NASA数据集——GOES-16卫星的高级图像和地球观测数据

简介

GHRSST NOAA/STAR GOES-16 ABI L2P America Region SST v2.70 dataset in GDS2

ABI_G16-STAR-L2P-v2.70是美国国家航空航天局(NASA)的一种卫星数据处理产品。这个产品是由GOES-16(也称为GOES-East)卫星的先进基线/全球地球观测系统(ABI)仪器生成的。STAR代表科学技术高级研究所,L2P代表Level 2产品,v2.70表示版本号。这个数据产品包含了来自GOES-16卫星的高级图像和地球观测数据,用于气象预报、气候研究等领域。前言 – 人工智能教程

GOES-16(G16)是美国国家海洋和大气管理局第三代地球静止业务环境卫星(GOES)的首颗卫星,又称GOES-R系列(还将包括-S、-T和-U)。G16于2016年11月19日发射升空,最初被置于西经89.5度的临时位置,介于GOES-East和-West之间。2018 年 12 月 Cal/Val 完成后,它被移至西经 75.2 度的永久位置,并于 2018 年 12 月 18 日宣布 NOAA 运行 GOES-East。诺阿负责所有 GOES-R 产品,包括高级基线成像仪(ABI)的海面温度(SST)。与传统的 GOES-I/P 成像仪相比,高级基线成像仪大大增强了 SST 的检索能力,包括 16 个窄波段中可用于 SST 的 5 个波段(以 3.9、8.4、10.3、11.2 和 12.3 微米为中心),以及精确的传感器校准、图像导航和共配准、光谱保真度和复杂的预处理(地理校正、辐射均衡和制图)。从 35800 公里的高空,G16/ABI 可以精确绘制西经 15-135 度、南纬 60-60 度的全圆盘(FD)区域的 SST 地图,天底的空间分辨率为 2 公里(视角天顶角 67 度时降为 15 公里),时间采样为 10 分钟(2019 年 4 月 2 日之前为 15 分钟)。二级预处理(L2P)的 SST 产品是利用 NOAA 海洋高级晴空处理器(ACSPO)系统按照传感器的原始分辨率生成的。ACSPO 首先处理每 10 分钟的 FD 数据,然后使用 ACSPO 晴空掩模(ACSM;Petrenko 等,2010 年)和非线性 SST(NLSST)算法(Petrenko 等,2014 年)从 BT 中得出 SST。目前,只使用了以 8.4、10.3、11.2 和 12.3 微米为中心的 4 个长波波段(最初排除了 3.9 微米波段,以尽量减少昼夜周期中可能存在的不连续性)。回归是根据 NOAA iQuam 系统(Xu 和 Ignatov,2014 年)中漂流浮标和热带系泊浮标的原地海温质量控制数据进行调整的。随后对 10 分钟 FD 数据进行及时整理,生成 1 小时 L2P 产品,与单个 10 分钟图像相比,覆盖范围更广,云泄漏和图像噪声更小。在整理后的 L2P 中,只报告晴空水域像素(定义为海洋、海域、湖泊或河流,最远为内陆 5 公里)的 SST 和 BT 值,其他地方则为填充值。L2P 以 netCDF4 GHRSST 数据规范第 2 版(GDS2)格式报告,每天 24 个粒度,数据总量为 0.6GB/天。除 SST 外,ACSPO 文件还包括太阳传感器几何图形、ABI 波段 11(8.4um)、13(10.3um)、14(11.2um)和 15(12.3um)的四个 BT 以及波段 2 和 3(0.64um 和 0.86um;用于云识别)的两个反射率。l2p_flags 图层包括昼/夜、陆地、冰、黄昏和闪光标志。其他变量包括 NCEP 风速和 ACSPO SST 减去参考 SST(加拿大气象中心 0.1deg L4 SST;见 https://podaac.jpl.nasa.gov/dataset/CMC0.1deg-CMC-L4-GLOB-v3.0)。由于各粒度之间保持不变,因此粒度中不报告像素级地球位置。用户可以选择使用平面 lat-lon 文件或 Python 脚本来获取这些位置,两者都可在 ftp://ftp.star.nesdis.noaa.gov/pub/socd4/coastwatch/sst/nrt/abi/nav/ 上获取。根据 GDS2 规范,每个像元还会报告两个额外的传感器特定误差统计层(SSES 偏差和标准偏差)。ACSPO VIIRS L2P 产品通过卫星质量监测器 SQUAM(Dash 等人,2010 年)进行监测并与原位数据进行验证(Xu 和 Ignatov,2014 年),BT 则通过 MICROS 中的 RTM 模拟进行验证(Liang 和 Ignatov,2011 年)。此外,还可在 https://podaac.jpl.nasa.gov/dataset/ABI_G16-STAR-L3C-v2.70 网站上获得一个缩小的(0.2GB/天)、等角网格化(0.02 度分辨率)的 ACSPO L3C 产品,其中报告了网格化的 L2P SST,省略了 BT 层。

Version2.70
Processing Level2P
Start/Stop Date2017-Dec-15 to Present
Short NameABI_G16-STAR-L2P-v2.70

分辨率

空间分辨率: 2000 米 x 2000 米
时间分辨率每小时 - < 每天
 

覆盖范围

区域: 西大西洋西大西洋
区域:大西洋
北界坐标:59 度
南侧坐标: -59度
西边界坐标: -135 度
东边界坐标: -15度
时间跨度:2017 年 12 月 15 日至今
颗粒时间跨度:2017 年 12 月 15 日至 2024 年 3 月 02 日
扫描带宽:7 千米 

数据下载链接:

Sort By

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="ABI_G16-STAR-L2P-v2.70",
    cloud_hosted=True,
    bounding_box=(-135.0, -59.0, -15.0, 59.0),
    temporal=("2020-01-15", "2020-02-28"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

结果

数据引用

NOAA/NESDIS/STAR. 2019. GHRSST L2P ACSPO America Region SST from GOES-16 ABI. Ver. 2.70. PO.DAAC, CA, USA. Dataset accessed [YYYY-MM-DD] at https://doi.org/10.5067/GHG16-2PO27 

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:/a/441888.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

IT廉连看——Uniapp——配置文件pages

IT廉连看——Uniapp——配置文件pages [IT廉连看] 本堂课主要为大家介绍pages.json这个配置文件 一、打开官网查看pages.json可以配置哪些属性。 下面边写边讲解 新建一个home页面理解一下这句话。 以下一些页面的通用配置 通用设置里我们可以对导航栏和状态栏进行一些设…

java SSM售后服务管理系统myeclipse开发mysql数据库springMVC模式java编程计算机网页设计

源码特点 java SSM售后服务管理系统是一套完善的web设计系统&#xff08;系统采用SSM框架进行设计开发&#xff0c;springspringMVCmybatis&#xff09;&#xff0c;对理解JSP java编程开发语言有帮助&#xff0c;系统具有完整的源代 码和数据库&#xff0c;系统主要采用B/…

【C语言】指针相关知识点

什么是指针&#xff1f; 指针&#xff08;Pointer&#xff09;是编程语言中的一个对象&#xff0c;利用地址&#xff0c;它的值直接指向&#xff08;points to&#xff09;存在电脑存储器中另一个地方的值。由于通过地址能找到所需的变量单元&#xff0c;可以说&#xff0c;地…

蓝牙系列七:开源蓝牙协议栈BTStack数据处理

继续蓝牙系列的研究。 在上篇博客,通过阅读BTStack的源码,大体了解了其框架,对于任何一个BTStack的应用程序都有一个main函数,这个main函数是统一的。这个main函数做了某些初始化之后,最终会调用到应用程序提供的btstack_main,在btstack_main里面首先做一些初始化,然后…

【校园导航小程序】2.0版本 静态/云开发项目 升级日志

演示视频 【校园导航小程序】2.0版本 静态/云开发项目 演示 首页 重做了首页&#xff0c;界面更加高效和美观 校园指南页 新增了 “校园指南” 功能&#xff0c;可以搜索和浏览校园生活指南 地图页 ①弃用路线规划插件&#xff0c;改用SDK开发包。可以无阻通过审核并发布…

Flutter学习9 - http 中 get/post 请求示例

1、配置 http pubspec.yaml dependencies:http: ^0.13.4flutter:sdk: flutterhttp 库最新插件版本查看&#xff1a;https://pub.dev/packages/http不一定要用最新版本 http&#xff0c;要使用项目所能支持的版本 .dart import package:http/http.dart as http;2、示例 &a…

vue 在线预览word

1 mammoth 先找的是mammoth这个插件yarn add mammoth,版本是1,7.0 参考网上的示例使用如下&#xff1a; import mammoth from "mammoth"; const vHtml ref("") const readExcelFromRemoteFile (url) >{var xhr new XMLHttpRequest();xhr.open("…

数据库大师之路:Oracle在线学习平台全指南!

介绍数据库是由甲骨文公司开发的一款关系数据库管理系统&#xff08;RDBMS&#xff09;&#xff0c;在数据库领域具有领先地位&#xff0c;并且以其系统可移植性而闻名。以下是对Oracle数据库的详细介绍&#xff1a; 市场地位&#xff1a;Oracle数据库是目前世界上流行的关系数…

2024年新算法||吸引-排斥优化算法(Attraction–Repulsion Algorithm)

本期介绍一种求解约束全局优化问题的元启发式搜索算法——吸引-排斥优化算法Attraction–Repulsion Optimization Algorithm,AROA。该算法模拟自然界中发生的吸引-排斥现象相关的平衡。该成果于2024年2月发表在中科院1区SCI期刊 Swarm and Evolutionary Computation&#xff08…

Codesys.运动控制电子齿轮

文章目录 一. 电子齿轮概念应用 二. 电子齿轮耦合功能块 2.1. MC_GearIn 2.2. MC_GearInPos 2.3. MC_GearOut 三. 电子齿轮案例 3.1. 样例介绍 3.2. 引入虚轴 3.3. 程序框架 3.4. 程序编写 3.5. 程序监控 一. 电子齿轮概念应用 在很多应用场景中有多个牵引轴每个牵引…

如何优雅地避免空指针异常(NullPointerException)

空指针异常是导致java程序运行中断最常见的原因&#xff0c;相信每个程序猿都碰见过&#xff0c;也就是NullPointException&#xff0c;我们通常简称为NPE&#xff0c;为了提高我们写的代码的健壮性&#xff0c;本文告诉大家如何优雅避免NPE。 出现空指针异常的情况 访问空对…

几大开源免费的 JavaScript 富文本编辑器测评

MarkDown 编辑器用的时间长了&#xff0c;发现发现富文本编辑器用起来是真的舒服。 一直以来写博客都是用的 MarkDown 编辑器&#xff0c;MarkDown 文档简单方便&#xff0c;使用几个简单的符号就可以定义出样式统一的富文本内容。写博客的时间长了&#xff0c;小玖就越来越排…

数据分析-Pandas数据画箱线图

数据分析-Pandas数据画箱线图 数据分析和处理中&#xff0c;难免会遇到各种数据&#xff0c;那么数据呈现怎样的规律呢&#xff1f;不管金融数据&#xff0c;风控数据&#xff0c;营销数据等等&#xff0c;莫不如此。如何通过图示展示数据的规律&#xff1f; 数据表&#xff…

程序运行的基本流程

操作系统&#xff08;应用程序&#xff09;&#xff1a; 装系统就是将操作系统安装到硬盘1中 计算机启动的基本过程&#xff1a; 总结&#xff1a; 程序一般保存在硬盘中&#xff0c;软件安装的过程就是将程序写入硬盘的过程程序在运行时会加载进入内存&#xff0c;然后由CPU…

C#,数值计算,解微分方程的龙格-库塔二阶方法与源代码

1 微分方程 含有导数或微分的方程称为微分方程&#xff0c;未知函数为一元函数的微分方程称为常微分方程。 微分方程的阶数 微分方程中导数或微分的最高阶数称为微分方程的阶数。 微分方程的解 使得微分方程成立的函数称为微分方程的解。 微分方程的特解 微分方程的不含任意…

计算数据集的总体标准差pstdev()

【小白从小学Python、C、Java】 【计算机等考500强证书考研】 【Python-数据分析】 计算数据集的总体标准差 pstdev() [太阳]选择题 pstdev() 的作用是&#xff08;&#xff09; import statistics a [0, 0, 8, 8] print("【显示】a ",a) print("【执行】st…

GPT-4 等大语言模型(LLM)如何彻底改变客户服务

GPT-4革命&#xff1a;如何用AI技术重新定义SEO策略 在当今快节奏的数字时代&#xff0c;客户服务不再局限于传统的电话线或电子邮件支持。 得益于人工智能 (AI) 和自然语言模型 (NLM)&#xff08;例如 GPT-4&#xff09;的进步&#xff0c;客户服务正在经历革命性的转变。 在这…

网络故障基本判断方法

1&#xff09;电脑上使用winR键&#xff0c;打开运行窗口&#xff0c;输入CMD命令&#xff0c;点击回车键 2&#xff09;在弹出的CMD运行窗口中输入ipconfig命令 通过该命令可以查看本机的IP地址&#xff0c;子网掩码和网关等信息。确认电脑中所有网卡配置是否正确。 3&…

UNIAPP微信小程序中使用Base64编解码原理分析和算法实现

为何要加上UNIAPP及微信小程序&#xff0c;可能是想让检索的翻围更广把。&#x1f607; Base64的JS原生编解码在uni的JS引擎中并不能直接使用&#xff0c;因此需要手写一个原生的Base64编解码器。正好项目中遇到此问题&#xff0c;需要通过URLLink进行小程序跳转并携带Base64参…

MySQL 学习笔记(基础篇 Day3)

「写在前面」 本文为黑马程序员 MySQL 教程的学习笔记。本着自己学习、分享他人的态度&#xff0c;分享学习笔记&#xff0c;希望能对大家有所帮助。推荐先按顺序阅读往期内容&#xff1a; 1. MySQL 学习笔记&#xff08;基础篇 Day1&#xff09; 2. MySQL 学习笔记&#xff08…