AIRS/Aqua L1B 近实时(NRT)红外(IR)地理定位和校准辐射,BUFR 格式 V005(AIRIBRAD_NR
AIRS/Aqua L1B Near Real Time (NRT) Infrared (IR) geolocated and calibrated radiances in BUFR format V005 (AIRIBRAD_NRT_BUFR) at GES DISC
简介
DSM 的热影响导致光谱响应函数 (SRF) 质心发生偏移,偏移量约为 SRF 宽度的 1%,相当于频率偏移 9 ppm。此偏移反映在 L1b v5 文件中每个 6 分钟颗粒的“spectral_freq”参数(观测频率)中。对亮温 (BT) 的影响程度取决于每个通道的光谱梯度。最大 BT 偏移量约为 +- 0.5 K,尽管许多通道的 BT 偏移量要小得多。大约 1803 个通道的 BT 偏移量小于 0.1 K,575 个通道的 BT 偏移量超过 0.1 K,而其中 231 个通道的 BT 偏移量大于 0.2 K。
如果 L1b v5 产品的用户担心这些变化可能会影响他们的科学研究和应用,我们建议他们改用 AIRS L1c v6.7.4 产品。该产品除了其他诸多改进外,还将光谱转换为固定频率网格。警告结束。
该产品是 AIRIBRAD_NRT_005 产品的 324 通道子集,其中还包含 AIRABRAD_NRT_005 产品的 AMSU 覆盖区,并将其转换为气象数据表示的二进制通用格式 (BUFR)。AIRS 和 AMSU 1B 级产品与常规处理方式有两点不同,以满足陆地大气近实时 (NRT) 能力地球观测系统 (LANCE) 的三小时延迟要求:(1) 如果 5 分钟内无法获得前一个或后一个颗粒,则生成 NRT 颗粒,而无需这些颗粒;(2) 使用预测星历/姿态数据,而非最终星历/姿态数据。这些差异造成的后果在 AIRS 近实时 (NRT) 数据产品文档中有详细说明。大气红外探测器 (AIRS) 是搭载于第二个地球观测系统 (EOS) 极地轨道平台 EOS Aqua 上的一台光栅光谱仪 (R = 1200)。AIRS 与先进微波探测装置 (AMSU) 和巴西湿度探测器 (HSB) 相结合,构成了一个由可见光、红外和微波传感器组成的创新型大气探测组。

摘要
Additional Info
| Field | Value |
|---|---|
| Last Updated | March 31, 2025, 9:00 PM (UTC+08:00) |
| Created | March 31, 2025, 9:00 PM (UTC+08:00) |
| accessLevel | public |
| bureauCode | 026:00 |
| catalog_@context | https://project-open-data.cio.gov/v1.1/schema/catalog.jsonld |
| catalog_@id | https://data.nasa.gov/data.json |
| catalog_conformsTo | https://project-open-data.cio.gov/v1.1/schema |
| catalog_describedBy | https://project-open-data.cio.gov/v1.1/schema/catalog.json |
| citation | AIRS Science Team/Moustafa Chahine. 2007-07-26. AIRIBRAD_NRT_BUFR. Version 005. AIRS/Aqua L1B Near Real Time (NRT) Infrared (IR) geolocated and calibrated radiances in BUFR format V005. Greenbelt, MD, USA. Archived by National Aeronautics and Space Administration, U.S. Government, Goddard Earth Sciences Data and Information Services Center (GES DISC). https://disc.gsfc.nasa.gov/datacollection/AIRIBRAD_NRT_BUFR_005.html. Digital Science Data. |
| creator | AIRS Science Team/Moustafa Chahine |
| data-presentation-form | Digital Science Data |
| graphic-preview-description | Sample image of AIRIBRAD |
| graphic-preview-file | https://docserver.gesdisc.eosdis.nasa.gov/public/project/Images/AIRIBRAD_NRT_BUFR_005.jpeg |
| harvest_object_id | bdcb82b7-f911-44f8-b200-21fb36c87e04 |
| harvest_source_id | 61638e72-b36c-4866-9d28-551a3062f158 |
| harvest_source_title | DNG Legacy Data |
| identifier | C1233769001-GES_DISC |
| issued | 2024-08-07 |
| landingPage | https://cmr.earthdata.nasa.gov:443/search/concepts/C1233769001-GES_DISC.html |
| language | en-US |
| metadata_type | geospatial |
| modified | 2024-11-20 |
| programCode | 026:001 |
| publisher | NASA/GSFC/SED/ESD/GCDC/GESDISC |
| release-place | Greenbelt, MD, USA |
| resource-type | Dataset |
| series-name | AIRIBRAD_NRT_BUFR |
| source_datajson_identifier | true |
| source_hash | 7497dcddc50cfdfa9945f6359d11f0672c801a6c2628a6e6ce69fb974c631aab |
| source_schema_version | 1.1 |
| spatial | -180.0 -90.0 180.0 90.0 |
| temporal | 2015-12-15T00:00:00Z/2024-11-25T00:00:00Z |
| theme | Aqua,LANCE,geospatial |
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"
df = pd.read_csv(url, sep="\t")
df
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
short_name="AIRIBRAD_NRT_BUFR",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2015-12-15", "2015-12-22"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
#leafmap.nasa_data_download(results[:5], out_dir="data")
- 点赞
- 收藏
- 关注作者
评论(0)