ATom:2016-2018 年来自 CAPS 仪器的云和粗气溶胶测量数据
目录
简介
摘要
代码
引用
网址推荐
机器学习
ATom: Cloud and Coarse Aerosol Measurements from CAPS Instrument, 2016-2018
ATom:2016-2018 年来自 CAPS 仪器的云和粗气溶胶测量数据
简介
该数据集包含维也纳大学第二代云气溶胶和降水分光仪(CAPS)仪器在2016年至2018年的四次ATom活动中测量的云类型和粗气溶胶含量,该仪器安装在NASA DC-8飞机上。 CAPS 可测量名义上 0.5 微米至 960 微米粒径范围内的粒径分布。 CAPS 的光学粒子计数器组件--带去极化检测功能的云和气溶胶光谱仪(CAS-DPOL)可测量约 0.5 至 50 微米之间的粒径范围。 15 至 930 微米的粒径范围则由称为云成像探头(CIP)的光学阵列探头测量。 云的类型是利用一种算法来确定的,该算法是利用 CAPS 的测量结果对云进行探测和分类而开发的。 该算法还考虑了相对湿度和温度。 云指标以 1 Hz 为基础进行分类,并将数据分为无云、气溶胶-云过渡状态(ACTR)、液态云、混合相温度状态(MPTR)中的云和卷云。 粗气溶胶产品提供标准压力(1013.25 hPa)和标准温度(273.15 K)下选定粒径范围的云和气溶胶粒子数浓度。 颗粒大小指硫酸铵光学当量直径(m=1.52 + 0.0i)。
摘要
大气层析成像飞行任务(ATom)是美国航天局地球风险亚轨道-2 飞行任务。 它研究人类造成的空气污染对温室气体和大气中化学反应气体的影响。 ATom 在美国国家航空航天局的 DC-8 飞机上部署了大量气体和气溶胶有效载荷,对大气层进行系统的全球范围采样,从 0.2 公里到 12 公里高度连续进行剖面分析。 在 4 年的时间里,在四个季节的每个季节都进行了飞行。
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_CAPSVienna_Data_1981",
cloud_hosted=True,
bounding_box=(-180.0, -90.0, 180.0, 90.0),
temporal=("2016-07-29", "2018-05-21"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
#leafmap.nasa_data_download(results[:5], out_dir="data")
引用
Weinzierl, B.B., and M. Dollner. 2021. ATom: Cloud and Coarse Aerosol Measurements from CAPS Instrument, 2016-2018. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1981
网址推荐
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