AirMSPI 1B2 级产品包含云、气溶胶和地球表面的辐射和偏振图像

简介: AirMSPI版本6地形投影地理注册辐射度产品是在2019年8月NASA FIREX-AQ飞行活动中获取的。该产品包含云、气溶胶和地球表面的多光谱辐射及偏振图像,涵盖8个波长(355至935纳米),并提供辐照度、时间、角度等数据。这些数据有助于研究火灾对空气质量的影响及大气污染物分布。数据以HDF-EOS-5格式发布,适用于遥感和环境科学研究。

AirMSPI version 6 terrain-projected georegistered radiance product acquired during the FIREX-AQ flight campaign

AirMSPI 1B2 级产品包含云、气溶胶和地球表面的辐射和偏振图像

简介

AirMSPI_FIREX-AQ_Terrain-projected_Georegistered_Radiance_Data 是在 2019 年 8 月美国国家航空航天局/美国国家航空航天局火灾对区域到全球环境和空气质量的影响(FIREX-AQ)飞行活动中获取的 AirMSPI 地形投影地理登录辐射度产品。 AirMSPI 1B2 级产品包含云、气溶胶和地球表面的辐射和偏振图像。 特别是,产品包含 8 个波长的地图投影数据:355、380、445、470、555、660、865 和 935 纳米。 数据产品包括所有光谱波段的辐照度、时间、太阳天顶、太阳方位角、视点天顶和视点方位角。 有偏振信息的波长(470、660 和 865 nm)还包括斯托克斯参数 Q 和 U,以及线性偏振度 (DOLP) 和线性偏振角 (AOLP)。 报告的 Q、U 和 AOLP 都是相对于散射子午面和视子午面而言的。 文件以 HDF-EOS-5 格式发布。 此次发布的 AirMSPI 数据包含在 NASA/NOAA 火灾对区域到全球环境和空气质量的影响(FIREX-AQ)飞行活动期间获取的所有目标。 搭载 AirMSPI 仪器的 NASA ER-2 于 8 月 1 日至 8 月 21 日进行了飞行,基地位于加利福尼亚州帕姆代尔的阿姆斯特朗飞行研究中心。

摘要

AirMSPI是一个遥感仪器,用于获取地球大气和地表的多光谱图像。FIREX-AQ是一个火灾研究项目,旨在了解火灾对大气污染和空气质量的影响。

AirMSPI版本6是AirMSPI仪器的第六个版本,具有改进的传感器性能和数据处理算法。这个版本的产品是地形投影的,即将图像投影到地球表面上的特定坐标系中。

AirMSPI版本6 terrain-projected georegistered radiance product是指通过对AirMSPI仪器观测到的辐射进行地理注册处理,将其投影到地球表面上,并生成具有地形信息的辐射产品。这些产品可用于研究火灾的空气质量影响、大气污染物的分布等。

Publisher NASA/LARC/SD/ASDC
Contact Name DAVID, DR. DINER
Contact Email mailto:david.j.diner@nasa.gov
Bureau Code 026:00
Program Code 026:001
Public Access Level public
Geographic Coverage -180.0 -90.0 180.0 90.0
Temporal Applicability 2019-08-01T00:00:00Z/2019-08-22T23:59:59Z
Theme AIRMSPI, geospatial
Language en-US
Homepage ASDC | AirMSPI_FIREX-AQ_Terrain-projected_Georegistered_Radiance_Data_6
Issued 2018-03-05T00:00:00.000Z
Unique Identifier C1945170198-LARC_ASDC
Last Update 2018-05-14T00:00:00.000Z

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="AirMSPI_FIREX-AQ_Terrain-projected_Georegistered_Radiance_Data",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2015-01-20", "2015-02-20"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")

引用
2018-04-04. Archived by National Aeronautics and Space Administration, U.S. Government, NASA/LARC/SD/ASDC. ASDC | AirMSPI_FIREX-AQ_Terrain-projected_Georegistered_Radiance_Data_6. ASDC | Projects | AIRMSPI .
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)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/

相关文章
|
15天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
阿里云与企业共筑容器供应链安全
171335 12
|
18天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
随着云计算和DevOps的兴起,容器技术和自动化在软件开发中扮演着愈发重要的角色,但也带来了新的安全挑战。阿里云针对这些挑战,组织了一场关于云上安全的深度访谈,邀请了内部专家穆寰、匡大虎和黄竹刚,深入探讨了容器安全与软件供应链安全的关系,分析了当前的安全隐患及应对策略,并介绍了阿里云提供的安全解决方案,包括容器镜像服务ACR、容器服务ACK、网格服务ASM等,旨在帮助企业构建涵盖整个软件开发生命周期的安全防护体系。通过加强基础设施安全性、技术创新以及倡导协同安全理念,阿里云致力于与客户共同建设更加安全可靠的软件供应链环境。
150296 32
|
26天前
|
弹性计算 人工智能 安全
对话 | ECS如何构筑企业上云的第一道安全防线
随着中小企业加速上云,数据泄露、网络攻击等安全威胁日益严重。阿里云推出深度访谈栏目,汇聚产品技术专家,探讨云上安全问题及应对策略。首期节目聚焦ECS安全性,提出三道防线:数据安全、网络安全和身份认证与权限管理,确保用户在云端的数据主权和业务稳定。此外,阿里云还推出了“ECS 99套餐”,以高性价比提供全面的安全保障,帮助中小企业安全上云。
201962 14
对话 | ECS如何构筑企业上云的第一道安全防线
|
3天前
|
机器学习/深度学习 自然语言处理 PyTorch
深入剖析Transformer架构中的多头注意力机制
多头注意力机制(Multi-Head Attention)是Transformer模型中的核心组件,通过并行运行多个独立的注意力机制,捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵,经过缩放点积注意力运算后,所有头的输出被拼接并通过线性层融合,最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解,还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制,模型在同一序列内部进行多角度的注意力计算,进一步提升了表达能力和泛化性能。
|
8天前
|
存储 人工智能 安全
对话|无影如何助力企业构建办公安全防护体系
阿里云无影助力企业构建办公安全防护体系
1253 10
|
10天前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。
|
8天前
|
人工智能 自然语言处理 程序员
通义灵码2.0全新升级,AI程序员全面开放使用
通义灵码2.0来了,成为全球首个同时上线JetBrains和VSCode的AI 程序员产品!立即下载更新最新插件使用。
1343 24
|
8天前
|
消息中间件 人工智能 运维
1月更文特别场——寻找用云高手,分享云&AI实践
我们寻找你,用云高手,欢迎分享你的真知灼见!
656 26
1月更文特别场——寻找用云高手,分享云&AI实践
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
|
14天前
|
人工智能 自然语言处理 API
阿里云百炼xWaytoAGI共学课DAY1 - 必须了解的企业级AI应用开发知识点
本课程旨在介绍阿里云百炼大模型平台的核心功能和应用场景,帮助开发者和技术小白快速上手,体验AI的强大能力,并探索企业级AI应用开发的可能性。