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

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

Python如何精准判断某个进程是否在运行

《Python如何精准判断某个进程是否在运行》这篇文章主要为大家详细介绍了Python如何精准判断某个进程是否在运行,本文为大家整理了3种方法并进行了对比,有需要的小伙伴可以跟随小编一起学习一下... 目录一、为什么需要判断进程是否存在二、方法1:用psutil库(推荐)三、方法2:用os.system调用

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

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

Python运行中频繁出现Restart提示的解决办法

《Python运行中频繁出现Restart提示的解决办法》在编程的世界里,遇到各种奇怪的问题是家常便饭,但是,当你的Python程序在运行过程中频繁出现“Restart”提示时,这可能不仅仅是令人头疼... 目录问题描述代码示例无限循环递归调用内存泄漏解决方案1. 检查代码逻辑无限循环递归调用内存泄漏2.

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