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

Redis的数据过期策略和数据淘汰策略

《Redis的数据过期策略和数据淘汰策略》本文主要介绍了Redis的数据过期策略和数据淘汰策略,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,需要的朋友们下面随着小编来一... 目录一、数据过期策略1、惰性删除2、定期删除二、数据淘汰策略1、数据淘汰策略概念2、8种数据淘汰策略

轻松上手MYSQL之JSON函数实现高效数据查询与操作

《轻松上手MYSQL之JSON函数实现高效数据查询与操作》:本文主要介绍轻松上手MYSQL之JSON函数实现高效数据查询与操作的相关资料,MySQL提供了多个JSON函数,用于处理和查询JSON数... 目录一、jsON_EXTRACT 提取指定数据二、JSON_UNQUOTE 取消双引号三、JSON_KE

Python给Excel写入数据的四种方法小结

《Python给Excel写入数据的四种方法小结》本文主要介绍了Python给Excel写入数据的四种方法小结,包含openpyxl库、xlsxwriter库、pandas库和win32com库,具有... 目录1. 使用 openpyxl 库2. 使用 xlsxwriter 库3. 使用 pandas 库

SpringBoot定制JSON响应数据的实现

《SpringBoot定制JSON响应数据的实现》本文主要介绍了SpringBoot定制JSON响应数据的实现,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... 目录前言一、如何使用@jsonView这个注解?二、应用场景三、实战案例注解方式编程方式总结 前言

使用Python在Excel中创建和取消数据分组

《使用Python在Excel中创建和取消数据分组》Excel中的分组是一种通过添加层级结构将相邻行或列组织在一起的功能,当分组完成后,用户可以通过折叠或展开数据组来简化数据视图,这篇博客将介绍如何使... 目录引言使用工具python在Excel中创建行和列分组Python在Excel中创建嵌套分组Pyt

在Rust中要用Struct和Enum组织数据的原因解析

《在Rust中要用Struct和Enum组织数据的原因解析》在Rust中,Struct和Enum是组织数据的核心工具,Struct用于将相关字段封装为单一实体,便于管理和扩展,Enum用于明确定义所有... 目录为什么在Rust中要用Struct和Enum组织数据?一、使用struct组织数据:将相关字段绑

在Mysql环境下对数据进行增删改查的操作方法

《在Mysql环境下对数据进行增删改查的操作方法》本文介绍了在MySQL环境下对数据进行增删改查的基本操作,包括插入数据、修改数据、删除数据、数据查询(基本查询、连接查询、聚合函数查询、子查询)等,并... 目录一、插入数据:二、修改数据:三、删除数据:1、delete from 表名;2、truncate

通过prometheus监控Tomcat运行状态的操作流程

《通过prometheus监控Tomcat运行状态的操作流程》文章介绍了如何安装和配置Tomcat,并使用Prometheus和TomcatExporter来监控Tomcat的运行状态,文章详细讲解了... 目录Tomcat安装配置以及prometheus监控Tomcat一. 安装并配置tomcat1、安装

Java实现Elasticsearch查询当前索引全部数据的完整代码

《Java实现Elasticsearch查询当前索引全部数据的完整代码》:本文主要介绍如何在Java中实现查询Elasticsearch索引中指定条件下的全部数据,通过设置滚动查询参数(scrol... 目录需求背景通常情况Java 实现查询 Elasticsearch 全部数据写在最后需求背景通常情况下

mysqld_multi在Linux服务器上运行多个MySQL实例

《mysqld_multi在Linux服务器上运行多个MySQL实例》在Linux系统上使用mysqld_multi来启动和管理多个MySQL实例是一种常见的做法,这种方式允许你在同一台机器上运行多个... 目录1. 安装mysql2. 配置文件示例配置文件3. 创建数据目录4. 启动和管理实例启动所有实例