如何做一款服装网站百度地图关键词排名优化

AMSR-E/Aqua L2B Surface Soil Moisture, Ancillary Parms, & QC EASE-Grids V003

简介

该数据集包含土壤顶部 1 厘米土壤湿度的网格估算值，是 AMSR-E 检索足迹的平均值。土壤湿度是通过 AMSR-E/Aqua L2A亮度温度（Tb）测量值估算的，使用了两种不同的方法：归一化极化差算法（NPD）和单通道算法（SCA）。此外，还提供了辅助数据以帮助解释土壤水分观测结果，包括植被粗糙度、各种地表条件的观测计数和质量保证标志。为了与 AU_Land 土壤湿度产品保持一致，现在使用两种不同的方法估算土壤湿度：归一化极化差算法（NPD）和单通道算法（SCA）。因此，输出参数现在与 AU_Land 相同。

参数： 土壤湿度/含水量预测含水量
平台 Aqua
传感器 AMSR-E
数据格式： HDF-EOS5
时间范围
2002 年 6 月 1 日至 2011 年 10 月 4 日
时间分辨率
50 分钟
空间分辨率
225 千米
空间参照系统：

NSIDC EASE-Grid GlobalEPSG:3410
NSIDC EASE-Grid GlobalEPSG:3410
空间覆盖范围：
N:89.24S:-89.24E:180W:-180

合并 NPD 和 SCA 输出字段的列名和说明

在赤道上，AMSR-E 并非每天都对每个经度观测一次，因为连续的轨道扫描并不重叠。然而，在轨道重叠的高纬度地区，AMSR-E 每天对地球上的各个点观测两次。AMSR-E 仪器的完整扫描时间约为 1.5 秒，在 6.9 GHz 至 36.5 GHz 频道上收集了 243 个数据点，在 89.0 GHz 频道上收集了 486 个数据点。

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="AE_Land",cloud_hosted=True,bounding_box=(-180.0, -89.24, 180.0, 89.24),temporal=("2002-06-01", "2011-10-04"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

链接

https://nsidc.org/sites/default/files/amsr2_atbd.docx

网址推荐

0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg