剖面 1-轨道 L2 条带 13x48km V003 (OMO3PR)位于 GES DISC)
OMI/Aura Ozone (O3) Profile 1-Orbit L2 Swath 13x48km V003 (OMO3PR) at GES DISC简介美国宇航局戈达德地球科学数据与信息服务中心GES DISC现已向公众开放 Aura 臭氧监测仪二级臭氧廓线数据产品 OMO3PR版本 003。OMO3PR 的像素分辨率为 13×48 公里星下点基于最优估计算法Rodgers2000并以气候臭氧廓线作为先验信息。OMO3PR 反演算法使用 UV1 通道270 纳米至 308.5 纳米和 UV2 通道前半部分311.5 纳米至 330 纳米的光谱辐射值。OMO3PR 产品提供 18 个大气层的臭氧值以多布森单位表示。它还提供先验臭氧廓线值、误差协方差矩阵、平均核以及一些辅助信息例如时间、纬度、经度、太阳天顶角和观测天顶角以及质量标志。这款二级 OMI 臭氧廓线产品的简称是 OMO3PR。该产品的首席科学家是 Johan de Haan 博士。OMO3PR 产品文件以版本 5 分层数据格式HDF-EOS5存储。每个文件包含轨道日间部分约 53 分钟的数据。每天大约有 14 个轨道因此总数据量约为 150 GB/天。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_nameOMO3PR, cloud_hostedTrue, 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_gdfTrue, ) gdf.explore() #leafmap.nasa_data_download(results[:5], out_dirdata)网址推荐个人主页https://sites.google.com/view/xingguang/main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干旱监测平台慧天干旱监测与预警-首页https://www.htdrought.com/
OMI/Aura Ozone (O3) Profile 1-Orbit L2 Swath 13x48km V003 (OMO3PR) at GES DISC简介美国宇航局戈达德地球科学数据与信息服务中心GES DISC现已向公众开放 Aura 臭氧监测仪二级臭氧廓线数据产品 OMO3PR版本 003。OMO3PR 的像素分辨率为 13×48 公里星下点基于最优估计算法Rodgers2000并以气候臭氧廓线作为先验信息。OMO3PR 反演算法使用 UV1 通道270 纳米至 308.5 纳米和 UV2 通道前半部分311.5 纳米至 330 纳米的光谱辐射值。OMO3PR 产品提供 18 个大气层的臭氧值以多布森单位表示。它还提供先验臭氧廓线值、误差协方差矩阵、平均核以及一些辅助信息例如时间、纬度、经度、太阳天顶角和观测天顶角以及质量标志。这款二级 OMI 臭氧廓线产品的简称是 OMO3PR。该产品的首席科学家是 Johan de Haan 博士。OMO3PR 产品文件以版本 5 分层数据格式HDF-EOS5存储。每个文件包含轨道日间部分约 53 分钟的数据。每天大约有 14 个轨道因此总数据量约为 150 GB/天。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_nameOMO3PR, cloud_hostedTrue, 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_gdfTrue, ) gdf.explore() #leafmap.nasa_data_download(results[:5], out_dirdata)网址推荐个人主页https://sites.google.com/view/xingguang/main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干旱监测平台慧天干旱监测与预警-首页https://www.htdrought.com/
