目录

简介

摘要

代码

引用

网址推荐

知识星球

机器学习

干旱监测平台


AMSR-E/AMSR2 Unified L3 Daily 25 km Brightness Temperatures & Sea Ice Concentration Polar Grids V001

简介

AMSR-E/AMSR2 Unified Level-3 25 km 产品提供了利用 NASA Team 2 (NT2) 算法从北半球和南半球的亮度温度推导出的海冰浓度。 该数据集包括 6.9 至 89.0 GHz 频道的六个日亮度温度场、三个日海冰浓度场以及上升轨道、下降轨道和全轨道日平均值的三个日海冰浓度差值场。 海冰浓度差值场比较了 NT2 算法和 Bootstrap 算法。 注:本产品使用日本宇宙航空研究开发机构 (JAXA) AMSR2 Level-1R 输入亮度温度,这些温度在 JAXA AMSR-E 和 JAXA AMSR2 Level-1R 产品中进行了校准或统一。

摘要

AMSR-E/AMSR2 Unified L3 Daily 25 km Brightness Temperatures & Sea Ice Concentration Polar Grids V001是由日本航空航天研究开发机构(JAXA)和美国国家海洋和大气管理局(NOAA)联合开发的数据产品。

这个数据集提供了每天的25 km分辨率的亮温和海冰浓度数据,覆盖了全球的极地区域。亮温数据是通过AMSR-E和AMSR2卫星仪器的观测数据推导得出的,可以用来研究地表温度、降雨和云量等信息。海冰浓度数据是通过海冰算法对亮温数据进行处理得到的,可以用来监测海冰的分布和变化。

这些数据以极地网格形式呈现,每个网格单元的大小为25 km x 25 km。数据以NetCDF格式提供,并包括每个网格单元的亮温和海冰浓度值。数据集的版本号为V001,表示这是第一个发布的版本。

这个数据集的主要用途包括海冰观测、气候变化研究、海洋生态系统监测等。研究人员和科学家可以使用这些数据来分析和理解极地地区的物理和化学过程,以及它们对全球气候和环境的影响。

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="AU_SI25",
    cloud_hosted=True,
    bounding_box=(-180.0, 30.98, 180.0, 89.24),
    temporal=("2012-07-02", "2017-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

AMSR-E/AMSR2 Unified Level-3 25 km 产品提供了利用 NASA Team 2 (NT2) 算法从北半球和南半球的亮度温度推导出的海冰浓度_nasa

引用

Markus, T., Comiso, J. C. & Meier, W. N. (2018). AMSR-E/AMSR2 Unified L3 Daily 25 km Brightness Temperatures & Sea Ice Concentration Polar Grids. (AU_SI25, Version 1). [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. AMSR-E/AMSR2 Unified L3 Daily 25 km Brightness Temperatures & Sea Ice Concentration Polar Grids, Version 1 | National Snow and Ice Data Center. [describe subset used if applicable]. Date Accessed 12-06-2024.