全球高分辨率海面温度组(GHRSST)2P 级数据集

文摘   2024-12-15 09:00   广东  

全球高分辨率海面温度组(GHRSST)2P 级数据集

 GHRSST Level 2P Global 1m Sea Surface Temperature from the Advanced Very High Resolution Radiometer (AVHRR) on the MetOp-A satellite produced by NAVO

简介

全球高分辨率海面温度组(GHRSST)2P 级数据集,基于欧洲气象业务-A(MetOp-A;2006 年 10 月 19 日发射)卫星上的高级甚高分辨率辐射计(AVHRR)实时生成的多通道海面温度(SST)检索,由美国海军海洋学办公室(NAVO)制作并用于海洋学分析和预报。) MetOp 卫星计划是欧洲的一项事业,为监测气候和改进天气预报提供气象数据服务。该计划由欧洲航天局(ESA)和欧洲气象卫星应用组织(EUMETSAT)共同设立,美国国家海洋和大气管理局(NOAA)提供了一个与极地轨道环境卫星(POES)系列相同的高级甚高分辨率辐射计(AVHRR)传感器。高级甚高分辨率辐射计仪器在 5 个(或 6 个)相对较宽的光谱带测量地球的辐照度。前两个波段分别以红外(0.6 微米)和近红外(0.9 微米)区域为中心,第三个波段位于 3.5 微米附近,最后两个波段分别在 11 微米和 12 微米附近对发射的热辐射进行采样。

传统的 5 波段仪器被称为 AVHRR/2,而最新版本的 AVHRR/3(首次搭载于 NOAA-15 平台)则通过位于 1.6 微米处的第 6 个信道获取数据。通常情况下,11 和 12 微米信道与 3.5 微米信道一起用于推算 SST。MetOp-A 平台与太阳同步,通常每天两次观测同一地球位置(取决于纬度),因为 AVHRR 的扫描范围相对较大,约为 2400 公里。目前的高级甚高分辨率辐射计可获得的最高地面分辨率为天底 1.1 公里。这一特定数据集由全球区域覆盖(GAC)数据生成,而全球区域覆盖数据是对全分辨率全球高级甚高分辨率辐射计数据进行机载采样平均后得出的。扫描线上每五个样本中的四个样本被用于计算平均值,仅对第三条扫描线上的数据进行处理,从而得到有效的 4 公里天底分辨率。进一步对这些像素进行分选和平均,最终得到 8.8 千米的数据集分辨率。

摘要

GHRSST Level 2P Global 1m Sea Surface Temperature是由MetOp-A卫星上的Advanced Very High Resolution Radiometer (AVHRR)获取并由NAVO处理的海表面温度数据。

GHRSST Level 2P Global 1m Sea Surface Temperature数据提供了全球范围内海表面温度的高分辨率信息。该数据集是通过将AVHRR卫星测得的地球表面辐射亮度与地球大气和海洋模型相结合,通过复杂的算法处理和校正得到的。

这个数据集的分辨率为1米,意味着它提供了非常精细的海表面温度信息。通过这个数据集,科学家可以研究海洋表面的温度变化,如海洋暖化和循环,以及与气候变化和天气模式之间的相互作用。

NAVO是一个专门处理和分发卫星观测数据的组织。他们负责收集、校正和分发GHRSST Level 2P Global 1m Sea Surface Temperature数据,以供科学家、气象学家和其他研究人员使用。

总之,GHRSST Level 2P Global 1m Sea Surface Temperature是由AVHRR卫星上的仪器获取的全球海表面温度数据,经过NAVO处理和分发,并提供了高分辨率的海表面温度信息,可用于研究海洋和气候变化相关的科学研究。

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="AVHRRMTA_G-NAVO-L2P-v1.0",
cloud_hosted=True,
bounding_box=(-180.0, -70, 180.0, 80),
temporal=("2013-09-24", "2020-08-08"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)


gdf.explore()

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



引用

10.5067/GHMTG-2PN02

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/


生态云计算
生态环境、卫星遥感、Google Earth Engine 云平台、PIE云平台专业技术知识传播
 最新文章