NASA数据集——AIRS/Aqua L3 8 天自由对流层中的二氧化碳（AIRS+AMSU）2.5 度 x 2 度 V005

AIRS/Aqua L3 8-day CO2 in the free troposphere (AIRS+AMSU) 2.5 degrees x 2 degrees V005 (AIRX3C28) at GES DISC

AIRS/Aqua L3 8 天自由对流层中的二氧化碳（AIRS+AMSU）2.5 度 x 2 度 V005 (AIRX3C28) at GES DISC

简介

大气红外探测器（AIRS）是第二个地球观测系统（EOS）极轨道平台 EOS Aqua 上的一个光栅分光计（R = 1200）。与高级微波探测装置（AMSU）和巴西湿度探测仪（HSB）相结合，AIRS 构成了一个由可见光、红外和微波传感器组成的创新型大气探测组。本产品是 AIRS 中对流层二氧化碳 (CO2) 3 级 8 天网格检索，来自 Aqua 卫星上的 AIRS 和 AMSU 仪器。这是 8 天网格数据，网格单元大小为 2.5x2 度（长）x（纬）。数据以摩尔分数为单位（体积数据 x 10^6 =ppm）。这是一个对流层总柱属性。文件格式为 HDF-EOS 2.12，与 HDF4 相对应。这个 AIRS 中对流层二氧化碳三级 8 天网格检索产品包含标准检索平均值、标准偏差和输入计数，以及给出网格框中心的经纬度阵列。每个文件涵盖 8 天的时间段。平均值是 8 天时间内该网格框内各个二氧化碳检索结果的算术平均值。中对流层二氧化碳探测结果已被平均化，并分成 2.5 x 2 度的网格单元，经度从 -180.0 度到 +180.0 度，纬度从 -60.0 度到 +90.0 度。每个 4 字节浮点平均值网格图都有一个相应的 4 字节浮点标准偏差网格图和一个 2 字节整数计数网格图。计数图为用户提供了平均值所包含的每个分区的点数。

简称：AIRX3C28
中文长名:AIRS/Aqua L3 自由对流层 8 天 CO2 (AIRS+AMSU) 2.5 度 x 2 度 V005
DOI:10.5067/Aqua/AIRS/DATA337
版本:005
格式：HDF-EOS
Spatial Coverage:-180.0,-60.0,180.0,90.0
时间覆盖范围：2002-09-01 至 2012-02-25
文件大小：每个文件 0.5 MB
数据分辨率
空间：2 ° x 2.5 °
时间：8 天

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="AIRX3C28",
    cloud_hosted=True,
    bounding_box=(-180, -60, 180, 90),
    temporal=("2002-09-01", "2012-02-25"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

结果 

引用

AIRS Science Team/Joao Teixeira (2009), AIRS/Aqua L3 8-day CO2 in the free troposphere (AIRS+AMSU) 2.5 degrees x 2 degrees V005, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], 10.5067/Aqua/AIRS/DATA337

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