AMSR/ADEOS-II L1A Raw Observation Counts V003地球表面和大气微波辐射的详细观测数据

AMSR/ADEOS-II L1A Raw Observation Counts V003

简介

AMSR/ADEOS-II L1A Raw Observation Counts V003数据是由日本航空航天研究开发机构（JAXA）的AMSR (Advanced Microwave Scanning Radiometer)仪器收集的一组原始观测计数数据。这些数据是从ADEOS-II卫星上的AMSR仪器收集的，该卫星于2002年发射。AMSR是一种微波遥感仪器，用于测量地球表面和大气的微波辐射。

该数据集的版本号为V003，表示这是第三个版本的数据。这些数据包括了AMSR仪器波束的原始观测计数，这些计数可用于获取地球表面和大气的微波辐射信息。这些观测计数数据还可以用于生成其他产品，如海面温度、降水量等。

AMSR/ADEOS-II L1A Raw Observation Counts V003数据集提供了对地球表面和大气微波辐射的详细观测计数信息。这些数据对于研究地球环境和气候变化具有重要意义，并可以用于改善天气预报和气候模型。这些数据可供科学家、研究人员和政府机构使用，以提高对地球系统的理解和预测能力。

改进后的第 3 版 AMSR-L1A 产品对共同登记参数 A1 和 A2 进行了经验修正，并更新了参数 A1 和 A2。
共同登记参数 A1 和 A2，以及用于校正 AMSR 89 GHz 位置信息的最新参数文件。
文件，用于修正 AMSR 89 GHz 位置信息。
因此，第三版 AMSR-L1A 数据提高了以下方面的精度
经度和纬度、陆地/海洋标志、地球入射角、地球方位角
入射角、地球方位角、太阳方位角和太阳仰角。
仰角。

AMSR/ADEOS-II L1A 原始观测计数（AMSR-L1A）数据集由日本 JAXA 地球观测中心（EOC）根据 0 级科学数据包处理而成。
参数： 传感器数量
平台： ADEOS-II
ADEOS-II
传感器： AMSR
AMSR
数据格式： HDF, HDF
HDF, HDF
时间覆盖范围
2003 年 4 月 2 日至 2003 年 10 月 24 日
时间分辨率
50 分钟
空间分辨率
5 公里至 50 公里
5 千米至 50 千米
空间覆盖范围
N:90S:-90E:180W:-180

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="AMSR-L1A",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("2003-04-02", "2003-10-24"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

变量说明 文件命名规则 

引用

Japan Aerospace Exploration Agency (JAXA) (2014). AMSR/ADEOS-II L1A Raw Observation Counts, Version 3 [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/ADEOS-II/AMSR/AMSR-L1A.003. Date Accessed 06-16-2024.

网址推荐

0代码在线构建地图应用

https://invite.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg