NASA数据集——AIRS-CloudSat 云掩模和雷达反射率定位指数 V4.0 (AIRS_CPR_IND)

AIRS-CloudSat cloud mask and radar reflectivities collocation indexes V4.0 (AIRS_CPR_IND)

利用云分类的多传感器水蒸气气候数据记录 

简介

4.1 版是数据集的当前版本。以前的版本已不再提供，并已被 4.1 版取代。

这是 netCDF-4 格式的 AIRS-AMSU-CloudSat 定位索引。这些数据按 AIRS 6 分钟粒度时间将 CloudSat 剖面索引映射到共用的 AMSU 视场和 AIRS 红外足迹。因此可将其视为 1 级。这些数据是在 MEaSUREs 项目框架内创建的。

其基本任务是汇集多个 "A-train "仪器（AIRS、AMSR-E、MODIS、AMSU、MLS 和 CloudSat）的水汽和云层属性检索，利用云层信息对每个 "场景"（仪器外观）进行分类，并根据云层类别分层建立大气水汽随高度变化的合并多传感器气候学。这是一个大型科学分析项目，需要使用 SciFlo 技术来发现和组织所有数据集，根据需要移动和缓存数据集，找到成对仪器之间的空间/时间 "匹配"，并处理多年的卫星数据以生成气候数据记录。

该数据集的简称为 AIRS_CPR_IND

简称：AIRS_CPR_IND
长名称:AIRS-CloudSat 云掩蔽和雷达反射率定位指数 V4.0
doi:10.5067/measures/wvcc/data204
版本：4.0
格式：netCDF
Spatial Coverage:-180.0,-90.0,180.0,90.0
时间覆盖范围：2006-06-15 至 2015-01-31
文件大小：每个文件 63 KB
数据分辨率
空间：13 千米 x 13 千米

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="AIRS_CPR_IND",
    cloud_hosted=True,
    bounding_box=(-180, -90, 180, 90),
    temporal=("2006-06-15", "2007-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

 

数据版本历史

DOI	Version	Data Distribution Range	Data Temporal Range	Description
10.5067/MEASURES/WVCC/DATA204	4.0	2012-07-07  -  Active	2006-06-15  -  Present
10.5067/MEASURES/WVCC/DATA202	3.1	2012-05-30  -  2017-05-11	-
N/A	3	2011-03-31  -  2012-08-13	-

引用

Eric Fetzer, Brian Wilson, and Gerald Manipon (2012), AIRS-CloudSat cloud mask and radar reflectivities collocation indexes V4.0, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/MEASURES/WVCC/DATA204

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