目录
简介
摘要
代码
引用
网址推荐
0代码在线构建地图应用
机器学习
ATLAS/ICESat-2 L3B Daily and Monthly Gridded Sea Ice Freeboard, Version 4
简介
ATLAS/ICESat-2 L3B Daily and Monthly Gridded Sea Ice Freeboard, Version 4数据是由NASA的ATLAS(Advanced Topographic Laser Altimeter System)和ICESat-2(Ice, Cloud, and land Elevation Satellite-2)卫星收集的海冰自由板数据的一个版本。该数据集提供了每日和每月的网格化海冰自由板高度信息。
海冰自由板高度是指海冰的厚度,它是通过卫星激光高度测量技术获取的。ATLAS和ICESat-2卫星使用激光束测量海冰表面和水面之间的距离,从而估计海冰的厚度。这种测量技术能够提供高精度的海冰自由板高度数据,对于研究海冰变化和气候变化非常重要。
该数据集采用网格化的方式呈现海冰自由板高度数据。每个数据点都包含海冰自由板高度的数值,以及其他相关的信息,例如测量的精度和质量指标。数据集提供了每日和每月的数据,使研究人员可以分析海冰自由板高度的变化趋势。
ATLAS/ICESat-2 L3B Daily and Monthly Gridded Sea Ice Freeboard, Version 4数据对于研究海冰动态、海冰厚度和海洋-大气相互作用等方面的问题非常有用。它对于了解北极和南极海冰的演变以及全球气候变化的影响具有重要意义。
摘要
ATL20 包含每日和每月网格化海冰自由落差估算值,这些估算值来自 ATLAS/ICESat-2 L3A 海冰自由落差产品(ATL10)中的沿轨自由落差估算值。 数据采用 SSM/I 极地立体投影法按 25 公里划分。
参数:FREEBOARD 平台:ICESat-2 传感器:ATLAS 数据格式:HDF5 时间覆盖范围:2018 年 10 月 14 日至今 时间分辨率:1 天 空间分辨率:25 千米 25 千米 空间参考系:NSIDC 海冰极地立体投影北EPSG:3411 NSIDC 海冰极地立体投影南EPSG:3412 空间覆盖范围:N:90S:-90E:180W:-180
代码
!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="ATL20",cloud_hosted=True,bounding_box=(-180.0, -90.0, 180.0, 90.0),temporal=("2017-07-20", "2018-10-14"),count=-1, # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")
引用
Petty, A. A., Kwok, R., Bagnardi, M., Ivanoff, A., Kurtz, N., Lee, J., Wimert, J. & Hancock, D. (2023). ATLAS/ICESat-2 L3B Daily and Monthly Gridded Sea Ice Freeboard. (ATL20, Version 4). [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/ATLAS/ATL20.004. [describe subset used if applicable]. Date Accessed 09-24-2024.
网址推荐
0代码在线构建地图应用
https://www.mapmost.com/#/?source_inviter=CnVrwIQs
机器学习
https://www.cbedai.net/xg