ATom:来自 UAS 大气痕量物质色谱仪(UCATS)的测量数据:大气中氧化亚氮(N2O)、六氟化硫(SF6)、甲烷(CH4)、氢气(H2)、一氧化碳(CO)等数据

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
实时计算 Flink 版,5000CU*H 3个月
实时数仓Hologres,5000CU*H 100GB 3个月
简介: UCATS(UAS Chromatograph for Atmospheric Trace Species)是NASA开发的无人机载色谱仪,用于高分辨率测量大气中的痕量气体。ATom任务通过NASA DC-8飞机在全球范围内进行系统采样,涵盖0.2至12公里高度,提供N2O、SF6、CH4、H2、CO、H2O和O3等气体浓度数据。该数据集包含168个ICARTT格式文件,支持大气化学、气候变化及空气质量研究。引用:Elkins et al., 2019, DOI:10.3334/ORNLDAAC/1750。

ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS)

ATom:来自 UAS 大气痕量物质色谱仪(UCATS)的测量数据:大气中氧化亚氮(N2O)、六氟化硫(SF6)、甲烷(CH4)、氢气(H2)、一氧化碳(CO)、水蒸气(H2O)和臭氧(O3)的浓度

简介

UCATS (UAS Chromatograph for Atmospheric Trace Species) 是一种用于测量大气中微量物质的无人机色谱仪。它由NASA的研究人员开发,旨在提供高分辨率、高灵敏度的大气化学参数的测量。

UCATS使用色谱分离技术来分离和量化空气中的气体成分。它可以测量多种气体,包括臭氧、氧化物(如一氧化氮和二氧化氮)、甲烷、烷烃、挥发性有机化合物等。通过测量这些气体的浓度,科学家可以了解大气化学过程以及对气候和空气质量的影响。

UCATS是安装在无人机上的小型仪器,可以在不同的高度和地点进行观测。它具有高度自动化的功能,可以通过预先设置的任务进行测量,并将数据实时传输回地面。这使得UCATS能够提供连续的、实时的大气化学数据,有助于科学家更好地理解和预测大气变化。

UCATS的数据对于研究大气化学、气候变化和空气质量具有重要意义。它可以用于验证和改进大气模型,提供对大气成分的准确测量,并帮助科学家更好地理解大气中微量物质的来源、转化和影响。这些数据还可以用于监测大气污染、评估环境政策的有效性以及预测未来的气候变化趋势。

摘要

该数据集由无人机系统(UAS)大气痕量物种色谱仪(UCATS)收集,提供了大气中氧化亚氮(N2O)、六氟化硫(SF6)、甲烷(CH4)、氢气(H2)、一氧化碳(CO)、水蒸气(H2O)和臭氧(O3)的浓度。 UCATS 系统由三个不同的仪器组成:一个带电子捕获探测器的双通道色谱仪(一个测量 N2O 和 SF6,另一个测量 CH4、H2 和 CO),一个测量 H2O 的可调二极管激光器,以及一个双光束 O3 光度计。 ATom 任务在 NASA DC-8 飞机上部署了大量气体和气溶胶有效载荷,对大气层进行系统的全球范围采样,从 0.2 到 12 公里高度连续进行剖面测量。 该数据集包括 168 个逗号分隔文本(ICARTT)格式的文件,56 次飞行每次有三个数据文件(每个仪器一个)。

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="ABoVE_ASCENDS_XCO2_2050",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2017-07-20", "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")

引用

Elkins, J.W., E.J. Hintsa, and F.L. Moore. 2019. ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS). ORNL DAAC, Oak Ridge, Tennessee, USA. ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS), https://doi.org/10.3334/ORNLDAAC/1750

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
|
9月前
|
存储 SQL 关系型数据库
ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
ClickHouse的核心架构包括执行过程和数据存储两部分。执行过程涉及Parser与Interpreter解析SQL,通过Column、DataType、Block、Functions和Storage模块处理数据。Column是内存中列的表示,Field处理单个值,DataType负责序列化和反序列化,Block是内存中表的子集,Block Streams处理数据流。Storage代表表,使用不同的引擎如StorageMergeTree。数据存储基于分片和副本,1个分片由多个副本组成,每个节点只能拥有1个分片。
452 0
ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
|
9月前
|
分布式计算 DataWorks 调度
DataWorks报错问题之dataworks同步clickhouse数据报错如何解决
DataWorks是阿里云提供的一站式大数据开发与管理平台,支持数据集成、数据开发、数据治理等功能;在本汇总中,我们梳理了DataWorks产品在使用过程中经常遇到的问题及解答,以助用户在数据处理和分析工作中提高效率,降低难度。
|
存储 SQL 编解码
如何在ClickHouse中处理时序数据
ClickHouse具有强大的工具,可以高效地存储和处理时序数据,并可用于简单的解决方案和数据发掘,以及支持PB级的实时分析应用。
|
SQL 关系型数据库 MySQL
ClickHouse同步MySQL数据
ClickHouse同步MySQL数据
631 0
|
5天前
|
存储 运维 监控
从 ClickHouse 到 Apache Doris:在网易云音乐日增万亿日志数据场景下的落地
日志数据已成为企业洞察系统状态、监控网络安全及分析业务动态的宝贵资源。网易云音乐引入 Apache Doris 作为日志库新方案,替换了 ClickHouse。解决了 ClickHouse 运维复杂、不支持倒排索引的问题。目前已经稳定运行 3 个季度,规模达到 50 台服务器, 倒排索引将全文检索性能提升7倍,2PB 数据,每天新增日志量超过万亿条,峰值写入吞吐 6GB/s 。
从 ClickHouse 到 Apache Doris:在网易云音乐日增万亿日志数据场景下的落地
|
3月前
|
数据采集 存储 分布式计算
ClickHouse大规模数据导入优化:批处理与并行处理
【10月更文挑战第27天】在数据驱动的时代,高效的数据导入和处理能力是企业竞争力的重要组成部分。作为一位数据工程师,我在实际工作中经常遇到需要将大量数据导入ClickHouse的需求。ClickHouse是一款高性能的列式数据库系统,非常适合进行大规模数据的分析和查询。然而,如何优化ClickHouse的数据导入过程,提高导入的效率和速度,是我们面临的一个重要挑战。本文将从我个人的角度出发,详细介绍如何通过批处理、并行处理和数据预处理等技术优化ClickHouse的数据导入过程。
260 0
|
7月前
|
存储 DataWorks 监控
利用 DataWorks 数据推送定期推播 ClickHouse Query 诊断信息
DataWorks 近期上线了数据推送功能,能够将数据库查询的数据组织后推送到各渠道 (如钉钉、飞书、企业微信及 Teams),除了能将业务数据组织后推送,也能将数据库自身提供的监控数据组织后推送,这边我们就以 ClickHouse 为例,定期推播 ClickHouse 的慢 Query、数据量变化等信息,帮助用户掌握 ClickHouse 状态。
274 6
利用 DataWorks 数据推送定期推播 ClickHouse Query 诊断信息
|
7月前
|
消息中间件 NoSQL Redis
实时计算 Flink版产品使用问题之配置了最大连续失败数不为1,在Kafka的精准一次sink中,如果ck失败了,这批数据是否会丢失
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
8月前
|
分布式计算 运维 DataWorks
MaxCompute产品使用问题之数据如何导出到本地部署的CK
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
8月前
|
JSON NoSQL MongoDB
蓝易云 - mongodb数据如何导入到clickhouse
以上步骤是一种通用的方法,具体的实现可能会根据你的具体需求和数据结构有所不同。
154 1