第二届未来大气科学论坛

“十五五”规划纲要提出“持续深入推进污染防治攻坚，以更高标准改善大气环境质量”。然而，近年来我国臭氧浓度却呈现高位波动甚至逆势上升趋势。臭氧污染来源成因复杂治理困难，亟需开展无盲区臭氧及前体物挥发性有机物、氮氧化物垂直廓线的同步观测，解析臭氧污染在边界层内的垂直生成机制。地基超光谱遥感技术已广泛用于二氧化氮、甲醛等臭氧前体物的无盲区垂直探测，但由于大气臭氧超过90%都分布在平流层，平流层干扰信号导致超光谱遥感技术对中低对流层臭氧廓线的反演极为困难。本研究通过耦合卫星遥感的平流层臭氧廓线，构建中低对流层臭氧无盲区垂直廓线的星-地联合遥感算法。通过研发平流层臭氧干扰的高精度校正技术，分离平流层臭氧的非目标性吸收信号干扰，实现对流层臭氧吸收信号的提取；研发时空依赖性的先验廓线集构建技术，解决地基超光谱遥感对高空臭氧敏感性不足的难题；在此基础上，构建了基于机器学习的臭氧生成驱动因素解析模型，实现臭氧生成中气象与化学贡献解耦。本研究介绍了臭氧无盲区廓线的超光谱遥感算法，并结合国控站点、铁塔观测、臭氧探空等多平台观测开展系统性验证。同时，基于北京地区长期外场观测，本研究进一步评估了北京城区臭氧演化趋势，以及臭氧生成驱动因素在垂直方向上的分布特征。

臭氧污染,超光谱遥感,机器学习,生成敏感性