NSCAT 2 级海洋风矢量模糊消除叠加图（Hoffman，AER）
【摘要】 NSCAT Level 2 Ocean Wind Vector Ambiguity Removal Overlay (Hoffman, AER)简介本数据集包含美国国家航空航天局散射计（NSCAT）二级海洋风矢量模糊度叠加文件，适用于 NSCAT MGDR 版本 2 数据集，参考分辨率为 25 公里风矢量单元（WVC）。该数据集源自一项研究的结果，该研究采用二维变分分析方法（VAM）从 N...
NSCAT Level 2 Ocean Wind Vector Ambiguity Removal Overlay (Hoffman, AER)
简介
本数据集包含美国国家航空航天局散射计（NSCAT）二级海洋风矢量模糊度叠加文件，适用于 NSCAT MGDR 版本 2 数据集，参考分辨率为 25 公里风矢量单元（WVC）。该数据集源自一项研究的结果，该研究采用二维变分分析方法（VAM）从 NSCAT 模糊风场中选择风场解（Hoffman 等，2003）。Hoffman 等选择方向最接近 VAM 地表风分析结果的模糊度。对于质量较差的风矢量单元（WVC），未选择模糊度。VAM 的背景场采用欧洲中期天气预报中心（ECMWF）的分析数据。他们的模糊度选择方法与 JPL 的方法进行了比较，JPL 使用以 NCEP 分析场初始化的中值滤波器。模糊度选择在约 5% 的数据集中进行了更改，通常可以改善地表风场强烈弯曲或切变的气象特征的描绘。参见 Hoffman 等。 （2003）中提供了更多关于该方法和结果的信息。Henderson 等人（2003）的另一项工作比较了中值滤波（JPL）与二维 VAR 方法（Hoffman 等人，2003）的结果，使用了 51 天的 NSCAT 数据，并补充了 NCEP 1000 hPa 风场分析作为背景场。
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="NSCAT_AER_HOFFMAN_L2_OW_WIND_VECTOR_AMBIGUITY_REMOVAL",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("1996-09-15", "1997-06-29"),
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）