AMSR-E/Aqua level 3 global monthly Surface Soil Moisture Averages V005 (AMSRE_AVRMO) at GES DISC
AMSR-E/Aqua level 3 global monthly Surface Soil Moisture Standard Deviation V005 (AMSRE_STDMO) at GES DISC
简介
GES DISC 的 AMSR-E/Aqua 第 3 级全球地表土壤水分月平均值 V005 (AMSRE_AVRMO)
该数据集包含 1 乘 1 度网格单元的全球月平均土壤湿度统计数据（平均值）。数据来源是 AMSR-E 每日土壤水分估算值（AE_Land3.002：AMSR-E/Aqua Daily L3 Surface Soil Moisture, Interpretive Parameters, QC EASE-Grids.第 2 版）。数据集涵盖的时间段为 2002-10-01 至 2011-09-30。
来源\](https://monica.im/s/Clugfk3Thm)
- 🌎 \*\*数据范围\*\* 数据集涵盖 2002 年 10 月至 2011 年 10 月期间的全球陆地区域。 \[来源\](https://monica.im/s/Clugfk3Thm)
### 摘要
地球观测系统 Aqua 卫星上的高级微波扫描辐射计（AMSR-E）于 2002 年 5 月 4 日发射升空。AMSR-E 仪器由于结合了低频和更高的空间分辨率（6.9 千兆赫时约 60 公里），与扫描多通道微波辐射计和特殊传感器微波/成像仪等以前的星载辐射计相比，具有潜在的改进土壤水分传感能力。本文介绍了 AMSR-E 土壤水分检索方法及其实施。发射后的验证计划正在进行中，该计划将对获取的土壤水分进行评估，并改进数据的水文应用。验证计划的主要内容包括评估植被含水量、地表温度和空间异质性的变化对检索到的土壤水分的影响。图中显示了仪器运行头几个月 AMSR-E 对陆地亮度温度观测的实例，说明了全球植被和土壤水分变化的一般特征。目前正在对 AMSR-E 传感器的校准和射频干扰程度进行评估，随后将对土壤湿度检索进行定量评估。
该数据集包含 1 乘 1 度网格单元的全球月平均土壤湿度统计数据（平均值）。数据来源是 AMSR-E 每日土壤水分估算值（AE_Land3.002：AMSR-E/Aqua Daily L3 Surface Soil Moisture, Interpretive Parameters, QC EASE-Grids.第 2 版）。数据集涵盖的时间段为 2002-10-01 至 2011-09-30。
|------------------------|---------------------------------------------------------------------------------------------------------------------|
| Publisher | NASA/GSFC/SED/ESD/GCDC/GESDISC |
| Contact Name | PETER ROMANOV, PHD |
| Contact Email | |
| Bureau Code | 026:00 |
| Program Code | 026:001 |
| Public Access Level | public |
| Geographic Coverage | -180.0 -90.0 180.0 90.0 |
| Temporal Applicability | 2002-10-01T00:00:00Z/2011-09-30T23:59:59.999Z |
| Theme | NEESPI NASA, geospatial |
| Language | en-US |
| Homepage | [https://doi.org/10.5067/UJYEX3XPWWB2](https://doi.org/10.5067/UJYEX3XPWWB2 "https://doi.org/10.5067/UJYEX3XPWWB2") |
| Issued | 2009-03-10T00:00:00.000Z |
| Unique Identifier | C1239898008-GES_DISC |
| Last Update | 2011-09-30T00:00:00.000Z |
## 代码
```python
!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
import pandas as pd
import leafmap
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
short_name="AMSRE_AVRMO",
cloud_hosted=True,
bounding_box=(-180, -90, 180, 90),
temporal=("2002-10-01", "2011-09-30"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
#leafmap.nasa_data_download(results[:5], out_dir="data")
```
## 引用
|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| NEESPI Data Center Project. 2002-07-01. AMSRE_AVRMO. Version 005. AMSR-E/Aqua level 3 global monthly Surface Soil Moisture Averages V005. Greenbelt, MD, USA. AMSRE_AVRMO. Archived by National Aeronautics and Space Administration, U.S. Government, Goddard Earth Sciences Data and Information Services Center (GES DISC). [GES DISC](https://doi.org/10.5067/UJYEX3XPWWB2 "GES DISC"). [GES DISC](https://disc.gsfc.nasa.gov/datacollection/AMSRE_AVRMO_005.html "GES DISC"). Digital Science Data. |
### 网址推荐
### 0代码在线构建地图应用
[https://invite.mapmost.com/#/login?source_inviter=nClSZANO](https://invite.mapmost.com/#/login?source_inviter=nClSZANO "https://invite.mapmost.com/#/login?source_inviter=nClSZANO")
### 机器学习
[https://www.cbedai.net/xg](https://www.cbedai.net/xg%C2%A0 "https://www.cbedai.net/xg ")