OCO-2 GEOS Level 3 daily, 0.5x0.625 assimilated CO2 V10r (OCO2_G
【摘要】 OCO-2 GEOS 3 级每日，0.5x0.625 同化 CO2 V10r (OCO2_GEOS_L3CO2_DAY)，GES DISC简介这是网格化的每日 OCO-2 二氧化碳同化数据集。OCO-2 任务提供了迄今为止最高质量的基于空间的 XCO2 反演数据。然而，由于 OCO-2 的地面轨道仅有 10 公里，且无法穿透云层和厚气溶胶，其仪器数据存在较大的覆盖空白。该全球网格化数据集采...
OCO-2 GEOS 3 级每日，0.5x0.625 同化 CO2 V10r (OCO2_GEOS_L3CO2_DAY)，GES DISC
简介
这是网格化的每日 OCO-2 二氧化碳同化数据集。OCO-2 任务提供了迄今为止最高质量的基于空间的 XCO2 反演数据。然而，由于 OCO-2 的地面轨道仅有 10 公里，且无法穿透云层和厚气溶胶，其仪器数据存在较大的覆盖空白。该全球网格化数据集采用一种数据同化技术生成，该技术在地球物理文献中通常被称为状态估计。数据同化技术综合了模拟和观测数据，调整大气成分（如 CO2）的状态以反映观测值，从而根据先前的观测数据和 GEOS 的短期传输模拟结果，填补观测数据缺失的区域。与其他方法相比，数据同化技术的优势在于，它基于我们对地球碳循环和大气传输的集体科学认知进行估计。 OCO-2 GEOS（戈达德地球观测系统）3 级数据是通过 GEOS CoDAS 每 6 小时接收一次 OCO-2 L2 级反演数据生成的。GEOS CoDAS 是由 NASA 全球建模与同化办公室（GMAO）维护的建模与数据同化系统。GEOS CoDAS 采用高性能计算实现的网格点统计插值法（GSI）来解决状态估计问题。GSI 找到使状态估计问题的三维变分（3D-Var）成本函数最小化的分析状态。
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/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
short_name="OCO2_GEOS_L3CO2_DAY",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2017-07-20", "2017-08-08"),
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）