pollution_2024_2025

Sentinel-5P卫星搭载的TROPOMI传感器采集的气体数据集，用于ENSE3, Grenoble-INP大学2024/2025学年远程感知课程中的污染监测项目。数据集包括2025年5月1日至8日在加拿大采集的CO数据（co_canada_2025），2025年5月10日至14日在巴黎采集的CO数据（co_paris_2025），额外的CO数据（co_random），2022年5月1日至8日在巴黎采集的NO_2数据（no2_paris_2022），2025年5月9日至14日在巴黎采集的NO_2数据（no2_paris_2025），每年5月1日在巴黎采集的NO_2数据（no2_paris_yearly），以及额外的NO_2数据（no2_random）。

搜集汇总

数据集介绍

构建方式

在环境遥感监测领域，pollution_2024_2025数据集依托欧洲哨兵5P卫星的TROPOMI传感器，系统采集了2022至2025年间特定时空范围内的大气成分数据。数据源自哥白尼开放数据平台（Copernicus Dataspace），通过专业筛选获取了一氧化碳（CO）和二氧化氮（NO₂）两类污染物的观测记录，涵盖加拿大及巴黎等典型区域的时序监测资料，部分数据还包含年度对比样本以支持纵向分析。

特点

该数据集具有鲜明的时空多维特性，既包含2025年5月高频率的连续监测数据，也整合了2020–2025年度同期历史观测序列，形成了跨年对比能力。地理覆盖上聚焦城市与区域典型范例（如巴黎与加拿大），污染物类型涵盖CO与NO₂两类关键大气成分。数据单元明确标注时空范围与传感类型，辅以随机采样数据增强多样性，为污染演变研究提供了结构化观测基础。

使用方法

研究者可借助该数据集开展大气污染物浓度反演、时空扩散模式分析或城市排放评估等遥感应用。数据按污染物种类与区域分目录存储，支持直接调用进行时序趋势统计、地理可视化或比较研究。需结合哥白尼数据平台提供的元数据与处理工具进行校准，建议参考关联课程项目库中的处理范例以规范数据预处理与验证流程。

背景与挑战

背景概述

环境污染监测作为遥感技术应用的重要领域，近年来受到学术界广泛关注。pollution_2024_2025数据集由格勒诺布尔INP大学ENSE3学院在2024/2025学年遥感课程项目中创建，主要研究人员Daniele Picone及其团队利用哨兵5P卫星的TROPOMI传感器，系统采集了北美和巴黎地区的一氧化碳与二氧化氮浓度数据。该数据集通过多时空尺度的污染物分布记录，为大气环境动态监测与污染溯源研究提供了重要数据支撑，对推动区域环境治理和气候变化研究具有显著价值。

当前挑战

该数据集致力于解决大气污染物时空动态监测的复杂性挑战，包括不同气体成分的浓度反演精度提升和城市尺度污染源解析难题。在构建过程中，研究人员面临多源遥感数据融合的技术挑战，需协调哨兵5P卫星不同过境时间的观测数据一致性；同时还需克服云层覆盖和大气条件变化对气体浓度测量精度的干扰，以及长时序数据拼接中的辐射定标与几何校正问题。

常用场景

经典使用场景

在环境遥感研究领域，pollution_2024_2025数据集为大气污染物时空分布分析提供了典型范例。该数据集通过Sentinel-5P卫星的TROPOMI传感器，系统采集了2022至2025年间巴黎与加拿大地区的一氧化碳和二氧化氮浓度数据，支持研究者构建污染物扩散模型并分析其季节性与区域性特征。

衍生相关工作

基于该数据集衍生的经典工作包括基于深度学习的污染物预测模型，如时空图神经网络在NO₂浓度插值中的应用。另有研究结合气象数据开发了多源融合算法，显著提升了短期污染预警的精度，这些成果发表于遥感与环境科学领域的权威期刊。

数据集最近研究

最新研究方向

随着全球气候变化议题的持续升温，Sentinel-5P TROPOMI传感器数据在环境污染监测领域展现出显著的研究价值。该数据集聚焦于大气污染物如CO与NO₂的时空分布分析，近期研究热点集中于高分辨率遥感技术与人工智能算法的融合应用，旨在提升污染物溯源和扩散预测的精度。相关成果不仅支持城市空气质量动态评估，还为碳中和政策制定提供了科学依据，推动遥感技术在环境治理中的前沿实践。