​

 Aquarius CAP Level 3 Wind Speed Standard Mapped Image Monthly Data V5.0

水瓶座CAP 3级风速标准映射图像月度数据V5.0

简介

5.0版Aquarius CAP Level 3产品是基于组合主动被动（CAP）算法的AQUARIUS/SAC-D绘图盐分和风速数据的第四个版本。CAP 3级标准映射图像产品包含网格化1度空间分辨率的盐分和风速数据，平均时间为7天和每月。此特定数据集是每月风速V5.0 Aquarius CAP产品。CAP是一个私家侦探生成了由JPL开发和提供的数据集。CAP算法利用来自机载辐射计和散射计的数据，通过最小化模型和观测值之间的平方差和来同时检索盐分、风速和方向。CAP V5.0相对于前一版本的主要改进包括：将地球物理模型函数更新为四阶调和，其中纳入了海面温度（CST）和海气界面稳定性效应;使用加拿大气象中心（MCC）的CST产品作为新来源辅助海面温度数据，取代NOAA的DOE。水瓶座仪器搭载在AQUARIUS/SAC-D卫星上，这是美国宇航局和阿根廷航天局国家太空活动委员会（CONAE）的合作成果。该仪器由三个辐射计组成，按推扫对齐，相对于轨道阴影侧的射入角为29度、38度和46度。梁的足迹包括：76公里（沿线）x 94公里（跨轨）、84公里x 120公里和96公里x 156公里，跨轨总带为370公里。辐射计在各自的水平和垂直极化（TH和TV）下测量1.413 GHz的亮温。工作于1.26 GHz的散射计测量每个足迹中的海洋反向散射，用于估计盐分时的表面粗糙度修正。该散射计的测量范围约为390公里。

Publisher: JPL - Simon Yueh
Creator: Simon Yueh
Release Place: Jet Propulsion Laboratory, 4800 Oak Grove Drive, Pasadena, CA91109, USA
Release Date: 2018-Oct-01
Resource: http://podaac.jpl.nasa.gov/SeaSurfaceSalinity/Aquarius

分辨率 空间分辨率： 1 十进制度 x 1 十进制度 时间分辨率： 1 个月 覆盖区域： 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 5 月 31 日 投影类型：投影： 网格椭球面： WGS 84

数据接入

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_L3_WIND_SPEED_CAP_MONTHLY_V5",
    cloud_hosted=True,
    bounding_box=(-180.0, -90, 180.0, 90),
    temporal=("2011-08-25", "2015-06-07"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Simon Yueh. 2018. Aquarius CAP Sea Surface Salinity and Wind Products. Ver. 5.0. PO.DAAC, CA, USA. Dataset accessed [YYYY-MM-DD] at https://doi.org/10.5067/AQR50-3XMCS

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