近日，tyc86太阳集团李四维教授团队在提升高空间分辨率卫星NO2产品时空覆盖度研究方面取得重要进展。研究成果以“Enhancing spatiotemporal coverage of satellite-derived high-resolution NO2 data with a super-resolution model”为题发表在Remote Sensing of Environment上。我集团2023级直博生张茂林为论文第一作者，李四维教授为通讯作者。
长时序高空间分辨率的卫星NO2产品对大气化学研究、健康效应评估和防控策略制定有着重要意义。搭载在哨兵5P上的TROPOMI传感器提供了高空间分辨率的NO2柱浓度产品，但该产品仅有2018年5月以后的数据，且其高质量数据(quality value>0.75)的空间缺失率较高。
为解决上述问题，本研究利用深度学习超分辨率模型，基于高空间分辨率的TROPOMI NO2柱浓度产品，在地理和气象数据提供的物理约束下，对粗分辨率的OMI产品进行超分辨率重建。超分后的OMI产品解决了历史时期高空间分辨率NO2柱浓度产品缺失的问题，并实现了对TROPOMI产品高质量数据空间缺失的有效补充，效果显著优于传统方法。
本研究将TROPOMI NO2产品高质量数据的空间缺失率从55%降低至40%，并在无TROPOMI数据的情况下，利用OMI NO2产品生成了2015-2018年高空间分辨率的NO2柱浓度数据集。研究基于提升后的柱浓度产品实现了长时序高空间分辨率的近地面NO2浓度估算，成功捕捉了地表NO2浓度的空间梯度，并有效解决了基于原始粗分辨率产品估算中因网格-单点观测不匹配导致的下风区及郊区浓度高估问题（原系统性高估达11-30%）。
本研究证实了超分辨率模型在卫星大气定量遥感领域中的巨大潜力，对构建长时序高空间分辨率大气观测产品数据集和提升数值模型空间分辨率进而实现精细尺度大气机制分析具有重要意义。
图1基于深度学习的卫星NO2柱浓度超分辨率重建算法流程图
图2高空间分辨率柱浓度产品缓解下风区及农村近地面浓度NO2反演高估问题
本研究工作获得了国家自然科学基金面上项目、湖北省地球科学基础学科研究中心研究生项目、微软气候研究计划和中央高校基本科研业务费专项资金的资助。
论文链接：https://www.sciencedirect.com/science/article/pii/S0034425725003013
