ASCENDS：空气中二氧化碳 LAS 检索，美国印第安纳州印第安纳波利斯，2014 年
【摘要】 ASCENDS: Airborne CO2 LAS Retrieval, Indianapolis, IN, USA, 2014简介该数据集提供了 2014 年 9 月 3 日早高峰时段交通排放繁忙时印第安纳州印第安纳波利斯 (IN) 上空大气二氧化碳 (CO2) 的现场机载测量数据。其中还包括固定源排放。通过观测到的市区下风处的二氧化碳羽流以及盛行风速和风向，可以估算出排放率。二氧化碳是...
ASCENDS: Airborne CO2 LAS Retrieval, Indianapolis, IN, USA, 2014
简介
该数据集提供了 2014 年 9 月 3 日早高峰时段交通排放繁忙时印第安纳州印第安纳波利斯 (IN) 上空大气二氧化碳 (CO2) 的现场机载测量数据。其中还包括固定源排放。通过观测到的市区下风处的二氧化碳羽流以及盛行风速和风向，可以估算出排放率。二氧化碳是使用美国宇航局喷气推进实验室 (JPL) 开发的机载二氧化碳激光吸收光谱仪 (JPL CO2LAS) 测量的，以展示机载积分路径差分吸收 (IPDA) 激光雷达技术作为从太空测量全球二氧化碳浓度的基础。CO2LAS 使用连续波外差技术测量飞机和地面之间的加权柱平均二氧化碳。该仪器的工作波长为 2.05 微米，经过优化可增强对边界层二氧化碳的灵敏度。在此次夜间、白天和季节二氧化碳排放主动监测（ASCENDS）空中部署期间，测量数据在一架 DC-8 飞机上进行。数据以 HDF-5 格式提供。
摘要
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="ASCENDS_LAS_IN_Sept_2014_2116",
cloud_hosted=True,
bounding_box=(-86.52, 39.47, -85.76, 40.15),
temporal=("2014-09-03", "2014-09-03"),
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）