当前位置: 首页 > news >正文

ATom:2016-2018 年沿飞行轨迹的 CAM-chem/CESM2 模型输出

目录

简介

摘要

代码

引用

网址推荐

知识星球

机器学习


ATom: CAM-chem/CESM2 Model Outputs Along Flight Tracks, 2016-2018

ATom:2016-2018 年沿飞行轨迹的 CAM-chem/CESM2 模型输出

简介

该数据集包含沿 ATom 飞行轨迹的 CAM-chem(带化学的共同体大气模型)模型输出。 CAM-chem 是共同体地球系统模式第二版(CESM2)的一个组成部分,用于模拟全球对流层和平流层的大气成分以及研究化学与气候的相互作用。 一般来说,CAM-chem 使用 MOZART 化学机制,对流层和平流层化学有不同的复杂性选择。 对于本数据集,CAM-chem 使用了 MOZART-TS1 化学机制,并根据 MERRA2 的再分析气象学对模型进行了调整。

摘要

大气层析成像飞行任务(ATom)是美国航天局地球风险亚轨道-2 飞行任务。 它研究人类造成的空气污染对温室气体和大气中化学反应气体的影响。 ATom 在美国航天局的 DC-8 飞机上部署了大量气体和气溶胶有效载荷,对大气层进行系统的全球范围采样,从 0.2 公里到 12 公里高度连续进行剖面分析。 在 4 年的时间里,在四个季节的每个季节都进行了飞行。

ATom(Atmospheric Tomography)是一个国际合作研究项目,旨在对全球大气中有机物、气溶胶和气体中的人为及天然源特征进行细致研究。为了实现这一目标,ATom项目使用了CAM-chem(Community Atmospheric Model with Chemistry)模型和CESM2(Community Earth System Model, version 2)模型。

ATom: CAM-chem/CESM2 Model Outputs Along Flight Tracks, 2016-2018数据是由ATom项目收集的一组数据,包含了2016年至2018年期间通过ATom航班轨迹收集的CAM-chem/CESM2模型输出的数据。这些数据提供了全球大气中有机物、气溶胶和气体浓度及特征的详细信息。

数据集包含了多个变量,包括但不限于:

1. 温度:包括气温、水平风速、垂直风速等信息。
2. 大气成分:包括臭氧、氮氧化物、二氧化碳等信息。
3. 气溶胶:包括气溶胶质量浓度、气溶胶尺寸分布等信息。
4. 有机物:包括挥发性有机化合物、多环芳烃等信息。

这些数据可以用于研究全球大气中有机物、气溶胶和气体的分布和变化规律,以及它们对气候变化和空气质量的影响。研究人员可以使用这些数据来验证模型的准确性,评估大气化学过程的模拟能力,并帮助改进大气化学模型。

ATom: CAM-chem/CESM2 Model Outputs Along Flight Tracks, 2016-2018数据是一个宝贵的资源,可以帮助科学家更好地理解和模拟大气化学过程,为应对气候变化和改善空气质量提供科学依据。

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

引用

Emmons, L., F. Lacey, and R. Schwantes. 2021. ATom: CAM-chem/CESM2 Model Outputs Along Flight Tracks, 2016-2018. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1878

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)icon-default.png?t=O83Ahttps://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 


http://www.mrgr.cn/news/59422.html

相关文章:

  • 说说SQL调优
  • 常见Linux命令笔记
  • Maven的简单认识 4-Maven插件
  • 面试经典 150 题 第三周代码
  • SpringMVC实战:构建高效表述层框架
  • 域名重定向后网址打不开的原因及解决方法
  • 计算机基础——计算机内部基本原理
  • 设计模式4-工厂模式策略模式
  • 2024 BuildCTF 公开赛|Crypto
  • django中的类属性和类方法
  • 【C/C++ explicit关键字】为什么有了explicit关键字的构造函数 就不能再有 其无参构造函数
  • K 线图下的 BBR
  • Nginx 配置初步 下
  • 【单运放可调频率正弦波电路二阶RC移相震荡文氏桥】2021-12-20
  • 【通义晓蜜CCAI实践】通过任务类型调用通义晓蜜CCAI-对话分析AIO应用
  • 基于云平台的智能家居管理系统设计与通信协议分析
  • Bootstrap 5 容器
  • C语言 | Leetcode C语言题解之第514题自由之路
  • 蒙特卡洛算法(Monte Carlo Algorithm)详细解读
  • 【人工智能-初级】第21章 线性代数与 AI:理解矩阵乘法和特征向量
  • 关于我的数据库——MySQL——第四篇
  • 【2024|滑坡数据集论文解读3】CAS滑坡数据集:用于深度学习滑坡检测的大规模多传感器数据集
  • Linux基础命令:轻松掌握终端操作
  • 道路车辆功能安全 ISO 26262标准(9-2)—面向汽车安全完整性等级 (ASIL) 和安全的分析
  • C语言浮点数实现(一)
  • 自定义类型:联合和枚举【上】