1992-2012年美国西海岸的海面高度异常数据集

Gridded Altimeter Fields with Enhanced Coastal Coverage

具有增强海岸覆盖范围的网格化测高场

简介

具有增强的海岸覆盖范围的网格化高度计场数据产品包含美国西海岸的海面高度异常（SSHA 或 SLA）以及北纬 35.25 度-48.5 度和东经 227.75 度-248.5 度的地带性和经向地转速度。该数据产品每年更新一次，时间从 1992 年 10 月 14 日至 2009 年 11 月 4 日。SSHA 和海流速度来自距离海岸 0.75 度及以上的 AVISO 1/4 度 DT UPD MSLA 3.0 版网格。海岸 0.75 度范围内的数值来自验潮仪观测数据，并内插到高度计填充区域。有关这些数据如何得出的详细信息，请参见Saraceno, M., P. T. Strub, and P. M. Kosro (2008), Estimates of sea surface height and near-surface alongshore coastal currents from combinations of altimeters and tide gauges, J. Geophys.113, C11013, doi:10.1029/2008JC004756.

Gridded Altimeter Fields with Enhanced Coastal Coverage (GANDALF) 数据是一种用于海洋和海岸线研究的高度观测数据集。它由卫星雷达测量数据和数值模型插值方法结合而成，提供了全球范围内的水面高度信息。

GANDALF 数据的主要特点是其增强的海岸线覆盖。传统的卫星高度测量数据在海岸线附近往往存在数据缺失或误差较大的问题，而GANDALF 数据利用了附近陆地和海洋的高度信息，通过插值方法填补了这些缺失的区域，从而提供了更准确和完整的海岸线高度数据。

GANDALF 数据的应用广泛，包括海洋气候变化研究、海洋生态系统监测、海岸线变化分析等。它可以提供全球范围内的水面高度变化情况，帮助科学家更好地理解海洋系统的动态变化。同时，由于其增强的海岸线覆盖，GANDALF 数据也为海岸线管理和保护提供了重要的数据支持。

总之，GANDALF 数据是一种用于海洋和海岸线研究的高度观测数据集，它通过附近陆地和海洋的高度信息插值填补了海岸线附近的数据空缺，提供了更准确和完整的海岸线高度数据。

版本 1
处理级别 4
起止日期 1992 年 10 月 14 日至 2012 年 4 月 18 日
简称 ALT_TIDE_GAUGE_L4_OST_SLA_US_WEST_COAST

分辨率
空间分辨率：0.25 十进制度 x 0.25 十进制度
时间分辨率7 天
 
覆盖范围
区域： 太平洋太平洋
空间覆盖范围
北纬： 48.5 度48.5 度 南：35.25 度 西：-111.5 度 东：180 度
北纬： 48.5 度北纬：48.5度 南纬：35.25度 西经：-180度 东经：-132.25度
时间跨度：1992 年 10 月 14 日至 2012 年 4 月 18 日
颗粒 时间跨度：1992 年 10 月 14 日至 2012 年 4 月 18 日

名称 长名称 单位
纬度 latitude degrees_north
经度 东经度数
平均海平面异常 m
surface_geostrophic_eastward_sea_water_velocity 表面地带性地转速度 m s-1
surface_geostrophic_northward_sea_water_velocity 表面经向地转速度 m s-1
时间 自 1970-01-01 起的天数
 

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="ALT_TIDE_GAUGE_L4_OST_SLA_US_WEST_COAST",
    cloud_hosted=True,
    bounding_box=(-111.5, 35.25, 180, 48.5),
    temporal=("1992-10-14", "2012-04-10"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

网址推荐机器学习

https://www.cbedai.net/xg