​

 ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS)

简介

该数据集由无人机系统（UAS）大气痕量物种色谱仪（UCATS）收集，提供了大气中氧化亚氮（N2O）、六氟化硫（SF6）、甲烷（CH4）、氢气（H2）、一氧化碳（CO）、水蒸气（H2O）和臭氧（O3）的浓度。 UCATS 系统由三个不同的仪器组成：一个带电子捕获探测器的双通道色谱仪（一个测量 N2O 和 SF6，另一个测量 CH4、H2 和 CO），一个测量 H2O 的可调二极管激光器，以及一个双光束 O3 光度计。 ATom 任务在 NASA DC-8 飞机上部署了大量气体和气溶胶有效载荷，对大气层进行系统的全球范围采样，从 0.2 到 12 公里高度连续进行剖面测量。 该数据集包括 168 个逗号分隔文本（ICARTT）格式的文件，56 次飞行每次有三个数据文件（每个仪器一个）。

摘要

ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS)是一项关于大气成分测量的科学研究项目。该项目使用无人机上的气相色谱仪（UCATS）收集大气中微量物质的数据。

UCATS是一种高分辨率气相色谱仪，能够精确测量大气中的各种气体和挥发性有机化合物。它具有高灵敏度和高精度，能够探测到极低浓度的化合物，并提供准确的浓度测量结果。

ATom项目旨在深入了解大气中的化学组成和变化，尤其是对臭氧和温室气体的研究。UCATS通过收集空中样品并对其进行分析，提供了大量有关大气成分和化学反应的数据。这些数据可以用于研究大气污染、气候变化和生态系统健康等问题。

ATom项目还使用了其他仪器和观测设备，如气象探测器、激光雷达和气溶胶探测器等，以综合评估大气环境和气候变化的影响。

ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS)数据具体包括了大气中各种气体和化合物的浓度测量结果，如臭氧、二氧化碳、甲烷、一氧化碳、氮氧化物等。这些数据以时间和空间分辨率提供，可以用于研究大气成分的时空变化和分布规律。

Flight campaign schedule

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="ATom_UCATS_Instrument_Data_1750",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("2016-07-12", "2018-05-20"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Elkins, J.W., E.J. Hintsa, and F.L. Moore. 2019. ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS). ORNL DAAC, Oak Ridge, Tennessee, USA. ATom: Measurements from the UAS Chromatograph for Atmospheric Trace Species (UCATS), https://doi.org/10.3334/ORNLDAAC/1750

网址推荐

知识星球

知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg