2016年7月29日至2017年2月21日NASA大气层层析（ATom）任务甲醛（HCHO）、羟基（OH）和OH生产率的剖面积分柱密度

简介

摘要

引用

网址推荐

知识星球

机器学习

ATom: Column-Integrated Densities of Hydroxyl and Formaldehyde in Remote Troposphere

ATom：远对流层中羟基和甲醛的柱积分密度

简介

该数据集提供了甲醛（HCHO）、羟基（OH）和OH生产率的剖面积分柱密度、昼夜对流层平均OH浓度以及从2016年7月29日至2017年2月21日NASA大气层层析（ATom）任务1和2航班的选定剖面直接观测数据中得出的不确定性。这些计算产品与臭氧监测仪（OMI）获得的同时HCHO柱检索结果相结合，以缩放和扩展剖面结果到全球网格化（0.5度纬度 x 0.625度经度）产品。除了OMI甲醛柱数据外，还提供了全球建模倡议（GMI）的模型输出产品，包括平均对流层顶高度、缩放因子、柱空气质量和柱平均甲醛光解频率。GMI模型输出产品用于计算，并为用户方便而包含在内。

摘要

该数据集记录了遥远对流层中水氧和甲醛的列积分浓度。其中，遥远对流层是指大气层中高度较高的部分，远离地面源污染和人类活动的影响。水氧是一种包含氢和氧原子的化合物，常见于自然环境中的大气和水体中。甲醛是一种含有碳、氢、氧的挥发性有机物，常见于空气中的低层大气和一些工业过程中。这些数据对了解遥远对流层中水氧和甲醛的浓度分布、变化和来源具有重要意义，有助于研究大气化学、气候变化和空气质量等相关领域。

代码

python 复制代码

!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="ATom_Mapping_OH_Troposphere_1669",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 179.99, 90.0),
    temporal=("2016-07-29", "2017-02-21"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Wolfe, G. M., J. Nicely, J. M. St. Clair, T. F. Hanisco, J. Liao, L. Oman, W. H. Brune, D. Miller, A. Thames, G. G. Abad, T. B. Ryerson, J. Peischl, K. McKain, C. Sweeney, P. Wennberg, M. Kim, J. D. Crounse, S. R. Hall, K. Ullmann, G. S. Diskin, T. P. Bui, C. Chang, and J. Dean-Day (2019), ATom: Column-Integrated Densities of Hydroxyl and Formaldehyde in Remote Troposphere, Ornl Daac, doi:10.3334/ORNLDAAC/1669.

网址推荐

知识星球

知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg