SAMIRA Dostupná satelitní data Roman Juras, Jana Ďoubalová Roman.juras@chmi.cz Jana.doubalova@chmi.cz
Mapování znečištění pomocí kombinace dat: staniční měření, satelitní data a model (CTM)
Produkty družice AURA - Měřící zařízení na družici AURA - Ozone Monitoring Instrument (OMI) - Znečišťující látky : O 3, NO 2 (troposferický), SO 2 (PBL planetary boundary layer), Aerosoly - Rozlišení: 0.25x0.25 stupně, frekvence měření: denní - NASA algoritmus zpracování dat 24.5.2017 Seminář ÚOČO, Telč
Satelitní data OMNO2 - ukázka 1.1.2014 Bez redukce oblačnosti 24.5.2017 Seminář ÚOČO, Telč
Satelitní data OMSO2 - ukázka 1.1.2014 Bez redukce oblačnosti 24.5.2017 Seminář ÚOČO, Telč
Analýza dostupnosti dat Dvě domény: česká a evropská Denní data Dostupnost dat se mění během roku Rok 2014 byl vybrán jako referenční, proto byla provedena analýza, kolik dat lze z toho roku využít 24.5.2017 Seminář ÚOČO, Telč
NO 2 Troposferický 24.5.2017 Seminář ÚOČO, Telč
SO 2 Mezní vrstva atmosféry 24.5.2017 Seminář ÚOČO, Telč
PM 10 - AOD - Data PM10 se získávají nepřímo přepočtem z AOD (Aerosol Optical Depth) - Work package 2000 - Zatím pouze 3 dny 21. 23. 5. 2014 - Časové rozlišení 15 min - Prostorové rozlišení and 0.07 x 0.045 24.5.2017 Seminář ÚOČO, Telč
Zaplnění datových děr Balík R Gapfill (Gerber et al. 2016) Prostorová a časová interpolace 24.5.2017 Seminář ÚOČO, Telč
Aplikace na data SAMIRA Počítáme s obdobím od roku 2011 pro lepší možnost interpolace Datová struktura 4 x 4 matice (4 roky a 4 juliánské dny) 24.5.2017 Seminář ÚOČO, Telč
Aplikace na data SAMIRA Nutné přeškálování a oříznutí dat pro menší výpočetní náročnost (nepracujeme s velkými čísly) Data resample = Data full s d Data full 24.5.2017 Seminář ÚOČO, Telč
Výsledky S využitím daného algoritmu lze zaplnit až 50% chybějících dat Pro SO 2 zatím nepoužitelné AOD nedostatek dat pro celý rok Interpolovaná data vstupují do lineárního modelu 24.5.2017 Seminář ÚOČO, Telč
Mapování znečištění pomocí kombinace dat: staniční měření, satelitní data a model (CTM)
Metodika Lineární regresní model následovaný interpolací jeho reziduí pomocí krigingu (residual kriging) (Holmes and Lillicrap, 2011)
Metodika Lineární regrese: Y (i) = c + a 1 X 1(i) + a 2 X 2(i) + + a n X n(i) + ε (i) Y (i) X 1...n(i) c, a 1, a 2 ε (i) naměřená koncentrace v bodě i doplňkové parametry v bodě i parametry regresního modelu reziduum v bodě i Doplňkové parametry: modelové hodnoty, hodnoty ze satelitních snímků, nadmořská výška
Metodika Interpolace reziduí lineárního regresního modelu metodou obyčejného krigingu: η i 0 = λ j ϵ i j, λ j = 1 η i 0 interpolovaná hodnota v bodě i 0 λ j váhy odvozené z variogramu ϵ i j reziduum lin. reg. modelu v bodě i j Verifikace predikční schopnosti krigingu: crossvalidace (kritéria RMSE, bias)
Implementace Kód v R Využití balíčků a funkcí pro automatické fitování lineárního regresního modelu a modelu variogramu, kriging, cross-validaci Roční, denní a hodinové průměry Oddělený výpočet pro městské a venkovské stanice + následné sloučení vrstev podle hustoty zalidnění
Aktuální fáze Testování na historických datech Denní průměry Znečišťující látka NO 2 CTM: CAMx Interpolovaná satelitní data OMNO2 ČR výpočetní rozlišení 1 x 1 km, rok 2014 Zapojení satelitních dat a vyhodnocování různých scénářů logaritmická transformace vstupních dat, různé typy variogramu, rozdíly při použití satelitních dat
Průběžné výsledky Vyhodnocení pro celý rok 2014 Porovnání výsledků se zapojením satelitních dat a bez nich Lineární regrese: R 2 Kriging: cross-validační bias, RMSE
Průběžné výsledky Průměrné statistiky z denních dat (pouze dny, kdy byly satelitní snímky zahrnuty do regrese) Městské Venkovské Sat. data R 2 Bias RMSE R 2 Bias RMSE Ne 0.24 0.17 5.69 0.45-0.08 4.64 Ano 0.29 0.18 5.63 0.52-0.07 3.86
Ukázka výsledné mapy pro 25. 2. 2014
Ukázka výsledné mapy pro 25. 2. 2014
Další kroky Analýza i pro další látky po zpracování satelitních dat Analýza na evropské doméně
Zdroje Holmes, K. and Lillicrap A., 2011: Mapping acid groundwater in Western Australia's wheatbelt. Resource Management Technical Report 373.
Literatura Bucsela, E.J., Celarier, E.A., Gleason, J.L., Krotkov, N.A., Lamsal, L.N., Marchenko, S. V., Swartz, W.H., 2016. OMNO2 README Document Data Product Version 3. 0. Gerber, F., Furrer, R., Schaepman-strub, G., Jong, R. De, Schaepman, M.E., 2016. Predicting missing values in spatio-temporal satellite data. Data: Nickolay A. Krotkov, Can Li, and Peter Leonard (2015), OMI/Aura Sulfur Dioxide (SO2) Total Column L3 1 day Best Pixel in 0.25 degree x 0.25 degree V3, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed [19. 5. 2017] DOI:10.5067/Aura/OMI/DATA3008 Nickolay A. Krotkov (2013), OMI/Aura NO2 Cloud-Screened Total and Tropospheric Column L3 Global Gridded 0.25 degree x 0.25 degree V3, NASA Goddard Space Flight Center, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed [19. 5. 2017] DOI:10.5067/Aura/OMI/DATA3007 24.5.2017 Seminář ÚOČO, Telč