Sentinel 5 NetCDF CH4

Ho provato a scaricare i dati del Sentinel 5, un satellite specializzato nel rilevamento di gas atmosferici (CH4, CO, formaldeide, O3,...)

I dati si possono scaricare da SciHub (https://s5phub.copernicus.eu/dhus/#/home) e sono distribuiti in formato NetCDF. Le dimensione del pixel sono di circa 4x7 Km

il dato e' da intendersi come in attesa di validazione (Sentinel 5 e' in fase pre-operativa). Come indicato anche nelle note di Google Earth Engine non solo basta scartare i pixel con il valore di qa <0.5 (e sono tanti in ogni immagine). Il valore di q5 si estrae direttamente dal file netcdf

Timelapse Luglio 2022 CH4 

I dati possono essere visualizzati con Planoply ma ho preferito provare ad utilizzare le librerie di Python 

from netCDF4 import Dataset

import numpy as np

from mpl_toolkits.basemap import Basemap

import sys

file = sys.argv[1]

data = Dataset(file, mode='r') # read the data

print(type(data)) # print the type of the data

print(data.groups['PRODUCT']) # print the variables in the data

print (data.groups['PRODUCT'].variables.keys())

ch4 = data.groups['PRODUCT'].variables['methane_mixing_ratio'][0,:,:]

lons = data.groups['PRODUCT'].variables['longitude'][:][0,:,:]

lats = data.groups['PRODUCT'].variables['latitude'][:][0,:,:]

print (lons.shape)

print (lats.shape)

print (ch4.shape)

ch4_units = data.groups['PRODUCT'].variables['methane_mixing_ratio'].units

import matplotlib.pyplot as plt

from matplotlib.colors import LogNorm

from mpl_toolkits.basemap import Basemap

#lon_0 = lons.mean()

#lat_0 = lats.mean()

lon_0 = 11

lat_0 = 43

m = Basemap(width=1000000,height=1500000,

resolution='l',projection='stere',\

lat_ts=2,lat_0=lat_0,lon_0=lon_0)

xi, yi = m(lons, lats)

# Plot Data

cs = m.pcolor(xi,yi,np.squeeze(ch4),norm=LogNorm(), cmap='jet')

# Add Grid Lines

m.drawparallels(np.arange(-80., 81., 10.), labels=[1,0,0,0], fontsize=10)

m.drawmeridians(np.arange(-180., 181., 10.), labels=[0,0,0,1], fontsize=10)

# Add Coastlines, States, and Country Boundaries

m.drawcoastlines()

m.drawstates()

m.drawcountries()

# Add Colorbar

cbar = m.colorbar(cs, location='bottom', pad="10%")

cbar.set_label(ch4_units)

# Add Title

plt.title(file)

plt.get_current_fig_manager().full_screen_toggle() # toggle fullscreen mode

#plt.show()

plt.savefig(file+".png",dpi=300)

una elaborazione puo' essere fatta anche Google Earth Engine

=========================

var collection = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_CH4')

  .select('CH4_column_volume_mixing_ratio_dry_air')

  .filterDate('2019-01-01', '2019-12-31');

  

var band_viz = {

  min: 1000,

  max: 2000,

  palette: ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']

};

var median = collection.reduce(ee.Reducer.median());

print(median)

Map.addLayer(median, band_viz, 'S5P CH4');

Map.setCenter(11.295553516712024, 43.976202446636606,10);