NASA：ATLAS/ICESat-2 L3 B每月网格动态海洋地形V002

目录

简介

摘要

代码

引用

网址推荐

0代码在线构建地图应用

机器学习

---

ATLAS/ICESat-2 L3B Monthly Gridded Dynamic Ocean Topography V002

简介

ATLAS/ICESat-2 L3 B每月网格动态海洋地形V002

该数据集包含了每月网格动态海洋地形（DOT），源自沿轨道的 ATLAS/ICESat-2 L3A 海洋表面高度产品（ATL12）。可以通过将平均 DOT 和本数据集中提供的加权平均大地高度相加来计算每月网格海面高度（SSH）。该数据集提供了单束和全束网格平均值。单束平均值可用于识别束之间的偏差，而建议使用全束平均值用于物理海洋学。

参数：海面高度
平台：ICESat-2

传感器：ATLAS

数据格式：HDF5

时间范围：2018年10月13日至今

时间分辨率：1 个月

空间分辨率：25 公里 x 25 公里

空间参考系统：NSIDC 北极圈海冰极射投投影 EPSG:3411
NSIDC 南极圈海冰极射投投影 EPSG:3412
WGS 84 EPSG:4326

空间范围：北纬 88° 南纬 -88° 东经 180° 西经 -180°

摘要

ATLAS/ICESat-2 L3B Monthly Gridded Dynamic Ocean Topography V002数据是由ATLAS和ICESat-2卫星获得的月度网格动态海洋地形数据。该数据集使用雷达测高仪测量的卫星高度数据，以及地球重力模型和海洋涨落模型来推导出海洋表面的地形变化。

该数据集提供了全球范围内的月度海洋地形数据，并以网格形式呈现。每个网格包含一组数据，包括地形高度、海平面变化、海冰高度和海洋异常等指标。这些数据可以用于研究海洋表面的动态变化，如海洋循环、海洋涨落和海平面变化等。

该数据集的版本号为V002，表示是第二个版本的数据集。每个版本都可能在数据处理方法、算法和精度方面有所改进。

利用ATLAS/ICESat-2 L3B Monthly Gridded Dynamic Ocean Topography V002数据，研究人员可以更好地理解海洋的动态行为和变化，为海洋科学研究和气候变化监测提供有价值的信息。

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="ATL19",
    cloud_hosted=True,
    bounding_box=(-180.0, -88.0, 180.0, 88.0),
    temporal=("2017-07-20", "2018-10-13"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Morison, J. H., Hancock, D., Dickinson, S., Robbins, J. & Roberts, L. (2023). ATLAS/ICESat-2 L3B Monthly Gridded Dynamic Ocean Topography. (ATL19, Version 3). [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/ATLAS/ATL19.003. [describe subset used if applicable]. Date Accessed 09-23-2024.

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg