NASA数据集——2002-2011年全球18.7 至 89.0 千兆赫的亮度温度、海冰浓度和海冰积雪深度三级网格产品（AE

NASA数据集——2002-2011年全球18.7 至 89.0 千兆赫的亮度温度、海冰浓度和海冰积雪深度三级网格产品（AE_SI12）数据

news2024/12/23 8:19:40

AMSR-E/Aqua Daily L3 12.5 km Brightness Temperature, Sea Ice Concentration, & Snow Depth Polar Grids V003

三级网格产品（AE_SI12）包括 18.7 至 89.0 千兆赫的亮度温度、海冰浓度和海冰积雪深度。

简介

美国国家航空航天局地球观测系统 Aqua 卫星上的高级微波扫描辐射计-地球观测系统（AMSR-E）仪器提供陆地、海洋和大气变量的全球被动微波测量，用于研究水和能量循环。这个三级网格产品（AE_SI12）包括 18.7 至 89.0 千兆赫的亮度温度、海冰浓度和海冰积雪深度。数据以 12.5 公里的空间分辨率映射到极地立体网格上。海冰浓度和亮度温度包括日升序平均值、日降序平均值和日平均值；海冰积雪深度数据为五天运行平均值。数据以 HDF-EOS 格式存储，可通过 FTP 获取 2002 年 6 月 19 日至 2011 年 10 月 3 日的数据。

AMSR-E/Aqua每日L3 12.5公里亮温、海冰浓度和雪深极地网格数据是由美国宇航局（NASA）的卫星观测传感器AMSR-E收集的。该数据集包括了来自AMSR-E传感器的三个重要地球物理参数的极地网格数据：亮温、海冰浓度和雪深。

亮温是指地球表面或大气层的辐射亮度温度。在这个数据集中，亮温是以开尔文为单位报告的，并涵盖了卫星可见光和近红外波段的亮度温度。

海冰浓度是指在给定的海冰覆盖范围内的海洋表面的冰的占据比例。在这个数据集中，海冰浓度以百分比的形式表示，从0%（无冰）到100%（完全冰覆盖）。

雪深是指地表上雪的厚度，通常以厘米或毫米为单位报告。这些数据用于监测极地地区的积雪情况和变化。

这些数据以12.5公里的分辨率生成，以极地投影的形式呈现。每日更新的数据集以版本003提供，并可用于研究和监测极地地区的气候变化、海冰覆盖和积雪情况。

参数

Publisher	NASA NSIDC DAAC
Contact Name	Donald Cavalieri
Contact Email	mailto:Donald.J.Cavalieri@nasa.gov
Public Access Level	public
Geographic Coverage	-180.0 -90.0 180.0 -39.23
Temporal Applicability	2002-06-01T00:00:00Z/2011-10-04T23:59:59.999Z
Homepage	AMSR-E/Aqua Daily L3 12.5 km Brightness Temperature, Sea Ice Concentration, & Snow Depth Polar Grids, Version 3 \| National Snow and Ice Data Center
Issued	2002-06-01T00:11:22.270Z
Unique Identifier	C1452437262-NSIDC_ECS
Last Update	2011-10-04T06:51:47.470Z

引用

citation	AMSR-E/Aqua Daily L3 12.5 km Brightness Temperature, Sea Ice Concentration, & Snow Depth Polar Grids V003. Version 3. Archived by National Aeronautics and Space Administration, U.S. Government, NASA National Snow and Ice Data Center Distributed Active Archive Center. AMSR-E/Aqua Daily L3 12.5 km Brightness Temperature, Sea Ice Concentration, & Snow Depth Polar Grids, Version 3 \| National Snow and Ice Data Center.
graphic-preview-description	This application allows you to interactively browse global satellite imagery within hours of it being acquired. You can also save it, share it, and download the underlying data.
graphic-preview-file	EOSDIS Worldview

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="AE_SI12",
    cloud_hosted=True,
    bounding_box=(-180.0, 30.98, 180.0, 90.0),
    temporal=("2002-07-20", "2011-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")