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

目录

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

相关推荐
智数研析社18 小时前
9120 部 TMDb 高分电影数据集 | 7 列全维度指标 (评分 / 热度 / 剧情)+API 权威源 | 电影趋势分析 / 推荐系统 / NLP 建模用
大数据·人工智能·python·深度学习·数据分析·数据集·数据清洗
xchenhao1 天前
Scikit-Learn 对糖尿病数据集(回归任务)进行全面分析
python·机器学习·回归·数据集·scikit-learn·特征·svm
xchenhao1 天前
Scikit-learn 对加州房价数据集(回归任务)进行全面分析
python·决策树·机器学习·回归·数据集·scikit-learn·knn
xchenhao2 天前
SciKit-Learn 全面分析分类任务 breast_cancer 数据集
python·机器学习·分类·数据集·scikit-learn·svm
semantist@语校3 天前
第十九篇|东京世界日本语学校的结构数据建模:制度函数、能力矩阵与升学图谱
数据库·人工智能·线性代数·矩阵·prompt·github·数据集
xchenhao5 天前
SciKit-Learn 全面分析 digits 手写数据集
python·机器学习·分类·数据集·scikit-learn·svm·手写
深度学习lover5 天前
<数据集>yolo梨幼果识别数据集<目标检测>
python·yolo·目标检测·计算机视觉·数据集
却道天凉_好个秋6 天前
深度学习(四):数据集划分
人工智能·深度学习·数据集
爱补鱼的猫猫7 天前
快速构建数据集-假数据(生成&划分)
数据集
飞翔的佩奇10 天前
【完整源码+数据集+部署教程】骰子点数识别图像实例分割系统源码和数据集:改进yolo11-DCNV2
python·yolo·计算机视觉·数据集·yolo11·骰子点数识别图像实例分割