NASA数据集——SARAL 近实时增值业务地球物理数据记录海面高度异常

本文主要是介绍NASA数据集——SARAL 近实时增值业务地球物理数据记录海面高度异常,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!

SARAL Near-Real-Time Value-added Operational Geophysical Data Record Sea Surface Height Anomaly

SARAL 近实时增值业务地球物理数据记录海面高度异常

简介

2020 年 3 月 18 日至今

ALTIKA_SARAL_L2_OST_XOGDR

这些数据是近实时(NRT)(测量后7-9小时内)海面高度异常(SSHA)数据,来自ARgos和ALtiKa卫星(SARAL)上的AltiKa高度计。SARAL是法国(法国国家空间研究中心)和印度(SARAL)的一项合作任务,利用Ka波段AltiKa高度计测量海面高度,于2013年2月25日发射。这些数据与该项目生成的业务地球物理数据记录(OGDR)数据的主要区别在于,SARAL的轨道在卫星间交叉位置使用SSHA与OSTM/Jason-2 GPS-OGDR-SSHA产品的差异进行了调整。这样,利用 OSTM/Jason-2 GPS-OGDR-SSHA 产品使用的 GPS 轨道的 1 厘米(径向均方根)精度,为 SARAL 生成了精度为 1.5 厘米(均方根)的更精确的 NRT 轨道高度。该数据集还包含项目(缩小版)OGDR 的所有数据,以及改进的测高仪风速和海况偏差校正。有关 SARAL 任务的更多信息,请访问:Home

DOI10.5067/AKASA-XOGD1
MeasurementOCEANS > SEA SURFACE TOPOGRAPHY > SEA SURFACE HEIGHT
OCEANS > OCEAN WAVES > SIGNIFICANT WAVE HEIGHT
Swath Width11 km
Platform/Sensor

SARAL

 / 

ALTIKA Altimeter

ProjectSatellite with ARgos and ALtiKa (SARAL)
Data ProviderPublisher: JPL
Creator: Shailen Desai
Release Place: JPL
Release Date: 2013-Dec-03
 
FormatnetCDF-4

分辨率

空间分辨率: 8000 米 x 8000 米
时间分辨率月 - < 年
 
覆盖范围
北边界坐标: 82 度
南边界坐标:-82 度
西边界坐标: -180度
东边界坐标: -180度180 度
时间跨度:2020 年 3 月 18 日至今
颗粒时间跨度:2013 年 11 月 18 日至 2024 年 6 月 02 日
扫描带宽:11 千米
 
投影
投影类型:卫星原生沿轨投影
投影细节每个像素都包含地理位置信息
椭球面WGS 84

表格:数据变量

NameLong NameUnit
alt1 Hz altitude of satellitem
alt_dyn1 Hz altitude of satellite (Dynamic fit to DORIS-DIODE)m
bathymetryocean depth/land elevationm
ecmwf_meteo_map_availECMWF meteorological map availability
hf_fluctuations_corrhigh frequency fluctuations of the sea surface topographym
ice_flagice flag
internal_tideinternal tide heightm
inv_bar_corrinverted barometer height correctionm
iono_corr_gimGIM ionospheric correctionm
latlatitudedegrees_north
lonlongitudedegrees_east
mean_sea_surface_sol1mean sea surface height (solution 1) above reference ellipsoidm
mean_topographymean dynamic topography above geoidm
model_dry_tropo_corrmodel dry tropospheric correctionm
ocean_tide_sol2geocentric ocean tide height (solution 2)m
pole_tidegeocentric pole tide heightm
rad_liquid_waterradiometer liquid water contentkg/m^2
rad_surf_typeradiometer surface type
rad_water_vaporradiometer water vapor contentkg/m^2
rad_wet_tropo_corrradiometer wet tropospheric correctionm
range1 Hz corrected altimeter rangem
sea_state_biassea state bias correctionm
sig0Corrected backscatter coefficientdB
solid_earth_tidesolid earth tide heightm
sshasea surface height anomalym
ssha_dynsea surface height anomalym
surface_typesurface type
swhCorrected significant waveheightm
timetime (sec. since 2000-01-01)seconds since 2000-01-01 00:00:00.0
trailing_edge_variation_flag1 Hz trailing edge variation flag
wind_speed_altaltimeter wind speedm/s
xover_corrsea surface height cross over correctionm

SHARE THIS PAGE  

CLOUD ENABLED

Status:

ACTIVE

Short Name:

ALTIKA_SARAL_L2_OST_XOGDR

Collection Concept ID:

C2251465126-POCLOUD

Spatial Coverage:

N: 82°

S: -82°

E: 180°

W: -180°

Access:

  • Search Granules
  • Browse Granule Listing

Capabilities:

DownloadSubsetVisualize

Data Recipes:

  • Generic Data Readers

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="ALTIKA_SARAL_L2_OST_XOGDR",cloud_hosted=True,bounding_box=(-180.0, -82.0, 180.0, 82.0),temporal=("2020-03-18", "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

DIRECT ACCESS
Browse Granule Listing

Sort By

Search Granules

https://search.earthdata.nasa.gov/search/granules?p=C2251465126-POCLOUD

网址推荐

机器学习

https://www.cbedai.net/xg 

这篇关于NASA数据集——SARAL 近实时增值业务地球物理数据记录海面高度异常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/1045036

相关文章

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

usb接口驱动异常问题常用解决方案

《usb接口驱动异常问题常用解决方案》当遇到USB接口驱动异常时,可以通过多种方法来解决,其中主要就包括重装USB控制器、禁用USB选择性暂停设置、更新或安装新的主板驱动等... usb接口驱动异常怎么办,USB接口驱动异常是常见问题,通常由驱动损坏、系统更新冲突、硬件故障或电源管理设置导致。以下是常用解决

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Java使用SLF4J记录不同级别日志的示例详解

《Java使用SLF4J记录不同级别日志的示例详解》SLF4J是一个简单的日志门面,它允许在运行时选择不同的日志实现,这篇文章主要为大家详细介绍了如何使用SLF4J记录不同级别日志,感兴趣的可以了解下... 目录一、SLF4J简介二、添加依赖三、配置Logback四、记录不同级别的日志五、总结一、SLF4J

在Spring Boot中浅尝内存泄漏的实战记录

《在SpringBoot中浅尝内存泄漏的实战记录》本文给大家分享在SpringBoot中浅尝内存泄漏的实战记录,结合实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录使用静态集合持有对象引用,阻止GC回收关键点:可执行代码:验证:1,运行程序(启动时添加JVM参数限制堆大小):2,访问 htt

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入