ASTER L2 表面温度 V003

简介: ASTER L2地表温度V003数据基于Terra卫星ASTER传感器的热红外波段,提供90米分辨率的地表动能温度,适用于火山、火灾、地表能量等研究。采用TES算法结合大气校正与MERRA-2再分析数据,提升精度。受电力故障影响,2024年11月28日至2025年4月15日TIR数据存在缺口。

​ASTER L2 Surface Temperature V003

简介

Terra 先进星载热辐射与反射辐射计 (ASTER) 地表动能温度 (AST_08) 数据利用光谱范围为 8 至 12 µm 的五个热红外 (TIR) 波段(白天或夜间均可获取)生成。它仅包含陆地区域 90 米空间分辨率的地表温度数据。地表动能温度数据为火山活动、热惯性、地表能量以及高分辨率火灾测绘研究提供了重要数据。

地表动能温度是通过应用普朗克定律,使用温度/发射率分离 (TES) 算法中的发射率值来确定的,该算法使用大气校正的 ASTER 地表辐射 (TIR) 数据。TES 算法首先使用归一化发射率法 (NEM) 估算 TIR 通道中的发射率。这些估算值与基尔霍夫定律结合使用,以解释由天空辐照度引起的离开陆地的 TIR 辐射。将该值从 TIR 辐射度中迭代减去,以估算发射辐射度,然后使用 NEM 模块计算温度。

ASTER 订购说明提供了订购该产品的分步说明。

已知问题

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。

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_08",
cloud_hosted=True,
bounding_box=(-180.0, -90.0, 180.0, 90.0),
temporal=("2000-03-04", "2000-03-11"),
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
|
1月前
|
数据挖掘 测试技术 图形学
《3D动作游戏受击反馈:从模板化硬直到沉浸式打击感的开发拆解》
本文记录3D动作游戏角色受击反馈系统的开发实践,针对早期依赖引擎模板导致的反馈雷同、硬直僵化等问题展开优化。通过联合多岗位梳理“视觉差异化、物理动态化、音效分层”需求,放弃传统组件,自研受击反馈状态机,实现状态独立配置与优先级切换;构建伤害类型-反馈参数映射表适配不同场景,开发动态硬直判定器平衡攻防体验。经性能优化(特效实例化、粒子分级)与细节打磨(弱点反馈强化、残血感知优化),解决卡顿、反馈不清晰等痛点,最终实现“每一击有重量”的沉浸打击感,为动作游戏受击系统开发提供实用参考。
154 11
|
1月前
|
安全 Java 编译器
为什么你的Java代码需要泛型?类型安全的艺术
为什么你的Java代码需要泛型?类型安全的艺术
165 98
|
25天前
|
数据采集 监控 API
告别手动埋点!Android 无侵入式数据采集方案深度解析
传统的Android应用监控方案需要开发者在代码中手动添加埋点,不仅侵入性强、工作量大,还难以维护。本文深入探讨了基于字节码插桩技术的无侵入式数据采集方案,通过Gradle插件 + AGP API + ASM的技术组合,实现对应用性能、用户行为、网络请求等全方位监控,真正做到零侵入、易集成、高稳定。
405 35
|
22天前
|
人工智能 监控 Java
构建定时 Agent,基于 Spring AI Alibaba 实现自主运行的人机协同智能 Agent
借助 Spring AI Alibaba 框架,开发者可快速实现定制化自动定时运行的 Agent,构建数据采集、智能分析到人工参与决策的全流程AI业务应用。
482 38
|
1月前
|
人工智能 安全 Java
分布式 Multi Agent 安全高可用探索与实践
在人工智能加速发展的今天,AI Agent 正在成为推动“人工智能+”战略落地的核心引擎。无论是技术趋势还是政策导向,都预示着一场深刻的变革正在发生。如果你也在探索 Agent 的应用场景,欢迎关注 AgentScope 项目,或尝试使用阿里云 MSE + Higress + Nacos 构建属于你的 AI 原生应用。一起,走进智能体的新世界。
414 38
|
22天前
|
存储 人工智能 安全
揭秘 MCP Streamable HTTP 协议亲和性的技术内幕
函数计算推出MCP Streamable HTTP亲和机制,支持会话级请求绑定,解决传统Serverless对会话应用支持不足的问题。实现高效生命周期控制,并支持Bearer认证,助力开发者构建更稳定、安全、高性能的AI应用服务。
403 25
|
1月前
|
人工智能 安全 API
近期 AI 领域的新发布所带来的启示
2024 年以来,AI 基础设施的快速发展过程中,PaaS 层的 AI 网关是变化最明显的基建之一。从传统网关的静态规则和简单路由开始,网关的作用被不断拉伸。用户通过使用网关来实现多模型的流量调度、智能路由、Agent 和 MCP 服务管理、AI 治理等,试图让系统更灵活、更可控、更可用。国庆期间 AI 界发布/升级了一些产品,我们在此做一个简报,从中窥探下对 AI 网关演进新方向的启示。
323 28
|
1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。
172 11
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
|
2月前
|
人工智能 测试技术 开发工具
如何将 AI 代码采纳率从30%提升到80%?
AI编码采纳率低的根本原因在于人类期望其独立完成模糊需求,本文提出了解决之道,讲解如何通过结构化文档和任务拆解提高AI的基础可靠性。
884 24
|
1月前
|
人工智能 IDE 程序员
Qoder 负责人揭秘:Qoder 产品背后的思考与未来发展
AI Coding 已经成为软件研发的必选项。根据行业的调研,目前全球超过 62% 的开发者正在使用 AI Coding 产品,开发者研发效率提升 30% 以上。当然,有很多开发者用得比较深入,提效超过 50%。
428 20