OMI/Aura近紫外气溶胶光学厚度和单次散射反照率V003数据(OMAERUV)

OMI/Aura 近紫外气溶胶数据产品 OMAERUV 近期基于改进算法完成了重新处理，新版本数据已于 2012 年 4 月正式面向公众开放。如果您从事大气遥感领域工作，应该清楚这意味着什么——数据质量得到显著提升，且全部产品均可通过 NASA 戈达德地球科学数据与信息服务中心（GES DISC）直接获取。该二级产品短名为 OMAERUV_V003，其反演算法由 OMI 团队科学家开发，首席研究员是戈达德太空飞行中心的奥马尔·托雷斯博士。

具体而言，OMAERUV 产品提供了 OMI 传感器视场（13 × 24 公里）内三个波长（354 nm、388 nm 和 500 nm）的气溶胶吸收光学厚度、消光光学厚度、单次散射反照率、气溶胶指数，以及辅助参数和地理位置信息。每个文件采用 EOS 分层数据格式第五版（HDF‑EOS5）存储，包含一次轨道日照部分（约 53 分钟）的数据。每日轨道数约为 14 个，单个数据文件最大容量约 6 MB，数据量适中，下载与处理均较为便捷。

快速上手示例

以下是一段入门级示例代码，展示如何利用 leafmap 库检索并下载该数据集。您可以借此直观感受数据获取流程——先登录 NASA 地球数据账号，接着设定空间范围与时间窗口，即可直接获取结果。

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="")
df

leafmap.nasa_data_login()

results, gdf = leafmap.nasa_data_search(
short_name="ABoVE_ASCENDS_XCO2_2050",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2017-07-20", "2017-08-08"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")