欧空局温室气体数据

2024-01-12 02:12
文章标签 数据 温室 气体 欧空局

本文主要是介绍欧空局温室气体数据,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!

欧空局的温室气体数据是 GHG-CCI+ 项目的卫星衍生产品。GHG-CCI 中的 GHG 指 GreenHouse Gases,温室气体;CCI 指的是 ESA Climate Change Initiative,欧空局气候变化倡议。官网:Greenhouse Gases (GHGs) (esa.int)

2002至今的甲烷卫星衍生数据

Methane data from 2002 to present derived from satellite observations (copernicus.eu)

该产品集其实是集成了多个甲烷数据集,这些甲烷数据集由不同卫星仪器收集、由不同算法确定。

卫星仪器测量地球及其大气层反射或发射的近红外和红外辐射后,通过分析这些辐射中的吸收线,结合甲烷和其他成分气体的吸收特征,可以确定大气柱中的平均甲烷丰度。

该产品集每年更新一次,最多落后实时一年。

该产品集以 NetCDF4 的格式发放。

产品类型

① column-averaged mixing ratios of CH4, denoted XCH4

XCH4 产品集成了 SCIAMACHY/ENVISAT、TANSO-FTS/GOSAT、TANSO-FTS-2/GOSAT-2 等数据集。

XCH4 产品有两种等级:

L2(卫星轨道)既有单独的传感器产品(SCIAMACHY: WFMD 和 IMAP 算法、GOSAT: OCFP, OCPR, SRFP 和 SRPR 算法),也有多传感器合成产品(EMMA 算法)。时间分辨率取决于卫星的采样频率。

L3(格点化 gridded)是 OBS4MIPS 格式。时间分辨率为。空间分辨率为5°×5°

② mid-tropospheric CH4 columns

mid-tropospheric CH4 产品由 Metop 卫星系列上的 IASI 仪器反演得到。IASI 产品 只有 L2 等级(NLIS算法)。

数据下载(Windows)

How to use the CDS API | Copernicus Climate Data Store

目前用户界面似乎出了点问题,必须用API接口下载。

下载准备:

① 必须先注册CDS或ADS的账号。CDS是气候数据商店(Climate Data Store),ADS是大气数据商店(Atmosphere Data Store)。

② 必须安装了 Python(以及pip),并将python加入环境变量PATH。

开始安装:

① 登录 CDS 或 ADS

② 在%USERPROFILE%下创建一个名称为.cdsapirc的文本文档(注意开头是有点的)。

可以在cmd中输入cd %USERPROFILE%,查看自己电脑的%USERPROFILE%路径。比如我的电脑是C:\Users\dell。

③ 打开  %USERPROFILE%\.cdsapirc 文件,在其中输入两行代码。这两行代码可以通过点击相应的链接之后在“Install the CDS API key”中黑色面板里复制。

CDS戳:https://cds.climate.copernicus.eu/api-how-to,

ADS戳:https://ads.atmosphere.copernicus.eu/api-how-to。

④ 打开cmd或者pycharm的terminal,输入安装代码:

pip install cdsapi # for Python 2.7
pip3 install cdsapi # for Python 3
# if failed, try:
pip install --user cdsapi # for Python 2.7
pip3 install --user cdsapi # for Python 3

⑤ 安装完成后,可以打开网页挑选自己想要的产品,选好之后网页最下面会有代码,复制到pycharm中即可。

Methane data from 2002 to present derived from satellite observations (copernicus.eu)

开始下载:

⑥ 如果出现不存在 .cdsapirc 文件的报错,则打开%USERPROFILE%目录,选择【查看】,并勾选【文件扩展名】,然后把 .cdsapirc.txt 的后缀 .txt去掉,出现弹窗仍然选择【是】即可。

这篇关于欧空局温室气体数据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/596474

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

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

MySQL中处理数据的并发一致性的实现示例

《MySQL中处理数据的并发一致性的实现示例》在MySQL中处理数据的并发一致性是确保多个用户或应用程序同时访问和修改数据库时,不会导致数据冲突、数据丢失或数据不一致,MySQL通过事务和锁机制来管理... 目录一、事务(Transactions)1. 事务控制语句二、锁(Locks)1. 锁类型2. 锁粒