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 >北极研究大气成分的飞机和卫星(ARCTAS)任务期间收集的原位气溶胶示踪气体数据

北极研究大气成分的飞机和卫星(ARCTAS)任务期间收集的原位气溶胶示踪气体数据

作者头像
此星光明
发布2024-08-14 14:25:26
820
发布2024-08-14 14:25:26
举报

ARCTAS DC-8 Aircraft In-situ Aerosol Data

简介

ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data 是由DC-8飞机在北极研究大气成分的飞机和卫星(ARCTAS)任务期间收集的原位气溶胶示踪气体数据。数据由离子色谱仪、γ射线光谱仪和α-谱仪收集。该产品的数据收集已经完成。北极是理解气候变化的关键地区。北极对于诸如变暖、污染以及从北极欧亚和北美的针叶林火灾排放等环境干扰的响应包括关键过程,如冰盖和永久冻土的融化、雪的反照率降低,以及海盐气溶胶到冰的卤素自由基化学沉积。ARCTAS是一个探索北极气候敏感性程度较高的环境过程的野外活动。ARCTAS是NASA为国际全球大气化学(IGAC)极地研究做出的贡献的一部分。ARCTAS有四个主要目标。第一个是了解污染物对北极的远程传输。从北半球中纬度大陆带到北极的污染物具有环境后果,如改变区域和全球气候,影响臭氧收支。在ARCTAS之前,这些路径大部分仍然不确定。第二个目标是了解针叶林火对大气成分和气候的影响;其烟雾排放作为影响北极辐射收支和云过程并有助于对对流层臭氧产生影响的一种大气扰动。第三个目标是了解气溶胶辐射强迫与气候扰动的关系,因为北极是了解辐射强迫的重要地区之一。

ARCTAS由2008年4月和7月进行的两次为期三周的飞机部署组成。春季部署旨在探索北极雾霾、平流层对流层交换和日出光化学反应。由于4月在历史上是北半球中纬度陆地向北极污染季节性积累的高峰,因此选择了4月作为部署阶段。夏季部署旨在了解北部森林火灾在其最活跃季节阶段以及平流层对流层交换和夏季光化学中的情况。在ARCTAS期间,三架NASA飞机DC-8、P-3B和BE-200进行了测量,并配备了原位和遥感仪器套件。空中数据与来自AURA、AQUA、CloudSat、PARASOL、CALIPSO和MISR卫星观测相结合。ASDC存储了ARCTAS飞机数据,以及与Terra卫星上的MISR相关的数据,该卫星仪器提供有关地球环境和气候的测量数据。

Publisher

NASA/LARC/SD/ASDC

Contact Name

Jack Dibb

Contact Email

mailto:jack.dibb@unh.edu

Bureau Code

026:00

Program Code

026:001

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>32.0 -180.0 32.0 180.0 90.0 180.0 90.0 -180.0 32.0 -180.0</gml:posList></gml:LinearRing></gml:outerBoundaryIs><gml:innerBoundaryIs></gml:innerBoundaryIs></gml:Polygon>

Temporal Applicability

2008-03-18T00:00:00Z/2008-07-14T23:59:59.999Z

Theme

ARCTAS, geospatial

Language

en-US

Homepage

ASDC | ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data_1

Issued

2022-01-07T00:00:00.000Z

Unique Identifier

C2569836780-LARC_ASDC

Last Update

2022-01-20T00:00:00.000Z

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="ARCTAS_Aerosol_AircraftInSitu_DC8_Data",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2008-03-18", "2008-07-14"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. ASDC | ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data_1.

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:2024-08-14,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
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
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