NASA数据集——ACEPOL气溶胶对气候和空气质量的影响，测量气溶胶的化学成分、粒度分布、高度剖面和光学特性

原创

此星光明 2024-04-25 10:19:05 ©著作权

文章标签 python 开发语言 nasa 气溶胶特性 文章分类 HarmonyOS 后端开发

©著作权归作者所有：来自51CTO博客作者此星光明的原创作品，请联系作者获取转载授权，否则将追究法律责任

ACEPOL_AircraftRemoteSensing_RSP_Data

简介

ACEPOL 研究扫描偏振计（RSP）遥感数据（ACEPOL_AircraftRemoteSensing_RSP_Data）是在 ACEPOL 期间由 ER-2 上的研究扫描偏振计（RSP）收集的遥感测量数据。为了更好地了解气溶胶对气候和空气质量的影响，测量气溶胶的化学成分、粒度分布、高度剖面和光学特性至关重要。在遥感仪器方面，通过将强度和偏振的被动多角度、多光谱测量与高光谱分辨率激光雷达进行的主动测量相结合，可以获得最广泛的气溶胶属性集合。2017 年秋季，由美国国家航空航天局（NASA）和荷兰空间研究所（SRON）联合发起的 "偏振计和激光雷达气溶胶特征描述（ACEPOL）"活动从 NASA 的高空 ER-2 飞机上对美国上空的气溶胶和云层进行了测量。飞机上部署了六台仪器。其中四台是多角度偏振计：机载超角彩虹偏振计（AirHARP）、机载多角度光谱偏振成像仪（AirMSPI）、机载行星探测光谱仪（SPEX Airborne）和研究扫描偏振计（RSP）。另外两台仪器是激光雷达：高光谱分辨率激光雷达 2（HSRL-2）和云物理激光雷达（CPL）。ACEPOL 的运行基地设在美国宇航局位于加利福尼亚州帕姆代尔的阿姆斯特朗飞行研究中心，从而能够观测各种场景类型，包括城市、沙漠、森林、沿海海洋和农业区，以及晴朗、多云、污染和原始大气条件。ACEPOL 的主要目标是评估不同偏振计检索气溶胶和云层微物理和光学参数的能力，以及它们推算气溶胶层高度的能力（近紫外偏振测量法，O2 A 波段）。ACEPOL 还侧重于开发和评估结合主动（激光雷达）和被动（偏振计）仪器数据的气溶胶检索算法。ACEPOL 数据适用于算法开发和测试、仪器相互比较以及主动和被动仪器数据融合研究，是遥感界准备下一代星载 MAP 和激光雷达任务的宝贵资源。

数据信息

Publisher	NASA/LARC/SD/ASDC
Contact Name	Kirk Knobelspiesse
Contact Email	mailto:kirk.d.knobelspiesse@nasa.gov
Public Access Level	public
Geographic Coverage	<?xml version="1.0" encoding="UTF-8"?><gml:Polygon xmlns:gml="http://www.opengis.net/gml/3.2" srsName="EPSG:9825"><gml:outerBoundaryIs><gml:LinearRing><gml:posList>25.0 -130.0 25.0 -100.0 45.0 -100.0 45.0 -130.0 25.0 -130.0</gml:posList></gml:LinearRing></gml:outerBoundaryIs><gml:innerBoundaryIs></gml:innerBoundaryIs></gml:Polygon>
Temporal Applicability	2017-10-23T00:00:00Z/2017-11-09T23:59:59.999Z
Homepage	ASDC \| ACEPOL_AircraftRemoteSensing_RSP_Data_1
Issued	2020-03-27T00:00:00.000Z
Unique Identifier	C1758588354-LARC_ASDC
Last Update	2022-04-08T00:00:00.000Z

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="ACEPOL_AircraftRemoteSensing_RSP_Data",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2017-10-01", "2017-11-20"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

2020-05-27. Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. https://doi.org/10.5067/SUBORBITAL/ACEPOL2017/AircraftRemoteSensing_RSP_Data_1.