ATom: In-Situ Measurements of Airflow and Aerosols from Multiple Airborne Campaigns
ATOM机载活动中收集的部分气流和气溶胶粒子现场测量结果（飞机位置、相对湿度、温度、压力、攻角（AOA）、探头位置、真实和探头风速）
简介
该数据集提供了在以下机载活动中收集的部分气流和气溶胶粒子现场测量结果： 美国国家航空航天局大气断层扫描（ATom）、撒哈拉气溶胶长程飘移和气溶胶-云相互作用实验（SALTRACE）以及气候变化中的吸收气溶胶层：老化、寿命和动力学（A-LIFE）。 机载活动于 2013-06-10 至 2018-05-21 期间进行。 根据每次飞行和活动的飞机仪器情况，数据包括飞机位置、相对湿度、温度、压力、攻角（AOA）、探头位置、真实和探头风速，以及从云成像探头（CIP）图像中提取的 ATom 和 A-LIFE 飞行的气溶胶粒子直径。 此外，还提供了将机载数据与数值建模相结合以模拟粒子采样效率的结果。 模拟研究了机翼安装仪器周围的气流如何影响采样效率，以及不同实际飞行条件下的诱导误差。
ATom 飞行数据是 ATom-1、ATom-2 和 ATom-4 的数据，来自 NASA DC-8 气象测量系统（MMS）和第二代云、气溶胶和降水分光计（CAPS）。 CAPS 有两个主要传感器，即带去极化探测功能的云层、气溶胶和降水分光计 (CAS-DPOL) 以及云层成像探测器 (CIP)。 SALTRACE 数据来自 CAS-DPOL 仪器和 CMET 数据系统。 A-LIFE 数据来自 DLR Falcon CMET（飞机安装流量传感器）数据系统和 CAPS。 液滴 x 轴和 y 轴直径由 CIP 图像推算得出。
摘要
ATom（Atmospheric Tomography）是一项关于大气环境的研究计划，通过在全球范围内进行多次空中飞行任务，观测和分析大气中的气流和气溶胶。这个项目使用了多种仪器和技术来获取大气中的不同参数，并对它们进行分析和解释。
ATom项目旨在提供全球尺度上的三维大气成分和性质数据，以帮助科学家更好地理解大气中的化学物质的分布和变化。该项目的数据来自于2016年至2018年期间的四次空中飞行任务，每次飞行任务大约持续一个月。
ATom项目的数据集包含了大气中的多种参数，包括气流速度、温度、湿度、气溶胶数目浓度、气溶胶尺寸分布、气溶胶成分等。这些数据通过在飞机上安装的各种仪器和传感器进行实时测量，然后通过数据处理和分析得到。
ATom项目的数据对于了解大气中的气流和气溶胶的分布和变化非常重要。这些数据可用于研究大气中的污染源和传输过程，评估气溶胶对气候变化和空气质量的影响，以及为气候模型提供观测数据。
ATom项目的数据已经公开发布，可以通过相关的数据存储库或网站获取和使用。这些数据对于大气科学和环境研究领域的科学家和研究者非常有价值。
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="-180.0, -90.0, 180.0, 90.0",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2013-06-10", "2018-05-21"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
leafmap.nasa_data_download(results[:5], out_dir="data")
引用
Spanu, A., M. Dollner, J. Gasteiger, T.P. Bui, and B. Weinzierl. 2020. ATom: In-Situ Measurements of Airflow and Aerosols from Multiple Airborne Campaigns. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1784
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
干旱监测平台
慧天干旱监测与预警-首页https://www.htdrought.com/
