复旦大学环境光学遥感课题组ES&T：基于卫星观测与机器学习模型构建HCHO/NO₂三维空间分布

本研究由复旦大学环境光学遥感课题组发表在Environmental Science & Technology上，提出了一种新的方法来构建对流层底层HCHO/NO2比值（FNR）的三维空间分布。研究结合了多轴差分光学吸收光谱技术（MAX-DOAS）和TROPOMI卫星遥感数据，通过机器学习模型预测HCHO和NO2的垂直廓线，从而提高了FNR的测量精度和应用范围。研究结果显示，该方法能够有效揭示上海地区对流层底层臭氧生成前体物的空间分布规律及时间变化趋势，为空气污染防治提供了科学依据。