nasa-earthdata

NASA Earthdata 数据库技能

从 NASA Earthdata 平台获取大气属性、标准大气模型和航空航天环境数据，用于航空航天泵设计、高空系统和大气飞行分析。

概述

NASA Earthdata 提供对多个 NASA 任务和仪器所采集地球科学数据的免费访问。对于航空航天工程应用，它提供：

• 大气属性：温度、压力、密度随高度变化的剖面
• 标准大气模型：美国标准大气（1976）、MSIS、NRLMSISE-00
• 风数据：全球风场剖面、急流、季节性变化
• 温度剖面：从对流层到热层
• 压力剖面：从海平面到外逸层
• 位势高度：标准大气参考值
• 成分数据：按高度划分的大气气体成分
• 环境条件：湿度、降水、云量

主要应用：

• 高空泵和压缩机设计
• 飞机和火箭的环境条件
• 航空航天流体系统分析
• 热控系统设计
• 气动加热计算
• 发射窗口规划

需要免费注册

NASA Earthdata 免费，但需要用户注册。

注册流程

1. 创建 Earthdata 账户

   • URL：https://urs.earthdata.nasa.gov/users/new
   • 所需信息：姓名、电子邮件、组织
   • 所有用户均可免费注册（学术、商业、个人）
   • 即时批准

2. 批准应用

   • 某些数据集需要应用审批
   • 前往：https://urs.earthdata.nasa.gov/home
   • 点击“My Applications” → “Approve More Applications”
   • 批准所需的数据服务（例如 GES DISC、ASDC）

3. 保存凭据

   • 用户名：你的电子邮件或所选用户名
   • 密码：你的账户密码
   • 安全存储（API 访问时需要）

身份验证设置

方法 1：用户名/密码身份验证

import requests
from requests.auth import HTTPBasicAuth

# Your Earthdata credentials
username = "your_earthdata_username"
password = "your_earthdata_password"

# Example: Access data with authentication
url = "https://goldsmr4.gesdisc.eosdis.nasa.gov/data/MERRA2/..."
response = requests.get(url, auth=HTTPBasicAuth(username, password))

方法 2：.netrc 文件（推荐）

创建 .netrc 文件以自动进行身份验证：

Linux/Mac（~/.netrc）：

machine urs.earthdata.nasa.gov
    login your_username
    password your_password

设置权限：

chmod 600 ~/.netrc

Windows（C:\Users\YourName\_netrc）：

machine urs.earthdata.nasa.gov
    login your_username
    password your_password

使用 .netrc 的 Python：

import requests

# Authentication automatically used from .netrc
url = "https://goldsmr4.gesdisc.eosdis.nasa.gov/data/..."
response = requests.get(url)

方法 3：基于令牌的身份验证

生成用于程序化访问的令牌：

1. 登录 Earthdata：https://urs.earthdata.nasa.gov/
2. 前往“My Profile” → “Generate Token”
3. 复制令牌

在 Python 中使用令牌：

import requests

token = "your_generated_token"
headers = {"Authorization": f"Bearer {token}"}

url = "https://api.earthdata.nasa.gov/..."
response = requests.get(url, headers=headers)

适用于航空航天应用的数据集

1. 标准大气模型

MSIS（质谱仪非相干散射）

• 描述：经验大气模型
• 高度范围：0 km 至 1000 km
• 参数：温度、密度、成分
• 时间特性：随时间变化（太阳活动、季节）
• 适用场景：高空飞机、火箭、卫星

NRLMSISE-00（海军研究实验室 MSIS 扩展模型）

• 描述：扩展至热层的大气模型
• 高度范围：0 km 至 2000 km
• 参数：T、P、ρ、成分（N₂、O₂、O、He、H、Ar、N）
• 输入：高度、纬度、经度、日期、时间、太阳活动
• 适用场景：航天器阻力、上层大气分析

美国标准大气（1976）

• 描述：静态大气模型
• 高度范围：0 km 至 1000 km
• 层级：对流层、平流层、中间层、热层
• 参数：T、P、ρ、声速
• 适用场景：基准设计、标准化测试

2. MERRA-2（现代气候再分析）

来自 NASA 再分析的真实大气数据：

• 空间分辨率：0.5° × 0.625°（纬度 × 经度）
• 时间分辨率：每小时、每 3 小时、每日、每月
• 高度层：从地表到 0.01 hPa（约 80 km）
• 时间范围：1980 年至今（持续更新）

可用参数：

• 温度（T）[K]
• 压力（P）[Pa]
• 密度（ρ）[kg/m³]
• 风分量（U、V、W）[m/s]
• 位势高度 [m]
• 相对湿度 [%]
• 比湿 [kg/kg]

航空航天应用：

• 飞行包线分析
• 风切变评估
• 热环境建模
• 发射轨迹规划

3. AIRS（大气红外探测器）

高分辨率大气廓线：

• 空间分辨率：50 km
• 垂直分辨率：28 个气压层
• 参数：T、P、H₂O、O₃、CO₂
• 覆盖范围：全球，每日两次
• 精度：±1 K（温度）、±15%（湿度）

使用场景：

• 精确的大气属性数据
• 区域大气分析
• 飞行规划

4. GEOS（戈达德地球观测系统）

前瞻性大气数据：

• 类型：预报模型（提前 7 天）
• 分辨率：0.25° × 0.3125°
• 时间分辨率：每 3 小时
• 参数：T、P、风、湿度、成分

使用场景：

• 任务规划
• 发射预报
• 飞行操作

API 访问方式

方法 1：OPeNDAP（开放数据网络访问协议项目）

直接进行数据子集选取和下载：

from pydap.client import open_url

# Open MERRA-2 dataset via OPeNDAP
url = "https://goldsmr4.gesdisc.eosdis.nasa.gov/opendap/MERRA2/M2I3NPASM.5.12.4/2023/01/MERRA2_400.inst3_3d_asm_Np.20230101.nc4"

dataset = open_url(url, username="your_username", password="your_password")

# Access variables
temperature = dataset['T']  # Temperature [K]
pressure = dataset['PL']    # Pressure levels [Pa]
density = dataset['RHO']    # Density [kg/m³]

# Subset data (e.g., specific altitude and location)
T_subset = temperature[0, :, 100, 200]  # time, level, lat, lon

方法 2：NASA CMR（通用元数据存储库）

搜索和发现数据集：

import requests

# Search for atmospheric data
cmr_url = "https://cmr.earthdata.nasa.gov/search/granules.json"
params = {
    'short_name': 'M2I3NPASM',  # MERRA-2 3D atmospheric data
    'temporal': '2023-01-01T00:00:00Z,2023-01-31T23:59:59Z',
    'bounding_box': '-180,-90,180,90'  # Global
}

response = requests.get(cmr_url, params=params)
granules = response.json()['feed']['entry']

# Download URLs
for granule in granules:
    print(granule['title'])
    print(granule['links'][0]['href'])  # Data URL

方法 3：直接 HTTP 下载

直接下载文件：

import requests
from requests.auth import HTTPBasicAuth

username = "your_username"
password = "your_password"

# MERRA-2 file URL
url = "https://goldsmr4.gesdisc.eosdis.nasa.gov/data/MERRA2/M2I3NPASM.5.12.4/2023/01/MERRA2_400.inst3_3d_asm_Np.20230101.nc4"

# Download with authentication
response = requests.get(url, auth=HTTPBasicAuth(username, password), stream=True)

with open("merra2_data.nc4", "wb") as f:
    for chunk in response.iter_content(chunk_size=8192):
        f.write(chunk)

print("Download complete")

方法 4：Python earthaccess 库

简化访问 NASA Earthdata 的方式：

pip install earthaccess

import earthaccess

# Login (uses .netrc or prompts for credentials)
earthaccess.login()

# Search for MERRA-2 data
results = earthaccess.search_data(
    short_name='M2I3NPASM',
    cloud_hosted=True,
    temporal=('2023-01-01', '2023-01-31')
)

# Download data
files = earthaccess.download(results[0:5], "./data")

标准大气计算示例

import numpy as np

def us_standard_atmosphere_1976(altitude_m):
    """
    Calculate atmospheric properties using US Standard Atmosphere (1976)

    Parameters:
    -----------
    altitude_m : float
        Geometric altitude [m] (0 to 86000 m)

    Returns:
    --------
    dict: {'T': temperature [K],
           'P': pressure [Pa],
           'rho': density [kg/m³],
           'a': speed of sound [m/s]}
    """
    # Constants
    g0 = 9.80665  # Standard gravity [m/s²]
    R = 287.05    # Gas constant for air [J/kg/K]
    gamma = 1.4   # Specific heat ratio

    # Layer definitions [altitude_base, T_base, lapse_rate]
    layers = [
        (0,     288.15, -0.0065),  # Troposphere
        (11000, 216.65,  0.0),     # Tropopause
        (20000, 216.65,  0.001),   # Stratosphere 1
        (32000, 228.65,  0.0028),  # Stratosphere 2
        (47000, 270.65,  0.0),     # Stratopause
        (51000, 270.65, -0.0028),  # Mesosphere 1
        (71000, 214.65, -0.002),   # Mesosphere 2
    ]

    # Find appropriate layer
    h = altitude_m
    for i, (h_base, T_base, L) in enumerate(layers):
        if i + 1 < len(layers):
            h_next = layers[i + 1][0]
            if h >= h_base and h < h_next:
                break
        else:
            if h >= h_base:
                break

    # Base pressure (sea level)
    P_base = 101325  # Pa

    # Calculate pressure at each layer base
    for j, (hb, Tb, Lb) in enumerate(layers[:i+1]):
        if j == 0:
            P_base = 101325
        else:
            h_prev, T_prev, L_prev = layers[j-1]
            if abs(L_prev) < 1e-10:  # Isothermal
                P_base = P_base * np.exp(-g0 * (hb - h_prev) / (R * T_prev))
            else:  # Gradient
                P_base = P_base * (T_prev / (T_prev + L_prev * (hb - h_prev))) ** (g0 / (R * L_prev))

    # Calculate temperature at altitude
    T = T_base + L * (h - h_base)

    # Calculate pressure at altitude
    if abs(L) < 1e-10:  # Isothermal layer
        P = P_base * np.exp(-g0 * (h - h_base) / (R * T_base))
    else:  # Gradient layer
        P = P_base * (T_base / T) ** (g0 / (R * L))

    # Calculate density
    rho = P / (R * T)

    # Speed of sound
    a = np.sqrt(gamma * R * T)

    return {
        'T': T,
        'P': P,
        'rho': rho,
        'a': a
    }

# Example usage
altitudes = [0, 5000, 10000, 15000, 20000, 30000, 40000]  # meters

print("Altitude [m] | T [K] | P [Pa] | ρ [kg/m³] | a [m/s]")
print("-" * 65)
for h in altitudes:
    props = us_standard_atmosphere_1976(h)
    print(f"{h:12.0f} | {props['T']:5.2f} | {props['P']:8.1f} | {props['rho']:9.6f} | {props['a']:6.2f}")

在航空航天泵和高空系统中的应用

1. 泵入口条件

高度对泵性能的影响：

# Calculate NPSH available at different altitudes
def npsh_available(altitude_m, fluid='water', T_fluid=293.15):
    """
    Calculate Net Positive Suction Head Available at altitude

    NPSH_a = (P_atm - P_vapor) / (ρ * g) + elevation_head - friction_losses
    """
    atm = us_standard_atmosphere_1976(altitude_m)
    P_atm = atm['P']  # Atmospheric pressure at altitude

    # Water vapor pressure (Antoine equation, simplified)
    P_vapor = 611.2 * np.exp(17.67 * (T_fluid - 273.15) / (T_fluid - 29.65))

    # Water density (approximate)
    rho_water = 1000  # kg/m³
    g = 9.81  # m/s²

    NPSH_a = (P_atm - P_vapor) / (rho_water * g)

    return NPSH_a, P_atm

# Example: NPSH at various altitudes
print("Altitude [m] | P_atm [kPa] | NPSH_a [m]")
print("-" * 45)
for h in [0, 1000, 2000, 3000, 5000]:
    npsh, p_atm = npsh_available(h)
    print(f"{h:12.0f} | {p_atm/1000:11.2f} | {npsh:10.2f}")

输出：

Altitude [m] | P_atm [kPa] | NPSH_a [m]
---------------------------------------------
           0 |      101.33 |      10.12
        1000 |       89.88 |       8.96
        2000 |       79.50 |       7.88
        3000 |       70.12 |       6.88
        5000 |       54.05 |       5.12

2. 高空压缩机设计

密度变化的影响：

# Compressor power requirement vs altitude
def compressor_power(mass_flow_kg_s, pressure_ratio, altitude_m, eta_c=0.85):
    """
    Calculate compressor power at different altitudes
    """
    atm = us_standard_atmosphere_1976(altitude_m)
    T_in = atm['T']
    P_in = atm['P']
    rho_in = atm['rho']

    gamma = 1.4
    R = 287.05  # J/kg/K

    # Isentropic temperature ratio
    T_ratio = pressure_ratio ** ((gamma - 1) / gamma)

    # Actual temperature rise
    T_out = T_in * (1 + (T_ratio - 1) / eta_c)

    # Specific work
    w_c = R * (T_out - T_in) / (gamma - 1)

    # Power
    Power = mass_flow_kg_s * w_c / 1000  # kW

    return Power, rho_in, T_in

# Example: Compressor at sea level vs high altitude
m_dot = 1.0  # kg/s
PR = 3.0     # Pressure ratio

print(f"Compressor Performance (m_dot = {m_dot} kg/s, PR = {PR})")
print("Altitude [m] | ρ [kg/m³] | T_in [K] | Power [kW]")
print("-" * 60)
for h in [0, 5000, 10000, 15000]:
    P, rho, T = compressor_power(m_dot, PR, h)
    print(f"{h:12.0f} | {rho:9.4f} | {T:8.2f} | {P:10.2f}")

3. 热控系统

散热器／热交换器设计的环境温度：

# Heat rejection at altitude
def heat_rejection_altitude(Q_reject_W, altitude_m):
    """
    Calculate required radiator area for heat rejection at altitude
    Assuming natural convection to ambient air
    """
    atm = us_standard_atmosphere_1976(altitude_m)
    T_amb = atm['T']
    rho_amb = atm['rho']

    # Simplified convection coefficient (natural convection)
    # h ~ ρ^0.5 (density effect)
    h_sea_level = 10  # W/m²/K (typical natural convection)
    h = h_sea_level * (rho_amb / 1.225) ** 0.5

    # Assume radiator surface temperature
    T_surface = 350  # K (example: electronics cooling)

    # Required area: Q = h * A * ΔT
    delta_T = T_surface - T_amb
    A_required = Q_reject_W / (h * delta_T)

    return A_required, h, T_amb

# Example
Q = 1000  # W heat rejection
print(f"Radiator Area Required for {Q} W Heat Rejection")
print("Altitude [m] | T_amb [K] | h [W/m²K] | Area [m²]")
print("-" * 60)
for h in [0, 5000, 10000, 15000]:
    A, h_conv, T_amb = heat_rejection_altitude(Q, h)
    print(f"{h:12.0f} | {T_amb:9.2f} | {h_conv:9.2f} | {A:9.4f}")

4. 高度处的流体属性

空化和沸点相关考量：

def boiling_point_altitude(fluid='water'):
    """
    Calculate boiling point of water at different altitudes
    """
    print("Boiling Point vs Altitude (Water)")
    print("Altitude [m] | P_atm [kPa] | T_boil [°C]")
    print("-" * 50)

    for h in [0, 1000, 2000, 3000, 4000, 5000]:
        atm = us_standard_atmosphere_1976(h)
        P_atm = atm['P'] / 1000  # kPa

        # Approximate boiling point from pressure (Antoine equation)
        # log10(P) = A - B / (C + T)
        # Rearranged: T = B / (A - log10(P)) - C
        A, B, C = 8.07131, 1730.63, 233.426  # Antoine constants (water, T in °C, P in mmHg)
        P_mmHg = P_atm * 7.50062  # Convert kPa to mmHg
        T_boil = B / (A - np.log10(P_mmHg)) - C

        print(f"{h:12.0f} | {P_atm:11.2f} | {T_boil:11.2f}")

boiling_point_altitude()

数据处理工作流

完整示例：提取大气廓线

import netCDF4 as nc
import numpy as np
import matplotlib.pyplot as plt

# Read MERRA-2 NetCDF file
filename = "MERRA2_400.inst3_3d_asm_Np.20230101.nc4"
dataset = nc.Dataset(filename)

# Extract variables
lat = dataset.variables['lat'][:]  # Latitude
lon = dataset.variables['lon'][:]  # Longitude
lev = dataset.variables['lev'][:]  # Pressure levels [Pa]
T = dataset.variables['T'][:]      # Temperature [K]
H = dataset.variables['H'][:]      # Geopotential height [m]

# Select location (e.g., lat=40°N, lon=105°W - Colorado)
lat_idx = np.argmin(np.abs(lat - 40))
lon_idx = np.argmin(np.abs(lon - 255))  # -105° = 255° East

# Extract vertical profile at location
T_profile = T[0, :, lat_idx, lon_idx]  # time=0, all levels
H_profile = H[0, :, lat_idx, lon_idx]

# Convert to altitude (geopotential to geometric)
altitude_km = H_profile / 1000

# Plot temperature profile
plt.figure(figsize=(8, 10))
plt.plot(T_profile - 273.15, altitude_km)
plt.xlabel('Temperature [°C]')
plt.ylabel('Altitude [km]')
plt.title('Atmospheric Temperature Profile\n(40°N, 105°W)')
plt.grid(True)
plt.show()

dataset.close()

最佳实践

1. 缓存下载的数据：NASA 数据集体积较大；下载一次后在本地处理
2. 使用 OPeNDAP 进行子集选取：只下载所需的空间／时间区域
3. 检查数据版本：MERRA-2 有多个集合；请使用最新版本（M2I3NPASM.5.12.4）
4. 遵守下载限制：NASA 可能会限制过多的请求
5. 设计时使用标准大气：使用真实数据进行分析；使用标准大气进行保守设计
6. 验证结果：与已发布的数据交叉核对（ICAO、ISO 2533）
7. 注意单位：NASA 数据使用 SI 单位（K、Pa、kg/m³）；按需转换
8. 时区：NASA 数据使用 UTC；请根据本地分析进行调整

参考资料

NASA 官方资源

1. NASA Earthdata 门户

   • URL：https://www.earthdata.nasa.gov/
   • 所有地球科学数据的主门户

2. Earthdata Search

   • URL：https://search.earthdata.nasa.gov/
   • 可视化搜索和发现工具

3. GES DISC（戈达德地球科学数据与信息服务中心）

   • URL：https://disc.gsfc.nasa.gov/
   • 大气数据的主要来源

4. MERRA-2 文档

   • URL：https://gmao.gsfc.nasa.gov/reanalysis/MERRA-2/
   • 再分析方法的详细信息

API 和工具

5. earthaccess Python 库

   • GitHub：https://github.com/nsidc/earthaccess
   • PyPI：pip install earthaccess

6. OPeNDAP 协议

   • URL：https://www.opendap.org/
   • 数据访问协议文档

7. CMR（通用元数据存储库）

   • URL：https://cmr.earthdata.nasa.gov/search/
   • 以编程方式搜索数据

大气模型

8. US Standard Atmosphere (1976)

   • NOAA-S/T-76-1562
   • 可从 NOAA 免费下载

9. NRLMSISE-00

   • URL: https://ccmc.gsfc.nasa.gov/modelweb/models/nrlmsise00.php
   • 模型代码和文档

10. ISO 2533:1975

    • 标准大气参考
    • 可从 ISO 获取

航空航天应用

11. AIAA Standards

    • 用于航空航天设计的大气模型
    • 可从 AIAA 获取

12. ICAO Standard Atmosphere

    • 国际民用航空组织
    • Doc 7488/3

---

NASA Earthdata 提供免费、全面的大气数据，这些数据对航空航天工程分析至关重要。结合标准大气模型，可实现对高空泵、压缩机、热系统和航空航天流体应用的精准设计与分析。