卫星-机器学习FNR三维重构

地表FNR比卫星柱浓度下降56.9%

FNR三维空间分布可通过机器学习模型重构，从而更准确地识别近地面臭氧敏感性。

Jiang, Zhiwen · 王珊珊 · Yan, Yuhao · Zhang, Sanbao · Xue, Ruibin · Gu, Chuanqi · 朱建 · 刘佳琦 · Zhou, Bin

Environmental Science & Technology 2025

具体参数

地表FNR相对于卫星柱浓度FNR的下降

{'zh': '56.9', 'en': '56.9'} %

技术优势

地表敏感性更准

重构的地表FNR比卫星柱浓度FNR低56.9%，揭示了柱浓度高估地表臭氧生成敏感性的问题，从而提高近地面臭氧控制区识别的准确性。

垂直分布可重构

利用机器学习模型（Bagged trees）和特征变量，能够重构FNR的垂直廓线，无需逐点实测即可获得三维空间分布。

趋势可长程追踪

构建了2018–2022年夏季FNR三维分布，揭示上海臭氧控制区逐渐由VOC控制区向过渡区和NOx控制区转变，为长期政策评估提供依据。

应用场景

• 卫星遥感应用：将柱浓度FNR转为三维分布，提升地表臭氧敏感性遥感诊断能力。
• 空气质量监测：提供近地面臭氧控制区识别新指标，支撑精准减排策略。
• 环境光学监测：融合卫星与MAX-DOAS观测，实现FNR垂直廓线的光学遥感重构。