NOAA 巴罗阿拉斯加观测站的受体在 1982 年至 2011 年这 30 年间 12 个选定年份(8 月 15 日至 10 月 15 日)的随机时间倒拉格朗日传输模型输出结果

简介: 该数据集提供了1982年至2011年间位于阿拉斯加巴罗(现称乌特基亚维克)NOAA观测站的拉格朗日传输模型输出结果。使用WRF-STILT模型,基于气象场模拟气溶胶粒子轨迹,涵盖12个选定年份的8月15日至10月15日,分辨率分别为0.5度和0.1度。这些数据有助于研究大气环境、气候变化及碳循环,对理解北极生态系统变化至关重要。


Pre-ABoVE: Particle Trajectories for WRF-STILT Model, Barrow, AK, 1982-2011

简介
该数据集提供了位于 NOAA 巴罗阿拉斯加观测站的受体在 1982 年至 2011 年这 30 年间 12 个选定年份(8 月 15 日至 10 月 15 日)的随机时间倒拉格朗日传输模型输出结果。 天气研究和预测模型 3.5.1 版的气象场用于驱动 STILT。 STILT 从测量地点("受体 "地点)开始,应用拉格朗日粒子扩散模型,以 "足迹 "场的形式创建传输模型的临界点。 足迹的单位是混合比(ppm --- CO2;ppb --- CH4)/(umol m-2 s-1 --- CO2;nmol m-2 s-1 --- CH4),它量化了上风表面通量对受体测量浓度的影响,计算方法是计算受表面影响体积内的粒子数量和在该体积内停留的时间。 该数据集所包含的模拟结果对于了解北极碳循环的变化至关重要,也是将北极受体处大气成分变化与生态系统结构和功能变化联系起来的回顾性分析的一部分。

摘要
Pre-ABoVE: Particle Trajectories for WRF-STILT Model, Barrow, AK, 1982-2011是一组数据集,提供了在1982年至2011年期间使用WRF-STILT模型计算得到的Barrow,AK(现在称为Utqiaġvik)地区的气溶胶粒子轨迹信息。

WRF-STILT模型是一种空气质量模型,被广泛用于模拟大气中的化学和动力学过程。该模型使用气象数据和源信息来计算空气质量的分布和传输。

这组数据包含了1982年至2011年期间的大量观测站点的气象数据和大气扩散信息,包括气温、风速、湿度等。使用这些气象数据,WRF-STILT模型计算了在Barrow地区的大气中移动的气溶胶粒子的轨迹。

这些粒子轨迹数据有助于理解大气中气溶胶的来源和传输路径。它们可以用于研究气溶胶的空间分布、季节变化以及与气象条件的关系。这些数据对于研究大气环境、气候变化以及人类健康等方面都具有重要意义。

总之,Pre-ABoVE: Particle Trajectories for WRF-STILT Model, Barrow, AK, 1982-2011数据集提供了Barrow地区1982年至2011年期间气溶胶粒子在大气中的轨迹信息,可用于研究大气环境和气候变化等相关课题。

Spatial Coverage: Circumpolar influence field and Alaska regional influence field

Spatial Resolution: 0.5-degree for circumpolar; 0.1-degree for near field receptors

Temporal Coverage: 12 selected years (15 August to 15 October) across 1982-08-10 to 2011-10-15

Temporal Resolution: Hourly

Study Area (coordinates in decimal degrees)

Site Westernmost Longitude Easternmost Longitude Northernmost Latitude Southernmost Latitude
NOAA Barrow Alaska Observatory (receptor location)

-156.6114 -156.6114 71.3230 71.3230
Circumpolar (foot1 variable) -180.0 180.0 90.0 30.0
Alaska (footnearfield1 variable) -169.51351 -133.82992 71.35532 58.35277
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="ABoVE_ASCENDS_XCO2_2050",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2017-07-20", "2017-08-08"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

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

引用
Henderson, J. 2018. Pre-ABoVE: Particle Trajectories for WRF-STILT Model, Barrow, AK, 1982-2011. ORNL DAAC, Oak Ridge, Tennessee, USA. Pre-ABoVE: Particle Trajectories for WRF-STILT Model, Barrow, AK, 1982-2011, https://doi.org/10.3334/ORNLDAAC/1571

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
|
4天前
|
机器学习/深度学习 Python
NOAA 巴罗阿拉斯加观测站的受体在 1982 年至 2011 年这 30 年间 12 个选定年份(8 月 15 日至 10 月 15 日)的随机时间倒拉格朗日传输模型输出结果
该数据集提供了1982年至2011年间位于阿拉斯加巴罗的NOAA观测站的WRF-STILT模型输出结果,涵盖12个选定年份(8月15日至10月15日)的随机时间拉格朗日传输模型。数据基于WRF气象场驱动STILT模型,生成足迹场,单位为混合比,量化上风表面通量对受体测量浓度的影响。包含11,904个NetCDF格式的足迹文件,对于研究北极碳循环变化及大气成分与生态系统的关系至关重要。
21 6
|
7月前
1044 火星数字 (20 分)
1044 火星数字 (20 分)
|
7月前
|
机器学习/深度学习 计算机视觉
ICLR 2024 Oral :应对随时间变化的分布偏移,西安大略大学等提出学习时序轨迹方法
【6月更文挑战第27天】ICLR 2024 Oral 提出解决时间分布偏移新策略:潜在轨迹学习。针对数据分布随时间变化的挑战,西安大略大学研究团队提出一种方法,通过学习数据的时序轨迹增强模型泛化。在连续的潜在空间中建模分布变化,改善对未见数据的适应性。实验显示在多种场景下性能提升,但需更多计算资源且依赖部分标记数据。[论文链接](https://openreview.net/pdf?id=bTMMNT7IdW)**
66 2
|
7月前
本周练习题目(高精度,大数值)
本周练习题目(高精度,大数值)
|
7月前
|
测试技术
1028 人口普查 (20 分)
1028 人口普查 (20 分)
|
8月前
|
vr&ar
分位数自回归QAR分析痛苦指数:失业率与通货膨胀率时间序列|数据分享
分位数自回归QAR分析痛苦指数:失业率与通货膨胀率时间序列|数据分享
|
8月前
|
算法 Java API
算法编程(二十四):日期之间隔几天
算法编程(二十四):日期之间隔几天
83 0
OJ题库:计算日期到天数转换、打印从1到最大的n位数 、尼科彻斯定理
OJ题库:计算日期到天数转换、打印从1到最大的n位数 、尼科彻斯定理
68 0
成信大ENVI_IDL第二周课后作业:提取n个点的气溶胶厚度+详细解析
成信大ENVI_IDL第二周课后作业:提取n个点的气溶胶厚度+详细解析
100 0
|
消息中间件 缓存 Ubuntu
【计算机英语】23年1月份计算机学习过程中的单词汇总
【计算机英语】23年1月份计算机学习过程中的单词汇总
98 0