OMI/Aura 近紫外气溶胶光学厚度和单次散射反照率 1 轨道 L2 幅宽 13x24 km V003 (OMAERUV) 在
【摘要】 OMI/Aura Near UV Aerosol Optical Depth and Single Scattering Albedo 1-orbit L2 Swath 13x24 km V003 (OMAERUV) at GES DISC简介美国宇航局奥拉臭氧监测仪（Aura OMI）二级近紫外气溶胶数据产品“OMAERUV”近期采用改进算法重新处理，现已于 2012 年 4 月向公众发...
OMI/Aura Near UV Aerosol Optical Depth and Single Scattering Albedo 1-orbit L2 Swath 13x24 km V003 (OMAERUV) at GES DISC
简介
美国宇航局奥拉臭氧监测仪（Aura OMI）二级近紫外气溶胶数据产品“OMAERUV”近期采用改进算法重新处理，现已于 2012 年 4 月向公众发布。该数据可从美国宇航局戈达德地球科学数据与信息服务中心（GES DISC）获取。该二级近紫外气溶胶产品的简称是 OMAERUV_V003。OMAERUV 反演算法由美国 OMI 团队科学家开发。奥马尔·托雷斯博士（戈达德太空飞行中心/美国宇航局）是该产品的首席研究员。OMAERUV 产品包含 OMI 视场（13×24 公里）内三个不同波长（354、388 和 500 纳米）的气溶胶吸收和消光光学厚度、单次散射反照率、气溶胶指数以及其他辅助参数和地理位置参数。
OMAERUV 文件以版本 5 EOS 分层数据格式 (HDF-EOS5) 存储。每个文件包含轨道日照部分（约 53 分钟）的数据。每天大约有 14 个轨道。OMAERUV 数据产品的最大文件大小约为 6 MB。
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="ABoVE_ASCENDS_XCO2_2050",
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）