Satellite-Based Forecasting of NO₂ and SO₂ Concentrations in Sri Lanka using SARIMA Time-Series Models
本研究展示了利用 Sentinel-5P TROPOMI 卫星数据结合 SARIMA 时间序列模型来预测斯里兰卡五个地区每月 NO₂ 和 SO₂ 浓度的潜力，在实现 NO₂ 高精度预测的同时，也强调了在预测不规则 SO₂ 水平以及将柱密度转化为地面浓度方面所面临的重大挑战。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
空气污染是一种无声且隐形的威胁，随着现代世界的城市化和工业化进程不断增长。在许多发展中国家，用于监测这一危险的地表监测站数量过少，无法覆盖广袤的土地，导致大片区域缺乏对人们呼吸之空气的清晰认知。为了填补这些空白，科学家们将目光转向天空，利用绕地球运行的卫星来探测二氧化氮和二氧化硫等污染物的化学特征。这些气体通过汽车、发电厂和工厂燃烧燃料释放出来，会对人类健康造成伤害，并破坏环境。虽然卫星无法观测到街道层面的空气，但它们可以测量从地面延伸到太空的整个大气柱中这些气体的总量。通过将这些基于空间的观测结果与寻找重复模式的统计方法相结合，研究人员可以尝试预测未来污染水平可能发生的变化，为缺乏地面数据的地区提供一种重要的工具。
在最近一项针对斯里兰卡的研究中，一个研究小组旨在测试这种卫星方法是否能够可靠地预测五个不同地区的污染水平：科伦坡（繁忙的城市中心）、康提（坐落在中央高地的地区）、马特拉（位于南海岸）以及特林科马利（东部工业枢纽）和贾夫纳（干旱的北部）。研究团队使用了 Sentinel-5P 卫星的数据，该卫星携带了一种能够检测痕量气体的仪器，他们收集了 2019 年至 2024 年间二氧化氮和二氧化硫的每月观测数据。由于卫星测量的是垂直柱中的气体总量而非地面特定点的浓度，研究人员应用了一种数学调整，将这些测量值转换为标准的浓度单位——十亿分之一（ppb）。这使得他们可以将卫星数据视为连续的空气质量记录，随后将其输入到一个旨在识别季节性循环的预测模型中，例如随着季风变化和交通模式变化而发生的、可预测的污染升降。
研究人员将工作分为两个阶段，以确保其方法的可靠性。首先，他们利用 2019 年至 2022 年的数据来训练模型了解污染的行为模式，然后根据 2023 年和 2024 年的实际观测值对其预测进行测试。一旦模型证明能够处理过去的数据，他们便利用整个六年的数据集对其进行重新训练，以生成 2025 年至 2027 年的预测。结果显示，该模型在处理两种不同气体时表现出了明显的差异。对于二氧化氮，模型的表现相当出色，能够高度准确地捕捉到数据的季节性节奏。在康提地区，模型对二氧化氮的预测平均误差小于 9%，即使是在更为复杂的城市环境科伦坡，误差也保持在 20% 以下。这表明这些地区二氧化氮的来源（主要与交通和稳定的工业活动有关）遵循着一种规律且可预测的模式，卫星可以追踪，模型也可以预见。
然而，二氧化硫的情况则完全不同。模型在预测这种气体时表现挣扎，在康提的误差高达 125%，并在其他大多数地区保持在 40% 以上。研究人员解释说，二氧化硫的行为比二氧化氮要多变得多。它的存在往往受突发且不规则事件的影响，例如某家特定的工厂在某天满负荷运转，而在第二天又突然停产，或者是不可预测的天气条件以意想不到的方式分散了气体。由于模型仅依赖于气体自身的历史数据，而没有引入天气数据或排放计划，因此无法解释这些突然的激增和骤降。研究明确指出，虽然卫星数据提供了一种测量大气中气体总量的稳定方式，但它无法捕捉气体在地面附近混合的精细细节或其变化速度，这限制了对挥发性污染物进行长期精准预测的能力。
尽管存在这些局限性，该研究仍证明了在缺乏此类基础设施的地区，卫星数据可以作为地面监测的有力替代方案。未来几年的预测显示，斯里兰卡的二氧化氮水平很可能会继续遵循既有的季节性趋势，为地方当局提供可靠的规划指南。然而，对于二氧化硫，预测结果附带了一个沉重的警告：这些数字是基于过去模式的统计投影，而非对未来情况的保证。研究人员强调，这些预测应被视为一个起点而非最终答案。为了改进未来的预测，他们建议模型需要扩大范围，纳入实时天气信息和具体的工业排放细节，从而超越单纯对过去的观察，去理解驱动我们呼吸之空气的复杂力量。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。