前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >NASA数据集——ACEPOL气溶胶对气候和空气质量的影响,测量气溶胶的化学成分、粒度分布、高度剖面和光学特性

NASA数据集——ACEPOL气溶胶对气候和空气质量的影响,测量气溶胶的化学成分、粒度分布、高度剖面和光学特性

作者头像
此星光明
发布2024-04-20 09:06:41
1050
发布2024-04-20 09:06:41
举报

ACEPOL_AircraftRemoteSensing_RSP_Data

简介

ACEPOL 研究扫描偏振计(RSP)遥感数据(ACEPOL_AircraftRemoteSensing_RSP_Data)是在 ACEPOL 期间由 ER-2 上的研究扫描偏振计(RSP)收集的遥感测量数据。为了更好地了解气溶胶对气候和空气质量的影响,测量气溶胶的化学成分、粒度分布、高度剖面和光学特性至关重要。在遥感仪器方面,通过将强度和偏振的被动多角度、多光谱测量与高光谱分辨率激光雷达进行的主动测量相结合,可以获得最广泛的气溶胶属性集合。2017 年秋季,由美国国家航空航天局(NASA)和荷兰空间研究所(SRON)联合发起的 "偏振计和激光雷达气溶胶特征描述(ACEPOL)"活动从 NASA 的高空 ER-2 飞机上对美国上空的气溶胶和云层进行了测量。飞机上部署了六台仪器。其中四台是多角度偏振计:机载超角彩虹偏振计(AirHARP)、机载多角度光谱偏振成像仪(AirMSPI)、机载行星探测光谱仪(SPEX Airborne)和研究扫描偏振计(RSP)。另外两台仪器是激光雷达:高光谱分辨率激光雷达 2(HSRL-2)和云物理激光雷达(CPL)。ACEPOL 的运行基地设在美国宇航局位于加利福尼亚州帕姆代尔的阿姆斯特朗飞行研究中心,从而能够观测各种场景类型,包括城市、沙漠、森林、沿海海洋和农业区,以及晴朗、多云、污染和原始大气条件。ACEPOL 的主要目标是评估不同偏振计检索气溶胶和云层微物理和光学参数的能力,以及它们推算气溶胶层高度的能力(近紫外偏振测量法,O2 A 波段)。ACEPOL 还侧重于开发和评估结合主动(激光雷达)和被动(偏振计)仪器数据的气溶胶检索算法。ACEPOL 数据适用于算法开发和测试、仪器相互比较以及主动和被动仪器数据融合研究,是遥感界准备下一代星载 MAP 和激光雷达任务的宝贵资源。

数据信息

Publisher

NASA/LARC/SD/ASDC

Contact Name

Kirk Knobelspiesse

Contact Email

mailto:kirk.d.knobelspiesse@nasa.gov

Public Access Level

public

Geographic Coverage

<?xml version="1.0" encoding="UTF-8"?><gml:Polygon xmlns:gml="http://www.opengis.net/gml/3.2" srsName="EPSG:9825"><gml:outerBoundaryIs><gml:LinearRing><gml:posList>25.0 -130.0 25.0 -100.0 45.0 -100.0 45.0 -130.0 25.0 -130.0</gml:posList></gml:LinearRing></gml:outerBoundaryIs><gml:innerBoundaryIs></gml:innerBoundaryIs></gml:Polygon>

Temporal Applicability

2017-10-23T00:00:00Z/2017-11-09T23:59:59.999Z

Homepage

ASDC | ACEPOL_AircraftRemoteSensing_RSP_Data_1

Issued

2020-03-27T00:00:00.000Z

Unique Identifier

C1758588354-LARC_ASDC

Last Update

2022-04-08T00:00:00.000Z

代码

代码语言:javascript
复制
!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="ACEPOL_AircraftRemoteSensing_RSP_Data",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2017-10-01", "2017-11-20"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

2020-05-27. Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. https://doi.org/10.5067/SUBORBITAL/ACEPOL2017/AircraftRemoteSensing_RSP_Data_1.

网址推荐

0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-04-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 简介
  • 数据信息
  • 代码
  • 引用
    • 网址推荐
      • 0代码在线构建地图应用
        • 机器学习
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档