北极研究大气成分的飞机和卫星(ARCTAS)任务期间收集的原位气溶胶示踪气体数据

举报
此星光明 发表于 2024/08/04 21:40:50 2024/08/04
【摘要】 ​ ARCTAS DC-8 Aircraft In-situ Aerosol Data简介ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data 是由DC-8飞机在北极研究大气成分的飞机和卫星(ARCTAS)任务期间收集的原位气溶胶示踪气体数据。数据由离子色谱仪、γ射线光谱仪和α-谱仪收集。该产品的数据收集已经完成。北极是理解气候变化的关键地区。北极对于...

 ARCTAS DC-8 Aircraft In-situ Aerosol Data

简介

ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data 是由DC-8飞机在北极研究大气成分的飞机和卫星(ARCTAS)任务期间收集的原位气溶胶示踪气体数据。数据由离子色谱仪、γ射线光谱仪和α-谱仪收集。该产品的数据收集已经完成。北极是理解气候变化的关键地区。北极对于诸如变暖、污染以及从北极欧亚和北美的针叶林火灾排放等环境干扰的响应包括关键过程,如冰盖和永久冻土的融化、雪的反照率降低,以及海盐气溶胶到冰的卤素自由基化学沉积。ARCTAS是一个探索北极气候敏感性程度较高的环境过程的野外活动。ARCTAS是NASA为国际全球大气化学(IGAC)极地研究做出的贡献的一部分。ARCTAS有四个主要目标。第一个是了解污染物对北极的远程传输。从北半球中纬度大陆带到北极的污染物具有环境后果,如改变区域和全球气候,影响臭氧收支。在ARCTAS之前,这些路径大部分仍然不确定。第二个目标是了解针叶林火对大气成分和气候的影响;其烟雾排放作为影响北极辐射收支和云过程并有助于对对流层臭氧产生影响的一种大气扰动。第三个目标是了解气溶胶辐射强迫与气候扰动的关系,因为北极是了解辐射强迫的重要地区之一。

ARCTAS由2008年4月和7月进行的两次为期三周的飞机部署组成。春季部署旨在探索北极雾霾、平流层对流层交换和日出光化学反应。由于4月在历史上是北半球中纬度陆地向北极污染季节性积累的高峰,因此选择了4月作为部署阶段。夏季部署旨在了解北部森林火灾在其最活跃季节阶段以及平流层对流层交换和夏季光化学中的情况。在ARCTAS期间,三架NASA飞机DC-8、P-3B和BE-200进行了测量,并配备了原位和遥感仪器套件。空中数据与来自AURA、AQUA、CloudSat、PARASOL、CALIPSO和MISR卫星观测相结合。ASDC存储了ARCTAS飞机数据,以及与Terra卫星上的MISR相关的数据,该卫星仪器提供有关地球环境和气候的测量数据。

Publisher NASA/LARC/SD/ASDC
Contact Name Jack Dibb
Contact Email mailto:jack.dibb@unh.edu
Bureau Code 026:00
Program Code 026:001
Public Access Level public
Geographic Coverage <?xml version="1.0" encoding="UTF-8"?><gml:Polygon xmlns:gml="http://www.opengis.net/gml/3.2" srsName="EPSG:9825"><gml:outerBoundaryIs><gml:LinearRing><gml:posList>32.0 -180.0 32.0 180.0 90.0 180.0 90.0 -180.0 32.0 -180.0</gml:posList></gml:LinearRing></gml:outerBoundaryIs><gml:innerBoundaryIs></gml:innerBoundaryIs></gml:Polygon>
Temporal Applicability 2008-03-18T00:00:00Z/2008-07-14T23:59:59.999Z
Theme ARCTAS, geospatial
Language en-US
Homepage ASDC | ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data_1
Issued 2022-01-07T00:00:00.000Z
Unique Identifier C2569836780-LARC_ASDC
Last Update 2022-01-20T00:00:00.000Z


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="ARCTAS_Aerosol_AircraftInSitu_DC8_Data",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2008-03-18", "2008-07-14"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. ASDC | ARCTAS_AerosolTraceGas_AircraftInSitu_DC8_Data_1.

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。