ASTER L2 表面反射 SWIR 和 ASTER L2 表面反射 VNIR V003

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: Terra ASTER 表面反射率VNIR/SWIR(AST_07)数据产品提供经大气校正的太阳辐射反射率,空间分辨率分别为15米和30米,适用于地表监测。含已知SWIR异常及2024-2025年数据采集缺口。

​ASTER L2 Surface Reflectance SWIR and ASTER L2 Surface Reflectance VNIR V003

简介

Terra 先进星载热辐射与反射辐射计 (ASTER) 表面反射率 VNIR 和 SWIR (AST_07) 数据产品包含从地球表面反射到 ASTER 仪器的入射太阳辐射分数的测量值,该测量值已针对可见光和近红外 (VNIR) 以及短波红外 (SWIR) 传感器的大气影响和观测几何进行了校正。AST_07 产品的空间分辨率为 VNIR 波段 15 米 (m),SWIR 波段 30 米。每个产品交付包含两个分层数据格式 - 地球观测系统 (HDF-EOS) 文件:一个用于 VNIR,另一个用于 SWIR。它们之间的区别在于文件名中显示的生成时间存在一秒的差异。

已知问题

数据异常:请注意,从 2008 年 4 月至今采集的 ASTER SWIR 数据存在数值异常饱和和异常条纹。这种现象在之前的某些采集时期也存在。更多详情,请参阅 ASTER SWIR 用户咨询。

数据采集​​缺口:2024 年 11 月 28 日,Terra 的一个电力传输分流装置发生故障。结果导致电力不足以维持 ASTER 仪器的正常运行。ASTER 于 2025 年 1 月 18 日恢复了 VNIR 波段的采集,并于 2025 年 4 月 15 日恢复了 TIR 波段的采集。用户应注意,ASTER 在 2024 年 11 月 28 日至 2025 年 1 月 16 日期间采集的 VNIR 观测数据存在数据缺口,在 2024 年 11 月 28 日至 2025 年 4 月 15 日期间采集的 TIR 观测数据也存在数据缺口。

相对于先前版本的改进/变化

用于生成 L2 产品生成可执行文件 (PGE) 的基于科学可扩展脚本的任务科学处理器 (S4PM) 3.4 版算法依赖于新的辅助大气参数输入。现代时代回顾性研究与应用分析第 2 版 (MERRA-2) 是一项全球大气再分析,结合了遥感观测及其与气候系统的相互作用。它将成为 L2 PGE 的主要臭氧和水蒸气、气压和温度输入之一。MERRA-2 是一个三维、每 3 小时收集一次的数据,空间分辨率为 50 公里(纬度方向)。因此,它将提供更精细的地理分辨率网格。

臭氧:[TOVS 臭氧 (OZ_DLY ) > AURA 臭氧监测仪 (AURAOMI) > 平流层和对流层总臭氧分析 (TOAST) > 地球探测器总臭氧测绘光谱仪 (EPTOMS)] 或 [MERRA-2] > 国家环境预测中心 (NCEP)/全球数据同化系统 (GDAS) > 气候学
水蒸气、压力和温度:[MOD07_L2] 或 [MERRA-2] > NCEP/GDAS > 气候学
L2 PGE 的后备选项如下:
注意:MERRA-2 的时间范围涵盖 1980 年至今;然而,每月结束后会有约 3 周的延迟。因此,对于超出 MERRA-2 时间范围的按需请求,或数据非科学级别,将应用 NCEP/GDAS > 气候学回退序列。
自 2021 年 6 月 23 日起,辐射定标系数第五版 (RCC V5) 将应用于新观测的 ASTER 数据和已存档的 ASTER 数据产品。有关 RCC V5 的详细信息,请参阅以下期刊文章。

摘要

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="AST_07XT",
cloud_hosted=True,
bounding_box=(-180.0, -90.0, 180.0, 90.0),
temporal=("2000-03-06", "2000-03-13"),
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
|
9月前
|
安全 API PHP
拥抱现代PHP:探索枚举(Enum)的力量
拥抱现代PHP:探索枚举(Enum)的力量
590 104
|
传感器 存储 编解码
ENVI:如何进行对自带RPC的图像进行RPC正射校正呢?
ENVI:如何进行对自带RPC的图像进行RPC正射校正呢?
2843 0
|
9月前
|
人工智能 自然语言处理 安全
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
AI兴起催生“氛围编程”——用自然语言生成代码,看似高效实则陷阱。它让人跳过编程基本功,沦为只会提示、不懂原理的“中间商”。真实案例显示,此类项目易崩溃、难维护,安全漏洞频出。AI是技能倍增器,非替代品;真正强大的开发者,永远是那些基础扎实、能独立解决问题的人。
1062 12
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
|
9月前
|
人工智能 供应链 数据可视化
数字孪生智慧园区管理平台,三维可视化系统,沃思智能
智慧园区加速发展,2025年全球市场规模将超3000亿美元。依托物联网、AI等技术,管理系统实现安防、能源、空间等全链条智能化,推动园区从“物业服务”向“数据运营”转型,助力产城融合与绿色发展。(238字)
962 138
|
9月前
|
传感器 机器学习/深度学习 物联网
智慧城市数字孪生三维立体平台,沃思智能
数字孪生三维立体平台融合物理与数字世界,通过高精度建模、实时数据映射与多源信息融合,实现城市运行全息感知、智能分析与协同治理,广泛应用于交通管理、应急响应、城市规划与产业升级,助力智慧城市建设迈向高效化、智能化与可持续发展。
605 138
|
9月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
9月前
|
传感器 人工智能 算法
数字孪生智慧水务系统,三维立体平台,沃思智能
智慧水务系统融合物联网、数字孪生与AI技术,实现供水全流程智能监测、预测性维护与动态优化。通过实时数据采集与三维建模,提升漏损控制、节能降耗与应急响应能力,推动水务管理从经验驱动迈向数据驱动,助力城市水资源精细化、可持续化管理。
1443 143
|
9月前
|
安全 PHP
PHP 8 新特性:让代码更严谨与高效
PHP 8 新特性:让代码更严谨与高效
367 115
|
9月前
|
IDE PHP 开发工具
拥抱现代 PHP:探索联合类型与 Match 表达式
拥抱现代 PHP:探索联合类型与 Match 表达式
350 113
|
9月前
|
大数据 开发者 Python
Python列表推导式:简洁与高效的艺术
Python列表推导式:简洁与高效的艺术
498 109