用GEE和Sentinel-5P数据，5分钟搞定城市空气质量变化趋势分析（以NO2、O3为例）
城市空气质量动态监测：基于GEE与Sentinel-5P的高效分析实战
清晨打开天气预报APP时，那些跳动的空气质量指数背后，其实隐藏着卫星每天扫描地球大气层产生的海量数据。作为环境研究者，我们完全可以通过Google Earth Engine（GEE）平台直接调用Sentinel-5P卫星的实时观测数据，用代码代替传统手工处理，快速捕捉城市上空NO2和O3的微妙变化。本文将带你体验这个高效工作流——无需下载TB级原始数据，不用搭建本地计算环境，5分钟生成专业级趋势图表的技术魔法。
1. 环境准备与数据基础
1.1 GEE平台的核心优势
与传统遥感数据处理相比，GEE的云端计算模式彻底改变了游戏规则。当我们需要分析某城市2020-2023年的空气质量变化时：
- 存储零负担：所有Sentinel-5P数据已预处理并存储在Google云服务器
- 算力无上限：调用
ee.ImageCollection时的并行计算速度是本地MATLAB的百倍 - 即时可视化：内置的
ui.Chart模块可直接生成交互式时间序列图
提示：注册GEE账号时建议使用机构邮箱，教育用户通常能获得更高频的API调用权限
1.2 Sentinel-5P数据特性解析
这颗专门监测大气成分的卫星，其TROPOMI传感器提供了这些关键参数：
| 气体类型 | 数据层名称 | 单位 | 典型城市浓度范围 |
|---|---|---|---|
| NO2 | NO2_column_number_density | mol/m² | 0.0001-0.0005 |
| O3 | O3_column_number_density | mol/m² | 0.12-0.15 |
| SO2 | SO2_column_number_density | mol/m² | 0.00001-0.0001 |
// 验证数据可用性的基础代码 var testCollection = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_NO2') .filterDate('2023-01-01', '2023-01-31'); print('一月数据量：', testCollection.size());2. 城市边界数据融合技巧
2.1 矢量数据精准匹配
分析北京五环内空气质量时，粗糙的矩形研究区会导致数据失真。推荐两种获取城市边界的方法：
- GEE内置数据集：加载
FAO/GAUL/2015/level2行政边界 - 自定义GeoJSON：从OpenStreetMap导出后通过
ee.FeatureCollection上传
// 加载北京市辖区边界示例 var beijing = ee.FeatureCollection('FAO/GAUL/2015/level2') .filter(ee.Filter.eq('ADM1_NAME', 'Beijing')); Map.addLayer(beijing, {color: 'red'}, 'Beijing Boundary');2.2 时空范围智能筛选
针对不同分析目的，时间粒度的选择至关重要：
- 突发事件响应：使用NRTI近实时数据（3小时延迟）
- 长期趋势分析：选择OFFL再处理数据（经过质量校正）
// 最佳实践：创建日期序列过滤器 var dateRange = ee.DateRange('2020-01-01', '2023-12-31'); var yearFilter = ee.Filter.calendarRange(2020, 2023, 'year'); var monthFilter = ee.Filter.calendarRange(6, 8, 'month'); // 夏季分析3. 空气质量指标深度分析
3.1 NO2时空变化解码
作为交通排放的指示剂，NO2浓度在工作日早高峰会出现典型峰值。这段代码可提取二环内NO2的昼夜差异：
var no2Daily = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_NO2') .filterBounds(secondRingRoad) .select('NO2_column_number_density'); var timeSeries = no2Daily.map(function(image) { var date = image.date(); var hour = date.get('hour'); var isWeekday = date.getDay().gte(1).and(date.getDay().lte(5)); return image.set('hour', hour).set('isWeekday', isWeekday); }); // 生成小时均值统计图表 var chart = ui.Chart.image.seriesByRegion({ imageCollection: timeSeries, regions: secondRingRoad, reducer: ee.Reducer.mean(), band: 'NO2_column_number_density', scale: 1000, xProperty: 'hour', seriesProperty: 'isWeekday' }).setOptions({ title: '二环内NO2浓度小时变化', hAxis: {title: '小时'}, vAxis: {title: 'NO2浓度 (mol/m²)'}, lineWidth: 2, series: { 0: {color: 'red', lineDash: [4, 4]}, // 周末 1: {color: 'blue'} // 工作日 } }); print(chart);3.2 O3与气象因子的耦合分析
不同于NO2，臭氧浓度往往与温度正相关。这个工作流整合了ERA5气象数据：
var ozone = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_O3'); var temperature = ee.ImageCollection('ECMWF/ERA5/DAILY'); var joinedCollection = ee.Join.saveAll('matches').apply({ primary: ozone.filterDate('2022-06-01', '2022-08-31'), secondary: temperature.filterDate('2022-06-01', '2022-08-31'), condition: ee.Filter.equals({ leftField: 'system:time_start', rightField: 'system:time_start' }) }); var correlationChart = ui.Chart.image.doySeriesByYear({ imageCollection: joinedCollection.map(function(image) { var matches = ee.ImageCollection.fromImages(image.get('matches')); var temp = matches.first().select('mean_2m_air_temperature'); return image.addBands(temp); }), bandName: ['O3_column_number_density', 'mean_2m_air_temperature'], region: studyArea, regionReducer: ee.Reducer.mean(), scale: 1000 }).setOptions({ title: '夏季O3浓度与气温相关性', series: { 0: {targetAxisIndex: 0, color: 'purple'}, 1: {targetAxisIndex: 1, color: 'orange'} }, vAxes: { 0: {title: 'O3浓度 (mol/m²)'}, 1: {title: '温度 (°C)'} } });4. 工业事件的可视化追踪
4.1 疫情期间排放变化
2020年春季的封锁措施在卫星数据中留下清晰信号。这段代码对比了疫情前后同期数据：
var preCovid = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_NO2') .filter(ee.Filter.date('2019-02-15', '2019-04-15')); var duringCovid = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_NO2') .filter(ee.Filter.date('2020-02-15', '2020-04-15')); var diff = duringCovid.mean() .subtract(preCovid.mean()) .clip(cityBoundary); var diffViz = { min: -0.0002, max: 0.0002, palette: ['red', 'white', 'blue'] }; Map.addLayer(diff, diffViz, 'NO2浓度变化');4.2 节假日效应分析
春节期间的工业活动停滞会显著改变空气成分构成。使用reduceRegion进行多年度对比：
var springFestival = ee.Filter.or( ee.Filter.date('2019-02-04', '2019-02-10'), ee.Filter.date('2020-01-24', '2020-01-30'), ee.Filter.date('2021-02-11', '2021-02-17') ); var festivalStats = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_SO2') .filter(springFestival) .map(function(image) { var stats = image.reduceRegion({ reducer: ee.Reducer.mean(), geometry: industrialZone, scale: 1000 }); return image.set(stats); }); print(ui.Chart.feature.byFeature(festivalStats, 'system:time_start', ['SO2_column_number_density']));5. 自动化报告生成策略
5.1 动态仪表板构建
将上述分析整合为交互式面板，使用ui.Panel实现一键刷新：
var controlPanel = ui.Panel([ ui.Label('时间范围选择'), ui.DatePicker({id: 'startDate', value: '2020-01-01'}), ui.DatePicker({id: 'endDate', value: '2020-12-31'}), ui.Button('更新图表', updateCharts) ]); function updateCharts() { var start = controlPanel.widgets().get(1).getValue(); var end = controlPanel.widgets().get(2).getValue(); // 动态更新所有图表 }5.2 数据导出最佳实践
当需要本地进一步分析时，这些方法能保持数据完整性：
- CSV导出：使用
Export.table.toDrive输出统计结果 - GeoTIF导出：对空间分布数据用
Export.image.toDrive - 自动命名技巧：在导出任务中添加时间戳变量
// 典型导出配置 Export.table.toDrive({ collection: timeSeriesStats, description: 'NO2_Monthly_Stats', fileFormat: 'CSV', selectors: ['date', 'mean', 'max', 'min'] });在最近为某环保组织做的咨询项目中，发现将GEE分析结果与地面监测站数据结合时，需要注意卫星过境时间（当地时间上午10:30左右）与地面监测时段的匹配问题。建议在制作对比图表时，统一使用世界协调时(UTC)以避免时区混淆。