AIRS/Aqua L3 5 天量化(物理单位)(AIRS+AMSU)5 度 x 5 度 V006(AIRX3QP5)在 GES DISC

简介: 大气红外探测器(AIRS)联合AMSU和HSB传感器,提供5°×5°空间分辨率的5日量化产品(AIRH3QP5),涵盖温度、水汽、云参数及痕量气体等多维大气数据,适用于气候研究与环境监测。

AIRS/Aqua L3 5-day Quantization in Physical Units (AIRS+AMSU+HSB) 5 degrees x 5 degrees V006 (AIRH3QP5) 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。量化产品 (QP) 是从 2 级标准反演产品(条带类型)派生出的分布摘要,旨在提供比传统均值和标准差更全面的统计摘要。QP 产品结合了 2 级标准数据参数,覆盖 5 x 5 度空间范围的网格单元,时间周期为五天,经度为 -180.0 至 +180.0 度,纬度为 -90.0 至 +90.0 度。对于每个 4 字节浮点平均值网格图,都有一个对应的 4 字节标准偏差浮点图和一个 2 字节整数计数网格图。计数图为用户提供平均值中包含的每个箱体的点数,并可用于从每日网格产品生成自定义多日地图。热力学参数包括:表皮温度(陆地和海面)、地表气温、气温和水蒸气廓线、对流层顶特征、柱状可降水、云量/频率、云高、云顶气压、云顶温度、反射率、发射率、地表气压、云垂直分布。痕量气体参数包括:一氧化碳、甲烷和臭氧的总量和垂直廓线。数据文件中变量的实际名称应从处理文件描述文档中推断出来。

摘要
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 5becf807-5289-410f-9241-226d34d38d65
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.5067/Aqua/AIRS/DATA331
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 d3fcc4add543f868934c8402d4c3fc3801e1aaafd7b8fa094a461ef5c3e288a9
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="AIRH3QP5",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2002-09-01", "2003-02-06"),
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
|
6月前
|
运维 监控 Cloud Native
从本土到全球,云原生架构护航灵犀互娱游戏出海
本文内容整理自「 2025 中企出海大会·游戏与互娱出海分论坛」,灵犀互娱基础架构负责人朱晓靖的演讲内容,从技术层面分享云原生架构护航灵犀互娱游戏出海经验。
590 16
|
6月前
|
人工智能 监控 JavaScript
Playwright初学指南 (3):深入解析交互操作
本文深度解析Playwright如何通过智能等待、自动重试等机制解决Web自动化中60%的交互失败问题。从基础点击/输入到高级拖拽/iframe操作,提供企业级解决方案和性能优化技巧,帮助开发者实现98%的操作成功率,打造稳定高效的自动化测试体系。
|
6月前
|
人工智能 Kubernetes Cloud Native
MSE Nacos Controller:为 Kubernetes 生态构建配置管理与服务发现的桥梁
在企业云原生转型过程中,如何实现传统微服务与 Kubernetes 服务的配置统一管理、服务互通及协议转换成为关键挑战。MSE Nacos Controller 应运而生,作为连接 Kubernetes 与 Nacos 的桥梁,支持 ConfigMap 与 Nacos 配置双向同步、服务自动注册发现,并助力 Higress 等 MCP 网关实现 REST API 向 AI 可调用 MCP 服务的转换,全面提升系统治理能力与智能化水平。
491 32
|
6月前
|
运维 Dubbo Cloud Native
Dubbo 云原生重构出击:更快部署、更强控制台、更智能运维
Apache Dubbo 最新升级支持云原生,提供一键部署微服务集群与全新可视化控制台,提升全生命周期管理体验,助力企业高效构建云原生应用。
521 25
|
6月前
|
Cloud Native 测试技术 开发者
云原生 LFX Mentorship 招募中:开源影响力与丰厚报酬兼得,开发者不容错过!
参与其中的开发者不仅有机会在经验丰富的社区 Mentor 指导下贡献开源项目、为职业生涯加分,完成课题后还能获得丰厚酬劳。
|
6月前
|
机器学习/深度学习 算法 数据格式
MARS算法理论和Python代码实现:用分段回归解决非线性时间序列预测问题
本文将深入探讨MARS算法的核心原理,并详细阐述其在时间序列预测任务中的应用策略与技术实现。
337 0
|
6月前
|
数据采集 网络协议 大数据
如何用aiohttp实现每秒千次的网页抓取
如何用aiohttp实现每秒千次的网页抓取
|
7月前
|
运维 Prometheus 监控
API 网关 x OKG:游戏连接治理的「最后一公里」
本文介绍了 API 网关与 OpenKruiseGame(OKG)结合,在云原生游戏场景中实现连接治理“最后一公里”的解决方案。针对游戏服务的有状态特性,该方案通过精细化流量管理和无感变更能力,保障玩家会话连续性,提升运维效率,助力游戏服务实现优雅下线、配置动态更新等功能,同时提供零改造接入和全栈可观测性,显著优化游戏体验与开发运维流程。
347 0