Sentinel-5P OFFL AER AI: Offline UV Aerosol Index

COPERNICUS/S5P/OFFL/L3_AER_AI
دردسترس بودن مجموعه داده
2018-07-04T13:34:21Z–2026-11-04T20:51:12Z
تولیدکننده مجموعه داده
تکه‌کد Earth Engine
ee.ImageCollection("COPERNICUS/S5P/OFFL/L3_AER_AI")
فاصله زمانی بازنگری
‫
۲ روز
برچسب‌ها
aai aerosol air-quality atmosphere copernicus esa eu knmi pollution s5p sentinel tropomi uvai

شرح

OFFL/L3_AER_AI

این مجموعه داده تصاویر آفلاین با وضوح بالا از «شاخص هواپخش‌های فرابنفش» (UVAI) ارائه می‌دهد که به آن «شاخص هواپخش‌های جاذب» (AAI) نیز می‌گویند.

شاخص هواپخش جاذب براساس تغییرات وابسته به طول موج در پراکندگی ریلی در محدوده طیفی فرابنفش برای یک جفت طول موج است. تفاوت بین بازتاب مشاهده‌شده و مدل‌سازی‌شده منجر به AAI می‌شود. وقتی AAI مثبت باشد، نشان‌دهنده وجود هواپخش‌های جاذب فرابنفش مانند گردوغبار و دود است. این سنجه برای ردیابی تکامل توده‌های هواپخش دوره‌ای ناشی از شیوع گردوغبار، خاکستر آتشفشانی، و سوختن زیست‌توده مفید است.

طول موج‌های مورداستفاده جذب ازن بسیار پایینی دارند، بنابراین برخلاف اندازه‌گیری‌های ضخامت نوری هواپخش، AAI را می‌توان در حضور ابرها محاسبه کرد. بنابراین پوشش جهانی روزانه امکان‌پذیر است.

برای این محصول L3 AER_AI، ‏absorbing_aerosol_index با یک جفت اندازه‌گیری در طول موج‌های ۳۵۴ نانومتر و ۳۸۸ نانومتر محاسبه می‌شود. محصول COPERNICUS/S5P/OFFL/L3_SO2 دارای absorbing_aerosol_index است که بااستفاده از طول موج‌های ۳۴۰ نانومتر و ۳۸۰ نانومتر محاسبه شده است.

محصول OFFL L3

برای ساختن محصولات OFFL L3، بااستفاده از فرمانی مانند این، نواحی درون کادر مرزی محصول را با داده‌ها پیدا می‌کنیم:

harpconvert --format hdf5 --hdf5-compression 9
-a 'absorbing_aerosol_index_validity>50;derive(datetime_stop {time})'
S5P_OFFL_L2__AER_AI_20181030T213916_20181030T232046_05427_01_010200_20181105T210529.nc
grid_info.h5

سپس همه داده‌ها را در یک موزاییک بزرگ ادغام می‌کنیم (مقادیر میانگین مساحت برای پیکسل‌هایی که ممکن است مقادیر متفاوتی برای زمان‌های مختلف داشته باشند). از موزاییک، مجموعه‌ای از کاشی‌ها را ایجاد می‌کنیم که حاوی داده‌های شطرنجی قائم‌تصحیح‌شده است.

نمونه فراخوانی harpconvert برای یک کاشی: harpconvert --format hdf5 --hdf5-compression 9 -a 'absorbing_aerosol_index_validity>50;derive(datetime_stop {time}); bin_spatial(2001, 50.000000, 0.01, 2001, -120.000000, 0.01); keep(absorbing_aerosol_index,sensor_altitude,sensor_azimuth_angle, sensor_zenith_angle,solar_azimuth_angle,solar_zenith_angle)' S5P_OFFL_L2__AER_AI_20181030T213916_20181030T232046_05427_01_010200_20181105T210529.nc output.h5

Sentinel-5 Precursor

Sentinel-5 Precursor ماهواره‌ای است که در ۱۳ اکتبر ۲۰۱۷ توسط «آژانس فضایی اروپا» برای پایش آلودگی هوا پرتاب شد. حسگر داخلی اغلب با نام Tropomi (ابزار پایش تروپوسفریک) شناخته می‌شود.

همه مجموعه‌داده‌های S5P، به‌جز CH4، دو نسخه دارند: «تقریباً هم‌زمان» (NRTI) و «آفلاین» (OFFL). ‫CH4 فقط به‌صورت OFFL دردسترس است. دارایی‌های NRTI منطقه کوچک‌تری را نسبت‌به دارایی‌های OFFL پوشش می‌دهند، اما پس‌از دریافت سریع‌تر ظاهر می‌شوند. دارایی‌های OFFL حاوی داده‌های یک مدار واحد هستند (که به‌دلیل تاریک بودن نیمی از زمین، فقط حاوی داده‌های یک نیم‌کره است).

به‌دلیل وجود نوفه در داده‌ها، مقادیر ستون عمودی منفی اغلب به‌ویژه در مناطق تمیز یا برای انتشار کم SO2 مشاهده می‌شود. توصیه می‌شود این مقادیر را فیلتر نکنید، به‌جز برای مقادیر پرت، یعنی برای ستون‌های عمودی کمتر از ‎-۰٫۰۰۱ مول بر متر مربع.

داده‌های اصلی Sentinel 5P Level 2 (L2) براساس زمان دسته‌بندی شده‌اند، نه براساس عرض/طول جغرافیایی. برای امکان‌پذیر کردن دریافت داده‌ها در Earth Engine، هر محصول Sentinel 5P L2 به L3 تبدیل می‌شود و یک شبکه واحد برای هر مدار حفظ می‌شود (یعنی هیچ انبوهشی در محصولات انجام نمی‌شود).

محصولات منبعی که در دو طرف خط تغییر تاریخ قرار دارند به‌عنوان دو دارایی Earth Engine با پسوندهای ‎_1 و ‎_2 دریافت می‌شوند.

تبدیل به L3 توسط ابزار harpconvert بااستفاده از عملیات bin_spatial انجام می‌شود. داده‌های منبع فیلتر شده‌اند تا پیکسل‌های دارای مقادیر تضمین کیفیت کمتر از این مقدار برداشته شوند:

  • ‫٪۸۰ برای AER_AI
  • ‫٪۷۵ برای باند tropospheric_NO2_column_number_density مربوط به NO2
  • ‫٪۵۰ برای همه مجموعه‌های داده دیگر به‌جز O3 و SO2

محصول O3_TCL مستقیماً (بدون اجرای harpconvert) وارد می‌شود.

باند

باند

اندازه پیکسل: ۱۱۱۳٫۲ متر (همه باندها)

نام واحدها دقیقه Max اندازه پیکسل شرح
absorbing_aerosol_index ‫-۲۱* ۳۹* ۱۱۱۳٫۲ متر

سنجه‌ای برای اندازه‌گیری شیوع ذرات معلق در جو.

شاخص UVAI براساس تضاد طیفی در محدوده طیفی فرابنفش (UV) برای یک جفت طول موج مشخص است، که در آن تفاوت بین بازتاب مدل‌سازی‌شده و مشاهده‌شده منجر به یک مقدار باقی‌مانده می‌شود. وقتی این مقدار باقی‌مانده مثبت باشد، نشان‌دهنده وجود هواپخش‌های جاذب فرابنفش، مانند گردوغبار و دود است و اغلب به آن «شاخص هواپخش جاذب» (AAI) گفته می‌شود. ابرها مقادیر باقی‌مانده نزدیک به صفر تولید می‌کنند و مقادیر باقی‌مانده به‌شدت منفی می‌تواند نشان‌دهنده وجود هواپخش‌های غیرجاذب ازجمله هواپخش‌های سولفات باشد.

برخلاف اندازه‌گیری‌های ضخامت نوری هواپخش مبتنی بر ماهواره، AAI را می‌توان در حضور ابرها نیز محاسبه کرد تا پوشش جهانی روزانه امکان‌پذیر باشد. این برای ردیابی تکامل توده‌های هواپخش دوره‌ای متشکل از گردوغبار بیابان، خاکستر ناشی از فوران‌های آتشفشانی، و دود ناشی از سوختن زیست‌توده ایده‌آل است.

جزئیات بیشتر را در ATBD ببینید.

sensor_altitude پشت 828543* 856078* ۱۱۱۳٫۲ متر

ارتفاع ماهواره نسبت به نقطه زیرماهواره‌ای ژئودتیک (WGS84).

sensor_azimuth_angle درجه -180* ۱۸۰* ۱۱۱۳٫۲ متر

زاویه سمت ماهواره در مکان پیکسل زمین (WGS84)؛ زاویه اندازه‌گیری‌شده از شمال به شرق.

sensor_zenith_angle درجه ۰٫۰۹۸* 66.87* ۱۱۱۳٫۲ متر

زاویه سمت‌الرأس ماهواره در مکان پیکسل زمین (WGS84)؛ زاویه اندازه‌گیری‌شده از عمود.

solar_azimuth_angle درجه -180* ۱۸۰* ۱۱۱۳٫۲ متر

زاویه سمتی خورشید در مکان پیکسل زمین (WGS84)؛ زاویه اندازه‌گیری‌شده از شمال به شرق.

solar_zenith_angle درجه ۸* 88* ۱۱۱۳٫۲ متر

زاویه سمت‌الرأس ماهواره در مکان پیکسل زمین (WGS84)؛ زاویه اندازه‌گیری‌شده از عمود.

* حداقل یا حداکثر مقدار تخمینی

مشخصات تصویر

ویژگی‌های تصویر

نام نوع شرح
ALGORITHM_VERSION رشته

نسخه الگوریتم مورداستفاده در پردازش L2. این نسخه از نسخه پردازنده (چارچوب) جدا است تا با زمان‌بندی‌های انتشار متفاوت برای محصولات مختلف سازگار باشد.

BUILD_DATE رشته

تاریخ، به‌صورت میلی‌ثانیه از ۱ ژانویه ۱۹۷۰، زمانی که نرم‌افزار مورداستفاده برای پردازش L2 ساخته شد.

HARP_VERSION INT

نسخه ابزار HARP که برای شبکه‌بندی داده‌های L2 در محصول L3 استفاده می‌شود.

مؤسسه رشته

مؤسسه‌ای که پردازش داده‌ها از L1 به L2 در آن انجام شده است.

L3_PROCESSING_TIME INT

تاریخ، به‌صورت میلی‌ثانیه از ۱ ژانویه ۱۹۷۰، زمانی که Google داده‌های L2 را بااستفاده از harpconvert به L3 پردازش کرد.

LAT_MAX دوبرابر

حداکثر عرض جغرافیایی دارایی (درجه).

LAT_MIN دوبرابر

حداقل عرض جغرافیایی دارایی (درجه).

LON_MAX دوبرابر

حداکثر طول جغرافیایی دارایی (درجه).

LON_MIN دوبرابر

حداقل طول جغرافیایی دارایی (درجه).

ORBIT INT

شماره مدار ماهواره هنگام دریافت داده‌ها.

پلاتفرم رشته

نام پلاتفرمی که داده‌ها را جذب کرده است.

PROCESSING_STATUS رشته

وضعیت پردازش محصول در سطح جهانی، عمدتاً براساس دردسترس بودن داده‌های ورودی کمکی. مقادیر ممکن عبارت‌اند از «اسمی» و «تنزل‌یافته».

PROCESSOR_VERSION رشته

نسخه نرم‌افزار مورداستفاده برای پردازش L2، به‌صورت رشته‌ای از فرم «major.minor.patch».

PRODUCT_ID رشته

شناسه محصول L2 استفاده‌شده برای تولید این دارایی.

PRODUCT_QUALITY رشته

نشانگری که مشخص می‌کند کیفیت محصول کاهش یافته است یا نه. مقادیر مجاز «Degraded» و «Nominal» است.

حسگر رشته

نام حسگری که داده‌ها را دریافت کرده است.

SPATIAL_RESOLUTION رشته

وضوح فضایی در پاسو. برای اکثر محصولات، این مقدار 3.5x7 km2 است، به‌جز L2__O3__PR که از 28x21km2 استفاده می‌کند، و L2__CO____ و L2__CH4___ که هر دو از 7x7 km2 استفاده می‌کنند. این مشخصه از استاندارد CCI منشأ می‌گیرد.

TIME_REFERENCE_DAYS_SINCE_1950 INT

روزهای بین ۱ ژانویه ۱۹۵۰ تا زمانی که داده‌ها به‌دست آمده است.

TIME_REFERENCE_JULIAN_DAY دوبرابر

شماره روز ژولیوسی که داده در آن دریافت شده است.

TRACKING_ID رشته

شناسه منحصربه‌فرد جهانی برای فایل محصول L2.

شرایط استفاده

شرایط استفاده

استفاده از داده‌های «سنتینل» تحت کنترل شرایط خدمات داده‌های کوپرنیک سنتینل است.

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

var collection = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_AER_AI')
  .select('absorbing_aerosol_index')
  .filterDate('2019-06-01', '2019-06-06');

var band_viz = {
  min: -1,
  max: 2.0,
  palette: ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']
};

Map.addLayer(collection.mean(), band_viz, 'S5P Aerosol');
Map.setCenter(-118.82, 36.1, 5);

راه‌اندازی Python

برای اطلاعات درباره Python API و استفاده از geemap برای توسعه تعاملی، به صفحه محیط Python مراجعه کنید.

import ee
import geemap.core as geemap

Colab (Python)

collection = (
    ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_AER_AI')
    .select('absorbing_aerosol_index')
    .filterDate('2019-06-01', '2019-06-06')
)

band_viz = {
    'min': -1,
    'max': 2.0,
    'palette': ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red'],
}

m = geemap.Map()
m.add_layer(collection.mean(), band_viz, 'S5P Aerosol')
m.set_center(-118.82, 36.1, 5)
m
باز کردن در ویرایشگر کد