当前位置: 首页 > news >正文

NASA:ATLAS/ICESat-2 L3 A陆地冰高度,版本6

目录

简介

代码

引用

网址推荐

0代码在线构建地图应用

机器学习


ATLAS/ICESat-2 L3A Land Ice Height V006

ATLAS/ICESat-2 L3 A陆地冰高度,版本6

简介

该数据集(ATL06)提供了地理定位的陆冰表面高度(WGS 84椭球面之上,ITRF2014参考框架),以及可用于解释和评估高度估算质量的辅助参数。 这些数据由冰、云和陆地高程卫星-2(ICESat-2)观测站上的高级地形激光测高仪系统(ATLAS)仪器获取。

ICESat-2天文台利用光计数激光雷达(ATLAS仪器)和辅助系统(GPS、明星相机、和地面处理)来测量量子从ATLAS往返地球所需的时间,并确定反射的量子的大地纬度和经度。ATLAS的激光脉冲照射表面上的三对左/右光点,这些光点描绘出六条约14 m宽的地面轨迹作为ICESat-2绕地球运行。每个地面轨迹都根据产生它的激光光点编号进行编号,地面轨道1 L(GT 1 L)在最左侧,地面轨道3R(GT 3R)在最右侧。每对内的左/右光点在跨轨方向上相距约90 m,在沿轨方向上相距约2.5公里。更高级别的ATLAS/ICESat-2数据产品(ATL 03及以上)由地面轨道组织,地面轨道1 L和1 R形成对一,地面轨道2L和2 R形成对二,地面轨道3L和3R形成对三。每对还有一对轨道-左右梁实际位置之间的假想线。成对轨道在跨轨道方向上相距约3公里。

参数:GLACIER ELEVATION/ICE SHEET ELEVATION 平台:ICESat-2 传感器:ATLAS 数据格式:HDF5 时间覆盖范围:2018 年 10 月 14 日至今 时间分辨率:91 天 空间分辨率:未指定 空间参考系:WGS 84EPSG:4326 空间覆盖范围:N:90S:-90E:180W:-180

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="ATL06",cloud_hosted=True,bounding_box=(-165.68, 34.59, -98.1, 71.28),temporal=("2017-07-20", "2018-10-14"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Smith, B., Adusumilli, S., Csathó, B. M., Felikson, D., Fricker, H. A., Gardner, A. S., Holschuh, N., Lee, J., Nilsson, J., Paolo, F., Siegfried, M. R., Sutterley, T. & the ICESat-2 Science Team. (2023). ATLAS/ICESat-2 L3A Land Ice Height. (ATL06, Version 6). [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/ATLAS/ATL06.006. [describe subset used if applicable]. Date Accessed 09-11-2024.

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg 


http://www.mrgr.cn/news/29177.html

相关文章:

  • Java应用的数据库连接池连接回收策略
  • 使用MongoDB存储和查询数据的Python函数实现
  • Java | Leetcode Java题解之第413题等差数列划分
  • 数据权限的设计与实现系列9——前端筛选器组件Everright-filter集成框架开发2
  • 输煤传送带异物识别检测数据集 yolo数据集 2400张
  • 创建自定义LLM类:更灵活地使用你的语言模型
  • 通信工程学习:什么是OLT光线路终端
  • 在Unity UI中实现UILineRenderer组件绘制线条
  • 【强化学习】如何在不提供标签的情况下通过试错的方式来学习?
  • java四种内置线程池介绍
  • Python面试宝典第49题:字符串压缩
  • DigiDNA推出iMazing 3.0.4,支持Apple Vision Pro
  • 【自动驾驶】决策规划算法(一)决策规划仿真平台搭建 | Matlab + Prescan + Carsim 联合仿真基本操作
  • 用Python实现时间序列模型实战——Day 24: 时间序列中的贝叶斯方法
  • Rust GUI框架Tauri V1 入门
  • C# 链表排序之归并排序
  • Rust GUI框架 tauri V2 项目创建
  • C++ MFC SnowWorld
  • 华为OD机试 - 阿里巴巴找黄金宝箱(V) - 滑动窗口(Python/JS/C/C++ 2024 E卷 100分)
  • 【编译原理】看书笔记