GES DISC 的 AIRS/Aqua L2 支持检索 (AIRS+AMSU) V006 (AIRX2SUP)

简介: AIRS/Aqua L2支持反演数据(AIRX2SUP)结合红外与微波观测,提供大气温湿等物理量的高垂直分辨率剖面(100层,1100–0.016 hPa),适用于辐射模拟与算法研究,空间分辨约50公里,覆盖全球,由NASA GES DISC发布。


AIRS/Aqua L2 Support Retrieval (AIRS+AMSU) V006 (AIRX2SUP) at GES DISC

简介
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。支持产品包括标准产品中发现的物理量的更高垂直分辨率剖面图以及中间输出(例如,仅微波反演)、痕量气体丰度等研究产品以及详细的质量评估信息。支持产品剖面图包含 1100 至 0.016 mb 之间的 100 个气压水平;这种更高的分辨率简化了使用正向模型生成辐射的过程,尽管垂直信息量并不比标准产品剖面图更大。水平分辨率为 50 公里。支持产品的目标用户是对生成正向辐射或研究产品感兴趣的研究人员以及 AIRS 算法开发团队。支持产品在所有地点生成,与标准产品相同。AIRS 粒子设置为 6 分钟数据,30 个足迹与轨道交叉,沿轨道有 45 条线。每天有 240 个粒子,轨道重复周期约为 16 天。

摘要
Additional Info
Field Value
Last Updated August 7, 2025, 4:44 AM (UTC+08:00)
Created April 1, 2025, 10:17 PM (UTC+08:00)
accessLevel public
bureauCode 026:00
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
harvest_object_id d5907c1c-c366-48ca-99fd-fc3d96da0e64
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.5067/Aqua/AIRS/DATA207
modified 2025-08-06T19:35:39Z
programCode 026:000
publisher NASA/GSFC/SED/ESD/TISL/GESDISC
resource-type Dataset
source_datajson_identifier true
source_hash 216b479c08a9a39f722897ebf59dc68ce05f93bf92faae8dc2eb44e6e55910ad
source_schema_version 1.1
spatial ["CARTESIAN",[{"WestBoundingCoordinate":-180,"NorthBoundingCoordinate":90,"EastBoundingCoordinate":180,"SouthBoundingCoordinate":-90}]]
theme "Earth Science"
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="AIRX2SUP",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2002-08-30", "2016-09-25"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")

相关文章
|
1天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1055 0
|
10天前
|
人工智能 运维 安全
|
1天前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
240 0
|
8天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
8天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
720 23