欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 财经 > 创投人物 > AMSR-E/Aqua L1A 原始观测次数,第 3 版

AMSR-E/Aqua L1A 原始观测次数,第 3 版

2024/10/25 16:24:34 来源:https://blog.csdn.net/qq_31988139/article/details/139824590  浏览:    关键词:AMSR-E/Aqua L1A 原始观测次数,第 3 版

AMSR-E/Aqua L1A Raw Observation Counts, Version 3

简介

改进后的 V003 AMSREL1A 产品对共同登记参数 A1 和 A2 进行了经验修正,并更新了用于修正 AMSR-E 89 GHz 位置信息的参数文件。因此,第三版 AMSREL1A 数据提高了以下方面的精度:纬度和经度、陆地/海洋标志、地球入射角、地球方位角、太阳方位角和太阳仰角。此外,HDF-EOS 版本已从 4.2r1 更新到 4.2r4。

AMSR-E (Advanced Microwave Scanning Radiometer for the Earth Observing System)是一种远程感应仪器,安装在Aqua卫星上,用于测量地球表面的微波辐射。

AMSR-E/Aqua L1A原始观测数据是由AMSR-E仪器收集的原始微波辐射观测数据。这些数据包括来自AMSR-E的各种微波频段的亮温观测值。亮温是通过测量目标物体在不同频段上的微波辐射强度来计算的。

L1A级数据是最原始的数据级别,通常在数据处理流程中是第一步。这些数据没有进行任何校正或处理,包含了仪器观测到的原始辐射信息。

6.9 GHz 至 36.5 GHz 频道在地球表面的采样间隔为 10 公里,89.0 GHz 频道为 5 公里。

AMSR-E/Aqua L1A原始观测数据可用于各种应用,包括气象预报、海洋监测、冰雪覆盖监测等。在进一步分析和应用之前,通常需要对这些数据进行校正和处理,以获得更准确和可靠的地球物理参数。

AMSR-E 1A 级观测计数由日本宇宙航空研究开发机构(JAXA)地球观测中心(EOC)根据 0 级科学数据包数据进行处理。
参数: 传感器数量
平台: AQUA
AQUA
传感器: AMSR-E
AMSR-E
数据格式: HDF
HDF
时间覆盖范围
2002 年 6 月 1 日至 2011 年 10 月 4 日
时间分辨率
50 分钟
空间分辨率
未指定
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 mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="AMSREL1A",cloud_hosted=True,bounding_box=(-180.0, -90.0, 180.0, 90.0),temporal=("2002-06-01", "2011-07-128"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Japan Aerospace Exploration Agency (JAXA) (2003). AMSR-E/Aqua L1A Raw Observation Counts, Version 3 [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/AMSR-E/AMSREL1A.003. Date Accessed 06-19-2024.

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com