Key points are not available for this paper at this time.
Le dioxyde d'azote (NO2) au niveau du sol représente une menace sérieuse pour la qualité environnementale et la santé publique. Cette étude a développé une approche novatrice en intelligence artificielle en intégrant des informations spatiales et temporellement pondérées dans les modèles d'arbres extra-manquants et de forêts profondes pour d'abord combler les lacunes des données satellitaires et augmenter la disponibilité des données de 49%, puis en dérivant les concentrations de NO2 de surface quotidiennes à 1 km sur le continent chinois avec une couverture spatiale complète (100%) pour la période 2019-2020 en combinant des mesures de NO2 de surface, des colonnes de NO2 troposphérique satellitaires dérivées de TROPOMI et OMI, des réanalyses atmosphériques et des simulations de modèles. Nos estimations quotidiennes de NO2 de surface ont un coefficient de détermination de validation croisée hors échantillon (hors ville) moyen de 0,93 (0,71) et une erreur quadratique moyenne de 4,89 (9,95) μg/m3. Le jeu de données quotidien sans couture, à haute résolution et de haute qualité "ChinaHighNO2" nous permet d'examiner les modèles spatiaux à des échelles fines telles que le contraste urbain-rural. Nous avons observé des différences importantes et systématiques entre les zones urbaines et rurales (28% en moyenne) en surface de NO2, en particulier dans les capitales provinciales. Des effets de vacances forts ont été constatés, avec des baisses moyennes de 22 et 14% pendant le Festival du Printemps et la Journée Nationale en Chine, respectivement. Contrairement à l'Amérique du Nord et à l'Europe, il y a peu de différence entre les jours de semaine et les week-ends (dans ±1 μg/m3). Pendant la pandémie de COVID-19, les concentrations de NO2 de surface ont considérablement diminué puis sont revenues progressivement à des niveaux normaux autour du 72ème jour après le Nouvel An lunaire en Chine, ce qui est environ 3 semaines plus longtemps que la colonne de NO2 troposphérique, ce qui implique que ce dernier peut mieux représenter les changements dans les émissions de NOx.
Wei et al. (Mer,) ont étudié cette question.