目录
简介
摘要
代码
引用
网址推荐
0代码在线构建地图应用
机器学习
ATLAS/ICESat-2 L3B Daily and Monthly Gridded Polar Sea Surface Height Anomaly V003
ATLAS/ICESat-2 L3B 每日和每月网格极地海面高度异常 V003
简介
ATLAS/ICESat-2 L3B Daily and Monthly Gridded Polar Sea Surface Height Anomaly V003数据是由NASA的ATLAS/ICESat-2激光高度计仪器获取的极地海表面高度异常数据。该数据经过处理和格网化,以每日和每月的时间分辨率提供。
这些数据提供了极地地区海表面高度相对于长期平均水平的偏移量,即海表面高度异常。海表面高度异常是指相对于预期的平均测量值而言的差异,可以用来研究海洋环流和海洋动力学过程。
这些数据集包括每日和每月的格网数据。每个格网包含了每个日期或月份的海表面高度异常值。数据集还提供了一些质量控制参数,用于评估每个测量的可靠性和准确性。
ATLAS/ICESat-2 L3B Daily and Monthly Gridded Polar Sea Surface Height Anomaly V003数据对于研究极地地区的海洋环流和海洋动力学过程非常重要。它们可用于检测极地海洋的变化和趋势,以及研究与全球变暖和气候变化相关的海洋现象。
摘要
ATL21 包含每日和每月网格极地海面高度(SSH)异常,由沿轨道 ATLAS/ICESat-2 L3A 海冰高度产品(ATL10,V6)得出。 ATL10 产品可确定海冰的走向,并建立一个参考海面,用于估算 10 公里沿轨段的 SSH。 ATL21 汇总了 ATL10 沿航迹 SSH 估计值,并在 NSIDC 极地立体图北半球和南半球 25 公里网格中计算每日和每月网格 SSH 异常值。
参数:SEA SURFACE HEIGHT ANOMALY _SSHA_ 平台:ICESat-2 传感器:ATLAS 数据格式:HDF5 时间覆盖范围:2018 年 10 月 14 日至今 时间分辨率:1 天 空间分辨率:1 天:
25 km 25 km 空间参照系统: NSIDC 海冰极地立体图北EPSG:3411 NSIDC 海冰极地立体图南EPSG:3412 空间覆盖范围: N:90S:-90E:180W:-180
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="ATL21",
cloud_hosted=True,
bounding_box=(-180.0, -90.0, 180.0, 90.0),
temporal=("2017-07-20", "2018-10-14"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
#leafmap.nasa_data_download(results[:5], out_dir="data")
引用
Petty, A. A., Kwok, R., Bagnardi, M., Kurtz, N., Wimert, J., Lee, J. & Hancock, D. (2023). ATLAS/ICESat-2 L3B Daily and Monthly Gridded Polar Sea Surface Height Anomaly. (ATL21, Version 3). [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/ATLAS/ATL21.003. [describe subset used if applicable]. Date Accessed 09-25-2024.
网址推荐
0代码在线构建地图应用
https://www.mapmost.com/#/?source_inviter=CnVrwIQs
机器学习
https://www.cbedai.net/xg