OCO-3 1B 级校准、地理定位校准光谱,V10 (OCO3_L1B_Calibration),GES DISC

简介: OCO-3 L1B校准光谱数据(V10)源自国际空间站,含精确地理定位的太阳反射光谱(0.76/1.61/2.06 μm),用于CO₂与O₂反演。基于月球/太阳/暗场校准,提供视轴矢量而非像元位置,是NASA碳观测关键一级产品。(239字)

​OCO-3 Level 1B calibrated, geolocated calibration spectra, V10 (OCO3_L1B_Calibration) at GES DISC

简介

版本 10 是该数据集的当前版本。旧版本将不再可用,并被版本 10 取代。

轨道碳观测站-3 (OCO-3) 于 2019 年 5 月部署到国际空间站。从技术上讲,它是一个单一的仪器,几乎与 OCO-2 完全相同。

轨道碳观测站是美国宇航局首个旨在收集大气二氧化碳空间测量数据的任务,其精度、分辨率和覆盖范围足以表征控制大气中二氧化碳积累的过程。

OCO-3 集成了三台高分辨率光谱仪,可同时测量近红外波段(1.61 和 2.06 微米附近的二氧化碳)和 0.76 微米附近的分子氧 (O2) A 波段的反射太阳光。这三台光谱仪特性各异,并独立进行校准。它们的原始数据量 (DN) 与一级 B 处理流程的时间相关性,作为一级 A 产品提供。每个波段包含 1016 个光谱元素,但部分光谱元素在二级反演中被屏蔽。

此 L1B 产品基于校准模式测量(例如,月球、太阳、暗场观测),因此与 OCO3_L1B_Science (L1bSc)产品有所不同。产品格式的差异仅在于提供的地理位置信息。L1bSc 产品报告每次探测的地理位置数据,而校准产品则报告视轴矢量方向。

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="OCO3_L1B_Calibration",
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
|
4月前
|
缓存 搜索推荐 网络安全
KKCE:如何解决网站打开慢的问题?
网站打开慢?别急着瞎优化!本文提供一套零门槛、可复用的排查—解决—维护全流程:先用测速工具+浏览器调试精准定位慢因(服务器/资源/网络/本地),再针对性优化(升配、压缩图片、开CDN、配缓存),最后定期测速清理。小白也能3步提速,稳保秒开!(239字)
726 9
|
4月前
|
人工智能 运维 安全
Windows10用户部署OpenClaw的终极指南|路径规范+权限配置+故障排查
专为Windows 10 64位深度优化的OpenClaw(小龙虾)一键部署包:免命令行、免环境配置,解压即装;内置全部依赖与28万Tokens,全程可视化操作;独家解决SmartScreen拦截、权限限制等Win10特有问题,新手也能一次成功“养虾”!
|
9月前
|
安全
HTTP协议中请求方式GET 与 POST 什么区别 ?
简介:项目开发中常见GET与POST请求方式,主要区别在于参数传递位置、大小限制及安全性。GET用于获取数据,参数在URL中;POST用于提交数据,参数在请求体中,更安全。现代项目多采用RESTful风格,通过URL定位资源,不同请求方式(GET/POST/PUT/DELETE)对应不同操作,提升接口规范性与可读性。(238字)
|
3月前
|
人工智能 安全 BI
年轻人开始告别“左右滑社交交友经济”:2026社交交友App源码必须内置的6大吸金玩法
2026年的社交交友赛道,底层逻辑正在发生根本性重构——泛流量已不值钱,精准的情绪价值和真实的连接才值钱。
|
4月前
|
SQL 人工智能 自然语言处理
什么是低代码 v2.0 时代?JeecgBoot低代码用 Skills 把"一句话生成系统"做成了现实
一句话先说清楚:低代码 v1.0 阶段,是用"拖拽设计"代替"代码开发";低代码 v2.0 阶段,是用 AI Skills 把"拖拽设计"也省掉, 一句话生成功能。![低代码迈入 v2.0 时代 — Skills 加持一句话搭建系统](https://oscimg.oschina.net/osc
255 5
什么是低代码 v2.0 时代?JeecgBoot低代码用 Skills 把"一句话生成系统"做成了现实
|
4月前
|
人工智能 定位技术 数据库
2026 RAG 选型指南:Vector、Graph、Vectorless 该怎么挑
2026 RAG选型指南指出:Vector RAG已难胜任复杂场景;GraphRAG通过知识图谱支撑多跳关系推理,Vectorless RAG则摒弃向量库,依托文档树结构+LLM导航实现高精度定位。三者非替代,而应按问题类型智能路由——Adaptive RAG成企业新范式。
533 3
2026 RAG 选型指南:Vector、Graph、Vectorless 该怎么挑
|
3月前
|
存储 算法 Java
【JVM虚拟机】垃圾回收GC:垃圾收集器:ZGC/Shenandoah:核心原理、低延迟特性、JDK21分代ZGC优化(2026超高频)(附《思维导图》+《面试高频考点清单》)
本文系统梳理ZGC与Shenandoah两大低延迟GC器的核心原理(着色指针/ Brooks指针、读屏障)、分代优化(JDK21+)、性能对比及调优实践,覆盖2026年面试超高频考点,助力秒答原理、设计与选型问题。
|
3月前
|
机器学习/深度学习 数据可视化 测试技术
YOLO26如何涨点系列篇(NEU-DET缺陷检测) | CVPR2026 FAAFusion 解决Neck跨尺度方向冲突,实现涨点1.2%
在NEU-DET数据集下验证:原始mAP50原始为 0.722提升至 0.734 ,P 原始为  0.745 提升至   0.749, R 原始为 0.643 提升至0.665 , mAP50-95原始为0.407提升至 0.41
397 3
|
3月前
|
机器学习/深度学习 人工智能 监控
人体姿态检测数据集分享(适用于YOLO系列深度学习检测任务)
本数据集含6000张高质量标注图像,覆盖站着、摔倒、坐、深蹲、跑5类人体姿态,按5:1划分训练集与验证集,采用YOLO格式标注,结构清晰,开箱即用,适用于YOLOv8等目标检测模型训练,助力跌倒监测、智能健身、安防监控等应用。
518 3