Data for Global variability in the detectability of power plant NO$_2$ plumes from space

This repository contains the data for the paper "Global variability in the detectability of power plant NO2 plumes from space". The paper presents the first global, data-driven analysis of power plant NO2 plume visibility from space. Using TROPOMI observations over 6,000 of the world's highest-emitting power plants and hourly CEMS data for 500 U.S. plants, we develop an automated algorithm that labels plumes and attributes them to their sources with 98% accuracy. We then train a machine learning model to predict plume detectability from environmental, meteorological, and observational variables (F1 score > 0.65, AUC > 0.8). Out of 25 variables, we find that NOx emission rate, surface albedo, wind speed, and sensor zenith angle jointly explain much of the detection variability. All of the data used in the paper is available. processed U.S. power plants: us-power-plant-list.csv processed global power plants: global-power-plant-list.csv world cities: world-cities.csv processed U.S. TROPOMI observations with corresponding variables: global-tropomi-observation-with-variables.csv processed global TROPOMI observations with corresponding variables: us-tropomi-observation-with-variables.csv ERA5 data with the following variables used in the paper could be downloaded at (U.S. 2019-2024, Global 2018): ERA5 hourly data on single levels from 1940 to present. Temperature TOA incident solar radiation Total column water vapour TROPOMI data with the following variables used in the paper could be downloaded at (U.S. 2019-2024, Global 2018): US, Global. A sample file is: S5P_OFFL_L2__NO2____20220726T064118_20220726T082247_24784_03_020400_20220727T224455.nc. surface altitude surface altitude precision surface classification surface pressure surface albedo surface albedo nitrogendioxide window cloud pressure crb cloud fraction crb cloud albedo crb scene albedo apparent scene pressure snow ice flag aerosol index 354 388 eastward wind northward wind scaled small pixel variance sensor altitude sensor azimuth angle solar azimuth angle sensor zenith angle solar zenith angle本仓库包含论文《星载探测电站二氧化氮（NO₂）羽流可探测性的全球差异》所使用的数据集。 本论文首次开展了基于数据驱动的星载电站二氧化氮羽流可见性全球分析。研究团队基于全球6000余家高排放电站的TROPOMI（对流层监测仪器，Tropospheric Monitoring Instrument）观测数据，以及美国500家电站的逐时连续排放监测系统（CEMS，Continuous Emission Monitoring System）数据，开发了一套自动化算法，可实现羽流标注与来源归因，准确率达98%。随后，研究团队训练了机器学习模型，基于环境、气象与观测变量预测羽流可探测性，模型F1分数（F1 score）大于0.65，受试者工作特征曲线下面积（AUC，Area Under the Receiver Operating Characteristic Curve）大于0.8。在25项变量中，研究团队发现氮氧化物（NOₓ，Nitrogen Oxides）排放速率、地表反照率、风速与传感器天顶角共同解释了大部分探测差异。 本论文所使用的全部数据集均已公开。 处理后的美国电站列表：us-power-plant-list.csv 处理后的全球电站列表：global-power-plant-list.csv 全球城市数据集：world-cities.csv 附带对应变量的处理后美国TROPOMI观测数据集：global-tropomi-observation-with-variables.csv 附带对应变量的处理后全球TROPOMI观测数据集：us-tropomi-observation-with-variables.csv 本论文使用的ERA5再分析数据（ERA5）可通过以下链接下载（美国区域：2019-2024年；全球区域：2018年）：ERA5逐时单层级再分析数据（1940年至今）。所使用的变量包括： - 气温（Temperature） - 顶射入射太阳辐射（TOA incident solar radiation） - 整柱水汽（Total column water vapour） 本论文使用的TROPOMI观测数据可通过以下链接下载（美国区域：2019-2024年；全球区域：2018年）：涵盖美国与全球范围。示例数据文件为：S5P_OFFL_L2__NO2____20220726T064118_20220726T082247_24784_03_020400_20220727T224455.nc。所使用的变量包括： - 地表海拔（surface altitude） - 地表海拔精度（surface altitude precision） - 地表分类（surface classification） - 地表气压（surface pressure） - 地表反照率（surface albedo） - 二氧化氮波段地表反照率（surface albedo nitrogendioxide window） - 云压（CRB，cloud pressure crb） - 云量（CRB，cloud fraction crb） - 云反照率（CRB，cloud albedo crb） - 场景反照率（scene albedo） - 视在场景气压（apparent scene pressure） - 雪冰标识（snow ice flag） - 354/388气溶胶指数（aerosol index 354 388） - 东风分量（eastward wind） - 北风分量（northward wind） - 归一化小像素方差（scaled small pixel variance） - 传感器高度（sensor altitude） - 传感器方位角（sensor azimuth angle） - 太阳方位角（solar azimuth angle） - 传感器天顶角（sensor zenith angle） - 太阳天顶角（solar zenith angle）