​

 Active Cavity Radiometer Irradiance Monitor (ACRIM) II Total Solar Irradiance (TSI) aboard UARS in Native format

简介

ACRIMII_TSI_UARS_NAT 数据是上层大气研究卫星（UARS）上的有源空腔辐射计辐照度监测仪 II（ACRIM II）太阳总辐照度（TSI）本地数据（NAT）格式。日均值由每天的快门周期结果构成。该数据集被视为第二版。

Active Cavity Radiometer Irradiance Monitor (ACRIM) II Total Solar Irradiance (TSI)数据集是一种用于研究太阳辐射的数据集，它是由UARS（Upper Atmosphere Research Satellite）上的ACRIM II仪器记录的。这个数据集包含了一系列与太阳辐射相关的观测数据，可以用于研究太阳活动的变化、太阳辐射对地球气候和环境的影响等问题。

ACRIM II仪器是一种主动腔辐射计，用于测量太阳辐射的总辐射通量。它使用一个空腔来捕捉太阳辐射，并通过测量腔体内部的温度来确定辐射通量。ACRIM II能够提供高精度的太阳辐射观测数据，可以用于研究太阳辐射的长期变化和短期波动。

ACRIM II TSI数据集以原始格式提供，这意味着它提供了仪器观测到的原始数据，没有进行过任何加工或处理。这使得研究人员可以自由地使用这些数据，并根据自己的需求进行分析和处理。

这个数据集的主要特点包括：

1. 高精度：ACRIM II仪器能够提供高精度的太阳辐射观测数据，其测量误差小于0.1%。
2. 长期观测：ACRIM II TSI数据集包含了从1980年到2005年的观测数据，覆盖了一个相当长的时期。这使得研究人员可以研究太阳辐射的长期变化和周期性特征。
3. 高时空分辨率：ACRIM II仪器以每分钟的时间分辨率记录数据，同时在不同的高度记录辐射通量，这使得研究人员可以研究太阳辐射的短期波动和空间分布特征。
4. 多种数据类型：ACRIM II TSI数据集提供了多种类型的观测数据，包括原始数据、校正数据、平均数据等。这使得研究人员可以选择适合自己研究目的的数据类型。

使用ACRIM II TSI数据集可以进行多种研究，例如：

1. 太阳活动的变化研究：通过分析ACRIM II观测到的太阳辐射数据，可以研究太阳活动的周期性变化和长期趋势，如太阳黑子的周期、太阳耀斑的活动等。
2. 地球气候和环境的影响研究：太阳辐射是地球上最重要的能量来源之一，通过研究ACRIM II观测到的太阳辐射数据，可以了解太阳辐射对地球气候和环境的影响，如气候变化、温室效应等。
3. 太阳能利用研究：ACRIM II TSI数据集提供了太阳辐射的空间分布和时间变化信息，可以帮助优化太阳能的利用，提高太阳能的采集效率。

总之，ACRIM II TSI数据集是一种非常有价值的太阳辐射观测数据集，它提供了高精度、长期观测的太阳辐射数据，可以用于多种研究领域，进一步了解太阳活动和太阳辐射对地球的影响。

详细数据信息

Common Core Extensions

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="ACRIMII_TSI_UARS_NAT",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("1991-10-04", "2001-11-01"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

网址推荐

0代码在线构建地图应用

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

机器学习

https://www.cbedai.net/xg