1 July

Мониторинг качества воздуха c помощью данных TROPOMI в Google Earth Engine

Google APIGeoinformation servicesBig DataEcology
Translation
Original author: Justin Braaten


Доступ к воздуху, безопасному для дыхания, очень важен для планеты и её жителей. Однако сейчас во многих частях света люди и хрупкие экосистемы страдают от воздействия загрязнённой атмосферы. В одних только США плохое качество воздуха ежегодно становится причиной около 60,000 случаев преждевременной смерти и обходится государству более чем в 150 млн. долларов, которые тратятся на лечение связанных с этим недугов.


Сейчас, в период социального дистанцирования и перекрытых границ, во многих регионах происходит снижение выбросов загрязняющих веществ. Фактически мы наблюдаем новое состояние качества воздуха, связанное с отсутствием характе́рных выбросов от транспорта и иных источников. Атмосфера очищается, и спутники NASA и ESA регистрируют снижение концентрации NO2 над многими городами и транспортными коридорами.



Средняя континентальная концентрация диоксида азота в тропосфере, март 2019. Концентрация увеличивается вдоль градиента от пурпурного к жёлтому.


Контролируя качество воздуха, метеорологи могут прогнозировать и предупреждать периоды его ухудшения, когда людям следует оставаться внутри помещений. Кроме того, учёные отслеживают историю изменений качества воздуха, чтобы понять влияние антропогенных и природных процессов на выбросы загрязняющих веществ в атмосферу. Для некоторых веществ такие изменения в концентрации фиксируются спутниками. Одним из устройств, которые собирают такие замеры, является прибор для изучения тропосферы TROPOMI (Tropospheric Monitoring Instrument), установленный на борту космического аппарата Sentinel-5 Precursor (S5P), который в настоящее время находится на орбите.


Спутник S5P был запущен в октябре 2017 года для обеспечения непрерывности сбора данных после вывода из эксплуатации аппаратов Envisat (ESA) и Aura (NASA), а также в преддверии запуска Sentinel-5. S5P имеет на борту многоспектральный датчик TROPOMI, который регистрирует отражательную способность длин волн, взаимодействующих с различными составляющими атмосферы, включая аэрозоли, моноокись углерода, формальдегид, диоксид азота, озон, диоксид серы и метан. S5P также позволяет оценивать некоторые характеристики облачности. Цель этой статьи — предоставить краткий обзор данных о выбросах, которые регистрирует TROPOMI, а также продемонстрировать возможности использования платформы Earth Engine для анализа и отображения этой информации. Приведённые ниже сведения следует рассматривать как общее руководство для практического использования данных и платформы, но не как источник выводов о последствиях социального дистанцирования и его влиянии на качество воздуха.


Атмосферные выбросы от лесных пожаров


Горение биомассы в результате пожара может привести к выбросу большого количества дымовых аэрозолей. Отслеживать перенос такого аэрозольного шлейфа в течение дней и даже недель позволяет ежедневная частота и глобальный охват измерений с S5P. На рисунке ниже — анимация временно́го ряда изображений, отражающих циркуляцию аэрозолей, вызванных мощными пожарами австралийских кустарников 2019–2020 годов, которые в итоге повлияли на качество воздуха в городах Южной Америки. Результаты измерений УФ-аэрозольного индекса, которые использовались в этом случае, применяются и для отслеживания других аэрозольных выбросов, таких как песчаные бури и вулканический пепел.



Аэрозольный шлейф от мощных австралийских кустарниковых пожаров 2019–2020 годов, распространяющийся на восток через Тихий океан. Анимация по мотивам исследований Сары Апарисио (Sara Aparício).


Анимация — отличное средство визуализации данных, но для количественной оценки временны́х изменений в загрязнении воздуха зачастую целесообразно использовать растровую алгебру (image math). В следующем примере вычитаются данные на две даты, характеризующие концентрацию угарного газа (CO) до и во время пожаров в лесах Амазонки в 2019 году. Цель — выделить те регионы, где концентрация увеличилась в два и более раз, в результате чего Всемирная организация здравоохранения выпустила предупреждение о чрезмерном загрязнении воздуха.



Разница в концентрациях оксида углерода до и во время пожаров в Амазонке в 2019 году. На картах «до» («Before») и «во время» («During») концентрация увеличивается вдоль градиента от фиолетового к жёлтому, а для карты «разница» («Difference») — от чёрного к белому (карта отмаскирована для выделения областей, в которых во время пожаров произошло как минимум удвоение концентрации угарного газа).


Антропогенные атмосферные выбросы


Сжигание ископаемого топлива для нужд промышленности, транспорта и генерации тепла способствует загрязнению воздуха. Слой с данными о концентрации диоксида азота (NO2) хорошо подходит для анализа подобных типов выбросов, поскольку этот газ имеет короткий срок существования, и, как следствие, регистрируется вблизи источника выбросов. К примеру, визуализируя плотность населения (Gridded Population of World dataset) и высокие концентрации NO2 относительно друг друга, можно выявить пространственную корреляцию между плотностью населения и концентрациями NO2 на восточном побережье США.



Пространственная корреляция между точками высокой плотности населения и высокой концентрацией тропосферного диоксида азота в восточной части Соединённых Штатов. Плотность населения увеличивается вдоль градиента от белого к пурпурному, концентрация диоксида азота — от тёмно-фиолетового к жёлтому.


На сдвоенной карте сверху и на диаграмме снизу показано, что с увеличением плотности населения усиливается и концентрация NO2 (подробнее о построении графиков в Earth Engine читайте в соответствующем разделе документации).



Связь между плотностью населения и концентрацией тропосферного диоксида азота (NO2) в зимний период в США к востоку от р. Миссисипи. Интерполированные графики NO2 для среднего и межквартального диапазона представлены для интервалов плотности населения от 0 до 20,000 человек/км2 с шагом 2,000 человек/км2, где последний интервал представляет районы с плотностью более 20 000 человек / км2.


В настоящее время бо́льшая часть мира практикует социальное дистанцирование с целью снижения воздействия нового типа коронавируса. С уменьшением числа людей, которые ездят на работу, снижаются и атмосферные выбросы диоксида азота (см. интерпретацию от NASA). Использование данных TROPOMI и платформы Earth Engine позволяет учёным исследовать подобные взаимосвязи и закономерности практически в режиме реального времени, а также в региональном и глобальном масштабах. Один из пользователей, Кристина Вринчану (Cristina Vrinceanu), создала приложение Earth Engine, в котором реализован виджет-слайдер для визуализации снижения концентрации диоксида азота в регионах, находящихся на карантине. Так, в приложении Кристины и сопутствующей статье в Medium исследуется регион севера Италии, который в борьбе с распространением вируса применяет в том числе и карантинные ограничения.



Приложение Earth Engine демонстрирует применение виджета-слайдера для сравнения концентрации NO2 за два различных периода времени. (Приложение от Кристины Вринчану).


Ещё один наглядный способ визуализации изменений концентрации загрязняющих веществ в воздухе с течением времени — это годовой график. Следующая диаграмма демонстрирует и этот подход, сравнивая по дням концентрацию диоксида азота в период с 2019 по 2020 год в северной Италии.



Среднегодовые временные ряды NO2 в сравнении со значениями концентрации 2020 года и 2019 года, представленные для Паданской низменности на севере Италии (включает Милан, Болонью и Венецию).


Важные дополнения


Существует множество явлений, которые могут повлиять на характер концентрации загрязнений воздуха. Прежде чем делать выводы об изменениях концентрации во времени и соответствующих этому причинах, необходимо учесть все потенциальные источники выбросов, химический состав загрязняющих веществ, условия распространения и систематическую ошибку в измерениях, а также метеорологические условия и условия окружающей среды. Далее рассматриваются несколько явлений, которые влияют на закономерности распределения концентраций загрязняющих веществ, проявляющихся при анализе данных: сезонные колебания, погодные условия и облачный покров.


В некоторых регионах мира определённые сочетания экологии, климата, погоды, географии и выбросов приводят к вариациям концентрации загрязняющих веществ. Так, для китайской провинции Хубэй характерны сезонные тренды концентраций NO2, что видно на следующем рисунке, на котором изображена серия наблюдений за последний 21 месяц, подкреплённая гармонической линией тренда. Линия тренда полезна для выделения регулярных сезонных колебаний, а также для обособления высокой дисперсии в зимние месяцы, вызванной сменой погоды. Для того, чтобы не делать выводов на основе отдельных измерений, которые могут представлять аномальные наблюдения, связанные с погодой, рекомендуется использовать линии тренда и вычислять скользящие средние за недели или месяцы наблюдений. Ламсай и др (Lamsai et al., 2010) приводят подробный анализ сезонных тенденций в отношении NO2.



Концентрация NO2 в южной провинции Хэбэй, Китай. Точками представлены результаты измерений; линия представляет собой функцию гармонического тренда для иллюстрации сезонных колебаний.


Точно так же сезонные колебания характеры и для концентраций озона, что показано на следующем графике, который отражает фактические и гармонически интерполированные данные наблюдений атмосферы над районом Великих озёр в Соединённых Штатах (подробнее о гармоническом моделировании в Earth Engine читайте в соответствующем разделе документации).



Временные ряды концентрации озона для района Великих озер в США. Точками представлены результаты измерений; линия представляет собой функцию гармонического тренда для иллюстрации сезонных колебаний.


Важнейшим фактором является облачный покров, который может исказить результаты наблюдений, ограничив вклад нижней части атмосферы в полученные датчиком замеры. Ниже демонстрируется высокая изменчивость облачного покрова на пиксель изображения в районе северной Италии для продукта NO2. Обратите внимание на высокую долю облаков конце января 2019 года в сравнении с тем же периодом год спустя, когда облачный покров был намного меньше. В связи с этим при сравнении разновременных наблюдений рекомендуется фильтровать данные таким образом, чтобы они включали только пиксели с низким облачным покровом. Подробная информация о свойствах облачного покрова приведена в соответствующей статье программы Copernicus.



Динамика изменений среднего и межквартального диапазона облачной фракции для продукта NO2, представленная для региона северной Италии. Доля облачности может значительно варьироваться по времени, поэтому, чтобы обеспечить надёжную оценку изменений качества воздуха, рекомендуется ограничивать данные наблюдений S5P выборкой безоблачных или малооблачных условий.


Приложение TROPOMI Explorer


Чтобы обеспечить пользователям удобство и оперативность при работе с данными S5P TROPOMI, а также предоставить платформу для дальнейшего анализа, специалисты Google создали интерактивное приложение, которое позволяет просматривать изменения концентрации загрязняющих веществ с течением времени, используя визуализацию в виде сдвоенных карт или карты-шторки, а также графики временных изменений. Приложение доступно по ссылке.



Интерактивное приложение для исследования данных TROPOMI, созданное с использованием Google Earth Engine Apps.


Хотя многие сейчас находятся на самоизоляции, сообщество пользователей и разработчиков платформы Earth Engine продолжает активно обмениваться идеями. Посмотрите, как другие анализируют и изучают данные S5P TROPOMI с помощью Earth Engine:



Пользователи Earth Engine мотивируют разработчиков развивать платформу и создавать новые инструменты для понимания нашего воздействия на планету, а также решения других глобальных проблем. Надеемся, что читателю понравился этот краткий обзор данных S5P TROPOMI. Начать самостоятельные эксперименты с данными S5P можно со знакомство с соответствующим каталогом данных в Earth Engine).


Перевод подготовлен преподавателями Инженерной академии Российского университета дружбы народов Василием Лобановым и Ярославом Васюниным.


Эта работа лицензируется в соответствии с Creative Commons Attribution 4.0 International License (CC BY 4.0)

Tags:дистанционное зондирование землибольшие данныеremote sensinggooglegoogle apiэкологияклиматкачество воздуха
Hubs: Google API Geoinformation services Big Data Ecology
+3
1.1k 11
Leave a comment
Popular right now
Data Engineer
November 30, 202080,000 ₽OTUS
BIG DATA с нуля
December 22, 202019,700 ₽Нетология
Data Science
January 25, 202169,000 ₽SKILL BRANCH