AIRS/Aqua L1B Near Real Time (NRT) Infrared (IR) geolocated and calibrated radiances in BUFR format V005 (AIRIBRAD_NRT_BUFR) at GES DISC
简介
DSM 的热影响导致光谱响应函数 (SRF) 质心发生偏移，偏移量约为 SRF 宽度的 1%，相当于频率偏移 9 ppm。此偏移反映在 L1b v5 文件中每个 6 分钟颗粒的“spectral_freq”参数（观测频率）中。对亮温 (BT) 的影响程度取决于每个通道的光谱梯度。最大 BT 偏移量约为 +- 0.5 K，尽管许多通道的 BT 偏移量要小得多。大约 1803 个通道的 BT 偏移量小于 0.1 K，575 个通道的 BT 偏移量超过 0.1 K，而其中 231 个通道的 BT 偏移量大于 0.2 K。
如果 L1b v5 产品的用户担心这些变化可能会影响他们的科学研究和应用，我们建议他们改用 AIRS L1c v6.7.4 产品。该产品除了其他诸多改进外，还将光谱转换为固定频率网格。警告结束。
该产品是 AIRIBRAD_NRT_005 产品的 324 通道子集，其中还包含 AIRABRAD_NRT_005 产品的 AMSU 覆盖区，并将其转换为气象数据表示的二进制通用格式 (BUFR)。AIRS 和 AMSU 1B 级产品与常规处理方式有两点不同，以满足陆地大气近实时 (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，而无需这些颗粒；(2) 使用预测星历/姿态数据，而非最终星历/姿态数据。这些差异造成的后果在 AIRS 近实时 (NRT) 数据产品文档中有详细说明。大气红外探测器 (AIRS) 是搭载于第二个地球观测系统 (EOS) 极地轨道平台 EOS Aqua 上的一台光栅光谱仪 (R = 1200)。AIRS 与先进微波探测装置 (AMSU) 和巴西湿度探测器 (HSB) 相结合，构成了一个由可见光、红外和微波传感器组成的创新型大气探测组。
摘要
Additional Info
Field Value
Last Updated March 31, 2025, 9:00 PM (UTC+08:00)
Created March 31, 2025, 9:00 PM (UTC+08:00)
accessLevel public
bureauCode 026:00
catalog@context https://project-open-data.cio.gov/v1.1/schema/catalog.jsonld
catalog@id https://data.nasa.gov/data.json
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
catalog_describedBy https://project-open-data.cio.gov/v1.1/schema/catalog.json
citation AIRS Science Team/Moustafa Chahine. 2007-07-26. AIRIBRAD_NRT_BUFR. Version 005. AIRS/Aqua L1B Near Real Time (NRT) Infrared (IR) geolocated and calibrated radiances in BUFR format V005. Greenbelt, MD, USA. Archived by National Aeronautics and Space Administration, U.S. Government, Goddard Earth Sciences Data and Information Services Center (GES DISC). https://disc.gsfc.nasa.gov/datacollection/AIRIBRAD_NRT_BUFR_005.html. Digital Science Data.
creator AIRS Science Team/Moustafa Chahine
data-presentation-form Digital Science Data
graphic-preview-description Sample image of AIRIBRAD
graphic-preview-file https://docserver.gesdisc.eosdis.nasa.gov/public/project/Images/AIRIBRAD_NRT_BUFR_005.jpeg
harvest_object_id bdcb82b7-f911-44f8-b200-21fb36c87e04
harvest_source_id 61638e72-b36c-4866-9d28-551a3062f158
harvest_source_title DNG Legacy Data
identifier C1233769001-GES_DISC
issued 2024-08-07
landingPage https://cmr.earthdata.nasa.gov:443/search/concepts/C1233769001-GES_DISC.html
language en-US
metadata_type geospatial
modified 2024-11-20
programCode 026:001
publisher NASA/GSFC/SED/ESD/GCDC/GESDISC
release-place Greenbelt, MD, USA
resource-type Dataset
series-name AIRIBRAD_NRT_BUFR
source_datajson_identifier true
source_hash 7497dcddc50cfdfa9945f6359d11f0672c801a6c2628a6e6ce69fb974c631aab
source_schema_version 1.1
spatial -180.0 -90.0 180.0 90.0
temporal 2015-12-15T00:00:00Z/2024-11-25T00:00:00Z
theme Aqua,LANCE,geospatial
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="AIRIBRAD_NRT_BUFR",
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()
leafmap.nasa_data_download(results[:5], out_dir="data")
