北美七个站点雨量计的 2 级(L2)校准小时降水量(厘米/小时)—机载下冠层和地表下微波观测站(AirMOSS)项目

简介: **AirMOSS: L2 小时降水量数据集 (2011-2015)**该数据集记录了北美七个站点的2级(L2)校准小时降水量(厘米/小时),是机载下冠层和地表下微波观测站(AirMOSS)项目的一部分。每个站点安装了三个雨量计,采样始于2011年9月,并于2015年12月结束。这些数据用于研究降水对地表水分含量和地下水补给的影响,支持气候变化及生态系统研究。


AirMOSS: L2 Hourly Precipitation at AirMOSS Sites, 2011-2015

北美七个站点雨量计的 2 级(L2)校准小时降水量(厘米/小时)—机载下冠层和地表下微波观测站(AirMOSS)项目

简介
该数据集提供了北美七个站点雨量计的 2 级(L2)校准小时降水量(厘米/小时),是机载下冠层和地表下微波观测站(AirMOSS)项目的一部分。 每个站点安装了三个雨量计。 2011 年 9 月开始在三个站点进行初步采样,2012 年和 2013 年又增加了其他站点。 所有采样工作于 2015 年 12 月结束。 AirMOSS 项目使用机载雷达仪器估算北美 10 个研究地点的根区土壤湿度。 这些降水数据是与地面土壤水分数据一起收集的,以便校准和验证 AirMOSS 数据。

摘要
AirMOSS(Airborne Microwave Observatory of Subcanopy and Subsurface)是一个用于监测陆地表面和地下水分含量的项目。L2 Hourly Precipitation at AirMOSS Sites是AirMOSS项目收集的数据之一,记录了2011年至2015年期间在AirMOSS监测站点的小时降水量。

该数据集提供了每小时的降水量,可用于研究降水的时空分布、变化趋势以及与其他因素的关联。这些数据可用于监测和研究降雨对地表水分含量和地下水补给的影响,以及与气候变化和生态系统的相互作用等相关问题。

为了收集这些数据,AirMOSS项目使用卫星上的激光雷达和微波雷达来监测陆地表面和地下水分含量。这些雷达能够穿透植被,并提供有关植被下的土壤水分状况的信息。通过采集大量的数据,可以更好地了解降水的时空分布和变化趋势,从而为气候研究和水资源管理提供更准确的数据支持。

L2 Hourly Precipitation at AirMOSS Sites数据集为研究人员提供了一个全面的小时降水量数据,使他们能够研究和分析地表水分含量和地下水补给的变化。这些数据对于水资源管理、气候变化研究以及农业和生态系统等领域的研究具有重要意义。

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="AirMOSS_L2_Precipitation_1417",
cloud_hosted=True,
bounding_box=(-121.56, 19.51, -72.17, 53.92),
temporal=("2011-09-01", "2015-12-31"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

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

引用
Cuenca, R., Y. Hagimoto, and AirMOSS Science Team. 2016. AirMOSS: L2 Hourly Precipitation at AirMOSS Sites, 2011-2015. ORNL DAAC, Oak Ridge, Tennessee, USA. AirMOSS: L2 Hourly Precipitation at AirMOSS Sites, 2011-2015, https://doi.org/10.3334/ORNLDAAC/1417

网址推荐
知识星球
知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)
https://wx.zsxq.com/group/48888525452428

机器学习
https://www.cbedai.net/xg

干旱监测平台
慧天干旱监测与预警-首页
https://www.htdrought.com/

相关文章
|
10月前
|
机器学习/深度学习 人工智能 分布式计算
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
305 35
|
10月前
|
人工智能 监控 API
体验《多模态数据信息提取》
体验《多模态数据信息提取》
|
10月前
|
机器学习/深度学习 人工智能 物联网
TransPixar AI
TransPixar是由Adobe研究院与香港科技大学合作开发的AI系统,专注于文本到视频生成,特别擅长处理透明效果。它能生成包含Alpha通道的RGBA视频,使烟雾、反射等元素自然融入场景。采用扩散变换器架构和低秩适应微调方法,确保RGB和Alpha通道的一致性。该技术简化了视觉特效制作流程,降低了成本,并在娱乐、广告等领域有广泛应用前景。在线体验demo:[TransPixar](https://transpixar-ai.net/)。
|
10月前
|
人工智能 Kubernetes Cloud Native
写在最前的话
本文是“拥抱云计算”系列的导语。文章回顾了作者与云计算的缘分始于2013年,并阐述了对云计算的理解:云计算是一种通过解耦实现业务弹性的架构。该系列文章旨在分享云计算技术栈、架构等核心思想,计划涵盖阿里云、分布式、微服务、云原生等主题,同步更新于微信公众号@云上的喵酱等平台。期待与读者共同探索云计算的奥秘。
157 18
写在最前的话
|
9月前
|
存储 前端开发 数据可视化
Grafana Loki,轻量级日志系统
本文介绍了基于Grafana、Loki和Alloy构建的轻量级日志系统。Loki是一个由Grafana Labs开发的日志聚合系统,具备高可用性和多租户支持,专注于日志而非指标,通过标签索引而非内容索引实现高效存储。Alloy则是用于收集和转发日志至Loki的强大工具。文章详细描述了系统的架构、组件及其工作流程,并提供了快速搭建指南,包括准备步骤、部署命令及验证方法。此外,还展示了如何使用Grafana查看日志,以及一些基本的LogQL查询示例。最后,作者探讨了Loki架构的独特之处,提出了“巨型单体模块化”的概念,即一个应用既可单体部署也可分布式部署,整体协同实现全部功能。
3211 70
Grafana Loki,轻量级日志系统
|
10月前
|
Windows
【Azure App Service】对App Service中CPU指标数据中系统占用部分(System CPU)的解释
在Azure App Service中,CPU占比可在App Service Plan级别查看整个实例的资源使用情况。具体应用中仅能查看CPU时间,需通过公式【CPU Time / (CPU核数 * 60)】估算占比。CPU百分比适用于可横向扩展的计划(Basic、Standard、Premium),而CPU时间适用于Free或Shared计划。然而,CPU Percentage包含所有应用及系统占用的CPU,高CPU指标可能由系统而非应用请求引起。详细分析每个进程的CPU占用需抓取Windows Performance Trace数据。
227 40
|
10月前
|
数据可视化 数据挖掘
RNA-seq 差异分析的细节详解 (6)
RNA-seq 差异分析的细节详解 (6)
259 38
RNA-seq 差异分析的细节详解 (6)
|
10月前
|
数据可视化 算法 数据挖掘
Python时间序列分析工具Aeon使用指南
**Aeon** 是一个遵循 scikit-learn API 风格的开源 Python 库,专注于时间序列处理。它提供了分类、回归、聚类、预测建模和数据预处理等功能模块,支持多种算法和自定义距离度量。Aeon 活跃开发并持续更新至2024年,与 pandas 1.4.0 版本兼容,内置可视化工具,适合数据探索和基础分析任务。尽管在高级功能和性能优化方面有提升空间,但其简洁的 API 和完整的基础功能使其成为时间序列分析的有效工具。
332 37
Python时间序列分析工具Aeon使用指南
|
10月前
|
人工智能 自然语言处理 安全
《人工智能与鸿蒙Next携手,开启智慧教育创新之旅》
在数字化时代,人工智能与鸿蒙Next系统的融合为智慧教育带来创新机遇。通过智能学习路径规划、自适应内容推荐、自动作业批改、课堂互动增强等功能,打造个性化学习体验。鸿蒙Next的分布式技术和安全特性确保多设备无缝切换和数据隐私保护。同时,智能资源管理和优质资源共享平台优化教育资源配置,推动教育公平。这一结合为智慧教育注入新活力,助力全面升级。
384 30
|
开发者 人工智能 自然语言处理
欢迎使用通义灵码
灵码使用指南!一键收藏。
140038 31