NASA:ASTER L2 表面辐射率(E(辐射率)和 T(地表温度)) V003数据集

2024-09-04 08:28

本文主要是介绍NASA:ASTER L2 表面辐射率(E(辐射率)和 T(地表温度)) V003数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ASTER L2 Surface Emissivity V003

ASTER L2 表面辐射率 V003

简介

ASTER L2 地表发射率是一种按需生成的产品((https://lpdaac.usgs.gov/documents/996/ASTER_Earthdata_Search_Order_Instructions.pdf)),利用 8 至 12 µm 光谱范围内的五个热红外(TIR)波段(白天或夜间获取)生成。 它包含 90 米空间分辨率的陆地表面发射率。 迄今为止,地表发射率的估算只能通过土地覆盖类型或植被指数等代用指标得出。 温度/辐射率分离(TES)算法用于得出 E(辐射率)和 T(地表温度)。 TES 算法的主要目标包括:恢复矿物基质的准确和精确的发射率,以及估算准确和精确的表面温度,尤其是植被、水和雪的表面温度。 每个像素的离地辐射度和下沉辐照度矢量都被考虑在内。 发射率采用归一化发射率法(NEM)估算,并对反射太阳光进行迭代补偿。 利用每个像素的平均发射率对发射率光谱进行归一化处理。 计算归一化光谱的最小-最大差值(MMD),并通过回归分析得出最小发射率的估计值。 这些估算值用于对归一化发射率进行缩放,并利用得出的细化发射率对反射天光进行补偿。 2020 年 5 月 27 日之后的 ASTER 2 级观测数据请求将恢复使用气候学臭氧输入。 更多信息可查阅 ASTER L2 处理选项更新(https://lpdaac.usgs.gov/news/aster-l2-processing-options-update/)。 V003 数据集发布日期:2002-05-03 自 2021 年 6 月 23 日起,辐射校准系数第 5 版(RCC V5)将应用于新观测到的 ASTER 数据和存档的 ASTER 数据产品。 有关 RCC V5 的详细信息,请参阅以下期刊文章。

摘要

 自 2021 年 12 月 15 日起,LP DAAC 对 ASTER PGE 3.4 版进行了更改,这将影响所有 ASTER 2 级按需产品。 更改包括 - Aura 臭氧监测仪 (OMI) 已被添加为 2020 年 5 月 27 日之后进行的任何观测的辅助臭氧输入之一。 臭氧的回退顺序将保持不变。 - 工具包已从 5.2.17 版更新到 5.2.20 版。 用户可能会注意到两个版本之间的细微差别。 差异可能包括表面反射率和表面辐射率(AST07 和 AST09)质量保证数据平面的颗粒和云边界周围数字的微小变化,这取决于用户处理数据所使用的操作系统和库。 此外,作为臭氧和水分、温度和压力(MTP)输入之一的气候学将从地球数据订购单中删除。 据观察,在图像和光谱分析过程中,以气候学作为输入生成的 PGE 会产生明显的统计差异。 如果臭氧和 MTP 的前两个可选项都不可用,气候学将继续作为最终默认值使用。 用户可以检查元数据或输出文件中的 OPERATIONALQUALITYFLAGEXPLANATION 字段,以了解所应用的大气参数。 2023 年 10 月 6 日之后采集的 ASTER 2 级数据将不再使用 Aura OMI 数据作为输入。 对于该日期之后获取的数据,当选择 Aura OMI 作为输入时,臭氧输入将自动退回到气候学臭氧输入。 更多详情,请参阅停止将 Aura OMI 作为输入的新闻公告(https://lpdaac.usgs.gov/news/discontinuation-of-aura-omi-as-an-ancillary-ozone-input-for-aster-products/)。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="AST_05",cloud_hosted=True,bounding_box=(-180.0, -83.0, 180.0, 83.0),temporal=("2000-03-04", "2017-08-08"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

 Tsuchida, S., Yamamoto, H., Kouyama, T., Obata, K., Sakuma, F., Tachikawa, T., Kamei, A., Arai, K., Czapla-Myers, J.S., Biggar, S.F., and Thome, K.J., 2020, Radiometric Degradation Curves for the ASTER VNIR Processing Using Vicarious and Lunar Calibrations: Remote Sensing, v. 12, no. 3, at https://doi.org/10.3390/rs12030427.

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg 

这篇关于NASA:ASTER L2 表面辐射率(E(辐射率)和 T(地表温度)) V003数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1135500

相关文章

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro

基于Python实现温度单位转换器(新手版)

《基于Python实现温度单位转换器(新手版)》这篇文章主要为大家详细介绍了如何基于Python实现温度单位转换器,主要是将摄氏温度(C)和华氏温度(F)相互转换,下面小编就来和大家简单介绍一下吧... 目录为什么选择温度转换器作为第一个项目项目概述所需基础知识实现步骤详解1. 温度转换公式2. 用户输入处

Python实现数据可视化图表生成(适合新手入门)

《Python实现数据可视化图表生成(适合新手入门)》在数据科学和数据分析的新时代,高效、直观的数据可视化工具显得尤为重要,下面:本文主要介绍Python实现数据可视化图表生成的相关资料,文中通过... 目录前言为什么需要数据可视化准备工作基本图表绘制折线图柱状图散点图使用Seaborn创建高级图表箱线图热

MySQL数据脱敏的实现方法

《MySQL数据脱敏的实现方法》本文主要介绍了MySQL数据脱敏的实现方法,包括字符替换、加密等方法,通过工具类和数据库服务整合,确保敏感信息在查询结果中被掩码处理,感兴趣的可以了解一下... 目录一. 数据脱敏的方法二. 字符替换脱敏1. 创建数据脱敏工具类三. 整合到数据库操作1. 创建服务类进行数据库