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 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="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 datasets
    return_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:/a/587717.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

PHP定时任务框架taskPHP3.0学习记录7宝塔面板手动可以执行自动无法执行问题排查及解决方案(sh脚本、删除超过特定天数的日志文件、kill -9)

PHP定时任务框架taskPHP3.0学习记录 PHP定时任务框架taskPHP3.0学习记录1(TaskPHP、执行任务类的实操代码实例)PHP定时任务框架taskPHP3.0学习记录2(环境要求、配置Redis、crontab执行时间语法、命令操作以及Screen全屏窗口管理器&#xff0…

AWS最近宣布Amazon Q现已全面上市

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…

Gateway结合Nacos使用!!!

一、本地结合使用 1. 引入依赖 <dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId> </dependency> 2. bootstarp.yml配置文件 如果Nacos中配置使用yaml格式&…

Ubuntu上的screenfetch

2024年4月28日&#xff0c;周日下午 这些文本是由一个叫做 “screenfetch” 的命令生成的&#xff0c;它会显示一些系统和用户信息&#xff0c;包括操作系统、内核版本、系统运行时间、安装的软件包数量、使用的Shell、分辨率、桌面环境、窗口管理器、主题、图标主题、字体、CP…

Linux(ubuntu)—— 用户管理user 用户组group

一、用户 1.1、查看所有用户 cat /etc/passwd 1.2、新增用户 useradd 命令&#xff0c;我这里用的是2.4的命令。 然后&#xff0c;需要设置密码 passwd student 只有root用户才能用passwd命令设置其他用户的密码&#xff0c;普通用户只能够设置自己的密码 二、组 2.1查看…

分布式任务调度平台XXL-JOB

系列文章目录 文章目录 系列文章目录前言前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。 Quartz作为开源作业调度中的佼佼者,是作业调度的首选。但是集群环境中Qu…

汇川AM400PLC和禾川X3E伺服EtherCAT通信

1、汇川H5UPLC和X3E伺服EtherCAT总线控制 汇川H5U PLC通过EtherCAT总线控制SV660N和X3E伺服_伺服驱动器 ethercat csdn 汇川-CSDN博客文章浏览阅读1.7w次,点赞3次,收藏37次。首先我们看下系统硬件和软件配置:汇川H5U PLC的编程软件是:AutoShop V4.6.3.0 硬件:PLC H5U-161…

什么副业兼职适合小白?1小时收益40+,1条作品只需5分钟

今天&#xff0c;我要向大家推荐一个当前非常受欢迎的项目&#xff0c;这个项目来自一位忠实的粉丝朋友的推荐。他正是依靠这个项目实现了可观的收益。 这位兄弟通过参与“词典搬砖”项目&#xff0c;已经成功变现超过一万元&#xff0c;而且这笔收入还是在睡眠中获得的&#…

踏上R语言之旅:解锁数据世界的神秘密码(五)

线性与非线性模型及R使用 文章目录 线性与非线性模型及R使用一、数据的分类与模型选择1.变量的取值类型 二、广义线性模型广义线性模型概述Logistic模型 总结 一、数据的分类与模型选择 1.变量的取值类型 因变量记为y&#xff0c;解释变量记为x1&#xff0c;x2,… 因变量y一般…

77、贪心-买卖股票的最佳时机

思路 具体会导致全局最优&#xff0c;这里就可以使用贪心算法。方式如下&#xff1a; 遍历每一位元素找出当前元素最佳卖出是收益是多少。然后依次获取最大值&#xff0c;就是全局最大值。 这里可以做一个辅助数组&#xff1a;右侧最大数组&#xff0c;求右侧最大数组就要从…

ChatGPT4.0知识问答、DALL-E生成AI图片、Code Copilot辅助编程,打开新世界的大门

目录 1、DALL-E 文字转图片 在线AI修改2、Write For Me3、Code Copilot 目前最强的AI编程大模型4、Diagrams: Show Me5、Instant Website [Multipage] 网站合成神器6、AskYourPDF Research Assistant 无限PDF7、Diagrams & Data: Research, Analyze, Visualize 精读Excel …

WPF之border标签边框控件、设置弧度、图片

border标签在WPF中承担着边框的角色又称之为边框标签&#xff0c;使用嵌套的方法去给一些标签添加边框&#xff0c;border标签包裹目标标签(border不能有多个子元素)。一般在给标签添加弧度时可以使用border。 常用属性 CornerRadius边框拐角的弧度&#xff0c;当宽高是一样的…

设计模式之监听器模式ListenerPattern(三)

一、介绍 监听器模式是一种软件设计模式&#xff0c;在对象的状态发生改变时&#xff0c;允许依赖它的其他对象获得通知。在Java中&#xff0c;可以使用接口和回调机制来实现监听器模式。 二、代码实例 1、事件Event类 package com.xu.demo.listener;// 事件类 public class…

多目标应用:MSSA多目标樽海鞘优化算法求解无人机三维路径规划(MATLAB代码)

一、无人机多目标优化模型 无人机三维路径规划是无人机在执行任务过程中的非常关键的环节&#xff0c;无人机三维路径规划的主要目的是在满足任务需求和自主飞行约束的基础上&#xff0c;计算出发点和目标点之间的最佳航路。 1.1路径成本 无人机三维路径规划的首要目标是寻找…

Maven3.9.6下载安装教程

(/≧▽≦)/~┴┴ 嗨~我叫小奥 ✨✨✨ &#x1f440;&#x1f440;&#x1f440; 个人博客&#xff1a;小奥的博客 &#x1f44d;&#x1f44d;&#x1f44d;&#xff1a;个人CSDN ⭐️⭐️⭐️&#xff1a;Github传送门 &#x1f379; 本人24应届生一枚&#xff0c;技术和水平有…

快速了解Django:核心概念解析与实践指南

title: 快速了解Django&#xff1a;核心概念解析与实践指南 date: 2024/5/1 20:31:41 updated: 2024/5/1 20:31:41 categories: 后端开发 tags: Django核心路由系统视图系统ORM管理中间件Web框架登录装饰器 第一章&#xff1a;Django简介 背景和发展历程&#xff1a; Djan…

B站广告投放开户的基本费用?

哔哩哔哩&#xff08;B站&#xff09;作为国内领先的年轻人文化社区与视频平台&#xff0c;凭借其独特的文化氛围和庞大的Z世代用户基础&#xff0c;成为品牌营销不可忽视的战场。对于意欲在这片沃土上播种品牌影响力的商家而言&#xff0c;深入理解B站广告投放的开户流程、费用…

cx_Oracle.DatabaseError: DPI-1047: Cannot locate a 64-bit Oracle Client library

pip install cx_Oracleimport cx_Oracle 再导入该模块进行数据库连接的时候报错 这个错误表明您的Python环境是64位的&#xff0c;但是您尝试使用的Oracle客户端库&#xff08;oci.dll&#xff09;是32位的 根据官方给出的文档进行查看 cx_Oracle 8 Installation — cx_Ora…

正则化手册:探索改进机器学习模型功能的实用技巧

书籍&#xff1a;The Regularization Cookbook&#xff1a;Explore practical recipes to improve the functionality of your ML models 作者&#xff1a;Vincent Vandenbussche 出版&#xff1a;Packt Publishing 书籍下载-《正则化手册&#xff1a;探索改进机器学习模型功…

密码学python库PBC安装使用

初始化 使用环境云服务器&#xff08;移动云可以免费使用一个月&#xff09; 选择ubuntu18.04-64位 第一次进入linux命令行之后是没有界面显示的&#xff0c;需要在命令行下载。 这里按照其他云平台操作即可&#xff1a;Ubuntu18.04 首次使用配置教程(图形界面安装) 记录好登录…