学术研究报告：基于TROPOMI-S5P的长三角甲烷浓度时空变化及其对人为排放响应研究
本研究由谭立霞、陈圆圆、王妙妍、叶思晴、鲁嫣冉、兰文港、李一、林溢、何维、臧昆鹏、刘硕、郭娜、方双喜等作者共同完成。作者团队主要来自浙江工业大学浙江碳中和创新研究院、浙江省碳减排与碳监测技术国际科技合作基地、浙江工业大学环境学院，合作单位包括南开大学环境科学与工程学院和浙江时空智子大数据有限公司。该研究论文发表于《环境科学学报》2025年第45卷第9期。
学术背景 甲烷是仅次于二氧化碳的第二大温室气体，其全球增温潜势在百年尺度上是二氧化碳的28倍，对全球变暖的贡献率约为25%。控制甲烷排放被认为是减缓近期全球变暖速度的有效手段。长三角地区作为中国经济最发达、人口最密集的区域之一，其温室气体排放量约占全国的16%，是碳减排的关键区域。该地区人为活动密集且地表覆盖类型复杂，包含了众多自然与人为甲烷源，导致其大气甲烷浓度的时空变化规律复杂。然而，传统的站点观测方法因空间覆盖稀疏，难以精准捕捉区域尺度的甲烷浓度分布和变化特征。近年来，以欧洲航天局Sentinel-5P卫星上搭载的对流层监测仪为代表的卫星遥感技术，凭借其高空间分辨率（7 km × 5.5 km）和每日全球覆盖的能力，为区域尺度温室气体的高精度、连续监测提供了有力工具。尽管TROPOMI-S5P卫星数据在全球和城市尺度甲烷研究中已展现出潜力，但其在长三角这一典型复杂区域的适用性，以及卫星观测的甲烷浓度对区域人为排放的直接响应能力，仍有待系统评估。因此，本研究旨在基于TROPOMI-S5P卫星数据，系统分析长三角地区2018年5月至2023年12月大气甲烷柱浓度（XCH4）的时空变化特征，并评估卫星数据对区域人为甲烷排放的响应能力，以期为理解区域甲烷排放特征和制定减排策略提供科学依据。
详细研究流程 本研究主要分为数据获取与预处理、数据质量验证、时空特征分析、卫星数据对人为排放的响应评估四个核心步骤。
首先，数据获取与处理。研究下载了TROPOMI-S5P卫星自2018年5月至2023年12月的Level-2 XCH4再处理产品。为确保数据质量，研究仅使用了质量标识（qa_value）大于等于0.5的优质数据。由于卫星观测易受云、气溶胶等因素干扰，数据存在缺失，特别是2023年7月至10月长三角区域数据完全缺失。剔除该时段后，研究区域整体有效数据覆盖率约为45.24%，其中夏季覆盖率最低。为量化与人为排放相关的甲烷信号，研究计算了每个格点的甲烷浓度增强值（ΔXCH4），其定义为该格点的观测XCH4值与区域内每月所有格点XCH4的第25百分位低值（作为背景浓度）之差。此外，研究使用了全球大气研究排放数据库（EDGAR）2019-2023年0.1°×0.1°分辨率的年度人为甲烷排放格网数据作为地面排放清单的参考。同时，获取了位于研究区内的总碳柱观测网（TCCON）合肥站的地面高精度甲烷柱浓度观测数据，用于验证卫星数据。
其次，卫星数据质量验证。为评估TROPOMI-S5P XCH4数据在长三角地区的可靠性，研究将其与合肥站地面观测数据进行对比。为确保时空匹配的可比性，对比时选取了卫星过境合肥站前后1小时（12:00-14:00）的TCCON数据，并计算卫星数据在站点周围±0.5°范围内的网格平均值。通过计算两者逐月均值序列的平均偏差、均方根误差和皮尔逊相关系数来评估一致性。
第三，甲烷浓度时空变化特征分析。在空间维度上，研究计算了研究时段内年均、季节平均的XCH4空间分布图，以识别高浓度区和低浓度区。在时间维度上，分析了XCH4的年际增长趋势和季节性变化规律。同时，针对特定时期（如2022年上海新冠疫情期间的封控期），研究了人为活动剧烈变化对区域甲烷浓度的影响。
第四，评估卫星观测对人为排放的响应。为探究卫星观测的甲烷浓度增强能否有效反映人为排放，研究以市级行政区划为单元，将计算得到的各市年均XCH4增强值与EDGAR清单提供的相应城市年均人为甲烷排放量进行相关性分析。研究根据排放量大小将城市分为两个梯度（年排放量2000~4000吨和超过4000吨）分别进行统计。此外，鉴于2020年和2022年卫星数据时空覆盖相对更全，研究还单独分析了这两年的相关性，以评估数据完整性对分析结果的影响。
主要研究结果 1. 数据验证结果：TROPOMI-S5P卫星反演的XCH4月均值与合肥TCCON站点观测数据具有高度一致性，两者相关系数高达0.95，均方根误差为9.03×10⁻⁹ mol/mol，卫星数据存在约5.90×10⁻⁹ mol/mol的正向偏差。这表明TROPOMI-S5P数据在长三角地区具有较高的可靠性，可用于后续分析。
2. 甲烷浓度时空变化特征： * 年际变化：2018年至2023年，长三角地区大气XCH4呈现显著的逐年上升趋势，年均值从1893.42×10⁻⁹ mol/mol升高至1933.43×10⁻⁹ mol/mol，年均增速为8.00×10⁻⁹ mol/mol。其中2021年同比增长最大。空间上，安徽省北部（淮河以北煤矿区）和江苏省中部（扬州-泰州-盐城一带的水稻种植区和湿地）是持续的高浓度区。2020年尽管受新冠疫情影响，全球及区域人为排放短期内有所下降，但长三角年均浓度仍较2019年增长，主要增长贡献来自秋冬季。研究还捕捉到2022年上海封控措施的影响：封控初期（4月）浓度未降反升，可能反映排放变化的滞后性；5月严格封控期浓度显著下降14.77×10⁻⁹ mol/mol；6月解封后浓度迅速反弹。 * 季节变化：长三角XCH4整体呈现“夏秋季高、冬春季低”的典型季节特征。春、夏、秋、冬四季平均浓度分别为1905.83、1921.42、1927.18、1909.40 (×10⁻⁹ mol/mol)。夏秋季的高浓度中心主要与自然源相关，集中在江苏中部、安徽北部的水稻种植区和湿地，这是因为高温淹水条件有利于产甲烷菌活动。冬春季的高浓度区则与人为源密切相关，主要集中在上海、江苏南部等经济发达、人口密集的城市区域，主要源于工业活动、能源消耗和废弃物处理等在寒冷季节的相对贡献凸显。
3. 卫星观测对人为排放的响应：将各城市卫星反演的年均XCH4增强值与EDGAR人为排放清单对比发现，两者空间分布总体吻合，高排放城市（如上海、苏州、无锡、常州）通常对应较高的浓度增强。但也有一些区域（如江苏宿迁、扬州）表现出高浓度增强但清单排放量相对较低，这可能是受到了河流、湖泊、湿地等自然源以及水产养殖等未在清单中充分体现的排放源影响。相关性分析表明，卫星数据对人为排放具有较好的响应能力。在2019-2023年整个研究期内，对于年排放量2000~4000吨和超过4000吨的城市，其排放量与卫星浓度增强的相关系数分别为0.80和0.60。在数据覆盖更全的2020和2022年，相关性显著提升，分别达到0.96和0.87。这证实了TROPOMI-S5P卫星数据能够有效捕捉区域尺度的甲烷浓度增强信号，且该信号与人为排放强度存在显著正相关关系，同时数据覆盖度是影响相关性强弱的重要因素。
研究结论 本研究系统评估了TROPOMI-S5P卫星数据在监测长三角地区大气甲烷浓度及其对人为排放响应方面的能力。主要结论如下：1) TROPOMI-S5P反演的甲烷柱浓度数据在长三角地区质量可靠，与地基观测一致性高。2) 2018-2023年间，长三角地区大气甲烷浓度呈显著上升趋势，并具有复杂的时空分布特征：空间上，高值区既包括北部的煤矿、稻田和湿地，也包括南部经济发达的城市群；时间上，呈现夏秋季高（主要受自然源驱动）、冬春季低（但城市区域人为源贡献突出）的季节变化规律。卫星数据还成功捕捉到了疫情期间人为活动变化对甲烷浓度的短期影响。3) TROPOMI-S5P观测的甲烷浓度增强值与EDGAR人为排放清单在市级尺度上具有显著正相关性，证实了卫星遥感能够有效响应区域人为甲烷排放，是监测和评估减排效果的有力工具。
研究的科学价值与应用意义 本研究的科学价值在于：首次系统、长期地利用高分辨率TROPOMI-S5P卫星数据揭示了长三角这一典型复杂区域甲烷浓度的时空精细结构，明确了自然源（水稻田、湿地）和人为源（城市、工业）在不同季节的主导作用，深化了对区域甲烷源汇过程的理解。方法学上，研究通过将卫星浓度增强与自下而上的排放清单直接关联，定量评估了卫星数据对人为排放的响应能力，为利用卫星遥感进行“自上而下”的排放校验和约束提供了案例支持。应用价值方面，研究成果可直接服务于区域“双碳”战略，为长三角地区甲烷排放的精准监测、排放清单的校验、以及减排政策的制定与效果评估提供重要的数据和方法支撑。研究表明，结合高时空覆盖的卫星数据，可以有效识别排放热点和季节规律，对实现人为碳排放的“可测量、可报告、可核查”（MRV）具有重要现实意义。
研究亮点 1. 数据新颖性与系统性：率先利用具有高时空分辨率的TROPOMI-S5P长时间序列（5.5年）数据，对长三角地区甲烷浓度进行了全面、系统的分析，弥补了传统站点观测在空间覆盖上的不足。 2. 对复杂排放源区的深入解析：不仅揭示了区域甲烷浓度的时空格局，还成功区分了自然源（农业、湿地）和人为源（城市、工业）在不同季节对浓度分布的相对贡献，增强了结论的机制性解释。 3. 定量化的响应评估：创新性地以市级行政单元为尺度，定量化评估了卫星观测的甲烷浓度增强与人为排放清单之间的相关性，明确了卫星数据监测人为排放的能力及其依赖条件（如数据覆盖率），为卫星数据的业务化应用提供了量化依据。 4. 捕捉异常事件信号：研究敏锐地捕捉并分析了2022年上海封控期间甲烷浓度的短期动态变化，为理解极端人为活动干预下的大气环境响应提供了宝贵的观测证据。
其他有价值内容 研究也坦诚指出了当前分析的局限性，主要是受云层等因素影响，TROPOMI-S5P数据在长三角地区，特别是夏季的浙江省，存在较高的缺失率，这给全面分析带来了不确定性。这提示未来的研究需要发展数据融合或机器学习插值等方法，以获取更高时空覆盖率的甲烷浓度产品，从而进一步提升分析的准确性和可靠性。