OMI/Aura 近紫外气溶胶指数、光学厚度和单次散射反照率 1-轨道 L2 13x24km
【摘要】 OMI/Aura Near UV Aerosol Index, Optical Depth and Single Scattering Albedo 1-Orbit L2 13x24km简介作为美国国家航空航天局 (NASA) 为研究环境创建地球系统数据记录 (MEaSUREs) 计划的一部分，本项目描述了一个数十年的基本气候数据记录 (FCDR)，其中包含校准的辐射亮度；以及一个地球系统...
OMI/Aura Near UV Aerosol Index, Optical Depth and Single Scattering Albedo 1-Orbit L2 13x24km
简介
作为美国国家航空航天局 (NASA) 为研究环境创建地球系统数据记录 (MEaSUREs) 计划的一部分，本项目描述了一个数十年的基本气候数据记录 (FCDR)，其中包含校准的辐射亮度；以及一个地球系统数据记录 (ESDR)，其中包含各大洲的气溶胶特性，这些数据记录来自三个传感器 32 年的卫星近紫外观测记录。
OMI/Aura 近紫外（版本 1）气溶胶指数、光学厚度和单次散射反照率数据产品包括气溶胶吸收光学厚度、气溶胶光学厚度、气溶胶单次散射反照率、云量、云光学厚度、折射率、辐射亮度、反射率和残余量，分辨率约为 13×24 公里。该产品还包含海洋校正后的地表反照率和地形气压等辅助数据。
这些二级数据以分层数据格式 5 (HDF5) 存储，可从戈达德地球科学 (GES) 数据和信息服务中心 (DISC) 获取。
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="OMIAuraAER",
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")
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）