​

 ATMOS L2 Trace Gases on Altitude Grid, Tab Delimited Format V3 (ATMOSL2AT) at GES DISC

简介

这是版本3的气象追踪分子光谱（ATMOS）二级产品，包含在垂直高度（公里）网格上的微量气体，数据以ASCII表格存储，使用适合电子表格的制表符分隔格式。ATMOS是一种红外光谱仪（傅里叶变换干涉仪），旨在推导大气中各种微量气体的垂直浓度，特别是破坏臭氧的氯和氟基分子。测量的物种包括：H2O、CO2、O3、N2O、CO、CH4、NO和NO2（均为日间和非日间校正）、HNO3、HF、HCl、OCS、H2CO、HOCl、H2O2、HO2NO2、N2O5、ClONO2、HCN、CH3F、CH3Cl、CF4、CCl2F2、CCl3F、CCl4、COF2、C2H6、C2H2、N2、CHF2Cl、HCOOH、HDO、SF6和CH3D，报告在从0.5到99.5公里的100个高度层。数据文件还包括时间、地理位置和其他信息。数据是在四次航天飞机任务期间收集的：STS-51B/Spacelab 3（1985年4月30日至5月1日）、STS-45/ATLAS-1（1992年3月25日至4月2日）、STS-55/ATLAS-2（1993年4月8日至16日）和STS-66/ATLAS-3（1994年11月3日至12日）。数据被写入按任务（sl3、at1、at2或at3）和掩蔽类型（日出或日落）和编号分组的单独文件。存在一个类似的产品（ATMOSL2AF），其中包含这些相同的数据，以FORTRAN友好的固定字段格式。

摘要

ATMOS L2 Trace Gases on Altitude Grid, Tab Delimited Format V3 (ATMOSL2AT) 是由Goddard Earth Sciences Data and Information Services Center (GES DISC)提供的一种数据格式。该数据集提供了大气中不同高度层次的跟踪气体浓度信息。

ATMOSL2AT数据集中包含了以下跟踪气体的浓度数据：

• 臭氧（O3）
• 甲烷（CH4）
• 二氧化氮（NO2）
• 二氧化氮柱密度（NO2柱密度）
• 水汽（H2O）

数据以表格形式呈现，并使用制表符分隔不同字段。每条记录包括以下信息：

• 时间戳
• 经度
• 纬度
• 高度
• 气体浓度

ATMOSL2AT数据集提供了丰富的大气组成信息，可以用于研究大气污染、气候变化以及气象模型的验证等领域。

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="ATMOSL2AT",
    cloud_hosted=True,
    bounding_box=(-180, -73, 180, 75),
    temporal=("2017-07-20", "1985-04-30"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Title: ATMOS L2 Trace Gases on Altitude Grid, Tab Delimited Format V3

Version: 3

Creator: Michael R. Gunson

Publisher: Goddard Earth Sciences Data and Information Services Center (GES DISC)Release Date: 2001-03-14T00:00:00.000Z

Linkage: GES DISC

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg