- دردسترس بودن مجموعه داده
- 2019-02-08T08:13:16Z–2026-10-21T15:09:28Z
- تولیدکننده مجموعه داده
- اتحادیه اروپا/ESA/Copernicus
- فاصله زمانی بازنگری
- ۲ روز
- برچسبها
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) |
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 |
| 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);
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