NASA数据集——TANSO-FTS 运行前 11 年收集的测量数据中得出二氧化碳(CO2)干空气摩尔分数(XCO2)的估计值

本文主要是介绍NASA数据集——TANSO-FTS 运行前 11 年收集的测量数据中得出二氧化碳(CO2)干空气摩尔分数(XCO2)的估计值,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!

ACOS GOSAT/TANSO-FTS Level 2 bias-corrected XCO2 and other select fields from the full-physics retrieval aggregated as daily files V7.3 (ACOS_L2_Lite_FP) at GES DISC

简介

ACOS Lite 文件包含经过偏差校正的 XCO2 以及其他选定字段的每日汇总文件。ACOS 2 级标准产品(ACOS_L2S)的轨道颗粒被用作输入。

ACOS "数据集包含所有探测数据的二氧化碳(CO2)柱平均干空气摩尔分数,并尝试对其进行检索。这些是 OCO 项目使用 TANSO-FTS 光谱辐射提供的最高级别产品。

日本宇宙航空研究开发机构的 GOSAT 小组制作 GOSAT TANSO-FTS 1B (L1B) 级数据产品,供内部使用并分发给欧空局和美国航天局等合作伙伴。这些经过校准的产品由 OCO 项目用额外的地理位置信息和进一步的修正进行扩充。这样制作的 1B 级产品(含校准辐射量和地理定位)是 "ACOS "2 级制作过程的输入。

摘要

日本温室气体观测卫星(GOSAT)上的碳观测热和近红外传感器-傅立叶变换光谱仪(TANSO-FTS)自 2009 年 4 月以来一直在返回数据。利用第 9 版(v9)空间大气碳观测(ACOS)二级全物理(L2FP)检索算法(Kiel 等人,2019 年),从 TANSO-FTS 运行前 11 年收集的测量数据中得出二氧化碳(CO2)干空气摩尔分数(XCO2)的估计值。利用总碳柱观测网络(TCCON)得出的估算值以及一套不吸收卫星二氧化碳的全球大气反演系统(模式)模拟值,对 L2FP XCO2 产品的偏差校正和质量过滤进行了评估。此外,还将第 9 版 ACOS GOSAT XCO2 结果与 NASA 轨道碳观测站-2(OCO-2)使用第 10 版(v10)ACOS L2FP 算法得出的 XCO2 估算值进行了比较。

这些测试表明,与较早的 v7.3 ACOS GOSAT 产品相比,v9 ACOS GOSAT XCO2 产品在吞吐量、散度和偏差方面都有所改进。在 GOSAT 到 2020 年 6 月收集的 3,700 万个探测数据中,大约 20% 在筛选云层和其他伪影后被选中进行 v9 L2FP 算法处理。经过后处理,5.4%的探测结果(37×106 个中的 2×106)被赋予 "良好 "XCO2 质量标志,而 v7.3 中的比例为 3.9%(24×106 个中的 <1×106 )。经过质量过滤和偏差校正后,ACOS GOSAT v9 与 TCCON 和模式之间的 XCO2 差异(1σ)为:海洋闪烁观测值约为百万分之 1,陆地观测值约为百万分之 1 至 1.5。TCCON 和模式的全球平均偏差小于约 0.2 ppm。与 v10 OCO-2 XCO2 产品相比,陆地观测的季节平均偏差约为 0.1 ppm。然而,对于海洋闪烁观测数据,相对于 OCO-2 的季节平均偏差在 0.2 到 0.6 ppm 之间,且随时间和纬度变化很大。

美国宇航局戈达德地球科学数据和信息服务中心(GES-DISC)提供了 ACOS GOSAT v9 XCO2 数据的每轨道完整格式(https://doi.org/10.5067/OSGTIL9OV0PN,OCO-2 科学小组等,2019b)和每日精简格式(https://doi.org/10.5067/VWSABTO7ZII4,OCO-2 科学小组等,2019a)。此外,还生成了一套新的月度超级精简文件,其中仅包含每次卫星观测的最基本变量,为入门级用户提供了一个轻量级卫星产品,供其进行初步探索(CaltechDATA,https://doi.org/10.22002/D1.2178,Eldering,2021)。v9 ACOS 数据用户指南》(DUG)介绍了 GOSAT 数据的最佳使用方法(O'Dell 等人,2020 年)。GOSAT v9 数据集对于研究跨越整整十年或更长时间的碳循环现象应该特别有用,并可作为 2014 年 9 月开始的较短的 OCO-2 v10 数据集的有益补充。

数据信息

Shortname:

ACOS_L2_Lite_FP

Longname:

ACOS GOSAT/TANSO-FTS Level 2 bias-corrected XCO2 and other select fields from the full-physics retrieval aggregated as daily files V7.3

Version:

7.3

Format:

netCDF

Spatial Coverage:

-180.0,-90.0,180.0,90.0

Temporal Coverage:

2009-04-21 to  2016-06-02

File Size:

50 MB per file

Data Resolution

Spatial:

10.5 km x 10.5 km

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="ACOS_L2_Lite_FP",cloud_hosted=True,bounding_box=(-180, -90, 180, 90),temporal=("2009-04-20", "2020-08-08"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

OCO-2 Science Team/Michael Gunson, Annmarie Eldering (2016), ACOS GOSAT/TANSO-FTS Level 2 bias-corrected XCO2 and other select fields from the full-physics retrieval aggregated as daily files V7.3, Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), Accessed: [Data Access Date], GES DISC

GES DISC 

网址推荐

0代码在线构建地图应用

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

机器学习

https://www.cbedai.net/xg 

这篇关于NASA数据集——TANSO-FTS 运行前 11 年收集的测量数据中得出二氧化碳(CO2)干空气摩尔分数(XCO2)的估计值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/922768

相关文章

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码(使用select实现)代码解释总结在 linux 系统里,我们可以借助 select、

C#使用iText获取PDF的trailer数据的代码示例

《C#使用iText获取PDF的trailer数据的代码示例》开发程序debug的时候,看到了PDF有个trailer数据,挺有意思,于是考虑用代码把它读出来,那么就用到我们常用的iText框架了,所... 目录引言iText 核心概念C# 代码示例步骤 1: 确保已安装 iText步骤 2: C# 代码程

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda

C++中处理文本数据char与string的终极对比指南

《C++中处理文本数据char与string的终极对比指南》在C++编程中char和string是两种用于处理字符数据的类型,但它们在使用方式和功能上有显著的不同,:本文主要介绍C++中处理文本数... 目录1. 基本定义与本质2. 内存管理3. 操作与功能4. 性能特点5. 使用场景6. 相互转换核心区别

python库pydantic数据验证和设置管理库的用途

《python库pydantic数据验证和设置管理库的用途》pydantic是一个用于数据验证和设置管理的Python库,它主要利用Python类型注解来定义数据模型的结构和验证规则,本文给大家介绍p... 目录主要特点和用途:Field数值验证参数总结pydantic 是一个让你能够 confidentl

JAVA实现亿级千万级数据顺序导出的示例代码

《JAVA实现亿级千万级数据顺序导出的示例代码》本文主要介绍了JAVA实现亿级千万级数据顺序导出的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 前提:主要考虑控制内存占用空间,避免出现同时导出,导致主程序OOM问题。实现思路:A.启用线程池

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

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