基于GM-ESR-ResNet的超级分辨率模型提升卫星NO2数据时空覆盖

为解决TROPOMI卫星高分辨率NO2数据时空覆盖不足（每日30-40%缺失）的问题，研究人员开发了GM-ESR-ResNet模型，结合OMI数据和地理气象协变量进行超级分辨率重建。结果表明，该模型显著优于插值方法，提升空间覆盖率（imputation ratio=30%，r=0.82）、减少地表NO2估计误差（RMSE降低6%），并成功生成2015-2022年高分辨率数据。这一突破解决了网格不匹配问题，为大气污染监测和健康研究提供关键工具。

　　

论文解读文章

卫星遥感技术为全球大气污染监测提供了强大工具，但高分辨率数据如TROPOMI（TROPOspheric Monitoring Instrument）的NO₂产品存在显著缺陷：每日30-40%的数据缺失，且仅覆盖2018年后。NO₂作为关键大气污染物，不仅驱动酸雨和地表臭氧(O₃)形成，还直接威胁人类健康（如引发呼吸道疾病），并影响植被和生态系统。传统插值方法（如Kriging）无法捕捉真实分布，导致噪声和模糊，而早期卫星如OMI（Ozone Monitoring Instrument）分辨率较低（0.25°），难以直接填补TROPOMI（0.05°）的空白。这种覆盖不足限制了排放源追踪、健康风险评估和气候模型精度，尤其在污染热点区域，网格不匹配问题常造成11-30%的高估误差。因此，开发一种能融合多源数据、提升时