AMSR-E/AQUA月度L3全球25 公里等面积雪水当量数据集EASTER-GRIDS V002
AMSR-E/Aqua Daily L3 Global Snow Water Equivalent EASE-Grids V002
简介
这些三级雪水当量（SWE）数据集包含映射到南北半球 25 公里等面积可扩展地球网格（EASE-Grids）的雪水当量数据和质量保证标志。
参数： 雪水当量
平台： AQUA
传感器： AMSR-E
数据格式： HDF-EOS2
时间范围：2002 年 6 月 19 日至 2011 年 10 月 3 日
时间分辨率：1 天
空间分辨率：25 千米
空间参照系统： NSIDC EASE-Grid NorthEPSG:3408
NSIDC EASE-Grid SouthEPSG:3409
空间覆盖范围：
N:90S:-90E:180W:-180
识别版本号
根据您使用的订单数据方法，版本号会以不同的方式出现在产品名称的末尾。
例如，如果您从 Earthdata Search 订购数据，版本号（本例中为 V002）会写在数据集标题的末尾：
AMSR-E/AQUA MONTHLY L3 GLOBAL SNOW WATER EQUIVALENT EASE-GRIDS V002.
AMSR-E/AQUA月度L3全球雪水当量EASTER-GRIDS V002。
如果您从数据池 HTTPS 目录中订购数据，版本号会写在数据集简称的末尾：AE_MoSno.002。
AMSR-E 数据文件名包含一个产品成熟度代码（如 B01、T02 或 V03），用于指示生成数据所使用的算法版本。产品成熟度代码包括成熟度级别（P、R、B、T 或 V）和两位数的迭代编号，如以下示例文件名中的 B06：AMSR_E_L3_SeaIce25km_B06_20080207.hdf。
产品成熟度等级描述
| Level | Description |
|---|---|
| P | Preliminary - refers to non-standard, near-real-time data available from NSIDC. These data are only available for a limited time until the corresponding standard product is ingested at NSIDC. |
| R | Near-Real-Time - refers to near-real-time data produced and distributed via the NASA Land Atmosphere Near-real-time Capability for EOS (LANCE) data system. |
| B | Beta - indicates a developing algorithm with updates anticipated. |
| T | Transitional - period between beta and validated where the product is past the beta stage, but not quite ready for validation. This is where the algorithm matures and stabilizes. |
| V | Validated - products are upgraded to Validated once the algorithm is verified by the algorithm team and validated by the validation teams. Validated products have an associated validation stage. Refer to Table 2 for a description of the stages. |
验证阶段
此外，产品成熟度代码 "已验证 "可附加一个阶段（1、2 或 3），如 V09-Stage3。
验证阶段描述
| Validation Stage | Description |
|---|---|
| Stage1 | Product accuracy is estimated using a small number of independent measurements obtained from selected locations, time periods, and ground-truth/field program efforts. |
| Stage2 | Product accuracy is assessed over a widely distributed set of locations and time periods via several ground-truth and validation efforts. |
| Stage3 | Product accuracy is assessed, and the uncertainties in the product are well established via independent measurements made in a systematic and statistically robust way that represents global conditions. |
版本信息
当前版本：版本 3 (V003)
时间覆盖范围：2002-06-01 (17:24) 至 2011-10-04 (06:03)
版本变更
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。
第 2 版处理和算法历史
时间覆盖范围：2002-06-19 (06:15) 至 2011-09-27 (05:57)
V002 AMSREL1A 产品对 Aqua 扫描方位角和卫星飞行方向进行了经验修正。通过校正太阳方位角、太阳仰角、地球方位角和地球入射角，与第一版 AMSREL1A 数据相比，AMSR-E 89 GHz 数据的几何精度提高到 2 公里以内。
第 1 版处理和算法历史
时间覆盖范围：2002-06-22 (00:11) 至 2005-03-01 (00:14)
发射时的原始数据版本。
AMSR-E/Aqua Daily L3 地表土壤水分、解释性参数和质量控制 EASE-Grids (AE_Land3)
当前版本：第 2 版 (V002)
成熟度详情：V07 第 1 阶段
时间覆盖范围：2010-08-27 (00:36) 至 2011-10-3 (21:49)
版本变更
更新了产品成熟度代码，将 R 包括在内，用于近实时数据。此版本中的科学算法没有变化。
第 2 版处理和算法历史
V06-Stage1：时间覆盖范围：2002-06-19 (00:29) 至 2010-08-27 (00:37)
将产品成熟度代码状态更新为已验证。该版本中的科学算法没有任何变化。
T05：时间覆盖范围：2002-06-19 (00:29) 至 2008-12-01 (00:02)
此版本包含的更改有
将产品成熟度代码状态更新为过渡（T）。从 B04 版到 T05 版的算法没有变化。
转换了算法代码，以便在 Linux 上运行。此版本与 SGI IRIX 不兼容。
第 1 版处理和算法历史
B04：时间覆盖范围：2007-04-19 (00:42) 至 2008-07-06 (00:24)
适应 L2 Land 过渡文件输入。
B03：时间覆盖范围：2002-06-18 (23:40) 至 2007-04-19 (12:49)
纠正了 B02 中引入的结构元数据错误，该错误导致角坐标错误地以度数表示。这导致任何使用 HDF-EOS 库的地理定位功能或软件（包括通过 NASA 仓库库存搜索工具 (WIST) 进行的空间子集）返回错误的结果。在 B03 中，角坐标正确地以米为单位表示。
B02：时间覆盖范围：2005-02-15 至 2005-09-05
输入 Level-2B 产品使用全扫描带（243 像素）。将 Level-2B 产品中的表面类型和反演 QC 标志 1 合并，形成反演 QC 标志字段。
B01：时间覆盖范围：2002-06-18 至 2005-02-22
发射时的原始数据版本。
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_DySno",
cloud_hosted=True,
bounding_box=(-180.0, -90.0, 180.0, 90.0),
temporal=("2002-06-19", "2011-10-03"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
#leafmap.nasa_data_download(results[:5], out_dir="data")
链接：
网址推荐
0代码在线构建地图应用
机器学习
- 点赞
- 收藏
- 关注作者
评论（0）