XiaoMi-AI文件搜索系统
World File Search SystemNo2
TROPOMI ATBD 总量和对流层 NO2 数据产品
第 2 和第 3 节列出了适用文件和参考文件以及本文件特有的术语和缩写；同行评审论文和其他科学出版物的参考文献列于附录 G。第 4 节提供了对 TROPOMI 仪器的一般描述，该描述适用于 TROPOMI 2 级数据产品的所有 ATBD。第 5 节介绍了 NO 2 数据产品、其历史、检索设置、产品要求和可用性。第 6 节概述了 TROPOMI NO 2 数据处理系统和处理过程中各个步骤的重要方面。第 7 节列出了有关 NO 2 数据产品可行性的一些方面，例如计算工作量和处理所需的辅助信息。第 8 节讨论了 NO 2 数据产品的误差分析。第 9 节简要概述了验证问题和可能性，例如活动和卫星比对。第 10 节针对 NO 2 数据产品提出了一些结论。
TROPOMI ATBD 总体和对流层 NO2 数据产品
第 2 和第 3 节列出了适用和参考文献以及本文档特有的术语和缩写；同行评审论文和其他科学出版物的参考文献列于附录 G。第 4 节提供了对 TROPOMI 仪器的一般描述的参考，该描述适用于 TROPOMI 2 级数据产品的所有 ATBD。第 5 节介绍了 NO 2 数据产品、其历史、检索设置、产品要求及其可用性。第 6 节概述了 TROPOMI NO 2 数据处理系统以及处理过程中各个步骤的重要方面。第 7 节列出了有关 NO 2 数据产品可行性的一些方面，例如计算工作量和处理所需的辅助信息。第 8 节涉及 NO 2 数据产品的误差分析。第 9 节简要概述了验证问题和可能性，例如活动和卫星比对。第 10 节对 NO 2 数据产品得出了一些结论。
荷兰NO2和PM2.5的小时土地使用回归建模。
年平均土地利用回归（LUR）模型已被广泛用于评估空气污染暴露的空间模式。但是，它们无法捕获空气污染中的昼夜变异性，因此可能导致动态暴露评估有偏见。在这项研究中，我们旨在使用LUR算法对荷兰的两种主要污染物（第2和PM 2.5）进行平均小时浓度。，我们建模了2016年至2019年平均小时浓度的空间变化，合计为两个季节，以及两种工作日类型。使用了两种建模方法，有监督的线性回归（SLR）和随机森林（RF）。潜在的预测因子包括种群，道路，土地利用，卫星检索和化学转运模型污染估计具有不同缓冲尺寸的变量。我们还使用小时监控数据从2019年的年度模型进行了时间调整，以将其性能与小时建模方法进行比较。结果表明，每小时2个模型的总体表现良好（5倍交叉验证r 2 = 0.50 - 0.78），而PM 2.5进行中等（5倍交叉验证r 2 = 0.24 - 0.62）。在第2号和PM 2.5中，温暖季节的表现都比寒冷的季节差，周末比工作日还差。两种污染物的RF和SLR模型的性能相似。对于SLR和RF，与工作日相比，在周末型号中选择了更大的缓冲尺寸的变量，代表背景浓度的变化，与冷季相比，在周末模型中选择了更频繁的变量。年度平均模型的时间调整总体上比两种建模方法都要差（无2小时r 2
TROPOMI ATBD 总量和对流层 NO2 数据产品
第 2 和第 3 节列出了适用文件和参考文件以及本文件特有的术语和缩写；同行评审论文和其他科学出版物的参考文献列于附录 G。第 4 节提供了对 TROPOMI 仪器的一般描述，该描述适用于 TROPOMI 2 级数据产品的所有 ATBD。第 5 节介绍了 NO 2 数据产品、其历史、检索设置、产品要求和可用性。第 6 节概述了 TROPOMI NO 2 数据处理系统和处理过程中各个步骤的重要方面。第 7 节列出了有关 NO 2 数据产品可行性的一些方面，例如计算工作量和处理所需的辅助信息。第 8 节讨论了 NO 2 数据产品的误差分析。第 9 节简要概述了验证问题和可能性，例如活动和卫星比对。第 10 节针对 NO 2 数据产品提出了一些结论。
TROPOMI ATBD 总量和对流层 NO2 数据产品
第 2 和第 3 节列出了适用文件和参考文件以及本文件特有的术语和缩写；同行评审论文和其他科学出版物的参考文献列于附录 G。第 4 节提供了对 TROPOMI 仪器的一般描述，该描述适用于 TROPOMI 2 级数据产品的所有 ATBD。第 5 节介绍了 NO 2 数据产品、其历史、检索设置、产品要求和可用性。第 6 节概述了 TROPOMI NO 2 数据处理系统和处理过程中各个步骤的重要方面。第 7 节列出了有关 NO 2 数据产品可行性的一些方面，例如计算工作量和处理所需的辅助信息。第 8 节讨论了 NO 2 数据产品的误差分析。第 9 节简要概述了验证问题和可能性，例如活动和卫星比对。第 10 节针对 NO 2 数据产品提出了一些结论。
与NDACC ZSL-DOAS，MAX-DOAS和Pandonia Global Networks
马丁·蒂格格雷伯（Martin Tieggraber）7：8，亨德里克10，安德里亚·帕兹米尼9，阿尔基维亚迪斯·贝斯10，阿里亚尼·巴西罗（Ariane Basureau），阿里亚尼·巴西罗（Ariane Basureau）9，K。FolkertBoersma 15，Manuel Gebetsberger 7.8，Florence Guadil 9，Florence Guadil 9，Micheel Grutter of Mare Gruzdander Gruzdev 15 Karagaziozios 10，Rigel Kivi 22，Square 23，Pieterel F. Live 2.24，Portafaix 27，Roma 26，Olga Puentedura 26，Richard Querel 28，Richard Querel 28，Julia Remmers 14，Andreas Richter 30，12
利用可解释的时空加权人工智能对中国地面二氧化氮进行高分辨率太空监测
摘要：地面二氧化氮 (NO 2 ) 对环境质量和公共健康构成严重威胁。本研究开发了一种新颖的人工智能方法，将时空加权信息集成到缺失的额外树木和深林模型中，首先填补卫星数据空白并将数据可用性提高 49%，然后结合地面 NO 2 测量结果、来自 TROPOMI 和 OMI 的卫星对流层 NO 2 柱、大气再分析和模型模拟，得出 2019 − 2020 年期间中国大陆每日 1 公里地面 NO 2 浓度，具有全空间覆盖率（100%）。我们对每日地面 NO 2 的估计值具有平均样本外（市外）交叉验证判定系数为 0.93（0.71），均方根误差为 4.89（9.95）μ g/m 3 。每日无缝高分辨率高质量数据集“ChinaHighNO 2 ”使我们能够研究城市-农村对比等精细尺度的空间模式。我们观察到地表NO 2 在城市和农村地区之间存在系统性的巨大差异（平均28%），尤其是在省会城市。发现强烈的节日效应，中国春节和国庆节期间平均分别下降22%和14%。与北美和欧洲不同，工作日和周末之间的差异很小（在±1 μ g/m 3 以内）。在COVID-19大流行期间，中国地表NO 2浓度在农历新年后的第72天左右大幅下降，然后逐渐恢复到正常水平，这比对流层NO 2 柱长约3周，这意味着前者更能代表NO x排放的变化。关键词：地表NO 2 、空气污染、大数据、人工智能、COVID-19
利用可解释的时空加权人工智能对中国地面二氧化氮进行高分辨率太空监测
摘要：地面二氧化氮 (NO 2 ) 对环境质量和公共健康构成严重威胁。本研究开发了一种新颖的人工智能方法，将时空加权信息集成到缺失的额外树木和深林模型中，首先填补卫星数据空白并将数据可用性提高 49%，然后结合地面 NO 2 测量结果、来自 TROPOMI 和 OMI 的卫星对流层 NO 2 柱、大气再分析和模型模拟，得出 2019 − 2020 年期间中国大陆每日 1 公里地面 NO 2 浓度，具有全空间覆盖率（100%）。我们对每日地面 NO 2 的估计值具有平均样本外（市外）交叉验证判定系数为 0.93（0.71），均方根误差为 4.89（9.95）μ g/m 3 。每日无缝高分辨率高质量数据集“ChinaHighNO 2 ”使我们能够研究城市-农村对比等精细尺度的空间模式。我们观察到地表NO 2 在城市和农村地区之间存在系统性的巨大差异（平均28%），尤其是在省会城市。发现强烈的节日效应，中国春节和国庆节期间平均分别下降22%和14%。与北美和欧洲不同，工作日和周末之间的差异很小（在±1 μ g/m 3 以内）。在COVID-19大流行期间，中国地表NO 2浓度在农历新年后的第72天左右大幅下降，然后逐渐恢复到正常水平，这比对流层NO 2 柱长约3周，这意味着前者更能代表NO x排放的变化。关键词：地表NO 2 、空气污染、大数据、人工智能、COVID-19
基于单壁碳纳米管场效应晶体管的超灵敏 NO2 气体传感器：从 ppm 到 ppb 级的监测
这是一篇在接受后经过改进的文章的 PDF 文件，例如添加了封面和元数据，以及格式化以提高可读性，但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查，但我们提供此版本是为了让文章尽早可见。请注意，在制作过程中，可能会发现可能影响内容的错误，并且适用于期刊的所有法律免责声明均适用。
谢菲尔德的清洁空气战略
4 环境、食品和农村事务部 5 本文件中同时提及了 NOx 和 NO2。NOx 与空气混合时会形成 NO2。就本策略而言，它们之间的区别很小。6 2017 年谢菲尔德部分道路上的 NO2 水平为 53μg/m³。40μg/m³ 是法定限值。DEFRA (2017) 英国应对路边二氧化氮浓度计划 https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/633022/air-quality-plan-detail.pdf 7 根据 Defra 的数据，A630 – A57 公园大道（从 M1 J33 到市中心）和 A61 内环路的部分路段超出了年平均限值。然而，其他主要干道，包括里士满附近的 A57、谢菲尔德车站附近的 A61 和凯勒姆岛/萨维尔街（德里克·杜利路）附近的 A61，仅比年平均限值低 1-2 个百分点。8 根据低排放区可行性研究和持续监测。谢菲尔德浓度最高：A61 – 彭尼斯通Rd、Sheaf St、Queens Rd、Chesterfield Rd、Woodseats；A631 – Tinsley Roundabout、Bawtry Rd；B6388 – London Rd South；A621 - Abbeydale Rd；A6178 – Attercliffe Common、Sheffield Rd；A6109 – Savile St.、Brightside Ln；A57 - Brook Hill、Whitham Rd、Fulwood Rd (S)；Waingate / Haymarket、Arundel Gate；West Street、Barkers Pool；A625 – Ecclesall Rd South