课题组提出了一种用于构建对流层底层HCHO/NO2比值（FNR）三维空间分布的新方法。该研究利用多轴差分光学吸收光谱技术（MAX-DOAS）观测反演得到HCHO、NO2在对流层底层的垂直廓线，并与TROPOMI卫星遥感所得到HCHO、NO2柱浓度的水平空间分布结合，参数化FNR随高度变化的重构因子，以获得FNR在对流层底层的三维空间分布，为臭氧生成控制类型在垂直方向及长期变化趋势的评估提供了高分辨率数据支持。同时建立了机器学习模型，通过地面污染物浓度、不同高度的气象参量等特征变量实现HCHO、NO2廓线预测，大大提高了该方法的可应用性与可推广度。在Environmental Science & Technology期刊发表了题为Constructing the 3D spatial distribution of HCHO/NO2 ratio via satellite observation and machine learning model的论文，2022级直博生江志文为第一作者。

       针对利用卫星观测所得HCHO与NO2垂直柱浓度比值（FNRSAT）在表征近地面臭氧生成敏感性方面存在的不足，本研究发展了融合地基与卫星超光谱遥感的FNR立体分布重构方法体系：在垂直方向上，采用多轴差分光学吸收光谱技术（MAX-DOAS）获取对流层底层0-2 km高度内HCHO、NO2高分辨率垂直廓线；在水平方向上，耦合卫星遥感长时序、大范围浓度数据，实现三维空间重构；并开发基于袋装树算法的通用模型，以近地面污染数据以及不同气压层的气象数据为特征变量，实现独立于MAX-DOAS观测的HCHO、NO2垂直廓线预测。通过上述方法以及可获取的公开数据集，本研究重构了上海市2018至2022年夏季的对流层底层FNR的三维空间分布，分析近年来上海市在空气质量持续改善过程中臭氧生成敏感性的变化趋势。

原文链接： Jiang, Z.; Wang, S.; Yan, Y.; Zhang, S.; Xue, R.; Gu, C.; Zhu, J.; Liu, J.; Zhou, B. Constructing the 3D Spatial Distribution of the HCHO/NO2 Ratio via Satellite Observation and Machine Learning Model. Environmental Science & Technology 2025, 59 (8), 4047-4058. DOI: https://doi.org/10.1021/acs.est.4c12362