 at GES DISC)
OCO-2 GEOS 3 级每日，0.5x0.625 同化 CO2 V10r (OCO2_GEOS_L3CO2_DAY)，GES DISC
简介
这是网格化的每日 OCO-2 二氧化碳同化数据集。OCO-2 任务提供了迄今为止最高质量的基于空间的 XCO2 反演数据。然而，由于 OCO-2 的地面轨道仅有 10 公里，且无法穿透云层和厚气溶胶，其仪器数据存在较大的覆盖空白。该全球网格化数据集采用一种数据同化技术生成，该技术在地球物理文献中通常被称为状态估计。数据同化技术综合了模拟和观测数据，调整大气成分（如 CO2）的状态以反映观测值，从而根据先前的观测数据和 GEOS 的短期传输模拟结果，填补观测数据缺失的区域。与其他方法相比，数据同化技术的优势在于，它基于我们对地球碳循环和大气传输的集体科学认知进行估计。 OCO-2 GEOS（戈达德地球观测系统）3 级数据是通过 GEOS CoDAS 每 6 小时接收一次 OCO-2 L2 级反演数据生成的。GEOS CoDAS 是由 NASA 全球建模与同化办公室（GMAO）维护的建模与数据同化系统。GEOS CoDAS 采用高性能计算实现的网格点统计插值法（GSI）来解决状态估计问题。GSI 找到使状态估计问题的三维变分（3D-Var）成本函数最小化的分析状态。
摘要
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="OCO2_GEOS_L3CO2_DAY", 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 datasets return_gdf=True, ) gdf.explore() #leafmap.nasa_data_download(results[:5], out_dir="data")网址推荐
个人主页
https://sites.google.com/view/xingguang/main
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/
