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.xdnf.cn/news/1409969.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

机器学习:基于Sklearn、XGBoost,使用逻辑回归、支持向量机和XGBClassifier预测股票价格

前言 系列专栏:机器学习:高级应用与实践【项目实战100】【2024】✨︎ 在本专栏中不仅包含一些适合初学者的最新机器学习项目,每个项目都处理一组不同的问题,包括监督和无监督学习、分类、回归和聚类,而且涉及创建深度学…

推开通用人工智能大门,多模态大模型是新一代人工智能技术范式

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。…

C——双向链表

一.链表的概念及结构 链表是一种物理存储单元上非连续、非顺序的存储结构,数据元素的逻辑顺序是通过链表中的指针链接次序实现的。什么意思呢?意思就是链表在物理结构上不一定是连续的,但在逻辑结构上一定是连续的。链表是由一个一个的节点连…

【15】Head First Java 学习笔记

HeadFirst Java 本人有C语言基础,通过阅读Java廖雪峰网站,简单速成了java,但对其中一些入门概念有所疏漏,阅读本书以弥补。 第一章 Java入门 第二章 面向对象 第三章 变量 第四章 方法操作实例变量 第五章 程序实战 第六章 Java…

windows 驱动开发-DMA技术(三)

在早期,是按照基于包或者基于流的方式来描述DMA的,不过这个描述可能不准确,故在Vista之后修改为使用数据包/使用公共缓冲区的系统DMA。 简单的解释一下基于包和基于流的说法的原因,数据包是指一个个基于一定大小的数据块&#xf…

IDA pro动态调试so层初级教程

一、开启服务 adb push D:\MyApp\IDA_Pro_7.7\dbgsrv\android_server64 /data/local/tmpadb shell cd /data/local/tmp chmod 777 android_server64 ./android_server64二、IDA附加进程 十万个注意:IDA打开的so文件路径不能有中文 手机打开要调试的app 附加成功

讯飞星火大模型赋能教育,引领教育实现数字化转型 | 最新快讯

(原标题:讯飞星火大模型赋能教育,引领教育实现数字化转型) 随着人工智能的发展,大模型正成为人们获取知识、学习知识的“超级助手”,是解放生产力、释放想象力的“好帮手”。随着大模型在多个领域大放异彩…

guidance - Microsoft 推出的编程范式

文章目录 一、关于 guidance安装 二、加载模型llama.cppTransformersVertex AIOpenAI 三、基本生成四、限制的生成选择(基本)正则表达正则表达式来限制生成正则表达式作为停止标准 上下文无关语法 五、状态控制生成1、不可变对象中的状态2、有状态的 gui…

Nodejs 第六十九章(杀毒)

杀毒 杀毒(Antivirus)是指一类计算机安全软件,旨在检测、阻止和清除计算机系统中的恶意软件,如病毒、蠕虫、木马、间谍软件和广告软件等。这些恶意软件可能会对计算机系统和用户数据造成损害,包括数据丢失、系统崩溃、…

基于ROS从零开始构建自主移动机器人:仿真和硬件

书籍:Build Autonomous Mobile Robot from Scratch using ROS:Simulation and Hardware 作者:Rajesh Subramanian 出版:Apress 书籍下载-《基于ROS从零开始构建自主移动机器人:仿真和硬件》您将开始理解自主机器人发…

(1)从头搞懂 Transformer模型(图解)

1、Transformer简介 GPT回答:(面试被问到可以这么介绍) Transformer是一种用于处理序列数据的深度学习模型架构,最初由Vaswani等人在2017年的论文《Attention is All You Need》中提出。它在处理序列到序列(seq2seq&…

2024年Q1葡萄酒行业线上电商(京东天猫淘宝)销售排行榜

五一聚餐不可缺少饮品——葡萄酒。鲸参谋监测的线上电商平台(某东)Q1季度葡萄酒行业销售数据已揭晓! 从鲸参谋的数据中,我们可以明显看到今年Q1季度在线上电商平台(某东)葡萄酒行业的销售情况呈现出积极的…

Java面试八股之int和Integer有什么区别

int和Integer有什么区别 基本类型与包装类: int:int是Java中的一个基本数据类型(primitive type),用于表示整数。它直接存储数值,没有独立的对象实例,不涉及内存管理。 Integer:I…

WebGL渲染引擎优化方向 -- 加载性能优化

作者:caven chen 前言 WebGL 是一种强大的图形渲染技术,可以在浏览器中快速渲染复杂的 3D 场景。但是,由于 WebGL 的高性能和高质量要求,如果不注意性能优化,它可能会消耗大量的 CPU 和 GPU 资源,导致应用…

使用 VLC Media Player 播放 RTSP 流媒体

VLC 是一款自由、开源的跨平台多媒体播放器及框架,可播放大多数多媒体文件,以及 DVD、音频 CD、VCD 及各类流媒体协议,也可以播放 RTSP 流媒体。 一、简介: VLC Media Player 是一款功能强大且开源的跨平台多媒体播放器。 支持…

LeetCode 102.对称二叉树

题目描述 给你一个二叉树的根节点 root , 检查它是否轴对称。 示例 1: 输入:root [1,2,2,3,4,4,3] 输出:true示例 2: 输入:root [1,2,2,null,3,null,3] 输出:false提示: 树中节点数…

【免费Java系列】大家好 ,给大家出一些今天学习内容的案例点赞收藏关注,持续更新作品 !

多态 Java中的多态是指同一个方法在不同的对象上有不同的行为: 案例一 以下有四个类 : 动物类与狗、猫类 Test测试类 // 动物类 class Animal {public void sound() {System.out.println("动物发出声音");} }// 狗类 class Dog extends Animal {Overridepublic void…

Go实现树莓派按键识别

环境 在Windows要注意交叉编译设置, 这个库目前没有使用C, 所以不需要配置GCC、G, 配置如下 GOOSlinux GOARCHarm 代码 package mainimport ("fmt""github.com/stianeikeland/go-rpio/v4""os""time" )var (…

C语言-整体内容简单的认识

目录 一、数据类型的介绍二、数据的变量和常量三、变量的作用域和生命周期四、字符串五、转义字符六、操作符六、常见的关键字6.1 关键字static 七、内存分配八、结构体九、指针 一、数据类型的介绍 sizeof是一个操作符,是计算机类型/变量所占内存空间的大小   sc…

实验三 .Java 语言继承和多态应用练习 (课内实验)

一、实验目的 本次实验的主要目的是通过查看程序的运行结果及实际编写程序,练习使用 Java 语言的继承特性。 二、实验要求 1. 认真阅读实验内容,完成实验内容所设的题目 2. 能够应用多种编辑环境编写 JAVA 语言源程序 3. 认真体会多态与继承的作用…