OCO-2 1A 级整理、解析的科学或校准数据，GES DISC 的回顾性处理 V11r (OCO2_L1aIn_Sample)
【摘要】 OCO-2 Level 1A collated, parsed, science or calibration data, Retrospective Processing V11r (OCO2_L1aIn_Sample) at GES DISC简介版本 11r 是当前数据集版本。旧版本将不再可用，并被版本 11r 取代。轨道碳观测站 (OCO-2) 是 NASA 首个旨在收集大气二氧化碳...
OCO-2 Level 1A collated, parsed, science or calibration data, Retrospective Processing V11r (OCO2_L1aIn_Sample) at GES DISC
简介
版本 11r 是当前数据集版本。旧版本将不再可用，并被版本 11r 取代。轨道碳观测站 (OCO-2) 是 NASA 首个旨在收集大气二氧化碳空间测量数据的任务，其精度、分辨率和覆盖范围足以表征控制大气中二氧化碳积累的过程。OCO-2 项目使用搭载单台仪器的 LEOStar-2 航天器。该仪器集成了三台高分辨率光谱仪，可同时测量近红外波段（1.61 和 2.06 微米附近）的反射太阳光中的二氧化碳以及 0.76 微米波段的分子氧 (O2) A 波段的反射太阳光。这三台光谱仪具有不同的特性，并独立进行校准。它们的原始数据量 (DN) 与一级 B 处理流程的时间相关性，以一级 A 产品的形式交付。每个波段包含 1016 个光谱元素，但部分波段在 L2 反演中被屏蔽。该产品是 1B 级处理的输入。它是经过解包处理的原始数据，并以标准粒度格式化，同时包含校准后的工程数据（包括科学观测和校准观测），采用采样模式运行。这是一种回顾性处理方法，其中校准数据是根据完整的时间序列数据（测量前、测量中和测量后）估算的，预计质量会略高一些。
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_L1aIn_Sample",
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）