前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >NASA数据集——亚太地区气溶胶特性数据集

NASA数据集——亚太地区气溶胶特性数据集

作者头像
此星光明
发布于 2024-04-17 00:36:34
发布于 2024-04-17 00:36:34
23600
代码可运行
举报
运行总次数:0
代码可运行

ACE-ASIA: Asian Pacific Regional Aerosol Characterization Experiment

简介

气溶胶特性实验 Aerosol Characterization Experiment(ACE)旨在加深我们对大气气溶胶粒子如何影响地球气候系统的了解。这些实验综合了现场测量、卫星观测和模型,以减少气溶胶粒子对气候强迫计算的不确定性,并提高模型预测气溶胶对地球辐射平衡影响的能力。ACE-Asia 是国际全球大气化学计划(IGAC)(国际地圈生物圈计划的核心项目)组织的一系列实验中的第四项。2001 年春季(3 月中旬至 5 月初),ACE-Asia 的强化实地阶段在中国、日本和韩国沿海进行。行动中心设在日本西南部的岩国海军陆战队基地。ACE-Asia 区域包括来自地球上最大的气溶胶源区域之一的多种类型的气溶胶粒子,其成分和大小差异很大。这些粒子包括人类活动和工业源排放的粒子以及风吹尘埃。ACE-Asia 的研究结果将使我们更好地了解大气气溶胶如何影响地球大气的化学和辐射特性。这些结果还将帮助我们了解未来气溶胶浓度和组成的变化会如何影响整个地球气候系统的变化。

ACE-Asia 的科学目标是确定和了解东亚和西北太平洋人为改变的大气中气溶胶的特性和控制因素,并评估其与气候辐射强迫的相关性。为实现这些目标,ACE-Asia 将努力实现三个具体目标:1) - 确定东亚和西北太平洋地区主要气溶胶类型的物理、化学和辐射特性,并研究这些特性之间的关系。2) - 量化控制主要气溶胶类型演变的物理和化学过程,特别是其物理、化学和辐射特性。3) - 制定从局部到区域和全球范围推断气溶胶特性和过程的程序,评估东亚和西北太平 洋地区气溶胶的区域直接和间接辐射强迫。

数据接入

Datasets from this project

额外的信息

GCMD Name

A - C > ACE-ASIA > Aerosol Characterization Experiment-Asia > fb01344f-5a68-41e6-b75c-37ffb8d78a58

Field catalog

ACE-ASIA field catalog

Related links

info: C-130Qhomepage: EOL project pagehomepage: NOAA/PMEL ACE-Asia website

Related links

时间覆盖

Begin Date

2001-03-15 00:00:00

End Date

2001-05-10 23:59:59

代码

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
!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="ACE-ASIA",
    cloud_hosted=True,
    bounding_box=(-180.0, -90.0, 180.0, 90.0),
    temporal=("2001-03-15", "2001-04-15"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

EOL data archive -- Dataset List

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-04-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【随便聊一聊】FME知识点碎碎念
良好的注释,可以起到画龙点睛的作用。有时候看早年间写过的东西,都需要很长时间才能看懂。如果有了注释,理解起来就会简单许多。 FME支持三种注释方式
数据处理与分析
2020/11/12
2.5K2
随便谈一谈:数据融合
也没想好说点什么,就随便聊聊了。 这已经是随便谈一谈第三弹了,哈哈! 恰好想起来前几天的数据交流群里有人问数据匹配的问题,今天就以此为例,来聊一聊数据之间的融合。
数据处理与分析
2020/04/24
1.4K0
arcpy怎么用_python arcpy
arcgis地理处理包括了查找工具、工具箱、地理处理环境、模型、python脚本、arcpy等一系列自动执行地理任务的框架。
全栈程序员站长
2022/11/17
2.5K0
arcpy怎么用_python arcpy
三、Arcpy基础【ArcGIS Python系列】
ArcGIS中的地理处理允许您执行空间分析和建模以及自动执行GIS任务。典型的地理处理工具获取输入数据(要素类、栅格或表),执行地理处理任务,然后生成输出数据作为结果。ArcGIS包含数百种地理处理工具。地理处理工具的示例包括用于创建缓冲区、用于向表添加字段以及用于对地址表进行地理编码的工具。
renhai
2023/11/24
5960
三、Arcpy基础【ArcGIS Python系列】
做数据处理要遵守的一些规则
不造锤子; 不论是FME还是Python,又或者是SQL。这些工具都很好用,在进行数据处理的时候,应当思考如何合理的使用他们。通过工具的组合,绝大多数问题都能得到解决。就像使用生活中的工具,单纯的使用一把锤子,是造不出汽车的。为了造出复杂的机械,需要的是合理的使用工具,在这过程中,可能需要使用到一些比锤子更加高级的机械等一系列工具。如果目的是造汽车,那么这些高级工具是怎么造出来的,就不是最该关注的点。造汽车的人,只需要使用好这些工具就好了。 不造锤子,并不意味着思想上的懈怠。相反的,不造锤子意味着作为一个数
数据处理与分析
2019/07/31
5920
GIS专辑 | 数据是GIS的血液
本周将连载关于ArcGIS技术应用的文章。来源于我的师兄。他有丰富的工作经验。如有问题欢迎大家留言或者访问博客进行交流:https://blog.csdn.net/symBBD
郭好奇同学
2020/12/22
5.1K0
GIS专辑 | 数据是GIS的血液
拱墅区学区分析之三(数据处理篇)
在数据处理方面,FME的优势我在不同场合强调过多次。针对我日常中的数据处理+分析,FME简直完美。所以本次的学区分析,依然是使用FME作为主力工具。
数据处理与分析
2020/06/19
4740
拱墅区学区分析之三(数据处理篇)
四、探索空间数据【ArcGIS Python系列】
在 Python 脚本中,您可能需要确定数据集是否确实存在。该任务可以使用 arcpy.Exists()函数完成。返回函数返回一个布尔值True或False,指示该元素是否存在。
renhai
2023/11/24
3820
四、探索空间数据【ArcGIS Python系列】
(长期更新)《零基础入门 ArcGIS(ArcMap) 》实验一(下)----空间数据的编辑与处理(超超超详细!!!)
本篇博客内容为道路拓扑检查与修正,有对本实验实验目的、实验介绍有不了解的,可以看下上篇博客。
用户11404404
2024/12/13
2370
(长期更新)《零基础入门 ArcGIS(ArcMap) 》实验一(下)----空间数据的编辑与处理(超超超详细!!!)
使用FME查找顺序码的漏编和重复 | 直播作业
这两天看了一个FME的直播课程,非常不错,适合入门者学习! 在直播结束后,举办方留了一个作业,要求非常的精简! 要求:请制作一个模板,判断相同标识码的要素,其顺序码是否存在漏编和重复。 这么简练的要求,科科还让我猜,你说,我猜不猜?
数据处理与分析
2020/02/25
2.5K0
六、处理几何数据【ArcGIS Python系列】
要素类中的每个要素都由一个或多个顶点组成,这些顶点定义了点、多段线或多边形要素。在点要素类的情况下,每个点要素由单个顶点组成。多段线和多边形要素由多个顶点组成。每个顶点是由一对x、y坐标定义的位置。该图说明了点、多段线和多边形如何在笛卡尔坐标空间中由顶点定义。
renhai
2023/11/24
4140
六、处理几何数据【ArcGIS Python系列】
使用ArcGIS Pro对卫星图进行建筑轮廓识别和车辆检测
“机器学习”一词的火爆程度无需多言,今年ChatGPT的火爆让每一个都了解到了“人工智能”的巨大潜力。虽然你或多或少接触到“机器学习”、“人工智能”、“深度学习”这些概念,但是依旧会觉得很模糊,容易混淆。
renhai
2023/11/24
1.9K1
使用ArcGIS Pro对卫星图进行建筑轮廓识别和车辆检测
九、自定义工具箱【ArcGIS Python系列】
在创建Python工具箱之前,必须先创建脚本,当你熟悉编写Python脚本之后,制作工具箱就相当于交付产品到用户手上,用户可以根据工具提示访问该工具,并且可以在模型构建器使用,也可以作为脚本调用。
renhai
2023/11/24
5600
九、自定义工具箱【ArcGIS Python系列】
[重排]利用ArcGIS快速实现三维建筑和三维地形快速建模[ArcGIS高效前期]
“三维”可能是最直接、最易于理解、最有需要的一个前期分析中的功能了,我们都希望从测绘CAD直接能看到三维空间——ArcGIS可以办到,不要看本篇文章很长,但是后面熟练起来,真的真的很快。
Sidchen
2020/08/02
4.4K0
利用ArcGIS快速实现三维建筑和三维地形快速建模
“三维”可能是最直接、最易于理解、最有需要的一个前期分析中的功能了,我们都希望从测绘CAD直接能看到三维空间——ArcGIS可以办到,不要看本篇文章很长,但是后面熟练起来,真的真的很快。
Sidchen
2020/08/02
7.3K0
Part4-2.对建筑年代的预测结果进行分析:绘制混淆矩阵、计算分类报告,绘制空间分布
本文为《通过深度学习了解建筑年代和风格》论文复现的第六篇——对建筑年代深度学习模型的进行评价,我们首先会通过对测试数据集的预测来展示模型的预测能力,其中,我们会介绍对模型进行评估的几种方法,包括混淆矩阵、召回率 (Recall)、精确度 (Precision)、F1分数 (F1 Score),然后,我们会利用类激活映射(Class Activation Mapping,简称 CAM)查看模型关注哪些方面,最后从空间上观察建筑年代的预测结果在空间上的表现。
renhai
2023/11/24
7390
Part4-2.对建筑年代的预测结果进行分析:绘制混淆矩阵、计算分类报告,绘制空间分布
Part3-1.获取高质量的阿姆斯特丹建筑立面图像(附完整代码)
本文为《通过深度学习了解建筑年代和风格》论文复现的第三部分——获取阿姆斯特丹高质量街景图像的上篇,主要讲了如何获取利用谷歌街景地图自动化获取用于深度学习的阿姆斯特丹的高质量街景图像,此数据集将用于进行建筑年代的模型训练[1]。
renhai
2023/11/24
8590
Part3-1.获取高质量的阿姆斯特丹建筑立面图像(附完整代码)
gis地理加权回归步骤_地理加权回归权重
上一节我们讲了GLR广义线性回归,它是一种全局模型,可以构造出最佳描述研究区域中整体数据关系的方程。如果这些关系在研究区域中是一致的,则 GLR 回归方程可以对这些关系进行很好的建模。不过,当这些关系在研究区域的不同位置具有不同的表现形式时,回归方程在很大程度上为现有关系混合的平均值;如果这些关系表示两个极值,那么全局平均值将不能为任何一个极值构建出很好的模型。当解释变量表现出不稳定的关系(例如人口变量可能是研究中某些地区911呼叫量的重要影响因子,但在其他地区可能是较弱的影响因子,这就是不平稳的表现)时,全局模型通常会失效。
全栈程序员站长
2022/11/08
3K0
gis地理加权回归步骤_地理加权回归权重
地理加权回归模型_arcgis栅格数据归一化0到1
实际上要说起来,GWR有专门的软件,叫做GWR,但是这个软件暂时我还没有用过,所以等我先学习一下,把他放到最后才说了,先用比较熟悉的,比如ArcGIS、比如R语言,这些来讲讲(还有一个我非常熟悉的软件是GEODA,可惜GEODA仅支持回归分析,不支持地理加权回归)。
全栈程序员站长
2022/11/10
1.5K0
地理加权回归模型_arcgis栅格数据归一化0到1
原创丨利用ArcGIS制作多年栅格渐变
所有步骤都是用ArcGIS中各种工具操作组合,未使用Arcpy与Python等需要使用代码的工具!
陈南GISer
2021/08/19
2.2K0
原创丨利用ArcGIS制作多年栅格渐变
推荐阅读
相关推荐
【随便聊一聊】FME知识点碎碎念
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验