​

 Aquarius Radio Frequency Interference (RFI) Ancillary Dataset V1.0

简介

用于 ADPS 任务处理的宝瓶座辅助射频干扰（RFI）产品包含宝瓶座辐射计和散射计探测到的上升/下降经过的月平均射频干扰（RFI）数据。这些数据仅适用于卫星的上升（向北）和下降（向南）经过，也适用于上升/下降经过的组合。该产品中存储的值是每个数据点内被射频干扰检测算法[1,2]识别为受干扰破坏的辐射计和散射计测量值的百分比，取一个月的平均值。另外还有一个 RFI 标志[3]，用于识别陆地亮度温度测量值超过地表发射率预期极限的位置。该标志不用于从进一步处理中移除样本，但在生成辐射计射频干扰数据时，会将 100% 射频干扰分配给该标志升起的点。通过在纬度/经度网格上绘制 Rad_RFI_percent_AscDes_AllBeams 和 Scat_RFI_percent_AscDes_AllBeams 变量，本产品可用于再现缅因大学 Aquarius 网站上的 RFI 地图（辐射计为 https://aquarius.umaine.edu/cgi/gal_radiometer.htm，散射计为 https://aquarius.umaine.edu/cgi/gal_scatterometer.htm）。此外，用户还可以仅使用特定波束或仅使用上升通过等方式生成地图。所有波束和上升/下降通道的组合都是可能的。该产品包含 RFI 信息，但也与检索到的海表盐度 (SSS) 相关。在海洋上，该产品中的 RFI 百分比与 SSS 提取前因 RFI 污染而丢弃的原始测量值相对应。因此，RFI 百分比图可以为用户提供一个指示，说明 RFI 更有可能影响某一特定月份或一系列月份的 SSS 检索质量。

地区：全球
北边界坐标： 90 度
南边界坐标： -90 度
西边界坐标： -180度
东边界坐标： -180度180 度
时间跨度：2011 年 9 月 01 日至 2015 年 6 月 01 日
颗粒时间跨度：2011 年 9 月 01 日至 2015 年 6 月 01 日

投影类型网格
椭球面WGS 84

数据变量

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="AQUARIUS_ANCILLARY_RFI_V1",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("2011-09-01", "2015-06-01"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

出版商：美国国家航空航天局戈达德太空飞行中心（GSFC美国国家航空航天局戈达德太空飞行中心（GSFC）
创作者： Yan Soldo、Paolo De Matthaeis、David Levine严-索尔多、保罗-德-马特萨伊斯、大卫-莱文
发布地点戈达德太空飞行中心，8800 Greenbelt Rd.；Greeenbelt, Md., 20771
发布日期： 2018年1月30日
资源： http://podaac.jpl.nasa.gov/salinity/data.html

数据集接口

引用

Yan Soldo, Paolo De Matthaeis, David Levine. 2018. Aquarius RFI Products. Ver. 1. PO.DAAC, CA, USA. Dataset accessed [YYYY-MM-DD] at https://doi.org/10.5067/AQR00-RFI01 

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 

​