2016年ATom-1活动期间航班的每10秒一次的碳 monoxide (CO) 观测数据

目录

简介

摘要

代码

引用

网址推荐

知识星球

机器学习


ATom: Observed and GEOS-5 Simulated CO Concentrations with Tagged Tracers for ATom-1

简介

该数据集包含2016年ATom-1活动期间航班的每10秒一次的碳 monoxide (CO) 观测数据,以及来自戈达德地球观测系统第5版(GEOS-5)模型的相应位置的模拟CO浓度。大气层层析任务(ATom)是NASA地球风险子轨道-2任务,研究人类产生的空气污染对温室气体和大气中化学反应气体的影响。空中观测使用量子级联激光系统(QCLS)仪器收集,该仪器是一种用于原位大气气体采样的高频激光光谱仪。该数据集提供了观测和模拟CO的直接比较,将用于指导未来的大气建模实验。该数据集还包含模拟的标记CO示踪剂浓度,代表特定区域源对总模拟CO的贡献。该数据集有助于实现ATom任务的一个目标,即创建基于观测的重要大气成分及其在远程对流层中的反应性的化学气候学。

摘要

大气层成像任务(ATom)是美国国家航空航天局(NASA)的一项地球风险子轨道-2任务。它将研究人类产生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 NASA DC-8 飞机上部署了一个广泛的气体和气溶胶有效载荷,以进行系统的全球范围大气取样,持续从 0.2 到 12 公里高度进行剖面分析。飞行将在四个季节中进行,持续四年。

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="ATom_CO_GEOS_1604",cloud_hosted=True,bounding_box=(-180.0, -65.33, 179.98, 80.01),temporal=("2016-07-20", "2017-08-08"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

 ATom-1 线路中所有 11 个研究飞行段的 QCLS 观测(左)和 GEOS-5 分析(右)的 CO(ppb)。GEOS-5 CO 取自飞行时间中点最近的分析,并根据 10 秒合并观测中给出的经度、纬度和压力插值到飞行轨迹上。为了在此图中进行可视化,模型预测和 ATom 测量的平均采样率为每 360 秒一次。对流层的数据以圆形绘制;平流层的数据以菱形绘制(来自 Strode 等人 2018 年)。

引用

Strode, S.A., J. Liu, L. Lait, R. Commane, B.C. Daube, S.C. Wofsy, A. Conaty, P. Newman, and M.J. Prather. 2018. ATom: Observed and GEOS-5 Simulated CO Concentrations with Tagged Tracers for ATom-1. ORNL DAAC, Oak Ridge, Tennessee, USA. ATom: Observed and GEOS-5 Simulated CO Concentrations with Tagged Tracers for ATom-1, https://doi.org/10.3334/ORNLDAAC/1604

网址推荐

知识星球

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)icon-default.png?t=O83Ahttps://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/57831.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Ambari里面添加hive组件

1.创建hive数据库 在添加hive组件之前需要做的事情,先在master这个虚拟机里面创建好hive 先进入虚拟机里面进入mysql 然后输入这个命令看看有没有自己创建的hive数据库 show databases;有的话会显示下面这个样子 没有的同学使用以下命令可以在MySQL中创建hive数…

Java 集合一口气讲完!(上)||o(*°▽°*)o|Ю [有人吗?]

Java 集合遍历 Java集合教程 - Java集合遍历 在Java Collections Framework中,不同类型的集合使用不同类型的数据结构以不同的方式存储它们的元素。 一些集合对它们的元素有排序,有些没有。集合框架提供了遍历集合的以下方法: 使用迭代器使…

Oracle视频基础1.1.3练习

1.1.3 需求: 完整格式查看所有用户进程里的oracle后台进程 查看物理网卡,虚拟网卡的ip地址 ps -ef | grep oracle /sbin/ifconfig要以完整格式查看所有用户进程中的 Oracle 后台进程,并查看物理和虚拟网卡的 IP 地址,可以使用以下…

akshare股票涨跌板与资金流向相关分析

## akshare文档涨跌板 https://akshare.akfamily.xyz/data/stock/stock.html#id374资金流向 https://akshare.akfamily.xyz/data/stock/stock.html#id154涨跌板:https://quote.eastmoney.com/ztb/detail#typeztgc 资金流向:https://data.eastmoney.com/…

【汽车悬挂减震器】制造行业的市场需求与汽车产量呈明显的正相关关系

摘要 根据研究团队调研统计,2023年全球汽车悬挂减震器市场销售额达到了605亿元,预计2030年将达到834亿元,年复合增长率(CAGR)为5.1%(2024-2030)。中国市场在过去几年变化较快,2023年…

11 P4995 跳跳!

题目&#xff1a; 核心&#xff1a; 贪心策略&#xff1a;每次都跳距离自己最远的石头 收获&#xff1a;双指针&#xff08;下标&#xff09;的使用 代码&#xff1a; #include<iostream> using namespace std; # define M 100 #include<algorithm> #include<ma…

热点聚焦:AI在医疗保健领域的深度渗透与变革

内容概要 随着人工智能技术的不断进步&#xff0c;我们正在见证一个充满奇迹的转变&#xff0c;尤其是在医疗保健领域。这种转变不仅仅涉及到提高效率&#xff0c;更在于重新定义我们对疾病诊断和治疗方案的理解。通过智能算法&#xff0c;AI能够在早期识别潜在的健康问题&…

Unity3D URP应用与优化详解

前言 Unity3D是一款广泛应用于游戏开发、影视制作和虚拟现实等领域的强大游戏引擎。在Unity3D中&#xff0c;渲染管线是决定图形质量和性能的关键因素之一。Universal Render Pipeline&#xff08;URP&#xff09;是Unity3D最新推出的渲染管线&#xff0c;为移动和轻量级渲染而…

驱动TFT-1.44寸屏(ST7735)显示器

目录 一、驱动芯片介绍 二、驱动方式 三、完整代码下载 TFT1.44寸屏&#xff0c;搭配ST7735驱动芯片&#xff0c;是一种专为小型电子设备设计的彩色液晶显示解决方案。该屏幕采用薄膜晶体管&#xff08;TFT&#xff09;技术&#xff0c;能够实现高亮度、高对比度和丰富的色彩…

计算机网络八股文个人总结

1.TCP/IP模型和OSI模型的区别 在计算机网络中&#xff0c;TCP/IP 模型和 OSI 模型是两个重要的网络协议模型。它们帮助我们理解计算机通信的工作原理。以下是它们的主要区别&#xff0c;以通俗易懂的方式进行解释&#xff1a; 1. 模型层数 OSI 模型&#xff1a;有 7 层&#…

阐述对鸿蒙生态的认知和了解,并对鸿蒙生态的崛起进行简要分析

一、对鸿蒙生态的认知和了解 1. 系统架构层面 鸿蒙操作系统是一个分布式操作系统&#xff0c;它具有分层架构。内核层包括Linux内核、LiteOS等多种内核&#xff0c;能够适应不同设备的资源和性能需求。例如&#xff0c;在智能穿戴设备这种资源受限的场景下&#xff0c;LiteO…

#渗透测试#SRC漏洞挖掘# 操作系统-windows系统基础02

免责声明 本教程仅为合法的教学目的而准备&#xff0c;严禁用于任何形式的违法犯罪活动及其他商业行为&#xff0c;在使用本教程前&#xff0c;您应确保该行为符合当地的法律法规&#xff0c;继续阅读即表示您需自行承担所有操作的后果&#xff0c;如有异议&#xff0c;请立即停…

C++/Opengl编程实践

一、OpenGL编程前提 图形编程是以来显卡的&#xff0c;其程序分为两部分&#xff0c;一部分是用C/java语言编写运行在CPU上的&#xff0c;另一部分是使用着色器语言(GLSL)编写&#xff0c;运行在GPU上的。 1. 需要使用的编程语言及三方库 OpenGL是一个底层无关的图形库&…

使用onnxruntime-web 运行yolov8-nano推理

ONNX&#xff08;Open Neural Network Exchange&#xff09;模型具有以下两个特点促成了我们可以使用onnxruntime-web 直接在web端上运行推理模型&#xff0c;为了让这个推理更直观&#xff0c;我选择了试验下yolov8 识别预览图片&#xff1a; 1. 跨平台兼容性 ONNX 是一种开…

CSS3新增盒子属性(三)

1、CSS3新增盒子属性 1.1 box-sizing 设置盒子的大小。 content-box&#xff1a;设置内容区的大小&#xff1b;border-box&#xff1a;设置盒子的总大小。 <!DOCTYPE html> <html lang"zh-CN"><head><meta charset"UTF-8"><t…

kubectl常用命令简介

在之前浅谈Kubernetes集群架构 中介绍了kube-apiserver是提供k8s对内或对外的api请求的唯一入口&#xff0c;本文介绍的 kubectl 是官方的CLI命令行工具&#xff0c;用于与 apiserver 进行通信&#xff0c;将用户在命令行输入的命令&#xff0c;组织并转化为 apiserver 能识别的…

Qt 练习做一个登录界面

练习做一个登录界面 效果 UI图 UI代码 <?xml version"1.0" encoding"UTF-8"?> <ui version"4.0"><class>Dialog</class><widget class"QDialog" name"Dialog"><property name"ge…

ArcGIS软件之“新建中学最适合地址”地图制作

目录 最终效果图(全文图中的颜色类似即可&#xff0c;形状一样为标准&#xff09;第一步、设置现有中学的欧式距离第二步、将计算好的欧式距离 进行重分类第三步、进行核密度分析第四步、进行人口密度的重分类第五步、进行土地使用的要素转栅格第六步、对上一步进行重分类第七步…

一些小细节代码笔记汇总

Python cv2抓取摄像头图片保存到本地 import cv2 import datetime, ossavePath "E:/Image/"if not os.path.exists(savePath):os.makedirs(savePath)cap cv2.VideoCapture(0) capture Falseif not cap.isOpened():print("无法打开摄像头")exit()while…

就业市场变革:AI时代,我们将如何评估人才?

内容概要 在这个充满变革的时代&#xff0c;就业市场正被人工智能&#xff08;AI&#xff09;技术深刻改变。随着技术的进步&#xff0c;传统的人才评估方式逐渐显示出其局限性。例如&#xff0c;过去依赖于纸质简历和面试评估的方式在快速变化的环境中难以准确识别真实的人才…