​ASTER L2 表面发射率 V003

简介

Terra 先进星载热辐射与反射辐射计 (ASTER) 表面发射率 (AST_05) 采用温度/发射率分离 (TES) 算法，针对五个热红外 (TIR) 90 米波段，在白天或夜间采集数据。该产品包含陆地上生成的每像素发射率测量值，以及嵌入式元数据和质量保证数据平面。

ASTER L2 表面发射率数据产品仅可通过 NASA 的 Earthdata Search 获取。ASTER 订购说明提供了订购该产品的分步说明。

数据采集缺口：2024 年 11 月 28 日，Terra 的一个输电分流装置发生故障。结果，电力不足以维持 ASTER 仪器的正常运行。 ASTER 于 2025 年 1 月 18 日恢复 VNIR 波段的采集，并于 2025 年 4 月 15 日恢复 TIR 波段的采集。用户应注意，ASTER 采集的 VNIR 观测数据在 2024 年 11 月 28 日至 2025 年 1 月 16 日期间存在数据缺口，TIR 观测数据在 2024 年 11 月 28 日至 2025 年 4 月 15 日期间也存在数据缺口。
与上一版本的改进/变更

用于生成 L2 产品生成可执行文件 (PGE) 的基于科学可扩展脚本的任务科学处理器 (S4PM) 3.4 版算法依赖于新的辅助大气参数输入。现代研究与应用回顾分析第 2 版 (MERRA-2) 是一项结合遥感观测及其与气候系统相互作用的全球大气再分析。它将成为 L2 PGE 的主要臭氧和水蒸气、压力和温度输入之一。MERRA-2 将提供更精细的地理分辨率网格，因为它是一个三维、每 3 小时收集一次的数据，空间分辨率为 50 公里（纬度方向）。

L2 PGE 的回退选项如下：
臭氧：[TOVS 臭氧 (OZ_DLY ) > AURA 臭氧监测仪 (AURAOMI) > 平流层和对流层臭氧总量分析 (TOAST) > 地球探测器-臭氧总量测绘光谱仪 (EPTOMS)] 或 [MERRA-2] > 美国国家环境预测中心 (NCEP)/全球数据同化系统 (GDAS) > 气候学水汽、气压和温度：[MOD07_L2] 或 [MERRA-2] > NCEP/GDAS > 气候学

注意事项：MERRA-2 的时间范围涵盖 1980 年至今；但是，每月结束后会有约 3 周的延迟。因此，对于超出 MERRA-2 时间范围或数据非科学级别的按需请求，将应用 NCEP/GDAS > 气候学回退顺序。

自2021年6月23日起，辐射定标系数第五版（RCC V5）将应用于新观测的ASTER数据和已存档的ASTER数据产品。RCC V5的详细信息请参阅以下期刊文章。

Tsuchida, S., Yamamoto, H., Kouyama, T., Obata, K., Sakuma, F., Tachikawa, T., Kamei, A., Arai, K., Czapla-Myers, J.S., Biggar, S.F., 和 Thome, K.J., 2020, 使用替代定标和月球定标的ASTER VNIR处理的辐射定标退化曲线：遥感, 第12卷，第3期，网址：https://doi.org/10.3390/rs12030427。

自2021年12月15日起，LP DAAC已对ASTER PGE 3.4版进行更改，这将影响所有ASTER 2级按需产品。更改内容包括：

Aura臭氧监测仪（OMI）已添加为2020年5月27日之后所有观测的辅助臭氧输入之一。臭氧的回退顺序保持不变。

工具包已从5.2.17版更新至5.2.20版。用户可能会注意到两个版本之间的细微差异。这些差异可能包括表面反射率和表面辐射率（AST07和AST09）QA数据平面中颗粒边缘和云边界周围数字的微小变化，具体取决于用户用于处理数据的操作系统和库。

此外，作为臭氧和湿度、温度和气压 (MTP) 输入项之一的气候学参数将从 Earthdata 订单表中移除。据观察，以气候学参数作为输入项生成的 PGE 在图像和光谱分析过程中会产生明显的统计差异。如果臭氧和 MTP 的前两个可选选项均不可用，则气候学参数将继续作为最终默认参数。用户可以在元数据或输出文件中检查 OPERATIONALQUALITYFLAGEXPLANATION 字段，以查看已应用的大气参数。

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="AST_05",
    cloud_hosted=True,
    bounding_box=(-180.0, -83.0, 180.0, 83.0),
    temporal=("2000-03-04", "2000-03-11"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

​