量气体的全球分布情况，如NO2、SO2、OClO和BrO等。GOME波长范围为240~790 nm，覆盖紫外、可见光、近红外波段。该仪器的光谱分辨率为0.2~0.4 nm，空间分辨率为40 km2×40 km2到40 km2×320 km2不等。由于使用最大扫描宽度（960 km）， GOME可在赤道3天内（43个轨道）实现对全球范围内的扫描。数据产品分为5个等级，可满足不同用户的需求。

GOME将差分光学吸收光谱技术（Differential Optical Absorption Spectroscopy， DOAS）作为主要的测量技术，在探测痕量气体方面具有极大潜力。观测方式为天底观测，有4个不同的光谱通道，其中通道2（290~405 nm）和通道3（400~605 nm）可用于探测NO2。由于NO2在330~700 nm区间有很强的带状吸收光谱，且最大值位于400~450 nm区间，因此基于GOME利用DOAS技术探测NO2是十分理想的。目前GOME可获得NO2柱浓度产品的空间分辨率为40 km2×320 km2。因此，GOME的NO2产品被定义为一个中等准确度的产品［14］。

2.2　SCIAMACHY

由德国、荷兰和比利时联合研制的SCIAMACHY（Scanning Imaging Absorption Spectromemeter for Atmospheric Chartography）载荷于2002年2月28日搭载于ENVISAT卫星发射成功，在轨运行至2012年4月8日。光谱范围为240~2 380 nm，光谱分辨率为0.2~1.5 nm，空间分辨率为30 km2×60 km2，大约6天便可覆盖全球。相较于GOME，SCIAMACHY使用了天底、临边相结合的观测模式，可同时获得痕量气体的柱浓度和廓线等数据［15］。

SCIAMACHY可通过观测425~450 nm范围内太阳后向散射来反演对流层中NO2浓度［15］。Lamsal等利用SCIAMACHY对流层NO2柱浓度数据，并结合全球化学输送模型（GEOS- Chem）估算了NOx排放的变化以及2006年自下而上的人为排放量［16］。

2.3　OMI

OMI（Ozone Monitoring Instrument）搭载于卫星Aura，于2004年7月15日发射升空，该仪器由荷兰和芬兰航空局制造，可测量紫外可见光范围内（270~500 nm）的直射、后向散射太阳光，以高光谱分辨率在紫外/可见/近红外（UV/VIS/NIR）范围内测量完整光谱，这使得同时从大气中反演几种痕量气体成为可能［17］。OMI有3个光谱通道：UV1（270~310 nm）、UV2（310~365 nm）、VIS（365~500 nm）［18］，能够提供对流层中O3、NO2、SO2、HCHO等痕量气体的柱浓度数据［19］。其中用来反演NO2柱浓度的波长范围为425~450 nm［20］。

OMI通过大视场角（114°）能够获得更大范围、更高空间分辨率（13 km2×24 km2）的空间信息，可实现每日全球覆盖，弥补了GOME、SCIAMACHY只能获取NO2月平均或年平均数据的缺陷［17］。除此之外，还可以用于计算云分数、云顶高度、气溶胶光学厚度和单次散射反照率等一系列参数［21］。

表1   星载紫外传感器主要参数

Table 1  Principal parameters of NO2 column data products of the space-borne UV sensors

传感器/卫星发射时间光谱范围光谱分辨率空间分辨率
GOME/ ERS-21995年4月240~790 nm0.2~0.4 nm40 km2×320 km2
SCIAMACHY/ Envisat2002年3月240~2380 nm0.22~1.48 nm30 km2×60 km2
OMI/ Aura2004年7月270~500 nm0.63 nm13 km2×24 km2
GOME-2/Metop-A2006年10月

240~790 nm（主通道）

300~800 nm（偏振通道）

0.24~0.53 nm

80 km2×40 km2

（主通道）

TROPOMI/Sentinel-5p2017年10月

270~550 nm

675~775 nm

2 305~2 385 nm

0.2~0.4 nm

3.5 km2×7 km2（2019年8月6日前）

3.5 km2×5.5 km2（2019年8月6日后）

EMI/ Gaofen-52018年5月240~710 nm0.3~0.5 nm13 km2×48 km2
EMI-II/ Gaofen-5(02)2021年9月240~710 nm0.3~0.6 nm13 km2×24 km2

新窗口打开| 下载CSV


2.4　GOME-2

作为GOME-1的增强版［22］，搭载在Metop-A卫星上的传感器GOME-2于2006年10月发射升空。除此之外，GOME-2还搭载在Metop-B和Metop-C卫星上，分别于2013年4月24日、2018年11月6日进入预定轨道。METOP系列卫星属于太阳同步轨道卫星，运行高度为820 km［23］。

GOME-2包括4个主要的光谱通道和2个偏振通道，光谱仪是一个四通道紫外/可见光栅光谱仪，以天底模式进行观测，波长范围为240~790 nm，光谱分辨率为0.2~0.4 nm，空间分辨率为40 km2×80 km2［24］。GOME-2具有两个观测模式：地球观测模式和校准模式，能够测量地球的后向散射辐射和太阳辐照度，可在紫外-可见光波段对大气痕量气体柱浓度进行全球范围内的监测，如NO2、BrO、OCLO、HCHO和SO2等［23］。

2.5　TROPOMI

TROPOMI是哨兵五号（Sentinel-5 Precursor， S5P）上唯一有效的载荷，承担着每日提供全球范围痕量气体、气溶胶浓度的任务。该仪器具有4个独立的光谱仪，探测波段包括紫外、可见光、近红外和短波红外，在大气层顶部探测地球反射和辐射的太阳光，可对O3、NO2、CO、SO2、CH4、HCHO和气溶胶等成分进行观测，并且能够获得这些痕量气体的柱总量和垂直廓线信息［25］。

TROPOMI包含4台光谱仪器，3台覆盖紫外-近红外（270~500 nm和675~755 nm）范围，一台用于短波红外范围内的探测［26］。官方所提供的NO2产品反演算法是基于QA4ECV和DOMINO/TEMIS算法的一种改进［27］。TROPOMI NO2产品具有更高的时间、空间分辨率［28］。为了验证TROPOMI数据的有效性，基于地基Pandora光谱仪建立了Pandonia全球网络，该仪器可在紫外-可见光（280~525 nm）范围探测太阳直射光，并利用DOAS方法提供NO2柱总量 ［29］。

2.6　大气痕量气体差分吸收光谱仪

2018年5月9日，高分系列卫星高分五号（GF-5卫星）成功发射，轨道高度为708.45 km，大气痕量气体差分吸收光谱仪（Environment Monitoring Instrument，EMI）是我国第一个星载紫外-可见光谱仪，旨在测量全球范围内平流层、对流层大气痕量气体的空间分布状况［30］。

作为同类型仪器，EMI继承了OMI、TROPOMI等仪器的特性，空间分辨率略高于OMI，次于TROPOMI，三者的LTAN（local solar time at the ascending node）相近，因此OMI、TROPOMI产品是评价EMI精度最理想的数据［31］。EMI拥有两个紫外波段UV1（240~315 nm）、UV2（311~403 nm）和两个可见光波段VIS1（401~550 nm）、VIS2（545~710 nm），光谱分辨率为0.3~0.5 nm，空间分辨率为13 km2×48 km2［32］。国内学者已经证实了EMI在轨数据对对流层NO2柱浓度的探测能力［31］，但遗憾的是，高分五号卫星已于2020年失联。

EMI-II搭载在高分5（02）星上，于2021年9月7日在太原卫星发射中心发射成功并顺利运行。作为EMI的升级版，在保留原有部分设置的同时，EMI-II主要的改进是望远镜的反射镜，使用离轴高次非球面系统来代替离轴球面镜系统，从而实现更高的空间分辨率，空间分辨率可达到13 km2×24 km2。除此之外，EMI-II的双向散射分布函数（Bidirectional Scattering Distribution Function，BSDF）发射前已在地面确定，是重要的辐射定标参数［33］。目前，高分5（02）星还在试运行阶段。

3 对流层NO2柱浓度反演算法

对流层NO2柱浓度反演算法主要包括3个部分： NO2整层斜柱浓度、对流层NO2斜柱浓度和对流层NO2垂直柱浓度的计算。

3.1　NO2整层斜柱浓度算法

目前基于反射光谱的NO2柱浓度反演算法主要有经典DOAS算法和改进DOAS算法。

3.1.1　经典DOAS算法

差分光谱吸收法（DOAS）由Perner和Platt［34］提出，是目前测量大气痕量气体最常用的光谱学方法之一。他们利用该算法，反演出了痕量气体NO2、O3和HCHO的含量，从而证明了该算法的可行性。

Beer-Lambert定律是DOAS算法的基础，根据Beer-Lambert定律，一束波长为λ，强度为Iλ的辐射光在穿过厚度为ds介质后变为Iλ+dIλ，辐射光因与介质相互作用而削弱，满足公式（1）：

dIλ=-σ(λ,T)ρIλds

其中：ρ为物质密度，σ(λ,T)为对辐射波长λ的消光截面。假设介质消光截面均一不变，对公式（1）在传播路径上进行积分，即可得到Beer-Lambert定律：

Iλs=Iλe-σ(λ,T)∫0sρds

则光学厚度𝛕可以表示为：

𝛕τ=-lnIλsIλ0=σ(λ,T)∫0sρds

其中： ∫0sρds为大气成分在特定光路上的浓度，也就是气体的斜柱浓度，通常用SCD表示。在紫外-可见光波段，忽略辐射传播中的散射和发射增强作用，则公式（3）可表示为：

τ=-lnIλsIλ0                                                                        
=∑iσi(λ,T)SCDi(λ)+σray(λ,T)SCDi(λ)+
σmie(λ)SCDmie(λ)                                              

其中：σ为各大气成分的吸收截面，SCD为其各种成分的斜柱浓度。

DOAS算法最核心的原理为：通过多项式拟合，将光谱中随波长变化慢的部分去除掉，只剩下随波长变化快的部分，这部分被称为差分吸收光谱，对这一部分使用Beer-Lambert定律，从而计算出目标气体的斜柱浓度。而由于气溶胶、其它气体吸收等造成的光谱变化在结构上呈现一个光滑、平缓的特征，也可以很好地去除掉，原理如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   DOAS算法原理示意图（a、b分别表示光谱和吸收截面分离过程）［6］

Fig.1   Principle of DOAS


图1中（a）表示强度为I的光谱分离过程，（b）表示吸收截面σ的分离过程，I0和σ被分为为窄带部分（D’和σ’）和宽带部分（I0'和σb），可用公式（5）加以详细描述：

σjλ=σj0λ+σj' λ

其中：σj0(λ)表示随波长变化缓慢的部分，主要由瑞利散射、米氏散射等引起；σj'（λ）表示随波长变化剧烈的部分，主要由目标气体吸收所引起。将公式（5）代入公式（4）中可得到差分吸收光谱公式（6），对该公式进行最小二乘法拟合，便可以得到NO2斜柱浓度。

τ=∑iσiλ,TSCDi(λ)+F(λ)

其中：F(λ)是低阶多项式，也就是光谱中随波长变化慢的部分。

由于卫星观测到的太阳光十分复杂，包含：经地表反射的透射光、多次反射和散射的天空光等，传统DOAS算法已不适用，需要建立基于卫星反射光谱的DOAS算法。但仍可用公式（6）来进行光谱分离和拟合，处理后的差分光谱包含由入射太阳光、地表反射光和多次散射所产生的气体吸收结构［35］。实际应用中，为了能够确定各种痕量气体的浓度，通常在多个波长处进行测量。这一方法的使用，不仅能够解决仪器光学特性随时间变化而造成的误差问题，而且能够有效地提高DOAS算法的灵敏度。除此之外，DOAS光谱拟合过程中，不确定性会受到许多因素的影响，例如：仪器系统噪声、夫琅禾费线、依赖温度的吸收截面、原因不明的光谱结构、辐射传输路径的长度和吸收截面精度等。其中， Ring效应主要是由Raman散射引起的，夫琅禾费线在观测光谱中占主要部分，对Ring效应进行处理可以有效地去除夫琅禾费结构的影响，从而提高NO2的反演精度［36］。

3.1.2　改进DOAS算法

BOAS（the basic optical differential spectroscopy）是一种改进的DOAS算法，该算法由3个研究机构（IFE/IUP Bremen、Dalhousie/SAO和BIRA/IASB）联合开发［37］。在不进行高通滤波平滑处理的前提下，BOAS算法在反演窗口内直接拟合后向散射光谱确定NO2斜柱浓度［38-39］。在经典的DOAS基础上，该算法主要在光谱拟合部分进行了改进，如公式（7）所示：

Iλ=aI0+∑i∝iXie-∑j∝jXj+   ∑k∝kXk∑n∝nXn+∑m∝mXm

其中：I0是太阳辐照度；a是I0的因子；∝iXi为痕量气体的贡献项，包括Ring效应和欠采样校正，∝jXj为痕量气体的贡献项，也就是要求的斜柱浓度，∝kXk代表共模校正，∝nXn和∝mXm表示缩放和平移多项式。

相较于DOAS算法，BOAS算法使用太平洋地区经度在165 ˚ W附近，纬度在30 ˚S~30 ˚N的大气层顶辐亮度数据替代太阳辐照度数据，大大提高了反演的精度。目前，BOAS方法已被应用到NO2、HCHO等成分的柱总量反演中［40］。

3.2　对流层NO2斜柱浓度算法

对流层NO2斜柱浓度通过将平流层NO2斜柱浓度从大气整层斜柱浓度中减去获得，可用公式（8）表示：

Nstrop=Ns-Nsstrat

其中：Nstrop指对流层内NO2斜柱浓度，Ns指大气整层斜柱浓度，Nsstrat为平流层NO2斜柱浓度，可通过参考扇区法、天底-临边观测法、大气化学模式等方法获得［11，25，35-37］。

参考扇区法十分依赖于平流层柱在垂直方向上的均匀性［41］。在污染源很小的情况下，对流层中NO2柱浓度的贡献很小，可获得较为准确的平流层NO2浓度［11］。该方法简单易操作，但存在系统性偏差：（1）参考区域对流层背景值较低但不为0，会导致计算出的对流层柱浓度偏低；（2）在低纬度、靠近涡旋等地区，垂直方向均匀性的假设不成立［42］。天底-临边观测法（Limb-Nadir Matching， LNM）利用天底观测获得总柱浓度和临边观测获得平流层浓度对平流层进行校正，但该方法对仪器要求较高，具有一定限制性［43］。此外，可使用大气化学模式模拟平流层NO2柱浓度，如：TM5-MP CTM［44］、3d-CTM SLIMCAT［10］等。该方法在缺乏平流层NO2信息的情况下具有很大优势，并且能够清楚地解释平流层内的动力学过程［25］。

3.3　对流层NO2垂直柱浓度算法

大气质量因子（Air Mass Factor， AMF）可将对流层斜柱浓度转化为垂直柱浓度，可通过公式（9）来表示：

AMF=SCDVCD

其中：SCD为光谱反演所获得的气体斜柱浓度；VCD为垂直柱浓度。目前计算AMF的方法有两种：基于观测几何的经验公式和辐射传输模型［45］。

在不考虑大气散射等一系列大气作用的条件下，可以基于几何关系来进行估算：

AMF≈AMFG=cos-1 ϴS+cos-1 ϴv

其中：AMFG表示基于几何关系的大气质量因子， θs表示太阳天顶角， θv表示卫星天顶角，该方法适用于对精度要求不高的研究当中。 此外，可使用辐射传输模型计算AMF，例如：SCIATRAN、DAK（KNMI Doubling-Adding）、LIDORT（Linearized Discrete Ordinate Radiative Transfer）等。该方法不仅考虑了光学几何、地表反射率、云和气溶胶等因素，还考虑了痕量气体空间上的垂直分布情况［45］。

4 主要星载仪器对流层NO2柱浓度产品反演及精度介绍

卫星遥感探测对流层NO2柱浓度反演很大程度上依赖于模型和模型参数的选择［37］。目前可供使用的NO2产品较多，各机构分别根据传感器的特点，生产出精度较高、可供用户使用的NO2产品。国际上主流的紫外星载探测仪的对流层NO2柱浓度产品均采用DOAS算法进行光谱拟合获得NO2斜柱浓度，部分传感器的对流层NO2柱浓度产品DOAS反演参数设置如表2所示。

表2   对流层NO2浓度产品DOAS反演参数设置

Table 2  Main settings of the DOAS retrieval of tropospheric NO2 vertical column data products

仪器产品版本波段范围/nm干扰痕量气体

伪吸

收体

拟合

方式

多项式次数

对流层NO2产

品误差估计

GOMETM4NO2A v2.3426.3~451.3O3、H2Ovap、O2-O2、H2OliqRing线性335%~60%
QA4ECV NO2 v1.1425~465O3、H2Ovap、O2-O2、H2OliqRing线性4/
SCIAMACHYIFE/IUP Bremen 3.0425~450O4、H2OvapRing线性428%
TM4NO2A v2.3426.5~451.3O3、H2Ovap、O2-O2、H2OliqRing线性2-19%~9%
MPI Mainz/IUP Heidelberg425~450O3、O2-O2、H2OvapRing线性3/
QA4ECV NO2 v1.1425~465O3、H2Ovap、O2-O2、、H2OliqRing线性4/
OMIOMINO2 v4.0402~465O3、CHOCHO、H2Ovap、O2-O2、H2OliqRing非线性220%~30%
DOMINO v3.0405~465O3、H2Ovap、O2-O2、H2OliqRing非线性5-24%~4%
QA4ECV NO2 v1.1405~465

O3、H2Ovap、O2-O2、

H2Oliq

Ring线性4-1~-4 Pmolec.cm-2
GOME-2IFE/IUP Bremen 4.2425~497O3、H2Ovap、O2-O2、H2OliqRing线性3<2×1014 molec∙cm-2
TM4NO2A v2.3425~450O3、H2Ovap、O2-O2Ring线性3-13%~15%
O3MSAF lv2425~450O3、H2Ovap、O2-O2Ring线性330%
QA4ECV NO2 v1.1405~465O3、H2Ovap、O2-O2、H2OliqRing线性435%~45%
TROPOMI/405~465O3、H2Ovap、O2-O2、H2OliqRing非线性519%~33%
EMI/420~470O3、H2Ovap、O2-O2、H2OliqRing非线性5-30%

新窗口打开| 下载CSV


4.1　GOME对流层NO2产品

GOME的NO2产品（TM4NO2A）由KNMI和BIRA/IASB合作提供，目前已更新至第2.3v，可提供产品的时间序列为1996年4月1日~2003年6月30日。该产品采用426.3~451.3 nm波段范围进行反演，考虑了O3、O2~O2和H2O等干扰气体，然后使用TM4化学传输模型模拟获得平流层斜柱浓度，最后使用DAK辐射传输模型计算AMF。经验证，在NO2污染较严重地区，GOME NO2产品值普遍偏高；NO2浓度较低的区域，GOME NO2普遍低于地基观测的值，不确定性达35%~60%［37，46］。为解决各平台传感器使用寿命有限、跨平台数据处理困难等问题，降低由过境时间、不同仪器、信噪比等带来的差异，更好地保证数据的质量和完整性。QA4ECV（Assurance for Essential Climate Variables）项目对不同传感器进行统一反演，旨在生产一个完整、可追溯的NO2柱浓度数据集。QA4ECV NO2产品目前已更新至1.1版本，计划使用GOME、SCIAMACHY、OMI、GOME-2等仪器一级数据作为输入，仍选择DOAS算法进行光谱拟合。GOME QA4ECV NO2 v1.1产品采用425~450 nm进行反演，选择TM5-MP数据同化模型来估计平流层NO2，使用DAK3.0计算AMF，可提供1995~2003年范围内的对流层NO2柱浓度数据 ［28，47］。

4.2　SCIAMACHY对流层NO2产品

SCIAMACHY目前提供的对流层NO2垂直柱浓度产品有五种，分别由IFE/IUP Bremen、KNMI/BIRA、Dalhousie/SAO、MPI Mainz/IUP Heidelberg和QA4ECV这五个研究机构提供。IFE/IUP Bremen提供的NO2产品最新版本为3.0版。在425~450 nm处进行光谱拟合，考虑O4、H2O等干扰气体，3.0之前的数据产品使用参考区域法去除平流层的影响，最后使用SCIATRAN模型计算AMF完成对流层NO2垂直柱浓度的计算［48］。3.0版本与早期相比，平流层NO2模拟选择使用SCIAMACHY临边探测所获得的NO2廓线，这一步大大提升了对流层NO2斜柱浓度的精度［49］。KNMI/BIRA提供的TM4NO2A产品目前已更新至2.3版本，通过在426.3~451.3 nm波段范围内使用DOAS算法模拟获得NO2斜柱浓度，考虑了O3、H2Ovap、O2-O2、H2Oliq等干扰气体。之后通过全球化学传输模型TM4计算并去除平流层斜柱浓度。经MAX-DOAS数据验证，在污染相对均匀的地区，TM4NO2A产品误差为-19%~9%［50］。Dalhousie/SAO的NO2产品使用SAO算法在429~452 nm直接拟合光谱确定NO2整层斜柱浓度，通过假设太平洋地区的NO2主要集中在平流层来获得平流层NO2柱浓度并将其剔除，计算AMF得到对流层NO2垂直柱浓度，该产品与地面站点监测结果呈高度线性相关关系，误差小于10%［51］。MPI Mainz/IUP Heidelberg的NO2反演算法在425~450 nm范围内进行光谱拟合，基于MOZART NO2廓线计算的AMF得到对流层垂直柱浓度，该对流层NO2产品比MAX-DOAS测量值高2~3倍［52］。SCIAMACHY QA4ECV NO2 v1.1算法参数设置与GOME相似，可提供2002~2012年内的数据［28］。

4.3　OMI 对流层NO2产品

目前可提供的OMI NO2产品为：NASA标准产品OMNO2［53］、KNMI/BIRA提供的DOMINO（Dutch OMI NO2）［27］和OMI QA4ECV NO2，均使用DOAS算法进行光谱拟合获得NO2斜柱浓度。这些产品虽出自同一传感器，但在复杂地形和低污染地区差异很大。OMNO2 产品可提供平流层、对流层和大气整层NO2垂直柱浓度。由于该算法平流层NO2季节性变化的假设，使得该产品存在明显的季节模式，夏季值偏高，冬季值偏低［54］。目前最新的版本为OMNO2 v4.0，相比之前的版本改进了AMF和VCD等方面的计算。并且使用了一种改进DOAS算法，该算法优化了OMI的可见光光谱通道，在402~465 nm范围内对NO2进行光谱拟合，大大减少了NO2斜柱浓度高估的问题（降低了10%~35%），使结果更加接近独立观测所获得的NO2斜柱浓度［55］。平流层-对流层分离算法使用模拟的大气廓线，由模型驱动获得对流层NO2斜柱浓度。该版本数据质量估计NO2斜柱的拟合误差为0.3~1×10-15 molec/cm2［56］。DOMINO是一种后处理数据集，可提供对流层、平流层和大气整层NO2柱浓度等一系列数据。DOMINO目前已更新至第三版（v3.0），该版本产品通过对405~465 nm内光谱进行拟合，使用TM4化学传输模型获得平流层分量，并且在算法上提高了AMF的计算精度，将AMF系数精度提高了20%~30%，使得产品能够更好地描述大气底层的辐射传输过程，反演出的对流层NO2柱浓度较之前版本减少了10%~20%［27］。 经验证，在污染条件均匀的地区，DOMINO产品的误差为-24%~4%［50］。OMI QA4ECV NO2 v1.1选用405~465 nm进行光谱拟合，可提供2004年至今的数据，相对于 MAX-DOAS 数据存在负偏差（-1~-4 Pmolec/cm2），在污染严重地区对流层NO2垂直柱浓度不确定性为35%~45% ［28，57-58］。

4.4　GOME-2对流层NO2产品

GOME-2 NO2产品由IFE/IUP Bremen、KNMI/BIRA和O3MSAF三个研究机构提供。IFE/IUP Bremen提供的对流层NO2柱浓度产品更新至第4.2版，该版本在425~497 nm波段拟合光谱，使用Bremen 3D CTM进行平流层校正，通过SCIATRAN计算对流层AMF进而完成对流层NO2垂直柱浓度的计算，该产品与SCIAMACHY产品相关性可达0.91，二者差异小于2×1014 molec/cm2［59-60］。KNMI/BIRA提供的TM4NO2A产品目前更新至2.3版本，该产品对425~450 nm处的光谱进行拟合。经验证，TM4NO2A产品的数据偏差为-13%~15%［50］。O3MSAF lv2产品拟合425~450 nm内光谱得到NO2柱总量，通过估计平流层浓度将其剔除，并基于MOZART-2化学模式计算AMF得到对流层NO2垂直柱浓度，该产品与地面MAX-DOAS数据相关性可达0.92［61-62］。GOME-2 QA4ECV NO2 v1.1同样选择405~465 nm范围内的光谱进行拟合，可提供2007年至今的数据。该产品精度较高，在污染严重地区对流层NO2垂直柱浓度不确定性为35%~45%，为定量化研究全球范围内氮氧化物排放、沉积和变化趋势提供可信数据［28，58］。

4.5　TROPOM对流层NO2产品

TROPOMI提供了丰富的NO2产品，包括平流层NO2斜柱浓度、对流层NO2斜柱浓度、NO2垂直柱浓度和大气整层NO2柱浓度等，该产品更新至2.2.0版本，并于2021年7月1日开始运行［63］。TROPOMI的光谱拟合方式与DOMINO算法参数设置相似，选择405~465 nm波段进行光谱拟合，不同的是，选择TM5-MP CTM数据同化方式获得平流层NO2斜柱浓度。该方法能够很好地解释平流层中的化学和动力学，有利于在对流层NO2贡献很小的偏远地区的反演，使得所生产的NO2系列产品精度得以提高［44］。然而经验证，该产品普遍存在低估的情况：在污染较轻的地区，负偏差为23%~37%；在污染严重地区，负偏差可达51%［64］。

4.6　EMI 对流层NO2产品

目前，虽然国内没有公开发布EMI对流层NO2官方产品，但已有些相关算法研究。根据研究报告，EMI的对流层NO2柱浓度反演过程中为避开VIS1（401~550 nm）通道边缘处的低信噪比区域，一般选择在420~470 nm范围内拟合光谱，使用参考扇区法计算获得平流层NO2并将其从整层NO2柱总量中剔除，通过VLIDORT v2.7计算AMF得到对流层NO2垂直柱浓度。与MAX-DOAS数据相比，EMI低估了对流层NO2垂直柱浓度，偏差约为30%［30，36，65］。

5 结论与讨论

NO2对环境污染、气候变化、人类健康等方面有着重要作用，因此利用遥感卫星数据反演获取对流层NO2浓度是很有必要的。目前主要采用紫外、可见光波段通过天底观测模式对其进行探测。本文分别对国内外可用于探测NO2的传感器（GOME、SCIAMACHY、OMI、GOME-2、TROPOMI、EMI、EMI-II等）在仪器参数、目标、应用等方面进行介绍。GOME、SCIAMACHY可提供数据的精度有限，OMI虽分辨率中等，但已有足够的数据存储，可支持长时间范围内的研究，TROPOMI可提供迄今为止最高空间分辨率的数据，但数据时间序列不长。EMI、EMI-II作为国内发射的传感器，精度有待提高。国际上反演对流层NO2柱浓度主要分为NO2整层斜柱浓度、对流层NO2斜柱浓度和对流层NO2垂直柱浓度的计算。本文对整个反演流程进行介绍，DOAS及其衍生算法被广泛应用于NO2柱总量拟合中，精度较高，但易受到吸收截面、光谱结构等方面因素的影响。此外，AMF的精度在很大程度上影响着反演结果的准确程度，需加以重视。之后本文对现有星载仪器对流层NO2垂直柱浓度产品的反演算法进行简要介绍，并列举出所用DOAS反演算法的参数设置，对各产品精度进行评价、比较，各产品在各地区均存在不同程度的高估、低估现象，且与该区域NO2的污染程度有关。因此在选择数据时要根据具体的研究区、研究期来进行挑选。TROPOMI产品是目前空间分辨率最高的NO2产品，能够更为细致地刻画NO2污染状况。

仪器整体上向着高时间、高空间、高光谱分辨率的趋势发展。此外，受云、气溶胶等影响，秋冬季节NO2遥感影像质量大幅降低，尤其是中国南方地形复杂、云层覆盖严重的区域，影像缺失严重。进一步提高大气遥感探测能力与改进NO2的反演算法，仍是今后大气遥感的研究重点。无论是卫星的发射、传感器的改进，或是算法的精进，都是为了能够获取可用于研究的时空分辨率较高的产品，产品的应用方面是最终的落脚点，如何获得较高精度的NO2浓度，如何通过遥感产品分析污染物的时空变化，对污染严重的地区进行一定程度上的管控，进而改善人类的生存环境是今后应当重点关注的问题。

参考文献

ZHANG Xingying， ZHOU Minqiang， WANG Weihe， et al.

Progress of global satellite remote sensing of atmospheric compositions and its'applications

［J］. Science & Technology Review， 2015， 33（17）： 13-22.

[本文引用: 1]

张兴赢， 周敏强， 王维和，等.

全球卫星大气成分遥感探测应用进展及其展望

［J］.科技导报，2015，33（17）： 13-22.

[本文引用: 1]

SILLMAN S， LOGAN J A， WOFSY S C.

The Sensitivity of ozone to nitrogen-oxides and hydrocarbons in regional ozone episodes

［J］. Journal of Geophysical Research-Atmospheres，1990，95（D2）：1837-1851. DOI：10.1029/JD095iD 02p01837

[本文引用: 1]

WAYNE R P. Chemistry of Atmospheres，2nd edition［M］. United States： N. p.， 1993.

Web

.

[本文引用: 1]

SOLOMON S， PORTMANN R W， SANDERS R W， et al.

On the role of nitrogen dioxide in the absorption of solar radiation

［J］. Journal of Geophysical Research-Atmospheres， 1999，104（D10）：12047-12058. DOI：10.1029/1999JD900035

[本文引用: 1]

KANG Y， CHOI H， IM J， et al.

Estimation of surface-level NO2 and O3 concentrations using TROPOMI data and machine learning over East Asia

［J］. Environmental Pollution， 2021， 288： 117711. DOI： 10.1016/j.envpol.2021.117711

[本文引用: 1]

PLATT U， STUTZ J. Differential Optical Absorption Spectroscopy （DOAS）—Principles and Applications［M］. Berlin， German： Springer.2008.

[本文引用: 2]

VOLZ A， KLEY D.

Evaluation of the Montsouris series of ozone measurements made in the nineteenth century

［J］. Nature， 1988， 332（6161）： 240-242. DOI： 10.1038/332240a0

[本文引用: 1]

ZHANG Xingying， ZHANG Peng， ZHANG Yan， et al.

The trend， seasonal cycle， and sources of tropospheric NO2 over China during 1997~2006 based on satellite measurement

［J］. Science in China Series D， 2007，37（10）：1409-1416.

[本文引用: 1]

张兴赢， 张鹏， 张艳，等.

近10a中国对流层NO2的变化趋势、时空分布特征及其来源解析

［J］. 中国科学（D辑：地球科学）， 2007，37（10）： 1409-1416.

[本文引用: 1]

ZHANG D Y， ZHOU Y Y， ZHENG L， et al.

The spatial distribution characteristics and ground-level estimation of NO2 and SO2 over Huaihe River Basin and Shanghai based on satellite observations

［C］∥ Remote Sensing and Modeling of Ecosystems for Sustainability XV. International Society for Optics and Photonics，p.107670L. DOI：10.1117/12.2318933

[本文引用: 1]

RICHTER A， BURROWS J P， NUSS H， et al.

Increase in tropospheric nitrogen dioxide over China observed from space

［J］. Nature， 2005， 437（7055）： 129-132. DOI： 10.1038/nature04092

[本文引用: 2]

VAN GEFFEN J， BOERSMA K F， VAN ROOZENDAEL M， et al.

Improved spectral fitting of nitrogen dioxide from OMI in the 405-465 nm window

［J］. Atmospheric Measurement Techniques， 2015， 8（4）： 1685-1699. DOI： 10.5194/amt-8-1685-2015

[本文引用: 3]

GUYENNE T D， READINGS C.

GOME： Global Ozone Monitoring Experiment. Interim Science Report

［R］. 1993.

[本文引用: 1]

CHEN Liangfu， HAN Dong， TAO Jinhua， et al.

Overview of tropospheric NO2 vertical column densityretrieval from space measurement

［J］. Journal of Remote Sensing，2009， 13（3）： 343-354.

[本文引用: 1]

陈良富，韩冬，陶金花，等.

对流层NO2柱浓度卫星遥感反演综述（英文）

［J］. 遥感学报，2009，13（3）：343-354.

[本文引用: 1]

BURROWS J P， WEBER M， BUCHWITZ M， et al.

The Global Ozone Monitoring Experiment（GOME）： Mission concept and first scientific results

［J］. Journal of the Atmospheric Sciences， 1999， 56（2）： 151-175. DOI： 10.1175/1520-0469（1999）056<0151：TGOMEG>2.0.CO；2

[本文引用: 2]

BOVENSMANN H， BURROWS J P， BUCHWITZ M， et al.

SCIAMACHY： Mission objectives and measurement modes

［J］. Journal of the Atmospheric Sciences， 1999， 56（2）： 127-150. DOI： 10.1175/1520-0469（1999）056<0127：SMOAMM>2.0.CO；2

[本文引用: 2]

LAMSAL L N， MARTIN R V， PADMANABHAN A， et al.

Application of satellite observations for timely updates to global anthropogenic NOx emission inventories

［J］. Geophysical Research Letters， 2011， 38. DOI： 10.1029/2010GL046476

[本文引用: 1]

LEVELT P F， VAN DEN OORD G H J， DOBBER M R， et al.

The ozone monitoring instrument

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2006， 44（5）： 1093-1101. DOI： 10.1109/TGRS.2006.872333

[本文引用: 2]

BOERSMA K F， ESKES H J， VEEFKIND J P， et al.

Near-real time retrieval of tropospheric NO2 from OMI

［J］. Atmospheric Chemistry and Physics， 2007， 7（8）： 2103-2118. DOI： 10.5194/acp-7-2103-2007

[本文引用: 1]

LAMSAL L N， KROTKOV N A， VASILKOV A， et al.

Ozone Monitoring Instrument （OMI） Aura nitrogen dioxide standard product version 4.0 with improved surface and cloud treatments

［J］. Atmospheric Measurement Techniques， 2021， 14（1）： 455-479. DOI： 10.5194/amt-14-455-2021

[本文引用: 1]

LEVELT P F， HILSENRATH E， LEPPELMEIER G W， et al.

Science objectives of the ozone monitoring instrument

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2006，44（5）：1199-1208. DOI：10.1109/TGRS.2006.872336

[本文引用: 1]

ACARRETA J R， DE HAAN J F， STAMMES P.

Cloud pressure retrieval using the O-2-O-2 absorption band at 477 nm

［J］. Journal of Geophysical Research： Atmospheres， 2004， 109（D5）. DOI： 10.1029/2003JD003915

[本文引用: 1]

BURROWS J P， RICHTER A， DEHN A， et al.

Atmospheric remote-sensing reference data from GOME - 2. Temperature-dependent absorption cross sections of O-3 in the 231-794 nm range

［J］. Journal of Quantitative Spectroscopy & Radiative Transfer， 1999， 61（4）： 509-517. DOI： 10.1016/S0022-4073（98）00037-5

[本文引用: 1]

MUNRO R， LANG R， KLAES D， et al.

The GOME-2 instrument on the Metop series of satellites： Instrument design， calibration， and level 1 data processing–An overview

［J］. Atmospheric Measurement Techniques， 2016， 9（3）： 1279-1301. DOI： 10.5194/amt-9-1279-2016

[本文引用: 2]

CALLIES J， CORPACCIOLI E， EISINGER M， et al.

GOME-2 - Metop's second-generation sensor for operational ozone monitoring

［J］. Esa Bulletin-European Space Agency， 2000（102）： 28-36.

[本文引用: 1]

BABIC L， BRAAK R， DIERSSEN W， et al.

Algorithm theoretical basis document for the TROPOMI L01b data processor

［Z］. CI-6480-ATBD.July 2019.

[本文引用: 3]

GRIFFIN D， ZHAO X Y， MCLINDEN C A， et al.

High-resolution mapping of nitrogen dioxide with TROPOMI： First results and validation over the Canadian oil sands

［J］. Geophysical Research Letters， 2019， 46（2）： 1049-1060. DOI： 10.1029/2018GL081095

[本文引用: 1]

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

[本文引用: 3]

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］. Atmospheric Measurement Techniques， 2018， 11（12）： 6651-6678. DOI： 10.5194/amt-11-6651-2018

[本文引用: 5]

HERMAN J， CEDE A， SPINEI E， et al.

NO2 column amounts from ground-based Pandora and MFDOAS spectrometers using the direct-sun DOAS technique： Intercomparisons and application to OMI validation

［J］. Journal of Geophysical Research-Atmospheres， 2009， 114（D13）. DOI： 10.1029/2009JD011848

[本文引用: 1]

ZHANG C X， LIU C， WANG Y， et al.

Preflight evaluation of the performance of the Chinese Environmental Trace Gas Monitoring Instrument （EMI） by spectral analyses of Nitrogen Dioxide

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2018， 56（6）： 3323-3332. DOI： 10.1109/TGRS.2018.2798038

[本文引用: 2]

CHENG L X， TAO J H， VALKS P， et al.

NO2 retrieval from the Environmental Trace Gases Monitoring Instrument （EMI）： Preliminary results and intercomparison with OMI and TROPOMI

［J］. Remote Sensing， 2019， 11（24）. DOI： 10.3390/rs11243017

[本文引用: 2]

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

[本文引用: 1]

ZHAO M J， SI F Q， ZHOU H J， et al.

Pre-Launch radiometric characterization of EMI-2 on the GaoFen-5 series of satellites

［J］. Remote Sensing，2021，13（14）. DOI： 10.3390/rs13142843

[本文引用: 1]

PLATT U， PERNER D， PATZ H W.

Simultaneous measurement of atmospheric CH2O， O3， and NO2 by differential optical-absorption

［J］.Journal of Geophysical Research-Oceans，1979，84（NC10）：6329-6335. DOI：10.1029/JC084iC10p06329

[本文引用: 1]

QI Jin.

Retrieval of nitrogen dioxide total column over China from SCIAMACHY/ENVISAT data

［D］. Beijing： Chinese Academy Of Meteorological Sciences， 2007.齐瑾. 利用SCIAMACHY/ENVISAT资料开展中国区域NO2反演研究［D］. 北京： 中国气象科学研究院，2007.

[本文引用: 2]

YANG Dongshang.

Research and application of NO2 retrieval algorithm for environmental trace gases monitoring instrument

［D］. Beijing：University of Science and Technology of China，2021.

[本文引用: 2]

杨东上.

星载大气痕量气体差分吸收光谱仪NO2反演算法研究及应用

［D］. 北京：中国科学技术大学，2021.

[本文引用: 2]

VAN NOIJE T P C， ESKES H J， DENTENER F J， et al.

Multi-model ensemble simulations of tropospheric NO2 compared with GOME retrievals for the year 2000

［J］. Atmospheric Chemistry and Physics，2006，6：2943-2979. DOI：10.5194/acp-6-2943-2006

[本文引用: 4]

CHANCE K.

Analysis of BrO measurements from the global ozone monitoring experiment

［J］. Geophysical Research Letters， 1998， 25（17）： 3335-3338. DOI：10.1029/98GL52359

[本文引用: 1]

MARTIN R V， JACOB D J， CHANCE K， et al.

Global inventory of nitrogen oxide emissions constrained by space-based observations of NO2 columns

［J］. Journal of Geophysical Research-Atmospheres， 2003， 108（D17）. DOI：10.1029/2003JD003453

[本文引用: 1]

ABAD G G， LIU X， CHANCE K， et al.

Updated Smithsonian Astrophysical Observatory Ozone Monitoring Instrument （SAO OMI） formaldehyde retrieval

［J］. Atmospheric Measurement Techniques， 2015， 8（1）： 19-32. DOI：10.5194/amt-8-19-2015

[本文引用: 1]

RICHTER A， EYRING V， BURROWS J P， et al.

Satellite measurements of NO2 from international shipping emissions

［J］. Geophysical Research Letters， 2004， 31（23）. DOI：10.1029/2004GL020822

[本文引用: 1]

BIRLE S， HORMANN C， JOCKEL P， et al.

The STRatospheric Estimation Algorithm from Mainz （STREAM）： Estimating stratospheric NO2 from nadir-viewing satellites by weighted convolution

［J］. Atmospheric Measurement Techniques，2016，9（7）：2753-2779. DOI：10.5194/amt-9-2753-2016

[本文引用: 1]

SIORIS C E， KUROSU T P， MARTIN R V， et al.

Stratospheric and tropospheric NO2 observed by SCIAMACHY： first results

［J］. Advances in Space Research， 2004， 34（4）： 780-785. DOI：10.1016/j.asr.2003.08.066

[本文引用: 1]

VAN GEFFEN J.

H. G. M.， ESKES H J， BOERSMA，

et al. TROPOMI ATBD of the total and tropospheric NO2 data products［R］. DLR document， 2021.

[本文引用: 2]

BUCSELA E J， CELARIER E A， WENIG M O， et al.

Algorithm for NO2 vertical column retrieval from the ozone monitoring instrument

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2006， 44（5）： 1245-1258. DOI： 10.1109/TGRS.2005.863715

[本文引用: 2]

SCHAUB D， BOERSMA K F， KAISER J W， et al.

Comparison of GOME tropospheric NO2 columns with NO2 profiles deduced from ground-based in situ measurements

［J］. Atmospheric Chemistry and Physics， 2006， 6（11）： 3211-3229. DOI： 10.5194/acp-6-3211-2006

[本文引用: 1]

MULLER J P， KHARBOUCHE S， NADINE GOBRON， et al.

Recommendations （scientific） on best practices for retrievals for Land and Atmosphere ECVs

.［Z］.April 2016.

[本文引用: 1]

RICHTER A.

Algorithm Description SCIAMACHY NO2 Tropospheric Columns

［Z］. ChangedLast ：March 2006.

[本文引用: 1]

HILBOLL A， RICHTER A， ROZANOV A， et al.

Improvements to the retrieval of tropospheric NO2 from satellite - stratospheric correction using SCIAMACHY limb/nadir matching and comparison to Oslo CTM2 simulations

［J］. Atmospheric Measurement Techniques， 2013， 6（3）： 565-584. DOI：10.5194/amt-6-565-2013

[本文引用: 1]

IRIE H， BOERSMA K F， KANAYA Y， et al.

Quantitative bias estimates for tropospheric NO2 columns retrieved from SCIAMACHY， OMI， and GOME-2 using a common standard for East Asia

［J］. Atmospheric Measurement Techniques， 2012， 5（10）： 2403-2411. DOI：10.5194/amt-5-2403-2012

[本文引用: 3]

MARTIN R V， SIORIS C E， CHANCE K， et al.

Evaluation of space-based constraints on global nitrogen oxide emissions with regional aircraft measurements over and downwind of eastern North America

［J］. Journal of Geophysical Research-Atmospheres， 2006， 111（D15）. DOI：10.1029/2005JD006680

[本文引用: 1]

PETERS E， WITTROCK F， GROSSMANN K， et al.

Formaldehyde and nitrogen dioxide over the remote western Pacific Ocean： SCIAMACHY and GOME-2 validation using ship-based MAX-DOAS observations

［J］. Atmospheric Chemistry and Physics， 2012， 12（22）： 11179-11197. DOI：10.5194/acp-12-11179-2012

[本文引用: 1]

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

[本文引用: 1]

HERRON-THORPE F L， LAMB B K， MOUNT G H， et al.

Evaluation of a regional air quality forecast model for tropospheric NO2 columns using the OMI/Aura satellite tropospheric NO2 product

［J］. Atmospheric Chemistry and Physics， 2010， 10（18）： 8839-8854. DOI：10.5194/acp-10-8839-2010

[本文引用: 1]

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

[本文引用: 1]

KROTKOV N A， LAMSAL DSVM L N， SWARTZ W H.

OMNO2 README Document Data Product Version 4.0

［Z］. 2019.

[本文引用: 1]

COMPERNOLLE S， VERHOELST T， PINARDI G， et al.

Validation of Aura-OMI QA4ECV NO2 climate data records with ground-based DOAS networks： the role of measurement and comparison uncertainties

［J］.Atmospheric Chemistry and Physics， 2020， 20（13）： 8017-8045. DOI：10.5194/acp-20-8017-2020

[本文引用: 1]

PINARDI G， VAN ROOZENDAEL M， HENDRICK F，et al.

Validation of tropospheric NO2 column measurements of GOME-2A and OMI using MAX-DOAS and direct sun network observations

［J］.Atmospheric Measurement Techniques，2020，13（11）：6141-6174. DOI：10.5194/amt-13-6141-2020

[本文引用: 2]

RICHTER A， BEGOIN M， HILBOLL A， et al.

An improved NO2 retrieval for the GOME-2 satellite instrument

［J］. Atmospheric Measurement Techniques，2011，4（6）： 1147-1159. DOI：10.5194/amt-4-1147-2011

[本文引用: 1]

HILBOLL A， RICHTER A.

Gridded vertical tropospheric NO2 columns from GOME-2/MetOp-A

［Z］. Dec 2014.

[本文引用: 1]

HASSINEN S， BALIS D， BAUER H， et al.

Overview of the O3M SAF GOME-2 operational atmospheric composition and UV radiation data products and data availability

［J］. Atmospheric Measurement Techniques， 2016， 9（2）： 383-407. DOI：10.5194/amt-9-383-2016

[本文引用: 1]

VALKS P， PINARDI G， RICHTER A， et al.

Operational total and tropospheric NO2 column retrieval for GOME-2

［J］. Atmospheric Measurement Techniques， 2011， 4（7）： 1491-1514. DOI：10.5194/amt-4-1491-2011

[本文引用: 1]

VAN GEFFEN J， ESKES H， COMPERNOLLE S， et al.

Sentinel-5P TROPOMI NO2 retrieval： Impact of version v2.2 improvements and comparisons with OMI and ground-based data

［J］. Atmospheric Measurement Techniques， 2022， 15（7）： 2037-2060. DOI：10.5194/amt-15-2037-2022

[本文引用: 1]

VERHOELST T， COMPERNOLLE S， PINARDI G， et al.

Ground-based validation of the Copernicus Sentinel-5P TROPOMI NO2 measurements with the NDACC ZSL-DOAS， MAX-DOAS and Pandonia global networks

［J］. Atmospheric Measurement Techniques， 2021， 14（1）： 481-510. DOI：10.5194/amt-14-481-2021

[本文引用: 1]

ZHANG C X， LIU C， CHAN K L， et al.

First observation of tropospheric nitrogen dioxide from the Environmental Trace Gases Monitoring Instrument onboard the GaoFen-5 satellite

［J］. Light-Science & Applications， 2020， 9（1）. DOI：10.1038/s41377-020-0306-z

[本文引用: 1]

/

〈 〉