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
zew10409945882 天前
基于深度学习的手势识别系统设计
人工智能·深度学习·算法·数据集·pyqt·yolov5·训练模型
幽络源小助理3 天前
杂草YOLO系列数据集4000张
yolo·数据集
数据堂官方账号13 天前
数据驱动进化:AI Agent如何重构手机交互范式?
人工智能·智能手机·重构·数据集·ai大模型·ai agent
前网易架构师-高司机14 天前
停车场停车位数据集,标注停车位上是否有车,平均正确识别率99.5%,支持yolov5-11, coco json,darknet,xml格式标注
yolo·数据集·停车场·车位·停车
@HNUSTer19 天前
基于 GEE 的城市热岛效应分析——可视化地表温度 LST 与归一化植被指数 NDVI 的关联
云计算·数据集·遥感大数据·gee·云平台
@HNUSTer20 天前
基于 GEE 利用 Sentinel-2 数据反演叶绿素与冠层水分含量
云计算·数据集·遥感大数据·gee·云平台
云卷云舒___________1 个月前
【保姆级视频教程(二)】YOLOv12训练数据集构建:标签格式转换-划分-YAML 配置 避坑指南 | 小白也能轻松玩转目标检测!
人工智能·yolo·目标检测·数据集·ultralytics·小白教程·yolov12
@HNUSTer2 个月前
基于 GEE 计算研究区年均地表温度数据
云计算·数据集·遥感大数据·gee·云平台
前网易架构师-高司机2 个月前
木材表面缺陷检测数据集,支持YOLO+COCO JSON+PASICAL VOC XML+DARKNET格式标注信息,平均正确识别率95.0%
yolo·数据集·木材缺陷识别·木材表面缺陷
@HNUSTer2 个月前
基于 GEE 利用插值方法填补缺失影像
云计算·数据集·遥感大数据·gee·云平台