​OCO-3 Level 2 spatially ordered geolocated retrievals screened using the A-band Preprocessor, Retrospective Processing V10r (OCO3_​L2_​ABand) at GES DISC

简介

版本 10r 是该数据集的当前版本。旧版本将不再可用，并被版本 10r 取代。

轨道碳观测站-3 (OCO-3) 于 2019 年 5 月部署到国际空间站。从技术上讲，它是一个单一的仪器，几乎与 OCO-2 完全相同。

轨道碳观测站是美国宇航局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-3 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 微米附近的二氧化碳）和 0.76 微米附近的分子氧 (O2) A 波段的反射太阳光。这三台光谱仪各具特色，并独立进行校准。

氧气 A 波段云筛选算法是 OCO 运行处理流程中实现的主要云筛选工具之一。该算法最初被提出并应用于早期 GOSAT 数据，随后在 OCO-2 模拟数据上进行了进一步分析。

OCO ABO2 算法采用快速贝叶斯反演方法，利用分子氧（O2）A 波段（波长接近 0.765 µm）的高分辨率光谱来估算地表气压和地表反照率。辐射传输正向模型（FM）假设晴空条件，即仅考虑瑞利散射，因此当测量场景包含云或气溶胶时，模型辐射亮度与实测辐射亮度之间的差异会变得明显。

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="OCO3_L2_ABand",
    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")