Sentinel-5P OFFL CH4: Offline Methane

COPERNICUS/S5P/OFFL/L3_CH4
دردسترس بودن مجموعه داده
2019-02-08T08:13:16Z–2026-10-20T15:28:34Z
تولیدکننده مجموعه داده
تکه‌کد Earth Engine
ee.ImageCollection("COPERNICUS/S5P/OFFL/L3_CH4")
فاصله زمانی بازنگری
‫
۲ روز
برچسب‌ها
جو اقلیم کوپرنیک esa eu knmi متان s5p sentinel sron tropomi

شرح

OFFL/L3_CH4

این مجموعه‌داده تصاویر آفلاین با وضوح بالا از غلظت متان ارائه می‌دهد.

متان (CH4) پس‌از دی‌اکسید کربن (CO2) مهم‌ترین عامل در افزایش اثر گلخانه‌ای ناشی از فعالیت‌های انسانی است. تقریباً سه‌چهارم انتشار گاز متان ناشی از فعالیت‌های انسانی است و به همین دلیل، ادامه ثبت اندازه‌گیری‌های ماهواره‌ای اهمیت دارد. هدف TROPOMI ارائه غلظت‌های ستونی CH4 با حساسیت بالا به سطح زمین، پوشش فضایی-زمانی خوب، و دقت کافی برای تسهیل مدل‌سازی معکوس منابع و چاهک‌ها است. TROPOMI از اطلاعات جذب از باند اکسیژن-A (۷۶۰ نانومتر) و محدوده طیفی SWIR برای نظارت بر فراوانی CH4 در جو زمین استفاده می‌کند. اطلاعات بیشتر.

درحال‌حاضر، مشکلات کیفیت داده‌های زیر شناخته شده‌اند، تحت پوشش پرچم‌های کیفیت نیستند، و باید هنگام بررسی محصول متان و همچنین نتایج اعتبارسنجی اولیه درنظر گرفته شوند. برای جزئیات بیشتر، به وب‌سایت MPC VDAF مراجعه کنید.

فیلتر کردن qa_value < 0.5 همه پیکسل‌هایی را که بد درنظر گرفته شده‌اند حذف نمی‌کند. برخی پیکسل‌ها با غلظت متان بسیار کم هنوز وجود دارند:

  • گذر تکی TROPOMI نوارهایی از مقادیر CH4 اشتباه را در جهت پرواز نشان می‌دهد.

  • همه پیکسل‌های بالای آب‌های داخلی فیلتر نمی‌شوند.

  • عدم قطعیت‌ها برای XCH4 فقط براساس دقت تک‌صدایی به‌دلیل نویز اندازه‌گیری است. برای برنامه‌هایی که به تخمین عدم قطعیت کلی نیاز دارند، پیشنهاد می‌کنیم خطای ارائه‌شده را در ضریب ۲ ضرب کنید که نشان‌دهنده پراکندگی خطاهای تک‌صدایی در اعتبارسنجی TCCON است.

  • داده‌های قبل‌از نوامبر ۲۰۲۱ فقط XCH۴ را روی خشکی ارائه می‌دهد، که پس‌از آن مشاهدات درخشش اقیانوس اضافه شد.

  • به‌دلیل قطعی ارائه‌دهنده، هیچ داده‌ای بین ۲۰۲۲/۰۷/۲۶ و ۲۰۲۲/۰۸/۳۱ وجود ندارد.

محصول OFFL L3

برای ساختن محصولات OFFL L3، بااستفاده از فرمانی مانند این، پیدا می‌کنیم که کدام نواحی در کادر مرزی محصول حاوی داده است:

harpconvert --format hdf5 --hdf5-compression 9
-a 'CH4_column_volume_mixing_ratio_dry_air_validity>50;derive(datetime_stop {time})'
S5P_OFFL_L2__CH4____20190223T202409_20190223T220540_07072_01_010202_20190301T221106.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 'CH4_column_volume_mixing_ratio_dry_air_validity>50; derive(datetime_stop {time}); bin_spatial(2001, 50.000000, 0.01, 2001, -120.000000, 0.01); keep(CH4_column_volume_mixing_ratio_dry_air, aerosol_height, aerosol_optical_depth, sensor_azimuth_angle, sensor_zenith_angle, solar_azimuth_angle, solar_zenith_angle)' S5P_OFFL_L2__CH4____20190223T202409_20190223T220540_07072_01_010202_20190301T221106.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 فیلتر نشوند، به‌جز برای مقادیر پرت، یعنی برای ستون‌های عمودی کمتر از ‎-۰٫۰۰۱ مول/مترمربع.

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 در 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) جذب می‌شود.

باند

باند

اندازه پیکسل: ۱۱۱۳٫۲ متر (همه باندها)

نام واحدها دقیقه Max اندازه پیکسل شرح
CH4_column_volume_mixing_ratio_dry_air کسر مولی 1285* 2405* ‫۱۱۱۳٫۲ متر

نسبت اختلاط هوای خشک میانگین ستونی متان، به‌صورت بخش در میلیارد

aerosol_height پشت ‎۹۰۶* 11251* ‫۱۱۱۳٫۲ متر

پارامتر ارتفاع هواپاش در بازیابی CH4

aerosol_optical_depth ۰٫۰۰۰۳۲* ۰٫۲۴۰۵* ‫۱۱۱۳٫۲ متر

ضخامت نوری هواپخش در باند SWIR

sensor_azimuth_angle درجه -۱۸۰* ۱۸۰* ‫۱۱۱۳٫۲ متر

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

sensor_zenith_angle درجه ‫۱* ‫۶۰* ‫۱۱۱۳٫۲ متر

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

solar_azimuth_angle درجه -۱۸۰* ۱۸۰* ‫۱۱۱۳٫۲ متر

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

solar_zenith_angle درجه ‫۶* 70* ‫۱۱۱۳٫۲ متر

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

CH4_column_volume_mixing_ratio_dry_air_bias_corrected کسر مولی ‫۱۲۹۵* 2432* ‫۱۱۱۳٫۲ متر

نسبت اختلاط هوای خشک میانگین ستونی متان، به‌صورت بخش در میلیارد، تصحیح‌شده برای سپیدایی سطح

CH4_column_volume_mixing_ratio_dry_air_uncertainty کسر مولی ۰* ‫۱۰* ‫۱۱۱۳٫۲ متر

عدم قطعیت نسبت اختلاط هوای خشک میانگین ستونی متان (خطای ۱ سیگما)

* 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 «کاهش‌یافته».

PROCESSOR_VERSION رشته

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

PRODUCT_ID رشته

شناسه محصول L2 که برای تولید این دارایی استفاده شده است.

PRODUCT_QUALITY رشته

نشانگری که مشخص می‌کند کیفیت محصول کاهش یافته است یا نه. مقادیر مجاز «Degraded» (کاهش‌یافته) و «Nominal» (اسمی) 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 (UUID) برای فایل محصول L2.

شرایط استفاده

شرایط استفاده

استفاده از داده‌های Sentinel تحت کنترل شرایط خدمات داده‌های Copernicus Sentinel است.

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

var collection = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_CH4')
  .select('CH4_column_volume_mixing_ratio_dry_air')
  .filterDate('2019-06-01', '2019-07-16');

var band_viz = {
  min: 1750,
  max: 1900,
  palette: ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']
};

Map.addLayer(collection.mean(), band_viz, 'S5P CH4');
Map.setCenter(0.0, 0.0, 2);

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_CH4')
    .select('CH4_column_volume_mixing_ratio_dry_air')
    .filterDate('2019-06-01', '2019-07-16')
)

band_viz = {
    'min': 1750,
    'max': 1900,
    'palette': ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red'],
}

m = geemap.Map()
m.add_layer(collection.mean(), band_viz, 'S5P CH4')
m.set_center(0.0, 0.0, 2)
m
باز کردن در «ویرایشگر کد»