NOAA每天在 0.25 度网格上生成的高分辨率海面温度（GHRSST）全球第 4 级海面温度分析-CSDN博客

本文链接：https://blog.csdn.net/qq_31988139/article/details/144470354

GHRSST Level 4 AVHRR_OI Global Blended Sea Surface Temperature Analysis (GDS version 2) from NCEI

简介

美国国家海洋和大气管理局国家环境信息中心（NOAA National Centers for Environmental Information）每天在 0.25 度网格上生成的高分辨率海面温度（GHRSST）全球第 4 级海面温度分析。该产品采用最优插值法（OI），对不同来源的海表温度观测数据进行插值和外推，从而得到一个平滑的完整场。数据来源包括卫星（高级甚高分辨率辐射计）和原地平台（即船只和浮标），采用的具体数据集可能会随时间而变化。在边缘冰区，海冰浓度用于生成代用海温。该文件的初步版本是近实时生成的（延迟 1 天），2 周后用最终版本取代。请注意，这是 1981 年 9 月 1 日开始提供的 AVHRR-ONLY（AVHRR-OI），但还有一个包括微波卫星数据的配套 SST 产品，从 2002 年 6 月开始提供。

摘要

GHRSST Level 4 AVHRR_OI Global Blended Sea Surface Temperature Analysis (GDS version 2) from NCEI是由美国国家海洋和大气管理局（NCEI）提供的全球海表温度分析数据集。该数据集使用卫星测量数据和地面观测数据相结合，利用AVHRR（高级非扫描微波辐射计）仪器获取的温度观测数据，通过高分辨率的空间插值技术生成全球范围内的海表温度分析。该数据集是以格点形式提供的，每个格点表示一个指定的经纬度位置的海表温度值。

这个数据集是根据国际海洋和地球温度和盐度科学协会（GHRSST）的标准处理流程生成的，是一个全球一致和完整的数据集。数据集的时间范围从1981年1月1日至今，每日更新一次。数据的水平分辨率为0.25度，垂直分辨率为0.01度。

GHRSST Level 4 AVHRR_OI Global Blended Sea Surface Temperature Analysis (GDS version 2) from NCEI数据集对于研究海洋和气候变化、海洋生态系统和气候模型验证等领域非常有用。可以用于分析全球海表温度变化趋势、海洋热力输运、海洋环流和风暴活动等方面的问题。同时，该数据集还可用于制定海洋资源管理和气象预测等决策。

高分辨率海面温度（GHRSST）项目组数据提供者

发布者：国家环境信息中心国家环境信息中心国家环境信息中心发布地点 NASA/JPL/PO.DAAC 发布日期：2016-04-20

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="AVHRR_OI-NCEI-L4-GLOB-v2.0",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("1981-09-01", "2020-04-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

National Centers for Environmental Information. 2016. Daily L4 Optimally Interpolated SST (OISST) In situ and AVHRR Analysis. Ver. 2.0. PO.DAAC, CA, USA. Dataset accessed [YYYY-MM-DD] at https://doi.org/10.5067/GHAAO-4BC02