NASA数据集——VIIRS每日 L3深蓝气溶胶网格产品(AERDB_D3_VIIRS_SNPP),以 1 x 1 度

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

简介

美国国家航空航天局(NASA)的可见红外成像辐射计套件(VIIRS)标准三级(L3)每月深蓝气溶胶产品来自苏米国家极轨伙伴关系(SNPP)仪器,提供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_SNPP)源自版本 2.0(V2.0)的每日 L3 网格产品(AERDB_D3_VIIRS_SNPP),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 2012 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
Shortname:AERDB_M3_VIIRS_SNPP
Platform:Suomi-NPP
Instrument:VIIRS
Processing Level:Level-3
Data Format:netCDF4
Spatial Resolution:1 degree
Temporal Resolution:monthly
ArchiveSets:5200, 5111
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_SNPP.A2020001.002.2022229164944.nc

  • ESDT Earth Science Data Type or Shortname
  • A Stands for Acquisition
  • YYYYDDD Data acquisition year and Day-of-year per the Julian Calendar
  • HHMM Acquisition Hour and Minute
  • 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:SNPP 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 mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="AERDB_M3_VIIRS_SNPP",cloud_hosted=True,bounding_box=(-180.0, -90.0, 180.0, 90.0),temporal=("2000-01-01", "2024-04-25"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

数据链接

VIIRS/SNPP 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 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/660919.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【数据结构】为了节省空间,对于特殊矩阵我们可以这样做……

特殊矩阵的压缩存储 导读一、数组与矩阵1.1 数组1.2 数组与线性表1.3 数组的存储结构1.4 矩阵在数组中的存储1.4.1 行优先存储1.4.2 列优先存储 二、特殊矩阵及其压缩存储三、对称矩阵及其存储3.1 方阵与对称矩阵3.2 对称矩阵的存储3.3 压缩存储的手动实现3.3.1 行优先存储3.3.…

Golang | Leetcode Golang题解之第59题螺旋矩阵II

题目&#xff1a; 题解&#xff1a; func generateMatrix(n int) [][]int {matrix : make([][]int, n)for i : range matrix {matrix[i] make([]int, n)}num : 1left, right, top, bottom : 0, n-1, 0, n-1for left < right && top < bottom {for column : lef…

mac/windows下安装docker,minikube

1、安装docker Get Started | Docker 下载安装docker 就行 启动后&#xff0c;就可以正常操作docker了 使用docker -v 验证是否成功就行 2、安装minikube&#xff0c;是基于docker-desktop的 2.1、点击设置 2.2、选中安装&#xff0c;这个可能需要一点时间 这样安装后&…

【云原生】Docker 实践(三):使用 Dockerfile 文件构建镜像

Docker 实践&#xff08;三&#xff09;&#xff1a;使用 Dockerfile 文件构建镜像 1.使用 Dockerfile 文件构建镜像2.Dockerfile 文件详解 1.使用 Dockerfile 文件构建镜像 Dockerfile 是一个文本文件&#xff0c;其中包含了一条条的指令&#xff0c;每一条指令都用于构建镜像…

【快速入门】数据库的增删改查与结构讲解

文章的操作都是基于小皮php study的MySQL5.7.26进行演示 what 数据库是能长期存储在计算机内&#xff0c;有组织的&#xff0c;可共享的大量数据的集合。数据库中的数据按照一定的数据模型存储&#xff0c;具有较小的冗余性&#xff0c;较高的独立性和易扩展性&#xff0c;并为…

解决TIVA飞控玄学类问题的通解,用魔法打败魔法

问题&#xff1a;我遭遇了玄学问题&#xff0c;出现飞机在起降过程中&#xff0c;位置晃动&#xff0c;突然出现的&#xff0c;昨天还好好的&#xff0c;位置地点都没换&#xff0c;今天中午测试了5、6次每次都这样&#xff0c;现在茫然无措&#xff0c;小哥救我&#xff1f; 这…

C语言——每日一题(移除链表元素)

一.前言 今天在leetcode刷到了一道关于单链表的题。想着和大家分享一下。废话不多说&#xff0c;让我们开始今天的知识分享吧。 二.正文 1.1题目要求 1.2思路剖析 我们可以创建一个新的单链表&#xff0c;然后通过对原单链表的遍历&#xff0c;将数据不等于val的节点移到新…

开通Jetbrains个人账号,赠送这些付费插件

开通Jetbrains个人账号&#xff0c;或者Jetbrains现成账号的, 可赠送以下付费插件 现成账号&#xff1a;https://web.52shizhan.cn/activity/xqt8ly 个人账号&#xff1a;https://web.52shizhan.cn/legal 账号支持全家桶系列&#xff1a;AppCode,CLion,DataGrip,GoLand,Intell…

Baidu Comate:“AI +”让软件研发更高效更安全

4月27日&#xff0c;百度副总裁陈洋出席由全国工商联主办的第64届德胜门大讲堂&#xff0c;并发表了《深化大模型技术创新与应用落地&#xff0c;护航大模型产业平稳健康发展》主题演讲。陈洋表示&#xff0c;“人工智能”成为催生新质生产力的重要引擎&#xff0c;对于企业而言…

ctf中的misc介绍(上)

目录 一、misc的介绍 二、使用到的工具 1、010editor 2、Binwalk&#xff08;kali自带&#xff09; 3、Notepad 4、Stegsolve 5、audacity 三、相关题型 文件/图片操作与隐写 文件类型的识别 1.使用linux中的file命令查看文件属性 2.使用010editer或者Winhex查看文…

OpenHarmony 实战开发——智能指针管理动态分配内存对象

概述 智能指针是行为类似指针的类&#xff0c;在模拟指针功能的同时提供增强特性&#xff0c;如针对具有动态分配内存对象的自动内存管理等。 自动内存管理主要是指对超出生命周期的对象正确并自动地释放其内存空间&#xff0c;以避免出现内存泄漏等相关内存问题。智能指针对…

【配置】Docker搭建JSON在线解析网站

云服务器打开端口8787 连接上docker运行 docker run -id --name jsonhero -p 8787:8787 -e SESSION_SECRETabc123 henryclw/jsonhero-webhttp://ip:8787访问 Github&#xff1a;地址