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

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者