做百度网站需不需要备案互联网金融营销案例
目录
简介
摘要
代码
引用
网址推荐
知识星球
机器学习
ATom: Observed and GEOS-5 Simulated CO Concentrations with Tagged Tracers for ATom-1
简介
该数据集包含2016年ATom-1飞行活动期间以10秒间隔进行的一氧化碳（CO）观测数据，以及戈达德地球观测系统第5版（GEOS-5）模型为ATom飞行轨迹沿线相应位置模拟的一氧化碳浓度。 大气层析成像任务（ATom）是美国国家航空航天局地球风险亚轨道-2任务，研究人类产生的空气污染对温室气体和大气中化学反应气体的影响。 机载观测数据是利用量子级联激光系统（QCLS）仪器收集的，该仪器是一种用于现场大气气体采样的高频激光光谱仪。 该数据集提供了观测和模拟 CO 的直接比较，将用于为未来的大气建模实验提供信息。 该数据集还包含模拟的标记二氧化碳示踪浓度，它代表了特定区域源对模拟二氧化碳总量的贡献。 该数据集有助于实现 ATom 任务的目标之一，即创建基于观测的重要大气成分化学气候学及其在遥远对流层中的反应性。
摘要
ATom-1是一项针对大气化学研究的航空探测任务，旨在全面了解并测量全球范围内的大气成分。该任务于2016年进行，覆盖了大洋和陆地之间的平流层和对流层，并在不同高度收集了来自不同区域的气体和颗粒物样本。
ATom-1数据中的一个重要方面是对二氧化碳（CO2）浓度与大气成分之间的关系进行观测和模拟。这项研究使用了观测数据和GEOS-5模型模拟数据来对比和分析CO2浓度分布，并使用标记示踪气体来追踪不同地区的气体来源和路径。
具体而言，ATom-1数据提供了全球范围内的CO2浓度观测和模拟结果，并展示了来自不同地区的CO2浓度分布差异。此外，ATom-1还使用了标记示踪气体来分析不同地区的气体来源，以及大气中气体混合和输送的过程。
这些数据对于了解和评估大气CO2浓度的变化和分布具有重要意义，有助于研究全球气候变化和大气污染的影响。通过对观测和模拟数据进行比较，科学家可以提高对大气CO2浓度变化的理解，并进一步改进气候模型和污染控制策略。
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="ATom_CO_GEOS_1604",cloud_hosted=True,bounding_box=(-180.0, -65.33, 179.98, 80.01),temporal=("2016-07-21", "2016-08-23"),count=-1, # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")
从 QCLS 观测（左）和 GEOS-5 分析（右）得出的 ATom-1 航路（包括所有 11 个研究飞行段）的一氧化碳（ppb）。 GEOS-5 CO 取自最接近飞行时间中点的分析结果，并根据 10 秒合并观测数据中给出的经度、纬度和气压对飞行轨迹进行内插。 为便于在本图中直观显示，模式预测值和 ATom 测量值均以每 360 秒一次的采样率进行平均。 对流层的数据用圆圈表示；平流层的数据用菱形表示（摘自 Strode 等人，2018 年）。 引用
引用
Strode, S.A., J. Liu, L. Lait, R. Commane, B.C. Daube, S.C. Wofsy, A. Conaty, P. Newman, and M.J. Prather. 2018. ATom: Observed and GEOS-5 Simulated CO Concentrations with Tagged Tracers for ATom-1. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1604
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)
机器学习
https://www.cbedai.net/xg