NASA数据集——GOES-17（G17）是美国 NOAA 气象卫星ABI_G17-STAR-L2P/-L3C-v2.71

简介

GOES-17（G17）是美国 NOAA 的 GOES-R 系列中的第二颗卫星。它于 2018 年 3 月 1 日在西经 89.5 度的临时位置发射，用于初始 Cal/Val，2018 年 11 月移至西经 137.2 度的额定位置，并于 2019 年 2 月 12 日宣布 NOAA 运营 GOES-West 卫星。前言 – 人工智能教程

高级基线成像仪（ABI）是一个 16 通道传感器，其中 5 个通道（3.9、8.4、10.3、11.2、12.3 um）适用于 SST。G17/ABI 从 35,800 千米的高空绘制了 163E-77W 和 60S-60N 全圆盘 (FD) 区域的海温图，空间分辨率为 2 千米/天底至 15 千米/垂直方向 67 度，时间采样为 10 分钟。ABI L2P SST 是利用 NOAA ACSPO 系统按传感器原始分辨率得出的。ACSPO 处理每 10 分钟的 FD，识别高质量的海洋像素（Petrenko 等人，2010 年），并使用非线性 SST（NLSST）算法推导 SST（Petrenko 等人，2014 年）。遗憾的是，本应使 ABI 保持预定温度的 G17 ABI 循环热管（LHP）并未按设计能力运行，这就需要对 ACSPO 算法进行缓解，并发布更新的 ACSPO 2.71 版（Pennybacker 等，2019 年）。特别是，最容易出现校准问题的 11.2um 波段没有使用，从而导致了 3 波段（8.4、10.3 和 12.3um）的 NLSST，校准问题的增加阻碍了夜间的 SST 检索。因此，G17 SST 只报告了从 20UTC 到 08UTC 24 小时/天中的 13 小时。随后对 10 分钟的 FD 数据进行及时整理，生成 1 小时的产品，扩大了覆盖范围，减少了云层泄漏和图像噪声。核对算法还将 G17 传感器过多的噪声和条纹减少到与 G16 相似的水平。整理后的 SST 仅报告晴空水域像素。建议使用所有具有有效 SST 的像素。L2P 以 NetCDF4 GDS2 格式报告，每天 13 个粒度，总数据量为 0.3GB/天。ACSPO 文件还报告了太阳传感器几何参数、风速和 L2P_标志（昼/夜、陆地、冰、黄昏、闪烁标志）。根据 GDS2 规范，每个像素都会报告两个传感器特定误差统计（偏差和标准偏差）（Petrenko 等人，2016 年）。颗粒中不报告像素的地球位置，因为它们在颗粒与颗粒之间保持不变。这些位置可通过平面 lat/lon 文件或 Python 脚本获取（请参阅 "文档 "页面）。ACSPO G17 ABI SST 在 SQUAM 中不断得到验证（Dash 等人，2010 年）。可在https://podaac.jpl.nasa.gov/dataset/ABI_G17-STAR-L3C-v2.71 网站上获取一个缩小的（0.1GB/天）、0.02 度等角网格化 L3C 产品。

详细参数

版本 2.71 处理级别 2P 起止日期 2019 年 10 月 16 日至 2023 年 1 月 10 日 简称 ABI_G17-STAR-L2P-v2.71

doi 10.5067/ghg17-2po71 测量 海洋 > 海洋温度 > 海面温度 扫描带宽 7 千米 平台/传感器 GOES-17 / ABI 高分辨率海面温度项目组 (GHRSST) 数据提供者 发布者PO.DAAC 创建者：NOAA/NESDIS/STAR美国国家航空航天局 发布地点：马里兰州坎普斯普林斯（美国） 发布日期: 2020年5月21日 资源： https://www.star.nesdis.noaa.gov/star/index.php

格式 netCDF-4 关键词 GHRSST, SST, GOES17, G17, OSPO, STAR, v2.71, ACSPO

分辨率 空间分辨率： 2000 米 x 2000 米 时间分辨率每小时 - < 每日 覆盖范围 北边界坐标：60 度 南边界坐标： -60 度 西边界坐标163 度 东边界坐标：-77 度 时间跨度：2019 年 10 月 16 日至 2023 年 1 月 10 日 颗粒时间跨度：2019 年 10 月 16 日至 2023 年 1 月 10 日 扫描带宽：7 千米 投影 投影类型卫星原生视图/混合两个垂直单元 投影细节每个像素都包含地理位置信息 椭球面WGS 84

数据列表

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="ABI_G17-STAR-L2P-v2.71",
    cloud_hosted=True,
    bounding_box=(-135.0, -59.0, -15.0, 59.0),
    #temporal=("2020-01-15", "2020-02-28"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

结果

Granules found: 1046

数据下载链接：

数据引用