NASA:北极ARCTAS差分吸收激光雷达（DIAL）遥感数据

原创

此星光明 2024-08-18 14:55:31 ©著作权

文章标签 人工智能算法 Python nasa 数据集 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

ARCTAS Differential Absorption Lidar (DIAL) Remotely Sensed Data

ARCTAS差分吸收激光雷达（DIAL）遥感数据

简介

ARCTAS差分吸收激光雷达（DIAL）遥感数据是一种远程感测技术，用于测量大气中不同波长的激光辐射被大气成分（例如气体或颗粒物）吸收的程度。该技术通过差分吸收测量技术，可以提供大气中多种气体和颗粒物的浓度分布以及其他相关大气参数。在上下文中，指的是通过ARCTAS差分吸收激光雷达（DIAL）系统获取的遥感数据，用于分析大气成分和相关气象数据，特别是与气候变化有关的信息。

摘要

北极是了解气候变化的关键地区。北极对欧亚大陆北部和北美洲变暖、污染和森林火灾排放等环境扰动的反应包括冰原和永久冻土融化、雪反照率降低以及海盐气溶胶卤素自由基化学沉积到冰上等关键过程。从飞机和卫星观测对流层成分的北极研究（ARCTAS）是一项实地活动，旨在探索与北极高度气候敏感性有关的环境过程。对流层成分研究是美国航天局为 2007-2008 国际极地年国际全球大气化学（IGAC）极地研究（利用飞机、遥感、地表测量以及气候、化学、气溶胶和传输模型）实验做出贡献的一部分。对流层成分研究有四个主要目标。首先是了解污染向北极的长程飘移。从北半球中纬度大陆带到北极的污染会对环境造成影响，例如改变区域和全球气候，影响臭氧预算。在北极和南极区域气候变化研究之前，这些途径在很大程度上仍不确定。第二个目标是了解北方森林火灾的大气成分和对气候的影响；森林火灾排放的烟雾通过影响辐射预算和云层过程以及促进对流层臭氧的生成，对北极的大气造成扰动。第三个目标是了解气候扰动产生的气溶胶辐射强迫，因为北极地区气候变化速度快，辐射环境独特，是了解辐射强迫的重要场所。北极研究与培训计划的第四个目标是了解化学过程，重点是臭氧、气溶胶、汞和卤素。此外，ARCTAS 试图开发将飞机和卫星提供的与北极污染和相关环境扰动有关的数据纳入地球科学模型的能力，从而扩大这些模型预测未来环境变化的潜力。 ARCTAS 包括 2008 年 4 月和 7 月进行的两次为期三周的飞机部署。春季部署旨在探索北极雾霾、平流层-对流层交换和日出光化学。之所以选择四月作为部署阶段，是因为从历史上看，四月是北极地区来自中纬度大陆北部污染累积的季节性高峰。夏季部署旨在了解北方森林火灾最活跃的季节阶段，以及平流层与对流层的交换和夏季光化学情况。在北极和南极科学考察期间，美国国家航空航天局的三架飞机（DC-8、P-3B 和 BE-200）进行了测量，并配备了现场和遥感仪器套件。机载数据与来自 AURA、AQUA、CloudSat、PARASOL、CALIPSO 和 MISR 的卫星观测数据结合使用。 ASDC 保存了 ARCTAS 的飞机数据以及与 MISR 有关的数据，MISR 是 Terra 卫星上的一个卫星仪器，提供有关地球环境和气候信息的测量数据。

Resource Type	Dataset
Metadata Created Date	May 30, 2023
Metadata Updated Date	December 6, 2023
Publisher	NASA/LARC/SD/ASDC
Maintainer	Johnathan Hair
Identifier	C2449574144-LARC_ASDC
Data First Published	2022-01-11
Language	en-US
Data Last Modified	2022-09-06
Category	ARCTAS, geospatial
Public Access Level	public
Bureau Code	026:00
Metadata Context	https://project-open-data.cio.gov/v1.1/schema/catalog.jsonld
Metadata Catalog ID	https://data.nasa.gov/data.json
Schema Version	https://project-open-data.cio.gov/v1.1/schema
Catalog Describedby	https://project-open-data.cio.gov/v1.1/schema/catalog.json
Citation	2022-09-06. Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. https://doi.org/10.5067/ASDC/SUBORBITAL/ARCTAS_AircraftRemoteSensing_DC8_DIAL_Data_1.
Harvest Object Id	96e95b68-2318-4f26-af4a-a2609cc53062
Harvest Source Id	58f92550-7a01-4f00-b1b2-8dc953bd598f
Harvest Source Title	NASA Data.json
Homepage URL	https://doi.org/10.5067/ASDC/SUBORBITAL/ARCTAS_AircraftRemoteSensing_DC8_DIAL_Data_1
Metadata Type	geospatial
Old Spatial	<?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>32.0 -180.0 32.0 180.0 90.0 180.0 90.0 -180.0 32.0 -180.0</gml:posList></gml:LinearRing></gml:outerBoundaryIs><gml:innerBoundaryIs></gml:innerBoundaryIs></gml:Polygon>
Program Code	026:001
Source Datajson Identifier	True
Source Hash	ad653411f2f0376da8aeabb82a508c5f3dd00cdff5d99aed5ab5658f3a638fb9
Source Schema Version	1.1
Spatial
Temporal	2008-03-31T00:00:00Z/2008-07-15T23:59:59.999Z
Hi

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="ARCTAS_AircraftRemoteSensing_DC8_DIAL_Data",
    cloud_hosted=True,
    bounding_box=(-165.68, 34.59, -98.1, 71.28),
    temporal=("2008-03-25", "2008-07-13"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

NASA:北极ARCTAS差分吸收激光雷达（DIAL）遥感数据_人工智能

引用

2022-09-06. Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. https://doi.org/10.5067/ASDC/SUBORBITAL/ARCTAS_AircraftRemoteSensing_DC8_DIAL_Data_1.