ACT-America:美国东部 L2 机载激光雷达遥感柱状平均二氧化碳

简介: 该数据集提供美国中部至东部地区多季节空中观测的二级遥感柱平均二氧化碳浓度,由多功能光纤激光雷达(MFLL)在C-130飞机上测量,涵盖2016至2018年多次飞行任务,用于研究大气CO₂输送与通量。

​ACT-America: L2 Remotely Sensed Column-average CO2 by Airborne Lidar, Eastern USA

简介

该数据集提供了二级(L2)遥感柱状平均二氧化碳(CO2)浓度,这些浓度是在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季为大气碳和输送(ACT-America)项目在美国中部和东部地区开展的空中观测活动中测得的。柱状平均二氧化碳浓度是在 C-130 大力神运输机飞行高度高达 8 公里时,使用多功能光纤激光雷达(MFLL;哈里斯公司)以 0.1 秒的频率测量的。 MFLL 是一组连续波 (CW) 激光雷达仪器,由工作在 1571 nm 的强度调制多频单光束同步检测激光吸收光谱仪 (LAS) 组成,用于测量 CO2 数密度的柱量以及飞机与地面或云顶之间的范围以及表面反射率,以及工作在 1596 nm 的伪随机噪声 (PN) 高度计,用于测量从飞机到散射表面和/或云顶的路径长度。除 2019 年夏季外,所有 ACT-America 季节性活动都配备了 MFLL。完整的飞机飞行信息(插值到 0.1 秒的 CO2 柱报告频率)包括但不限于纬度、经度、高度和姿态。此 2 级 (L2) 产品的处理包括本文档中描述的附加处理和校准程序,用于从 L1 MFLL 数据中检索 CO2 柱。数据用户应该使用此 L2 数据,除非优先考虑不同的 CO2 检索标准。

ACT-America 的总体任务持续了五年,包括覆盖美国中部和东部地区所有四个季节的实地活动。ACT-America 的目标是研究大气中二氧化碳和甲烷的输送和通量。两架仪器飞机平台,即美国宇航局兰利比奇 B-200 空中国王和美国宇航局瓦洛普斯飞行设施的 C-130 大力神,用于收集各种大陆表面和大气条件下的高质量现场测量数据。有时,它们直接飞过轨道碳观测站-2 (OCO-2) 立交桥,以评估 OCO-2 观测高分辨率大气二氧化碳变化的能力。C-130 飞机还配备了主动遥感仪器,用于行星边界层高度探测和柱状温室气体测量。

摘要
Variable name Units Description
Derived Measurements
Column_CO2 ppm CO2 column mole fraction in parts per million (see XCO2 Calculation in Section 5)
Range_nadir meters Range at nadir
OD_nadir NA Optical depth at nadir
OD_bias_corr NA Optical depth at nadir with bias corrections
Native Measurements
Amplitude_ref_ch1 count Channel 1 reference amplitude
Amplitude_ref_ch2 count Channel 2 reference amplitude
Amplitude_ref_ch3 count Channel 3 reference amplitude
Amplitude_sci_ch1 count Channel 1 processed amplitude for the primary scatterer
Amplitude_sci_ch2 count Channel 2 processed amplitude for the primary scatterer
Amplitude_sci_ch3 count Channel 3 processed amplitude for the primary scatterer
Range_ref_ch1 meter Channel 1 reference range
Range_ref_ch2 meter Channel 2 reference range
Range_ref_ch3 meter Channel 3 reference range
Range_sci_ch1 meter Channel 1 processed range for the primary scatterer
Range_sci_ch2 meter Channel 2 processed range for the primary scatterer
Range_sci_ch3 meter Channel 3 processed range for the primary scatterer
Amplitude_2nd_scatter count Amplitude for secondary the scatterer
Range_2nd_scatter meter Range for secondary the scatterer
Processing Parameters
Range_offset meter Range offset
Calibration_coeff Zero-path calibration coefficient
Ancillary Data *
time seconds UTC time in seconds since 2016-01-01 00:00:00
Latitude decimal degrees north Latitude
Longitude decimal degrees east Longitude
Mask Mask flag values indicate if the measured sample had any quality issues. Users can screen data to quickly remove questionable Column_CO2 values. Mask values: “1” indicates a good Column_CO2 value; “0” indicates that the Column_CO2 value may not be of good quality.
GPS_Altitude meter GPS altitude of aircraft
Pitch degree Pitch angle of aircraft
Roll degree Roll angle of aircraft
Ground_elevation meter Ground elevation
Wavelength_ch1 nanometer Channel 1 (on-line) signal wavelength
Wavelength_ch2 nanometer Channel 2 (off-line) signal wavelength off-short at -50 pm
Wavelength_ch3 nanometer Channel 3 (off-line signal wavelength off-long at +50 pm
Flags
Data_quality_flag see Table 2 Data quality flag
Cloud_Ground_flag see Table 3 Cloud-ground flag
Flag_2nd_scatter see Table 4 Second backscatter flag
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"
df = pd.read_csv(url, sep="\t")
df

leafmap.nasa_data_login()

results, gdf = leafmap.nasa_data_search(
short_name="ACTAMERICA_MFFLL_1649",
cloud_hosted=True,
bounding_box=(-106.05, 27.23, -71.91, 49.11),
temporal=("2016-05-27", "2018-05-20"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

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

相关文章
|
10天前
|
编解码 算法 数据格式
OMPS-NPP L2 NP 臭氧 (O3) 垂直剖面条带轨道 NRT
OMPS-NPP L2 NP 臭氧垂直廓线产品提供Suomi-NPP卫星近实时全球臭氧分布数据,覆盖50–0.5 hPa大气层,含总臭氧、紫外气溶胶指数等参数,空间分辨率250km×250km,用于大气环境监测与研究。(238字符)
165 118
|
23天前
|
Python
LBA-ECO ND-30 水化学,排除降雨,67 公里处,塔帕若斯国家森林
本数据集记录巴西塔帕若斯国家森林67公里处降雨排除实验期间(2000–2004年)水体化学变化,涵盖降水、穿透雨、渗滤液及土壤水的pH、电导率、离子浓度等指标,采样持续至2006年。旨在研究干旱对亚马逊森林生态系统的影响,包含5个CSV文件,支持地理空间查询与分析。
176 110
|
4天前
NPP 热带森林:墨西哥查梅拉,1982-1995 年,R1
本数据集包含1982-1995年墨西哥查梅拉热带干旱林的净初级生产力(NPP)观测数据,涵盖五个流域的地上与地下NPP、生物量及养分通量,基于长期实地监测,提供详实的生态过程信息。
27 1
|
1月前
|
Python
LBA-ECO ND-06 土地利用对土壤养分的影响:1950-2001 年研究综述
本数据集整合了1950–2001年亚马逊地区39项研究的土壤养分数据,评估不同土地利用对土壤碳、氮、磷及阳离子交换能力的影响,检验五大假设,揭示知识空白,指导未来研究。包含CSV数据及文献列表。
130 23
|
29天前
|
Python
LBA-ECO ND-11 巴西马托格罗索州西北部森林土壤结构和硝酸盐含量:2004-2005 年
本数据集记录2004–2005年巴西马托格罗索州西北部减害伐木后森林土壤硝酸盐与物理结构变化,涵盖林隙与未扰动区深层土壤采样结果,评估氮素流失对土壤养分的影响。
44 4
|
1月前
|
Java Python Spring
LBA-ECO ND-11 农林业凋落物分解、碳和氮动态
本研究探讨农林复合系统中格力豆与古布阿苏凋落物混合后的碳氮释放动态。通过15N示踪发现,高质量格力豆叶片分解释放的氮可转移至低质量古布阿苏叶片,减缓其自身向土壤的氮释放。尽管存在氮转移,混合物的氮释放总体呈累加效应,无显著净交互作用,碳矿化速率短期加快但不改变长期分解趋势。结果表明,凋落物混合后的氮动态可基于单一物种行为预测,为农林复合系统养分管理提供科学依据。
167 111
|
1月前
|
Python
LBA-ECO ND-07 巴西塞拉多植物和土壤中的碳和氮,巴西利亚:1999-2000
本数据集记录1999–2000年巴西塞拉多生态系统植物与土壤的碳氮同位素及浓度信息,涵盖320株植物叶片δ¹⁵N与氮含量,以及5个样点深层土壤的δ¹³C、δ¹⁵N和碳氮含量,反映不同植被类型下碳氮循环特征。
41 0
|
16天前
|
编解码 Python
NLDAS Noah 陆面模型 L4 小时分辨率 0.125 x 0.125 度 V2.0 位于 GES DISC
NLDAS_NOAH0125_H数据集由NLDAS-2系统基于Noah陆面模型生成,提供自1979年起北美地区0.125°小时分辨率的53个地表变量。数据涵盖土壤温湿度、蒸散发等,用于气象与水文研究,格式为netCDF,由GRIB转换而来,支持通过NASA Earth Data平台访问与下载。
57 9
|
26天前
|
Python
LBA-ECO ND-11 采伐前森林树木和藤本植物生物质,巴西马托格罗索州西北部:2003 年
本数据集提供巴西马托格罗索州西北部2003年森林乔木与藤本植物收获前的生物量信息,结合遥感与实地调查,支持区域碳储量评估与森林生态研究。
55 16
|
4月前
|
机器学习/深度学习 人工智能 算法
Google DeepMind新产物: 行星级卫星嵌入数据集(10m)光学+雷达+DEM+climate...
Google 推出 Earth Engine 卫星嵌入数据集,利用 AI 将一年的多源卫星数据压缩至每个 10 米像素,实现高效地理空间分析。基于 AlphaEarth Foundations 模型,该数据集提供 64 维嵌入向量,支持相似性搜索、变化检测、自动聚类和精准分类,助力环境研究与应用。
393 0