AIRS/Aqua L1B Near Real Time (NRT) Infrared (IR) quality assurance subset V005 (AIRIBQAP_NRT) at GES DISC
简介
AIRS 1B 级近实时 (NRT) 产品 (AIRIBQAP_NRT_005) 与常规产品 (AIRIBQAP_005) 在两个方面有所不同，以满足陆地大气 NRT 能力地球观测系统 (LANCE) 的三小时延迟要求：(1) 如果 5 分钟内无法获得前一个或后一个颗粒，则生成 NRT 颗粒时无需这些颗粒；(2) 使用预测星历/姿态数据，而不是最终星历/姿态数据。这些差异的后果在 AIRS 近实时 (NRT) 数据产品文件中进行了描述。大气红外探测器 (AIRS) 是第二个地球观测系统 (EOS) 极地轨道平台 EOS Aqua 上的设施仪器。 AIRS 与先进微波探测装置 (AMSU) 和巴西湿度探测器 (HSB) 相结合，构成了一个创新的大气探测组，由可见光、红外和微波传感器组成。AIRS 数据将持续生成。每天两次（白天和夜间）在 705 公里高度的太阳同步轨道上获取全球覆盖数据。AIRS 红外 1B 级 QA 子集包含质量保证 (QA) 参数，用户可使用这些参数过滤 AIRS 红外 1B 级辐射数据，以创建分析子集。QA 参数指示每通道颗粒质量、每通道扫描质量、视场和通道质量，应在分析任何数据之前访问。它还包含“glintlat”、“glintlon”和“sun_glint_distant”，用户可使用它们检查是否存在太阳闪烁污染的可能性。
摘要
Resource Type Dataset
Metadata Created Date November 12, 2020
Metadata Updated Date April 10, 2025
Publisher NASA/GSFC/SED/ESD/GCDC/GESDISC
Maintainer
ED ESFANDIARI
Identifier C1233768981-GES_DISC
Data First Published 2024-11-17
Language en-US
Data Last Modified 2025-03-31
Category Aqua, LANCE, geospatial
Public Access Level public
Bureau Code 026:00
Metadata Context https://project-open-data.cio.gov/v1.1/schema/catalog.jsonld
Schema Version https://project-open-data.cio.gov/v1.1/schema
Catalog Describedby https://project-open-data.cio.gov/v1.1/schema/catalog.json
Harvest Object Id 93ca3715-8335-4a23-982b-6c95ba69ebcb
Harvest Source Id 58f92550-7a01-4f00-b1b2-8dc953bd598f
Harvest Source Title NASA Data.json
Homepage URL https://cmr.earthdata.nasa.gov:443/search/concepts/C1233768981-GES_DISC.html
Metadata Type geospatial
Old Spatial -180.0 -90.0 180.0 90.0
Program Code 026:001
Source Datajson Identifier True
Source Hash ecc82b9daa6421299d16ae10211e60549e75ce9a0ef4a8b5dffb99d1b9a3e52f
Source Schema Version 1.1
Spatial
Temporal 2015-12-15T00:00:00Z/2024-11-25T00:00:00Z
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"
df = pd.read_csv(url, sep="\t")
df
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
short_name="AIRIBQAP_NRT",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2015-12-15", "2015-12-22"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
