企业官网建设流程全解析

1. 为什么要在 GEE 里接一层统一通道

Google Earth Engine 上的 Sentinel-5 Precursor 数据，是很多人做空气质量、碳排放、污染溯源分析时的第一站。TROPOMI 这台多光谱传感器从 2018 年 7 月开始持续回传数据，能记录臭氧、甲烷、甲醛、气溶胶、一氧化碳、氮氧化物、二氧化硫这几类大气成分的浓度信息，空间分辨率做到 0.01 弧度量级，还附带云特征。对做环境遥感的人来说，这套数据几乎是绕不开的。

但真正动手时会遇到一个很现实的问题：GEE 的 Python 端、命令行工具、以及你本地跑的分析脚本，各自需要一套认证和调用配置。如果你同时在用多个模型服务或数据通道，Key 散落在不同文件里，改一次要翻好几个地方。我试过把配置集中到一个统一入口，后面换环境、换机器、交接给同事，都省事很多。

这篇就围绕「Sentinel-5P 七类气体数据怎么在 GEE 里加载筛选」这件事，给你一套可复制的 TaoToken 统一 Key/API 通道配置骨架，再配上波段选择、时间过滤和结果校验的完整动作。适合已经会一点 GEE、但想把调用链路理顺的人。

2. TaoToken 前置：Key 与通道准备

TaoToken 在这里扮演的角色，是把你对模型/数据服务的调用统一到一个入口，用一个 Key 走通。你不需要在每个脚本里硬编码不同的凭证。

先到官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 了解整体能力，然后进控制台创建 API Key。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，Key 管理页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。API 基础地址统一用 https://taotoken.net/api ，注意这个地址不带 UTM 参数，配置里直接写它。

创建好 Key 之后，建议先确认两件事：一是这个 Key 有没有对应你需要的模型或通道权限；二是配额和速率限制是否够你跑批量影像。如果你后面要做长期的编码或 Agent 任务，可以看 Coding Plan 页面 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，它更适合持续性的开发场景。

注意：Key 只存在本地配置文件或环境变量里，不要提交到 Git 仓库。GEE 脚本里也不要明文写 Key。

3. 可复制配置：settings.json 与 config.toml

下面给你两套配置骨架，按你用的工具链选一套即可。核心思路是把 base_url、api_key、默认模型/通道、超时这些抽出来，业务脚本只读配置。

3.1 settings.json（适合 Python / Node 脚本）

{ "taotoken": { "base_url": "https://taotoken.net/api", "api_key": "sk-your-key-here", "timeout_seconds": 60, "max_retries": 3, "default_channel": "general" }, "gee": { "project": "your-gee-project-id", "default_collection": "COPERNICUS/S5P/OFFL/L3_AER_AI", "default_band": "absorbing_aerosol_index" } }

读取时用环境变量覆盖 api_key，避免明文：

import json, os with open("settings.json", "r", encoding="utf-8") as f: cfg = json.load(f) cfg["taotoken"]["api_key"] = os.environ.get("TAOTOKEN_API_KEY", cfg["taotoken"]["api_key"]) print(cfg["taotoken"]["base_url"])

3.2 config.toml（适合命令行工具 / 服务端）

[taotoken] base_url = "https://taotoken.net/api" api_key = "sk-your-key-here" timeout_seconds = 60 max_retries = 3 default_channel = "general" [gee] project = "your-gee-project-id" default_collection = "COPERNICUS/S5P/OFFL/L3_AER_AI" default_band = "absorbing_aerosol_index"

Python 读取 TOML（3.11+ 内置 tomllib）：

import tomllib, os with open("config.toml", "rb") as f: cfg = tomllib.load(f) cfg["taotoken"]["api_key"] = os.environ.get("TAOTOKEN_API_KEY", cfg["taotoken"]["api_key"]) print(cfg["gee"]["default_collection"])

两套配置的字段含义一致，你按项目习惯选。关键是 base_url 固定为 https://taotoken.net/api ，api_key 走环境变量注入。

4. Sentinel-5P 七类数据的加载与筛选

这一节是主体。Sentinel-5P 的数据集 ID 有 OFFI 和 NRTI 两种延迟级别，NRTI 是近实时，OFFL 是离线精处理。做长期分析优先用 OFFL，做快速响应可以用 NRTI。下面把七类气体的集合 ID 和常用波段列清楚。

4.1 气溶胶：加载、时间过滤、可视化

先拿气溶胶做完整示例，这段可以直接贴进 GEE Code Editor 或 Python 端。

var collection = ee.ImageCollection('COPERNICUS/S5P/OFFL/L3_AER_AI') .select('absorbing_aerosol_index') .filterDate('2019-06-01', '2019-06-06'); var band_viz = { min: -1, max: 2.0, palette: ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red'] }; Map.addLayer(collection.mean(), band_viz, 'S5P Aerosol'); Map.setCenter(-118.82, 36.1, 5);

这段做了三件事：选波段、按日期过滤、取均值后叠加到地图。filterDate的结束日期是不包含的，所以写2019-06-06实际只到 6 月 5 日，这点容易踩坑。

4.2 一氧化碳与甲烷：换集合 ID 即可

一氧化碳把集合换成COPERNICUS/S5P/NRTI/L3_CO，波段换成CO_column_number_density：

var co = ee.ImageCollection('COPERNICUS/S5P/NRTI/L3_CO') .select('CO_column_number_density') .filterDate('2020-01-01', '2020-02-01'); var co_viz = { min: 0, max: 0.05, palette: ['black', 'blue', 'green', 'yellow', 'red'] }; Map.addLayer(co.mean(), co_viz, 'S5P CO');

甲烷用COPERNICUS/S5P/OFFL/L3_CH4，波段CH4_column_volume_mixing_ratio_dry_air，它的可用起始时间是 2019-02-08，比其它几类晚，筛选时注意别把空区间传进去。

4.3 臭氧、二氧化氮、二氧化硫、甲醛

这四类都在 NRTI 下，波段名分别是O3_column_number_density、tropospheric_NO2_column_number_density、SO2_column_number_density、tropospheric_HCHO_column_number_density。批量加载时可以写个循环：

import ee ee.Initialize() gases = { "O3": ("COPERNICUS/S5P/NRTI/L3_O3", "O3_column_number_density"), "NO2": ("COPERNICUS/S5P/NRTI/L3_NO2", "tropospheric_NO2_column_number_density"), "SO2": ("COPERNICUS/S5P/NRTI/L3_SO2", "SO2_column_number_density"), "HCHO": ("COPERNICUS/S5P/NRTI/L3_HCHO", "tropospheric_HCHO_column_number_density"), } for name, (cid, band) in gases.items(): col = (ee.ImageCollection(cid) .select(band) .filterDate("2021-06-01", "2021-06-10")) print(name, col.size().getInfo())

col.size().getInfo()会返回区间内的影像数量，这是最直接的校验动作。如果返回 0，先检查日期区间和集合 ID 是否匹配。

4.4 云过滤：别忽略这一步

Sentinel-5P 的云特征集合COPERNICUS/S5P/OFFL/L3_CLOUD里有cloud_fraction，做浓度分析前建议先按云量过滤，否则均值会被云污染。简单做法是给主集合加一个质量掩膜，或者单独统计云量再决定是否剔除。

5. 验证请求与成功结果

配置和数据都就位后，怎么确认整条链路是通的？分两层验证。

第一层，验证 TaoToken 通道。用 curl 打一次基础请求：

curl -X POST "https://taotoken.net/api/v1/chat/completions" \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"your-model","messages":[{"role":"user","content":"ping"}]}'

返回里有正常的 JSON 结构，说明 Key 和 base_url 没问题。如果返回 401，检查 Key；返回 404，检查路径拼接。

第二层，验证 GEE 数据读取。跑上面 4.3 的循环，看每类气体的影像数量是否大于 0。再取一景做波段统计：

img = ee.ImageCollection("COPERNICUS/S5P/OFFL/L3_AER_AI") \ .select("absorbing_aerosol_index") \ .filterDate("2019-06-01", "2019-06-06") \ .mean() stats = img.reduceRegion( reducer=ee.Reducer.minMax(), geometry=ee.Geometry.Point([-118.82, 36.1]), scale=1000, maxPixels=1e9 ) print(stats.getInfo())

返回里能看到 min 和 max 两个值，说明影像加载、波段选择、区域统计都正常。这一步跑通，你的气体监测读取流程就算搭起来了。

6. 本篇常见错排查

报错一：Collection.loadTable: Collection is empty多半是日期区间写反了，或者结束日期等于起始日期。filterDate是左闭右开，结束日期要往后推一天。

报错二：Image.select: Band 'xxx' not found波段名拼错，或者集合 ID 和波段不匹配。比如把absorbing_aerosol_index用到 CO 集合上就会报这个。对照第 4 节的表格核对。

报错三：EEException: Not signed upGEE 项目没注册或没初始化。先跑ee.Authenticate()再ee.Initialize(project='your-project-id')。

报错四：TaoToken 返回 429触发了速率限制。在配置里把max_retries调大，或者降低并发。长期高频任务建议走 Coding Plan。

报错五：甲烷集合返回 0 景甲烷可用起始时间是 2019-02-08，如果你筛的是 2018 年，自然是空的。换到 2019 年之后。

排障时优先看 API Keys 页面确认 Key 状态，接入细节看接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。想直接验证模型通道是否正常，可以用模型对话 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite 快速试一次。

7. 把通道固定下来，后面只改业务

整套流程跑通之后，你会发现真正需要动的只有业务部分：换日期、换区域、换气体类型。TaoToken 的 base_url 和 Key 固定在配置文件里，GEE 的集合 ID 和波段名按第 4 节的表格查，验证动作就是看影像数量和波段统计。

如果你后面要接 Claude Code 或做 Anthropic 相关的编码任务，可以走 https://taotoken.net/claude-code?utm_source=taotoken_aicg_blog_end&utm_content=claude-code&utm_campaign=rewrite 这个入口，配置逻辑和上面一致，只是通道不同。长期做气体监测数据流水线的话，把 settings.json 或 config.toml 纳入版本管理（Key 走环境变量），换机器时复制配置就能继续跑，这是我实测下来最省心的做法。