NASA:ATLAS/ICESat-2 L3 A沿线内陆地表水数据V006数据集

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 Along Track Inland Surface Water Data V006

简介

ATLAS/ICESat-2 L3 A沿线内陆地表水数据V006

ATLAS/ICESat-2 L3 A沿线内陆地表水数据V006是指由ATLAS/ICESat-2卫星获取的针对陆地区域的水文数据，版本号为V006。这些数据提供了有关陆地水文特征的详细信息。

具体解释如下：

1. ATLAS/ICESat-2：ATLAS代表Advanced Topographic Laser Altimeter System，即先进的地形激光测距仪系统。ICESat-2是美国国家航空航天局（NASA）于2018年发射的一颗卫星，用于进行陆地和冰川的高精度测量。

2. L3 A沿线内陆地表水数据：这些数据是在ATLAS/ICESat-2卫星的轨道上，沿陆地表面（land surface）进行测量得到的。它提供了陆地上各个位置的水文特征，如水体高度、水深、蓄水量等。

3. V006数据：V006表示数据的版本号，即第6个版本。每个版本的数据都可能有不同的改进和修正，以提高数据的准确性和可靠性。

总之，ATLAS/ICESat-2 L3 A沿线内陆地表水数据V006提供了陆地表面水文特征的详细信息，是一个有关陆地水文状况的重要数据集。

该数据集（ATL13）包含陆地水体沿轨道表面水产品。陆地水体包括湖泊、水库、河流、海湾、河口和7公里近岸缓冲区。主要数据产品包括沿轨道水面高度和标准偏差、亚表面信号（532纳米）衰减、显著波高、风速以及粗糙底部地形深度（在数据允许的情况下）。
参数：ELEVATION
平台：ICESat-2
传感器：ATLAS
数据格式：HDF5
时间覆盖范围：2018年10月13日至今
时间分辨率：91天
空间分辨率：未指定
空间参考系统：WGS 84 EPSG:4326
空间覆盖范围：N:90 S:-90 E:180 W:-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="ATL13",cloud_hosted=True,bounding_box=(-180.0, -90.0, 180.0, 90.0),temporal=("2017-07-20", "2018-10-13"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Jasinski, M. F., Stoll, J. D., Hancock, D., Robbins, J., Nattala, J., Pavelsky, T. M., Morison, J., Jones, B. M., Ondrusek, M. E., Parrish, C., Carabajal, C. & the ICESat-2 Science Team. (2023). ATLAS/ICESat-2 L3A Along Track Inland Surface Water Data. (ATL13, Version 6). [Data Set]. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. https://doi.org/10.5067/ATLAS/ATL13.006. [describe subset used if applicable]. Date Accessed 09-20-2024.

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