Sentinel-5P-producten in Terrascope

Het Terrascope-ecosysteem

Er zijn steeds meer gegevens beschikbaar van satellieten die de atmosfeer van de aarde observeren. Het kan voor gebruikers vaak moeilijk zijn om de meest geschikte informatie te vinden, de hoeveelheid gegevens kan te groot lijken om te downloaden of het gegevensformaat is moeilijk te lezen voor niet-deskundige gebruikers.

Terrascope pakt deze problemen aan door een volledig ecosysteem te bieden waar zowel nieuwe als ervaren gebruikers een reeks satellietgegevensproducten kunnen bekijken en analyseren. Op deze manier wil Terrascope niet alleen gebruikers uit de wetenschappelijke gemeenschap aantrekken, maar ook beleidsmakers, gezondheidsautoriteiten en het grote publiek.

Terrascope-S5P

In het kader van het door ESA ondersteunde project Terrascope-S5P heeft het BIRA een reeks dataproducten voor Terrascope voorbereid op basis van waarnemingen van het Tropospheric Monitoring Instrument (TROPOMI) aan boord van de Sentinel-5 Precursor (S5P)-satelliet.

S5P levert sinds begin 2018 verticale kolomproducten van atmosferische bestanddelen met een hoge ruimtelijke resolutie.

De dataproducten voor Terrascope worden geleverd als Level-3 (L3)-data: opnieuw bemonsterd op een rechthoekig ruimtelijk raster (0,05°×0,05° of zelfs fijner), wat eenvoudige vergelijking en middeling toelaat. Er is zorgvuldig gekeken naar producten die een toegevoegde waarde hebben voor de gebruikersgemeenschap in vergelijking met producten die elders al beschikbaar zijn.

De reeks L3-producten die aan Terrascope is toegevoegd, is:

• Wereldwijde formaldehyde (HCHO)

  Formaldehyde (De Smedt et al., 2021) is een tracer van koolwaterstofemissies en leidt tot de vorming van troposferisch ozon, waardoor het interessant is voor luchtkwaliteit- en klimaatstudies.
   

• Wereldwijd methaan (CH₄)

  Methaan is het op één na belangrijkste broeikasgas. Het CH4-product wordt bijvoorbeeld gebruikt in chemie-transportmodellen en voor het verbeteren van broeikasgasemissie-inventarissen (Sha et al., 2021).
   

• Wereldwijde COBRA-zwaveldioxide (SO₂)

  Door het COBRA-algoritme (Theys et al., 2021) te gebruiken in plaats van een traditioneel DOAS-schema, onthult de SO₂-verdeling veel meer zwakke bronnen. Als zodanig is het product zeer relevant voor beleidsmakers en gezondheidsautoriteiten.
   

• IVerbeterde stikstofdioxide (NO₂) boven Europa

  Door gebruik te maken van verbeterde a priori profielgegevens (Douros et al., 2023) biedt dit product nauwkeurigere schattingen van NO₂-concentraties, met over het algemeen hogere waarden boven hotspots.
   

• NO2-concentratie nabij het aardoppervlak boven West-Europa

  Voor dit product is een machine learning-algoritme ontwikkeld (Sun et al., 2024) dat gebruikmaakt van de bovengenoemde verbeterde TROPOMI NO₂-kolommen en aanvullende parameters zoals meteorologie en emissies. Het model leidt de dagelijkse NO₂-concentratie aan het aardoppervlak af, een directe indicator voor de luchtkwaliteit.

Referenties

• 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.