AIRS/Aqua L1C 红外(IR)在 GES DISC 上重新采样并校正辐射 V6.7(AIRICRAD)

举报
此星光明 发表于 2025/08/22 13:11:07 2025/08/22
【摘要】 ​AIRS/Aqua L1C Infrared (IR) resampled and corrected radiances V6.7 (AIRICRAD) at GES DISC简介大气红外探测器 (AIRS) 是安装在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 (H...

AIRS/Aqua L1C Infrared (IR) resampled and corrected radiances V6.7 (AIRICRAD) at GES DISC

简介

大气红外探测器 (AIRS) 是安装在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) 结合,组成了一个由可见光、红外和微波传感器组成的创新型大气探测组。AIRS 红外 (IR) 1C 级数据集包含 AIRS 红外校准和地理定位辐射度,单位为 W/m2/微米/ster。该数据集由 AIRS 1B 级数据生成。L1C 数据的光谱覆盖范围为 3.74 至 15.4 毫米。标称光谱分辨率 lambda / delta lambda = 1200。在总共 2645 个光谱通道中,每个光谱分辨率元素对光谱进行两次采样。一天的 AIRS 数据分为 240 个颗粒(场景),每个颗粒持续 6 分钟。对于 AIRS 红外测量,单个颗粒包含 135 个横向像素和 90 个纵向像素;每个颗粒总共包含 135 x 90 = 12,150 个像素。AIRS 采用 49.5 度横向扫描和 1.1 度瞬时视场(IFOV),每天两次覆盖几乎整个地球,太阳同步轨道的观测时间为下午 1:30,天底空间分辨率为 13.5 x 13.5 平方公里。L1C 幅宽产品源自 L1B 幅宽产品。1C 级的主要目的是生成辐射光谱,避免因仪器设计和不良光谱点造成的光谱间隙。AIRS L1C 数据可用于与其他红外测量进行比较研究以及天气-气候研究。这是该数据集合的最新版本。先前版本已不再提供,其 DOI 现在可直接访问此页面。 此系列的转换发生在 2020 年 6 月 1 日。

摘要

Additional Info

Field Value
Last Updated August 7, 2025, 4:43 AM (UTC+08:00)
Created April 1, 2025, 10:16 PM (UTC+08:00)
accessLevel public
bureauCode 026:00
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
harvest_object_id 84c02971-a5f7-48da-937d-6b5e8361acc5
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.5067/VWD3DRC07UEN
modified 2025-08-06T19:35:39Z
programCode 026:000
publisher NASA/GSFC/SED/ESD/TISL/GESDISC
resource-type Dataset
source_datajson_identifier true
source_hash c9143f228f75d774e9a737771dd48453177fd8b7c29d0468c93e51ba77042fe5
source_schema_version 1.1
spatial ["CARTESIAN",[{"WestBoundingCoordinate":-180,"NorthBoundingCoordinate":90,"EastBoundingCoordinate":180,"SouthBoundingCoordinate":-90}]]
theme "Earth Science"

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="AIRICRAD",
    cloud_hosted=True,
    bounding_box=(-180, -90, 180, 90),
    temporal=("2002-08-30", "2002-09-07"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。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。