NASA数据集——NASA 标准三级（L3）每月深蓝气溶胶产品提供了全球陆地和海洋上空气溶胶光学厚度（AOT）

VIIRS/NOAA20 Deep Blue Level 3 monthly aerosol data, 1x1 degree grid

简介

联合极地卫星系统（JPSS）系列 NOAA-20 仪器中的可见红外成像辐射计套件（VIIRS）NASA 标准三级（L3）每月深蓝气溶胶产品提供了全球陆地和海洋上空气溶胶光学厚度（AOT）的卫星衍生测量值及其网格集合特性。深蓝算法借鉴了以前从陆地和海洋上的海洋观测宽视场传感器（SeaWiFS）和陆地上的中分辨率成像分光仪（MODIS）测量中检索气溶胶光学厚度的应用。

该月度汇总产品（简称：AERDB_M3_VIIRS_NOAA20）来自于版本 2.0（V2.0）的每日 L3 网格产品（AERDB_D3_VIIRS_NOAA20），以 1 x 1 度的水平分辨率网格提供。每日 L3 网格产品的算术平均值也为每月汇总产品的统计补充提供了依据。为了排除采样不佳的网格要素，该算法要求至少有 3 天的有效数据才能使给定的月度网格要素有效。该月度产品记录始于 2018 年 3 月 1 日。

该 L3 月度产品采用 netCDF 格式，包含 45 个科学数据集（SDS）图层，其名称与 L3 日度产品中的 SDS 相同，包括以下内容：

1. Aerosol_Optical_Thickness_550_Land_Count
2. Aerosol_Optical_Thickness_550_Land_Maximum
3. Aerosol_Optical_Thickness_550_Land_Mean
4. Aerosol_Optical_Thickness_550_Land_Minimum
5. Aerosol_Optical_Thickness_550_Land_Ocean_Count
6. Aerosol_Optical_Thickness_550_Land_Ocean_Maximum
7. Aerosol_Optical_Thickness_550_Land_Ocean_Mean
8. Aerosol_Optical_Thickness_550_Land_Ocean_Minimum
9. Aerosol_Optical_Thickness_550_Land_Ocean_Standard_Deviation
10. Aerosol_Optical_Thickness_550_Land_Standard_Deviation
11. Aerosol_Optical_Thickness_550_Ocean_Count
12. Aerosol_Optical_Thickness_550_Ocean_Maximum
13. Aerosol_Optical_Thickness_550_Ocean_Mean
14. Aerosol_Optical_Thickness_550_Ocean_Minimum
15. Aerosol_Optical_Thickness_550_Ocean_Standard_Deviation
16. Aerosol_Type_Land_Ocean_Histogram
17. Aerosol_Type_Land_Ocean_Mode
18. Aerosol_Types
19. Angstrom_Exponent_Land_Maximum
20. Angstrom_Exponent_Land_Mean
21. Angstrom_Exponent_Land_Minimum
22. Angstrom_Exponent_Land_Ocean_Maximum
23. Angstrom_Exponent_Land_Ocean_Mean
24. Angstrom_Exponent_Land_Ocean_Minimum
25. Angstrom_Exponent_Land_Ocean_Standard_Deviation
26. Angstrom_Exponent_Land_Standard_Deviation
27. Angstrom_Exponent_Ocean_Maximum
28. Angstrom_Exponent_Ocean_Mean
29. Angstrom_Exponent_Ocean_Minimum
30. Angstrom_Exponent_Ocean_Standard_Deviation
31. Fine_Mode_Fraction_550_Ocean_Mean
32. Fine_Mode_Fraction_550_Ocean_Standard_Deviation
33. Land_Bands
34. Latitude
35. Latitude_1D
36. Longitude
37. Longitude_1D
38. Ocean_Bands
39. Spectral_Aerosol_Optical_Thickness_Land_Count
40. Spectral_Aerosol_Optical_Thickness_Land_Mean
41. Spectral_Aerosol_Optical_Thickness_Land_Standard_Deviation
42. Spectral_Aerosol_Optical_Thickness_Ocean_Count
43. Spectral_Aerosol_Optical_Thickness_Ocean_Mean
44. Spectral_Aerosol_Optical_Thickness_Ocean_Standard_Deviation
45. Unsuitable_Pixel_Fraction_Land_Ocean

有关全局属性、数据字段属性、SDS 名称和说明、质量标志、处理和使用这些数据产品的软件等更多信息，请查阅 VIIRS 深蓝气溶胶产品用户指南。

Shortname:	AERDB_M3_VIIRS_NOAA20
Platform:	NOAA-20
Instrument:	VIIRS
Processing Level:	Level-3
Data Format:	netCDF4
Spatial Resolution:	1 degree
Temporal Resolution:	monthly
ArchiveSets:	5200
Collection:	NPP and JPSS1 VIIRS data 2.0 (ArchiveSet 5200)
PGE Number:	NONE
File Naming Convention:	Syntax: ESDT.AYYYYDDD.CCC.YYYYDDDHHMMSS.Format Example: AERDB_M3_VIIRS_NOAA20.A2020001.002.2022229164956.nc ESDT Earth Science Data Type or Shortname A Stands for Acquisition YYYYDDD Data acquisition year and Day-of-year per the Julian Calendar CCC Version ID of the data collection YYYYDDDHHMMSS Processing year, Day-of-year, UTC time (hour, minutes, seconds) Format File format suffix, which in the above case represents netCDF4
Keywords:	NOAA20 VIIRS, L3, Monthly Aggregated, Deep Blue Aerosol Optical Thickness

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="AERDB_M3_VIIRS_NOAA20",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("2000-07-20", "2024-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

数据网址

VIIRS/NOAA20 Deep Blue Level 3 monthly aerosol data, 1x1 degree grid - LAADS DAAC

网址推荐

0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg