在 GES DISC 进行 AIRS/Aqua L2 CO2 支持检索 (AIRS+AMSU) V005 (AIRX2SPC)
【摘要】 AIRS/Aqua L2 CO2 support retrieval (AIRS+AMSU) V005 (AIRX2SPC) at GES DISC简介大气红外探测器 (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...
AIRS/Aqua L2 CO2 support retrieval (AIRS+AMSU) V005 (AIRX2SPC) at GES DISC
简介
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。该支持产品尤其侧重于对流层二氧化碳的反演。一般而言，AIRS 支持产品包括标准产品中已发现量的更高垂直分辨率廓线以及中间输出（例如，仅微波反演）、痕量气体丰度等研究产品以及详细的质量评估信息。支持产品廓线包含 1100 至 0.016 mb 之间的 100 个气压水平；这种更高的分辨率简化了使用正演模型生成辐射的过程，尽管其垂直信息量并不比标准产品廓线中的更多。水平分辨率为 50 公里。支持产品的目标用户是对生成前向辐射或研究产品感兴趣的研究人员，以及 AIRS 算法开发团队。支持产品在所有地点均以标准产品形式生成。AIRS 颗粒设置为 6 分钟数据。这通常相当于轨道的约 1/15，但恰好相当于 AMSU-A 数据的 45 条扫描线或 AIRS 和 HSB 数据的 135 条扫描线。
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 | 8dff54bb-07e2-4729-b32e-7fb536d0d703 |
| harvest_source_id | b99e41c6-fe79-4c19-bbc3-9b6c8111bfac |
| harvest_source_title | Science Discovery Engine |
| identifier | 10.5067/Aqua/AIRS/DATA217 |
| 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 | 59be977c58862a0d8c8d7e296656014378008ce6707c7df151c09b24020e83b3 |
| 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="AIRX2SPC",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2002-09-01", "2012-03-01"),
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）