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 >AMSR-E L2 降雨子集:GES DISC 的 CloudSat 轨道 V002 (AMSERR_CPR) 位于同一地点

AMSR-E L2 降雨子集:GES DISC 的 CloudSat 轨道 V002 (AMSERR_CPR) 位于同一地点

作者头像
此星光明
发布2024-07-12 09:49:49
1130
发布2024-07-12 09:49:49
举报

AMSR-E L2 Rainfall Subset, collocated with CloudSat track V002 (AMSERR_CPR) at GES DISC

AMSR-E L2 降雨子集,与位于 GES DISC 的 CloudSat 轨道 V002 (AMSERR_CPR) 位于同一地点

简介

这是沿云卫星视场轨迹的 AMSR-E 雨率产品子集。子集的目标是选择并返回云卫星轨道-100 公里范围内的 AMSR-E 数据。因此,所产生的子集扫描范围为 45 像素跨轨道。除此之外,还尽一切努力保留源全尺寸数据的原始 HDF-EOS 格式。

美国航天局 EOS Aqua 卫星上的高级微波扫描辐射计-地球观测系统(AMSR-E)仪器对陆地、海洋和大气变量进行全球被动微波测量,用于研究水和能量循环。

最初的全尺寸产品是 Level-2B 扫频产品(AE_Rain),它包含从 Level-2A 亮度温度(AE_L2A)生成的降雨率和降雨类型(对流与层状)的瞬时测量值。戈达德太空飞行中心(GSFC)的剖面算法可确定海洋地区的降雨率和降雨类型,而修正的GSFC剖面算法可确定陆地地区的降雨率和降雨类型。数据以 HDF-EOS (HDF4) 格式存储,从 2002 年 6 月 18 日开始提供,直到 2011 年 10 月 AMSR-E 仪器因天线问题关闭为止。

- **🛰️ AMSR-E L2 Rainfall Subset** 这是一个包含AMSR-E雨量子集的数据集,与GES DISC上的CloudSat轨道V002(AMSERR_CPR)相对应。[来源](https://monica.im/s/Cu7SftCzdK)

- **🌧️ AMSR-E雨量产品** 该数据集是AMSR-E雨量产品的子集,与CloudSat轨道V002(AMSERR_CPR)在GES DISC上进行对应。[来源](https://monica.im/s/Cu7SftCQgM)

- **🚀 GES DISC** GES DISC是地球科学数据信息服务中心,提供各种卫星数据集和信息。[来源](https://monica.im/s/Cu7SfvTmgg)

Resource Type

Dataset

Metadata Created Date

November 12, 2020

Metadata Updated Date

December 7, 2023

Publisher

NASA/GSFC/SED/ESD/GCDC/GESDISC

Maintainer

ANDREY SAVTCHENKO

Identifier

C1236350984-GES_DISC

Data First Published

2006-06-01

Language

en-US

Data Last Modified

2011-07-12

Category

ATDD, geospatial

Public Access Level

public

Bureau Code

026:00

Metadata Context

https://project-open-data.cio.gov/v1.1/schema/catalog.jsonld

Metadata Catalog ID

https://data.nasa.gov/data.json

Schema Version

https://project-open-data.cio.gov/v1.1/schema

Catalog Describedby

https://project-open-data.cio.gov/v1.1/schema/catalog.json

Citation

Global Hydrology Resource Center/MSFC/NASA. GES DISC. 2009-03-01. AMSRERR_CPR. Version 002. AMSR-E L2 Rainfall Subset, collocated with CloudSat track V002. Greenbelt, MD, USA. AMSRERR_CPR. Archived by National Aeronautics and Space Administration, U.S. Government, Goddard Earth Sciences Data and Information Services Center (GES DISC). https://disc.gsfc.nasa.gov/datacollection/AMSRERR_CPR_002.html. Digital Science Data.

Creator

Global Hydrology Resource Center/MSFC/NASA

Data Presentation Form

Digital Science Data

Editor

GES DISC

Graphic Preview File

https://docserver.gesdisc.eosdis.nasa.gov/public/project/Images/AMSRERR_CPR_002.png

Harvest Object Id

7e556f59-1860-4304-9277-890402f0023a

Harvest Source Id

58f92550-7a01-4f00-b1b2-8dc953bd598f

Harvest Source Title

NASA Data.json

Issue Identification

AMSRERR_CPR

Homepage URL

https://cmr.earthdata.nasa.gov:443/search/concepts/C1236350984-GES_DISC.html

Metadata Type

geospatial

Old Spatial

-180.0 -90.0 180.0 90.0

Program Code

026:001

Release Place

Greenbelt, MD, USA

Series Name

AMSRERR_CPR

Source Datajson Identifier

True

Source Hash

c115ec19c34a7b0e11550fab478f0d945f873f4ca678fb034f84ded80ad05634

Source Schema Version

1.1

Spatial

Temporal

2006-06-01T00:00:00Z/2011-07-12T23:59:59.999Z

Hide

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="AMSRERR_CPR",
    cloud_hosted=True,
    bounding_box=(-180, -90, 180, 90),
    temporal=("2006-06-01", "2011-07-12"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Global Hydrology Resource Center/MSFC/NASA. GES DISC. 2009-03-01. AMSRERR_CPR. Version 002. AMSR-E L2 Rainfall Subset, collocated with CloudSat track V002. Greenbelt, MD, USA. AMSRERR_CPR. Archived by National Aeronautics and Space Administration, U.S. Government, Goddard Earth Sciences Data and Information Services Center (GES DISC). https://disc.gsfc.nasa.gov/datacollection/AMSRERR_CPR_002.html. Digital Science Data

网址推荐

0代码在线构建地图应用

https://invite.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:2024-07-10,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
  • 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