​

 CARVE: CH4, CO2, and CO Atmospheric Concentrations, CARVE Tower, Alaska, 2012-2014

简介

本数据集提供了从 2012 年 1 月到 2014 年 12 月，在阿拉斯加福克斯（Fairbanks 北 17 公里）的 CARVE 通量塔（CARVE）测量的甲烷（CH4）、二氧化碳（CO2）和一氧化碳（CO）的每小时大气浓度，以摩尔分数表示，作为 NASA 北极储库碳脆弱性实验（CARVE）的一部分。使用极地天气研究和预报（WRF）模型的高分辨率气象场以及与随机时间倒转拉格朗日传输模型（WRF-STILT）耦合，以及极地植被光合作用和呼吸模型（PolarVPRM），确定了塔站的影响区域，并利用塔站观测数据研究了北极阿拉斯加 CO2 和 CH4 区域通量的年际和季节性变化。提供了 CH4、CO2 和 CO 背景浓度的模型估计值。本数据集提供了 CARVE 塔站的 WRF-STILT 模型“足迹”。

摘要

CARVE (Carbon in Arctic Reservoirs Vulnerability Experiment)是一个研究项目，旨在研究北极地区碳循环和气候变化的影响。CARVE项目使用各种遥感和地面观测技术，收集和分析北极地区的大气和地表数据。

CARVE项目使用CARVE塔位于阿拉斯加的塔站收集大气浓度数据。这些数据包括CH4（甲烷）、CO2（二氧化碳）和CO（一氧化碳）的浓度。这些气体是地球大气中的重要温室气体，对全球气候变化起着重要作用。

CARVE塔站位于阿拉斯加的尤孔河三角洲，在北极圈内。这个地区被认为是一个重要的碳储量库，对地球的碳循环和气候系统有重要影响。

CARVE项目的观测数据覆盖了2012年至2014年期间。这些数据可用于研究北极地区的大气中CH4、CO2和CO浓度的时空变化，以及相关的碳循环和气候变化过程。这些数据对于了解北极地区的碳循环和气候变化的动态和趋势具有重要意义。

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="Alaskan_CH4_CO2_Fluxes_1316",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2012-01-01", "2014-12-031"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Karion, A., C. Sweeney, J.B. Miller, A.E. Andrews, R. Commane, S.J. Dinardo, J. Henderson, J.O.W. Lindaas, J. Lin, K. Luus, T. Newberger, P. Tans, S.C. Wofsy, S. Wolter, and C.E. Miller. 2016. CARVE: CH4, CO2, and CO Atmospheric Concentrations, CARVE Tower, Alaska, 2012-2014. ORNL DAAC, Oak Ridge, Tennessee, USA. CARVE: CH4, CO2, and CO Atmospheric Concentrations, CARVE Tower, Alaska, 2012-2014, https://doi.org/10.3334/ORNLDAAC/1316

网址推

知识星球

知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/

​