大气成分氨体积混合比 L3 (AIRSAC3MNH3 V3) 来自 NASA Aqua 上的 AIRS/AMSU,位于 GES DISC

简介: 本数据集由NASA Aqua卫星上的AIRS/AMSU传感器获取,提供2002年9月至2016年8月全球大气氨体积混合比。氨是氮循环关键成分,主要来源于农业活动,对气溶胶形成和地球辐射平衡有重要影响。


Atmospheric Composition Ammonia Volume Mixing Ratio L3 (AIRSAC3MNH3 V3) from AIRS/AMSU on NASA Aqua at GES DISC

简介
大气中氨的质量浓度由用于研究大气氨的生成物组成。大气氨是全球氮循环的重要组成部分。在对流层中,氨与硫酸和硝酸等酸快速反应形成细颗粒物。这些含氨气溶胶会影响地球的辐射平衡,既直接影响入射辐射,也间接影响云凝结核。大气氨的主要来源包括农业活动,包括畜牧业,尤其是集约化动物饲养和化肥使用。大气氨的主要汇包括干沉降和降水的湿迁移,以及与酸反应转化为颗粒氨。大气中氨的测量值很少,但卫星提供了一种监测全球大气成分的方法。该算法利用 AIRS/AMSU 卫星,提供 2002 年 9 月至 2016 年 8 月期间每月大气氨的测量值。

摘要
Additional Info
Field Value
Last Updated August 28, 2025, 6:30 AM (UTC+08:00)
Created April 1, 2025, 10:36 PM (UTC+08:00)
accessLevel public
bureauCode 026:00
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
harvest_object_id 5d952e24-ffd4-44d3-a705-5fc6c68fb8a5
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.5067/06YIT7GX74FN
landingPage https://docserver.gesdisc.eosdis.nasa.gov/public/project/Images/AIRSAC3MNH3.v3.png
modified 2025-08-27
programCode 026:000
publisher NASA/GSFC/SED/ESD/TISL/GESDISC
resource-type Dataset
source_datajson_identifier true
source_hash c7e2966ef802d0de3fa1153ee9f2857d44f1069806681cfabc58f44f88ebc556
source_schema_version 1.1
spatial ["CARTESIAN",[{"WestBoundingCoordinate":-180,"NorthBoundingCoordinate":90,"EastBoundingCoordinate":180,"SouthBoundingCoordinate":-90}]]
temporal 2002-09-01/2002-09-01
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="AIRSAC3MNH3",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2002-09-01", "2016-08-31"),
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
|
4月前
|
Python
ASCENDS:空气中二氧化碳 LAS 检索,美国印第安纳州印第安纳波利斯,2014 年
本数据集记录2014年9月3日印第安纳波利斯早高峰时段大气CO₂的机载激光遥感测量,采用NASA JPL开发的CO₂LAS仪器,基于IPDA激光雷达技术获取城市下风向CO₂羽流及排放率,助力ASCENDS任务验证。数据由DC-8飞机采集,HDF5格式,用于研究城市碳排放。
106 24
|
存储 边缘计算 人工智能
边缘计算是啥?
边缘计算是啥?
1096 0
|
4月前
|
传感器 数据采集 编解码
ASTER L2 表面辐射 VNIR 和 SWIR V003
ASTER L2地表辐射VNIR/SWIR(AST_09)产品提供15米(VNIR)和30米(SWIR)空间分辨率的大气校正地表辐射数据,适用于地表反射率分析。数据以HDF-EOS格式分VNIR与SWIR双文件存储,需订购获取。注意:2008年4月起SWIR数据存在饱和与条纹异常;2024年11月28日至2025年1月16日VNIR、同年11月28日至4月15日TIR观测存在数据中断。V003版本采用MERRA-2再分析数据提升大气参数精度。
107 0
|
5月前
|
自然语言处理 计算机视觉 Python
SoccerNet 2025挑战赛:赛题整理(一)
介绍SoccerNet数据集和SoccerNet 2025挑战赛,并梳理SoccerNet 2025挑战赛中的赛题一
583 96
|
4月前
|
数据采集 编解码 算法
ASTER L2 Surface Emissivity V003
ASTER L2表面发射率V003产品基于TES算法,提供5个热红外波段的90米分辨率陆地发射率数据。依托MERRA-2等高精度大气输入,提升反演精度,并支持通过Earthdata获取。注意2024年11月28日至2025年4月15日TIR数据存在缺口。
145 0
|
4月前
|
传感器 编解码 数据库
ASTER 全球水体数据库 NetCDF V001
ASTER全球水体数据库(ASTWBD)V1版提供约30米分辨率的全球水体覆盖与高程数据,范围涵盖南北纬83°之间,包含海洋、湖泊和河流分类,结合ASTER GDEM v3数据生成,用于精确校正水体高程,支持NetCDF格式,适用于水文与环境研究。
138 0
|
7月前
|
NoSQL MongoDB 数据库
数据库数据恢复—MongoDB数据库数据恢复案例
MongoDB数据库数据恢复环境: 一台操作系统为Windows Server的虚拟机上部署MongoDB数据库。 MongoDB数据库故障: 工作人员在MongoDB服务仍然开启的情况下将MongoDB数据库文件拷贝到其他分区,数据复制完成后将MongoDB数据库原先所在的分区进行了格式化操作。 结果发现拷贝过去的数据无法使用。管理员又将数据拷贝回原始分区,MongoDB服务仍然无法使用,报错“Windows无法启动MongoDB服务(位于 本地计算机 上)错误1067:进程意外终止。”
|
5月前
|
机器学习/深度学习 边缘计算 监控
基于YOLOv8的鸟类智能识别系统设计与实现
鸟类是生态系统中非常重要的物种,对生物多样性保护和生态研究具有重要意义。 传统的鸟类识别需要人工观察与分类,不仅效率低,而且容易受限于专家经验。 随着深度学习的发展,基于 YOLOv8 的鸟类检测系统 能够在自然场景中高效、准确地完成多物种识别,为生态监测、科研和教育提供有力工具。
基于YOLOv8的鸟类智能识别系统设计与实现
|
10月前
|
数据采集 运维 安全
Linux设备命令行运维工具WowKey问答
WowKey 是一款用于 Linux 设备运维的工具,可通过命令行手动或自动执行指令剧本,实现批量、标准化操作,如健康检查、数据采集、配置更新等。它简单易用,只需编写 WIS 指令剧本和 APT 帐号密码表文件,学习成本极低。支持不同流派的 Linux 系统,如 RHEL、Debian、SUSE 等,只要使用通用 Shell 命令即可通吃Linux设备。
|
11月前
|
机器学习/深度学习 文字识别 测试技术
Qwen2.5-VL-32B: 更聪明、更轻量!
年前,阿里通义千问团队推出了 Qwen2.5-VL 系列模型,获得了社区的广泛关注和积极反馈。在 Qwen2.5-VL 系列的基础上,研究团队使用强化学习持续优化模型,并使用 Apache 2.0 协议开源 32B 这个备受喜爱的参数规模的新 VL 模型—— Qwen2.5-VL-32B-Instruct。相比此前发布的 Qwen2.5-VL 系列模型,本次推出的 32B 模型的特点如下:
4046 0