2005年至2023年间全球OMI NO?产品数据的长期重建，采用了时空约束的压缩感知方法

《Remote Sensing of Environment》：Long-term reconstruction of daily global OMI NO 2 product between 2005-2023 with spatiotemporally constrained compressive sensing

　　

• •
  提出一种近乎实时的方法来恢复全球NO₂产物的缺失数据。
• •
  实现与OMI相似的准确度，以对比全球范围内的Pandora测量数据。
• •
  生成从2005年到2023年的全球长期每日无缝NO₂数据集。
• •
  有助于识别短期NO₂变化和长期NO₂模式。

引言

二氧化氮（NO₂）是一种短寿命的微量气体，是重要的空气污染物（世界卫生组织，2006年）。它主要来源于自然因素（例如闪电）（Choi等人，2009年）和人为因素（例如化石燃料燃烧）（Van Der A等人，2008年）。NO₂在大气化学中起着关键作用，与挥发性有机化合物反应生成过氧乙酰硝酸盐和臭氧，分别促进烟雾形成和温室效应（V?rghileanu等人，2020年；Volz和Kley，1988年；Wang等人，2025年）。NO₂还是硝酸盐气溶胶的关键前体，通过散射向下的可见光增强辐射强迫效应（Lu等人，2021年；Solomon等人，1999年）。此外，NO₂对人体呼吸系统有害（Manisalidis等人，2020年）。长期暴露在高浓度的NO₂中与死亡率增加有关（Shin等人，2012年）。因此，准确和持续监测大气中的NO₂含量对于空气污染控制、气候变化影响评估和健康风险评估至关重要。

地面技术可以精确测量环境中的NO₂，但受到监测站点数量有限和分布稀疏的限制（Boersma等人，2008年）。相比之下，遥感卫星的快速发展为全球范围内长期监测大气NO₂分布提供了一种新颖且可靠的方法（Bechle等人，2013年；Geddes等人，2015年；Tamiminia等人，2020年；V?rghileanu等人，2020年）。在过去的二十年里，许多卫星持续观测了大气中的NO₂分布。例如，搭载在Metop卫星上的全球臭氧监测实验-2（GOME-2）仪器自2007年以来每天以40×80 km²的空间分辨率测量大气NO₂总柱浓度，并具有全球覆盖范围（Chan等人，2023年）。Sentinel-5 Precursor卫星上的对流层监测仪器（TROPOMI）自2018年以来以3.5×7 km²（或3.5×5.5 km²）的空间分辨率测量全球NO₂总垂直柱密度（TotVCD）（Veefkind等人，2012年）。然而，这些卫星无法同时满足对大气NO₂分布的长期监测需求。

相比之下，搭载在Aura卫星上的臭氧监测仪器（OMI）（Levelt等人，2006年）以大约二十年的稳定观测和13×24 km²的空间分辨率，自2004年以来每天获取全球NO₂ TotVCD分布数据；它被广泛用于长期的大气NO₂相关研究（Lamsal等人，2008年；Qu等人，2017年；Zhang等人，2017年）。然而，云层污染影响了大量的OMI NO₂ TotVCD数据，因此分析通常会排除这些像素（Boersma等人，2004年）。此外，由于一种称为“行异常”的设备故障，自2007年以来OMI的空间覆盖范围已经缩小，目前大约影响了传感器一半的观测位置（Torres等人，2018年）。因此，保持OMI NO₂ TotVCD测量的时空连续性对于避免进一步的障碍和扩展其在各个领域的应用至关重要。

迄今为止，已经开发出几种方法来恢复遥感大气NO₂测量中的缺失信息。例如，Pan等人（2021年）通过使用集成学习模型，为中国北京-天津-河北地区2010年至2016年间的OMI NO₂数据集获得了高空间分辨率的无缝每日数据。Lops等人（2023年）采用了一种带有时间成分的部分卷积神经网络，填补了美国境内TROPOMI NO₂测量中的缺失像素。He等人（2020年）设计了一种两阶段方法，结合GOME-2B和OMI的数据，重建了中国对流层NO₂柱的缺失部分。最近的一项研究（Qin等人，2024年）基于OMI和GOME-2 NO₂数据，通过机器学习和空间插值技术生成了全球16年的每日高时空覆盖对流层NO₂数据集。这种方法将NO₂的空间覆盖范围扩大了约60%，与地面测量数据的相关系数（R）为0.59。这些数据恢复框架产生了高质量的结果，提供了更广泛的覆盖范围，并显著增强了遥感大气数据的可用性。然而，这些研究主要关注的是局部和国家尺度，这使得在全球尺度上进行外推变得困难，因为需要更长的时间和/或更复杂的条件。此外，全球NO₂数据恢复研究尚未实现完全覆盖。此外，先前的框架通常依赖其他辅助数据，无法提供近乎实时的大气NO₂恢复。具有高空间分辨率的完整全球NO₂ TotVCD数据覆盖范围可以有助于检测短期NO₂变化，以识别人为和自然的临时排放源，同时支持长期NO₂空间模式分析，从而帮助持续改善空气质量。因此，迫切需要一种新的近乎实时的方法来恢复全球OMI NO₂ TotVCD的缺失数据。

本研究专注于恢复2005年至2023年间长期每日全球OMI NO₂ TotVCD数据中的缺失像素。鉴于大量缺失数据以及在全球范围内进行近乎实时便捷恢复的需求，采用了一种结合压缩感知、时空离散余弦变换和选择性总变分去噪（STCS）的方法，利用OMI NO₂ TotVCD的时空自相关特性来恢复缺失区域，而无需任何辅助数据。所提出的STCS方法表现出令人满意的准确度，生成的产品与原始OMI NO₂ TotVCD的性能相似。无缝恢复的结果也与TROPOMI的结果高度一致，提供了关于NO₂ TotVCD区域和全球空间分布特征的详细信息。

本文的其余部分组织如下：第2节提供所使用数据集的信息；第3节描述所提出的STCS方法；第4节提供实验结果的分析，包括与地面测量的验证、与TROPOMI NO₂ TotVCD数据的横向比较以及多时间尺度的空间模式分析；最后，第5节提出了主要结论和未来的研究方向。

章节片段

数据集

在这项研究中，我们将STCS方法应用于包含缺失数据像素的OMI NO₂ TotVCD数据集。使用Pandonia全球网络（PGN）的地面测量数据来验证恢复的数据。此外，恢复的结果与TROPOMI NO₂ TotVCD数据进行了横向比较，后者使用双线性插值重新采样到0.25°×0.25°的定义网格上。为了保持一致性和便于比较，所有NO₂ TotVCD产品的单位都进行了转换

方法论

鉴于OMI NO₂ TotVCD数据集中大量缺失信息以及在全球范围内进行便捷的近乎实时恢复的需求，本研究开发了一种STCS框架。其详细流程图如图3所示。STCS方法分为三个步骤。首先，基于压缩感知（CS）原理初步重建缺失数据。随后，引入时空离散余弦变换（STDCT）滤波器来增强

整体地面验证

本研究使用了PGN网络中的115个地面站点（见图2）。图4显示了OMI、含云OMI、恢复后的OMI和恢复的 NO₂ TotVCD数据集的整体地面验证结果，这些数据集都有足够的数据点支持（N = 27,405；2274；44,576；和17,171）。可以看出，与Pandora站点相比，OMI数据集的表现优于含云OMI数据集，具有更大的R值和更小的RMSE和MB值。

结论

在这项研究中，开发了一种新的STCS框架，用于实时恢复2005年至2023年间每日全球OMI NO₂ TotVCD数据集中的缺失信息。为了验证恢复的NO₂ TotVCD的性能，我们的研究采用了三种验证方案。验证结果表明，所提出的STCS方法有效地恢复了缺失数据，在与Pandora站点的整体地面验证中达到了预期的准确度。恢复后的OMI数据集的RMSE为0.25 DU

CRediT作者贡献声明

袁远：撰写——原始草稿、方法论、调查、资金获取、概念化。刘多朵：撰写——原始草稿、可视化、验证、形式分析、数据管理。杨倩倩：撰写——审阅与编辑、软件、资源管理、形式分析。袁强强：撰写——审阅与编辑、监督、项目管理、资金获取。杨元建：撰写——审阅与编辑、资源管理、调查。李彤文：撰写——审阅与编辑，

利益冲突声明

致谢

本工作得到了中国国家自然科学基金（编号：42501456）、中国国家重点研发计划（编号：2023YFF0804800）、中国国家自然科学基金（编号：42471414）、中央高校基本科研业务费（编号：2042026kf0001）和南京理工大学人才引进基金会（编号：2024r006）的支持。作者们想要感谢Goddard地球科学数据与信息服务中心提供的帮助

袁远|刘多朵|杨倩倩|袁强强|杨元建|李彤文|张路|王梦雅|王志革|刘登洪|肖毅