多任务最优插值海表盐度全球数据集 V1
【摘要】 Multi-Mission Optimally Interpolated Sea Surface Salinity Global Dataset V1简介这是一个空间分辨率为 0.25 度、时间分辨率为 4 天的 4 级产品。该产品基于三个卫星任务的 2 级条带数据生成，这三个卫星分别是：Aquarius/SAC-D、土壤湿度主动被动探测卫星（SMAP）和土壤湿度与海洋盐度卫星（SMOS）。...
Multi-Mission Optimally Interpolated Sea Surface Salinity Global Dataset V1
简介
这是一个空间分辨率为 0.25 度、时间分辨率为 4 天的 4 级产品。该产品基于三个卫星任务的 2 级条带数据生成，这三个卫星分别是：Aquarius/SAC-D、土壤湿度主动被动探测卫星（SMAP）和土壤湿度与海洋盐度卫星（SMOS）。生成过程中采用了最优插值（OI）方法，并设置了 7 天的去相关时间尺度。该产品通过拼接 Aquarius（2011 年 9 月至 2015 年 6 月）和 SMAP（2015 年 4 月至今）的测量数据，提供了从 2011 年 8 月 28 日至今的连续记录。由于 SMAP 卫星在 2019 年 6 月至 7 月期间处于安全模式，因此使用了欧空局的 SMOS 数据来填补 SMAP 数据的缺失。Aquarius 和 SMAP 数据在 2015 年 4 月至 6 月期间存在两个月的重叠，以确保数据记录的一致性和连续性。该产品覆盖全球海洋，包括无海冰区域的北极和南极，但不包括地中海和波罗的海等内海。利用 Argo 浮标和系泊浮标的现场盐度数据进行大规模偏差校正，以确保 OISSS 数据集的一致性和准确性。该数据集由夏威夷大学马诺阿分校国际太平洋研究中心（IPRC）与位于加利福尼亚州圣罗莎的遥感系统公司（RSS）合作制作。更多详情请参阅用户指南。
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="OISSS_L4_multimission_7day_v1",
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）