美国宇航局水汽项目测量(NVAP-M)气候分层可降水

简介: NVAP-M气候数据集提供1988–2009年全球分层可降水量产品,融合多源交叉校准卫星(SSM/I、AIRS、GPS)数据,具高稳定性与一致性,专为长期气候趋势研究设计,空间分辨率达1°,支持模型无关的水汽变化分析。(239字)


NASA Water Vapor Project MEaSUREs (NVAP-M) CLIMATE Layered Precipitable Water

简介
NVAP_CLIMATE_Layered-Precipitable-Water 数据集旨在提供最稳定的水汽数据集,用于气候应用。NASA 水汽项目 MEaSUREs (NVAP-M) 气候数据集仅包含来自稳定仪器的数据,这些仪器经过交叉校准,以确保来自同一仪器在多个卫星平台上运行的数据的一致性。新的 NVAP 数据集是在 NASA 地球科学数据记录研究环境 (MEaSUREs) 计划下创建的,并命名为 NVAP-M。它取代了之前的 NVAP 数据集。NVAP-M 延续了提供高质量、与模型无关的全球总柱水汽和分层水汽估算的传统。由于使用了改进的、经过交叉校准的数据集和算法(这些在之前的 NVAP 数据集中不可用),因此生成了一个改进且扩展的水汽数据集,该数据集足够稳定,可用于气候研究,并且其分辨率适合于较小时空尺度的研究。 NVAP-M 的真正价值将体现在各个领域应用和研究用户的成果中。Vonder Haar 等人(2012)已发表了一些 NVAP-M 的初步研究结果。除了先前 NVAP 数据集中存在的随时间变化的误差外,自 2003 年上次 NVAP 数据处理以来,还新增了大量数据。这些数据包括新增的 SSM/I 仪器、新增的 NOAA 卫星、搭载大气红外探测仪(AIRS)的 NASA 地球观测系统(EOS)-Aqua 卫星,以及来自全球定位系统(GPS)卫星的水汽信息。 此次扩展和重新处理工作将时间跨度从 14 年增加到 22 年(1988-2009 年),使数据集更适用于研究地球变暖过程中假定的长期趋势,且更具一致性。除了长期提供的每日 1 度网格总可降水量(TPW)和分层可降水量(PW)产品外,NVAP-M 还包含针对不同科学需求的其他产品。三个独立的处理流程分别生成了针对特定研究目标的产品。这些产品包括:NVAP-M Climate,旨在提供最稳定的水汽数据集,用于气候应用;NVAP-M Weather,旨在提供更高空间和时间分辨率的产品,用于较短时间尺度的研究以及天气个案研究。此外,仅包含海洋数据的 NVAP-M Ocean 版本仅包含来自 SSM/I 的数据,旨在与其他可用的仅包含 SSM/I 数据的数据集相匹配。

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/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="NVAP_CLIMATE_Layered-Precipitable-Water",
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")

相关文章
|
1月前
|
机器学习/深度学习 并行计算 算法
基于YOLOv8的5种玻璃缺陷识别(破裂/打胶/起霜/污染/未加工)(中英文双版) | 附完整源码与效果演示
本文介绍了一种基于YOLOv8的玻璃状况识别系统,该系统能够自动识别玻璃的五种常见缺陷:玻璃破裂、玻璃打胶、玻璃起霜、玻璃污染和玻璃未加工。通过采用先进的深度学习算法,实现了对玻璃产品的高精度、高效率检测,为工业生产提供了可靠的质量保障手段。
229 14
|
1月前
|
存储 弹性计算 安全
阿里云服务器2核4G可选实例规格、收费标准、适用场景及活动价格
阿里云2核4G配置云服务器因资源均衡、适用性广,成为个人开发者及企业的热门选择。目前u1实例2核4G5M带宽价格只要199元一年;经济型e实例2核4G配置599.93元/1年起;通用算力型u2i实例2核4G配置680.31元/1年起;通用算力型u2a实例2核4G配置504.60元/1年起;计算型c9i实例2核4G配置1742.08元/1年起。
773 7
|
1月前
|
人工智能 安全 API
AI Agent 从“花钱工具”到“赚钱助手”:OpenClaw阿里云/本地部署+API配置+集成交易变现Skill解析及避坑指南
OpenClaw(开发者昵称“小龙虾”)作为现象级开源AI智能体框架,凭借“自然语言驱动任务执行”的核心能力,成为2026年最热门的工具之一。但用户普遍面临一个痛点:模型调用、技能使用的Token消耗过高,长期使用成本不菲。而MoltsPay支付工具的出现,彻底改变了这一现状——它为OpenClaw赋予了支付与交易能力,让AI Agent不仅能“替你干活”,还能“为你赚钱”,通过承接其他Agent的任务订单获取收益,实现自我“造血”。
556 2
|
1月前
|
人工智能 安全 API
OpenClaw Skills终极指南:零技术部署+解锁5700+全场景Skill+阿里云百炼API配置及常见问题
2026年初,OpenClaw(昵称“小龙虾”)以72小时狂揽6万+ GitHub Stars的速度爆红,如今星标数已突破22万,不仅带动Mac Mini全球热销,更成为AI自动化领域的现象级工具。但很多用户部署后却陷入困惑:“明明是同款工具,别人的能自动办公、写代码、做调研,我的却只能简单聊天?”
623 3
|
1月前
|
JSON 前端开发 数据可视化
大模型应用:本地大模型API调用鉴权可视化全解析:从基础实现到业务扩展.45
本文详解本地大模型(如Qwen1.5-1.8B)的轻量级落地方案:基于FastAPI封装带API Key/JWT双鉴权的文本生成API,结合Streamlit构建可视化前端,支持参数调节、IP限流、历史记录与令牌自动刷新,CPU即可运行,兼顾安全性与易用性。
386 5
|
1月前
|
机器学习/深度学习 人工智能 监控
无人机战场侦察 6 类军事目标检测数据集(10,000张图片已划分、已标注)| AI训练适用于目标检测任务
本数据集含9978张无人机航拍图,涵盖山地、丛林、城市废墟等6类复杂战场场景,已精细标注BRT(战场侦察队)等6类军事目标(YOLO格式),划分训练/验证/测试集(6994:1984:1000),专为小目标检测、多尺度识别与战场态势感知算法训练优化。
534 12
|
1月前
|
人工智能 弹性计算 安全
阿里云三步分钟级部署 OpenClaw:打造你的 7×24 小时 AI 助理!
阿里云OpenClaw是零代码AI助手部署方案:仅需3步,即可在轻量应用服务器上快速搭建专属智能助理,7×24小时在线,无缝接入企业微信、钉钉、飞书、QQ等主流办公IM,安全稳定、开箱即用!
305 8
|
1月前
|
人工智能 弹性计算 自然语言处理
阿里云学生专属算力包:AI时代下大学生的“数字装备”新选择
阿里云学生专属算力包,19元享高性价比云端AI资源,含练手/毕设/科创三档套餐。配套“AI简历”个人主页,支持视频、交互Demo与GitHub直链,5分钟自然语言一键部署,助力大学生用作品说话,提升就业竞争力。
424 7
|
1月前
|
Java Windows
UGNX2512简体中文安装激活教程(附UGNX2512安装包下载)方法
UG NX2512正式发布:界面焕新暗黑风格,右上角标识更名“DC”,标题栏改为紫黑色;操作流畅度媲美NX2506。安装需管理员运行Setup,选中文/完整模块,注意路径无中文;关键步骤包括复制ProgramData至C盘、导入许可证、覆盖补丁文件。新增后处理配置器、NX真-MTS工件检测等优化功能。(239字)
2920 6
|
1月前
|
人工智能 自然语言处理 API
9.9元定制专属AI员工:阿里云OpenClaw快速部署全攻略!
在AI从“能说”迈向“能做”的关键节点,OpenClaw(原Clawdbot)以自然语言驱动任务执行,支持邮件处理、代码生成、跨平台协作等真实办公场景。仅需9.9元起,通过阿里云轻量服务器三步部署,15分钟即可拥有7×24小时在线的专属AI员工。
492 5