OMI/Aura 云压和氧吸收率(O2-O2 吸收)1-轨道 L2 条带 13x24km V003 (OMCLDO2) 在 GES DISC

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: OMI/Aura OMCLDO2 V003是NASA GES DISC发布的L2级云产品,基于O₂-O₂吸收(477 nm)反演云压与云量,分辨率13×24 km²,含不确定性、几何参数及质量标志,HDF-EOS5格式,支持Python一键检索与可视化。

OMI/Aura Cloud Pressure and Fraction (O2-O2 Absorption) 1-Orbit L2 Swath 13x24km V003 (OMCLDO2) at GES DISC

简介

经重新处理后的 OMI/Aura 二级云数据产品 OMCLDO2 现已由 NASA 戈达德地球科学数据与信息服务中心(GES DISC)向公众开放。这是版本 003 的第二个版本,于 2011 年末重新处理。OMI 提供两种基于不同算法的云产品:旋转​​拉曼散射法和使用差分吸收光谱法(DOAS)的 O₂-O₂吸收法。该二级全球云产品在星下点处的像素分辨率为 13×24 km²,基于 DOAS 技术对 477 nm 处 O₂-O₂吸收带的光谱拟合。该产品包含云压、云量、倾斜柱 O₂-O₂、臭氧、环系数、导出参数的不确定性、地形和地理位置信息、太阳和卫星观测角度以及质量标志。该产品的首席科学家是 Pepijn Veefkind 博士。
OMCLDO2 产品文件以版本 5 分层数据格式 (HDF-EOS5) 存储。每个文件包含轨道日照部分(约 53 分钟)的数据,大小约为 15.096 MB。每天大约有 14 个轨道,因此总数据量约为 200 GB/天。

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="OMCLDO2",
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
|
22天前
|
数据采集 人工智能 编解码
YOLO不是“魔法”,是你自己也能跑通的一条工程流水线:Python从标注到训练全实战
YOLO不是“魔法”,是你自己也能跑通的一条工程流水线:Python从标注到训练全实战
251 2
YOLO不是“魔法”,是你自己也能跑通的一条工程流水线:Python从标注到训练全实战
|
JSON 自然语言处理 Java
【AgentScope Java新手村系列】(4)结构化输出
结构化输出 — JSON Schema 约束 LLM 输出格式,直接反序列化为 Java POJO,打通文本到对象的转换。
212 0
|
21天前
|
人工智能 缓存 JavaScript
2026 年开源 Agent 工具包选型指南:延迟、审计、可移植性与语言栈
本文系统梳理2026年构建AI Agent的7层开源工具栈,围绕四大核心约束——延迟预算、审计追踪、模型可移植性与语言栈(Python/TS),对比LangGraph、CrewAI、Mem0、Zep、OpenHands、Langfuse、vLLM等主流方案的适用场景、替换成本及开源性质,助力团队按需选型,避免“一刀切”组合陷阱。
256 1
2026 年开源 Agent 工具包选型指南:延迟、审计、可移植性与语言栈
|
21天前
|
人工智能 前端开发 数据挖掘
全链路实战:依托Codex完成PPT、数据分析、网页与APP一站式AI开发教程
在AI技术飞速迭代的当下,代码生成早已不是AI工具的单一能力边界。OpenAI旗下的Codex经过持续升级,如今已经成长为一款综合性智能生产力平台,除了经典的代码编写能力外,还支持插件调用、电脑远程操控、数据分析、多媒体制作、全品类应用开发等多元功能。本文将结合完整实操流程,一步步演示如何使用Codex完成PPT制作、体育赛事数据分析预测、网页开发以及移动端APP开发四大核心场景,全程记录操作指令、执行过程、代码实现以及问题优化方案,直观展现AI如何重塑传统工作与开发流程,同时剖析这套全链路AI工作模式的优势与现存局限。整套流程无需深厚的专业功底,普通办公人员、初级开发者都可以参考落地。
425 1
|
21天前
|
缓存 测试技术 API
Qwen 3.7 Plus 与 Max 实测:性价比与多模态能力差异解析(2026)
2026 年 6 月 1 日,阿里悄无声息地发布了 Qwen 3.7 Plus,距 Qwen 3.7 Max 上线刚好 11 天。同样的 1M 上下文,同样的 35 小时自治上限。但价格才是头条:Plus 是 0.40/M输入,Max是 2.50/M——便宜约 6 倍——并且还能看图、看视频。Vision Arena 上 Plus 已经排到 #16。所以这周真正值得讨论的问题不是”要不要为视觉能力买单”,而是”Max 凭什么用 6 倍价格换来 2 个百分点的 benchmark 领先”。
1015 14
|
22天前
|
人工智能 监控 Java
变天了!不会 Agent,技术岗竞争力正在被拉开
招聘趋势突变:AI Agent、RAG、工作流编排等词频现技术岗JD。这标志着企业需求从“会写代码”转向“会用AI落地业务”——测试开发尤需关注,因需求分析、用例生成、日志诊断等高重复、强流程场景,正成为Agent最佳实践入口。
|
22天前
|
存储 人工智能 自然语言处理
Skills实战:从0到1封装一个“登录鉴权”Skill,拿来即用
本文直击AI Agent落地痛点——登录鉴权失效、状态丢失、提示词不可靠。提出以“Skill”替代传统提示词工程:将动态认证逻辑(如Token获取/刷新/存储)封装为可复用、带状态管理的代码模块,实现跨会话稳定调用。实战拆解Skill四要素,揭示其如何让AI“一次登录,全程无忧”。
|
22天前
|
人工智能 缓存 监控
构建企业级 AI Agent 工程化实践:从原型到生产环境的跨越
本文深入探讨企业级AI Agent从原型到生产的工程化实践,直面LLM概率性与业务确定性的根本矛盾,提出“LLM负责感知推理、代码保障逻辑执行”的混合架构。系统阐述可观测性、安全护栏、性能优化、数据管理四大工程支柱,并结合IT运维、金融合规等实战场景,提供可落地的LLMOps方法论。
|
22天前
|
JSON 运维 监控
Skills 是什么?Claude 官方教你做一个好用的 Skill
Skills 可以理解成 Claude Code 给 Agent 准备的任务经验包。它把一类任务里反复出现的说明、脚本、模板、配置、坑点和历史记录放在一起,让 Claude 下次遇到类似任务时,可以直接复用已有经验。
211 0
Skills 是什么?Claude 官方教你做一个好用的 Skill

热门文章

最新文章