Aqua/AIRS L3 Daily Standard Physical Retrieval (AIRSAMSUHSB) 1 degree x 1 degree V7.0 at GES DISC简介大气红外探测器 (AIRS) 是搭载于第二个地球观测系统 (EOS) 极地轨道平台 EOS Aqua 上的一台光栅光谱仪 (R 1200)。AIRS 与先进微波探测装置 (AMSU) 和巴西湿度探测器 (HSB) 相结合构成了一个由可见光、红外和微波传感器组成的创新型大气探测组。该产品与 AIRX3STD 类似但包含使用巴西湿度探测器 (HSB) 的科学检索数据。由于 HSB 仪器仅从 2002 年 9 月运行至 2003 年 1 月之后发生故障因此数据集仅涵盖这五个月。AIRS 三级每日网格化产品包含标准检索均值、标准差和输入计数。每个文件涵盖下降轨道当地时间凌晨 1:30 赤道由北向南穿越或上升轨道当地时间下午 1:30 赤道由南向北穿越的 24 小时时间段。数据从国际日期变更线开始向西移动卫星的后续轨道也如此因此相邻的数据网格单元之间的时间间隔不超过一个条带约 90 分钟。跨越日期变更线的扫描线的两个部分根据日期包含在单独的 L3 文件中以便网格框中的数据点始终在时间上重合。AIRS 三级网格单元的边缘位于日期变更线东经 180 度边界。绘制时除非重新排序分箱否则将生成图像中心经度为 0 度的地图。此方法是首选因为图像的左侧西和右侧东包含时间上相距最远的数据。 AIRS 使用的网格方案与 TOVS Pathfinder 用于创建 3 级产品的方案相同。每日 3 级产品在当天没有覆盖的卫星路径之间存在三角洲。地球物理参数已被平均并放入 1 x 1 网格单元中经度从 -180.0 到 180.0 度纬度从 -90.0 到 90.0 度。对于每个 4 字节浮点平均值网格图都有一个对应的 4 字节标准差浮点图和一个 2 字节整数计数网格图。计数图为用户提供了平均值中包含的每个箱体的点数可用于从每日网格产品生成自定义的多日地图。热力学参数包括表层温度陆地和海面、地表气温、气温和水汽廓线、对流层顶特征、柱状可降水量、云量/云频、云高、云顶气压、云顶温度、反射率、发射率、地表气压、云垂直分布。痕量气体参数包括一氧化碳、甲烷和臭氧的总量和垂直廓线。数据文件中变量的实际名称应从处理文件描述文档中推断出来。每个网格框的值是 1x1 区域内所有值的总和除以框内点数。摘要Last UpdatedAugust 7, 2025, 4:47 AM (UTC08:00)CreatedApril 1, 2025, 10:23 PM (UTC08:00)accessLevelpublicbureauCode026:00catalog_conformsTohttps://project-open-data.cio.gov/v1.1/schemaharvest_object_id9ab950fb-1a3f-40c8-bdbc-31119e0733e6harvest_source_idb99e41c6-fe79-4c19-bbc3-9b6c8111bfacharvest_source_titleScience Discovery Engineidentifier10.5067/Z03H907L0KMSmodified2025-08-06T19:35:39ZprogramCode026:000publisherNASA/GSFC/SED/ESD/TISL/GESDISCresource-typeDatasetsource_datajson_identifiertruesource_hash6fcb45b94ffecc0fddae24d7092bb47bc769c601f558b38158a25ede25cf5611source_schema_version1.1spatial[CARTESIAN,[{WestBoundingCoordinate:-180,NorthBoundingCoordinate:90,EastBoundingCoordinate:180,SouthBoundingCoordinate:-90}]]themeEarth Science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 df pd.read_csv(url, sep\t) df leafmap.nasa_data_login() results, gdf leafmap.nasa_data_search( short_nameAIRH3STD, cloud_hostedTrue, bounding_box(-180, -90, 180, 90), temporal(2002-08-31, 2003-02-06), count-1, # use -1 to return all datasets return_gdfTrue, ) gdf.explore() #leafmap.nasa_data_download(results[:5], out_dirdata)