2000 年至 2019 年全球月度卫星推算 PM2.5数据集

举报
此星光明 发表于 2024/06/29 02:50:23 2024/06/29
【摘要】 ​ 2000 年至 2019 年全球月度卫星推算 PM2.5数据集简介该数据集提供了 2000 年至 2019 年地面细颗粒物(PM2.5)的年度和月度估计值。这些数据是通过将美国国家航空航天局(NASA)的多个仪器--MODIS、MISR、SeaWIFS 和 VIIRS 的气溶胶光学深度(AOD)检索数据与 GEOS-Chem 化学传输模型进行整合而得出的。然后使用残差卷积神经网络(CNN...

 2000 年至 2019 年全球月度卫星推算 PM2.5数据集

简介

该数据集提供了 2000 年至 2019 年地面细颗粒物(PM2.5)的年度和月度估计值。这些数据是通过将美国国家航空航天局(NASA)的多个仪器--MODIS、MISR、SeaWIFS 和 VIIRS 的气溶胶光学深度(AOD)检索数据与 GEOS-Chem 化学传输模型进行整合而得出的。然后使用残差卷积神经网络(CNN)根据全球地面观测数据对 PM2.5 的初步估计值进行校准。

摘要

主要特点
时间跨度:2000-2019 年(V6.GL.01),延长至 2022 年(V6.GL.02)
AOD 数据源:MODIS、MISR、SeaWIFS 和 VIIRS
校准:GEOS-Chem 模型和使用全球地面观测数据的残差 CNN
V6.GL.02 中的更新:

更新整个时间序列的地面观测数据
包含 SNPP VIIRS 检索结果
时间覆盖范围扩大到 2022 年
年度和月度数据集以 NetCDF (.nc) 格式提供,网格文件使用 WGS84 投影。这些估算数据主要用于大规模研究。年平均值和粗分辨率平均值相当于网格内数值的简单平均值。提供网格数据集是为了让用户根据自己的特殊需要对数据进行聚类。高分辨率(0.01° × 0.01°)数据集是按所纳入信息源的最精细分辨率划分的网格,但由于受到更粗分辨率信息源的影响,不太可能完全解析网格分辨率下的 PM2.5 梯度。您可以在这里阅读论文,

https://pubs.acs.org/doi/full/10.1021/acsestair.3c00054

并在这里下载数据集。

Satellite-derived PM2.5 | Atmospheric Composition Analysis Group | Washington University in St. Louis

代码

var pm25_monthly = ee.ImageCollection("projects/sat-io/open-datasets/GLOBAL-SATELLITE-PM25/MONTHLY")
var pm25_yearly = ee.ImageCollection("projects/sat-io/open-datasets/GLOBAL-SATELLITE-PM25/ANNUAL")

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/GLOBAL-SATELLITE-PM25

引用

Shen, S. Li, C. van Donkelaar, A. Jacobs, N. Wang, C. Martin, R. V.: Enhancing Global Estimation of Fine Particulate Matter Concentrations by
Including Geophysical a Priori Information in Deep Learning. (2024) ACS ES&T Air. DOI: 10.1021/acsestair.3c00054

License

The datasets are made available under the Creative Commons Attribution 4.0 International license.

Keywords: PM2.5, Remote Sensing, MODIS, SeaWIFS, VIIRS, MISR, AOD

Provided by: Atmospheric Composition Analysis Group at Washington University in St Louis

Curated in GEE by: Samapriya Roy

Last updated : 2024-06-19

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】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。