Terrascope enrichi par de nouveaux produits Sentinel-5P

L'écosystème Terrascope

Les satellites qui observent l’atmosphère terrestre génèrent des volumes de données de plus en plus importants.Il est souvent difficile pour les utilisateurs de trouver les informations les plus appropriées, les volumes de données peuvent sembler trop importants pour être téléchargés ou le format des données est difficile à décoder pour les utilisateurs non experts.

Terrascope répond à ces problèmes en mettant à disposition un écosystème complet où les utilisateurs, qu'ils soient novices ou expérimentés, peuvent consulter et analyser toute une gamme de produits de données satellitaires. Son objectif est de toucher non seulement la communauté scientifique, mais aussi les décideurs politiques, les autorités sanitaires et le grand public.

Terrascope-S5P

Dans le cadre du projet Terrascope-S5P soutenu par l'ESA, l'IASB a préparé une série de produits de données pour Terrascope, basés sur les observations de l'instrument de surveillance troposphérique (TROPOMI) embarqué à bord du satellite Sentinel-5 Precursor (S5P). Depuis début 2018, S5P fournit des produits de colonne verticale des constituants atmosphériques à haute résolution spatiale.

Les produits de données pour Terrascope sont des données de niveau 3 (L3) : rééchantillonnées sur une grille spatiale rectangulaire (0,05° × 0,05° ou moins) pour faciliter la comparaison et le calcul de la moyenne. Nous avons pris soin de créer des produits qui apportent une valeur ajoutée à la communauté des utilisateurs par rapport aux produits déjà disponibles ailleurs.

La suite de produits L3 ajoutée à Terrascope est la suivante:

Formaldéhyde mondial (HCHO)
Traceur des émissions d’hydrocarbures, le formaldéhyde contribue à la formation d’ozone troposphérique, ce qui en fait un paramètre essentiel pour les études sur la qualité de l’air et le climat (De Smedt et al., 2021).
 

Méthane mondial (CH4)
Deuxième gaz à effet de serre le plus important, le méthane est utilisé notamment dans les modèles de transport chimique et pour améliorer les inventaires d’émissions (Sha et al., 2021).Dioxyde de soufre (SO2)

COBRA mondial
Grâce à l’algorithme COBRA (Theys et al., 2021), qui remplace la méthode DOAS traditionnelle,, la distribution du SO2 révèle beaucoup plus de sources faibles. Ce produit est donc très utile pour les décideurs politiques et les autorités sanitaires. 
 

Dioxyde d'azote (NO2) amélioré au-dessus de l'Europe
En utilisant des données de profil a priori améliorées (Douros et al., 2023), ce produit fournit des estimations plus précises des concentrations de NO2, avec des valeurs globalement plus élevées au-dessus des zones fortement polluées. 
 

Concentration de NO2, près de la surface, au-dessus de l'Europe occidentale.
Développé à l’aide d’un algorithme d’apprentissage automatique (Sun et al., 2024), ce produit combine les colonnes TROPOMI améliorées avec des données météorologiques et d’émissions, afin de déduire les concentrations quotidiennes de NO₂ en surface, directement liées à la qualité de l’air.

Références

• De Smedt, I., Pinardi, G., Vigouroux, C., Compernolle, S., Bais, A., Benavent, N., Boersma, F., Chan, K.-L., Donner, S., Eichmann, K.-U., Hedelt, P., Hendrick, F., Irie, H., Kumar, V., Lambert, J.-C., Langerock, B., Lerot, C., Liu, C., Loyola, D., Piters, A., Richter, A., Rivera Cárdenas, C., Romahn, F., Ryan, R. G., Sinha, V., Theys, N., Vlietinck, J., Wagner, T., Wang, T., Yu, H., and Van Roozendael, M.: Comparative assessment of TROPOMI and OMI formaldehyde observations and validation against MAX-DOAS network column measurements, Atmos. Chem. Phys., 21, 12561–12593, https://doi.org/10.5194/acp-21-12561-2021, 2021.
   
• Douros, J., Eskes, H., Van Geffen, J., Boersma, K.F., Compernolle, S., Pinardi, G., Blechschmidt, A.-M., Peuch, V.-H., Colette, A., Veefkind, P., Comparing Sentinel-5P TROPOMI NO2 column observations with the CAMS regional air quality ensemble, Geoscientific Model Development, Vol: 16, issue: 2, 509-534, DOI: 10.5194/gmd-16-509-2023, 2023.
   
• Sha, M. K., Langerock, B., Blavier, J.-F. L., Blumenstock, T., Borsdorff, T., Buschmann, M., Dehn, A., De Mazière, M., Deutscher, N. M., Feist, D. G., García, O. E., Griffith, D. W. T., Grutter, M., Hannigan, J. W., Hase, F., Heikkinen, P., Hermans, C., Iraci, L. T., Jeseck, P., Jones, N., Kivi, R., Kumps, N., Landgraf, J., Lorente, A., Mahieu, E., Makarova, M. V., Mellqvist, J., Metzger, J.-M., Morino, I., Nagahama, T., Notholt, J., Ohyama, H., Ortega, I., Palm, M., Petri, C., Pollard, D. F., Rettinger, M., Robinson, J., Roche, S., Roehl, C. M., Röhling, A. N., Rousogenous, C., Schneider, M., Shiomi, K., Smale, D., Stremme, W., Strong, K., Sussmann, R., Té, Y., Uchino, O., Velazco, V. A., Vigouroux, C., Vrekoussis, M., Wang, P., Warneke, T., Wizenberg, T., Wunch, D., Yamanouchi, S., Yang, Y., and Zhou, M.: Validation of methane and carbon monoxide from Sentinel-5 Precursor using TCCON and NDACC-IRWG stations, Atmos. Meas. Tech., 14, 6249–6304, https://doi.org/10.5194/amt-14-6249-2021, 2021.
   
• Sun, W., Tack, F., Clarisse, L., Schneider, R., Stavrakou, T., & Van Roozendael, M. (2024). Inferring surface NO2 over Western Europe: A machine learning approach with uncertainty quantification. Journal of Geophysical Research: Atmospheres, 129, e2023JD040676. https://doi.org/10.1029/2023JD040676.
   
• Theys, N., Lerot, C., Brenot, H., van Gent, J., De Smedt, I., Clarisse, L., Burton, M., Varnam, M., Hayer, C., Esse, B., and Van Roozendael, M.: Improved retrieval of SO₂ plume height from TROPOMI using an iterative Covariance-Based Retrieval Algorithm, Atmos. Meas. Tech., 15, 4801–4817, https://doi.org/10.5194/amt-15-4801-2022, 2022.