OMNIWeb 數據介紹

網址:SPDF - OMNIWeb Service

注:OMNI并非特定縮寫,僅表示"多樣化"含義。

About the Data

All the data to which this interface and its multiple underlying interfaces provide access have in common that they are relevant to heliospheric studies and/or provide solar wind input data for studies of solar wind - magnetosphere coupling, and that they are resident at GSFC/Space Physics Data Facility.

Most important among of them are Low and High res. OMNI:

(a) Low res OMNI (LRO) is Hourly "Near-Earth" solar wind magnetic field and plasma data, energetic proton fluxes (>1 to >60 MeV), and geomagnetic and solar activity indices. There are Daily, 27-day, and Yearly resolution derived from hourly data also. All details about that data descriptions and about the data access user may find at?https://omniweb.gsfc.nasa.gov/ow.html.

(b) High 1-min and 5-min resolution OMNI(HRO) : Solar wind magnetic field and plasma data at Earth's Bow Shock Nose, and geomagnetic activity indices. 5-min resolution derived from 1-min data with added 5-min energetic proton fluxes. All details about high res. OMNi data descriptions and about data access user may find at?SPDF - OMNIWeb Service.

In addition, some data sets are as reformatted or have parameters transformed to a different coordinate system to facilitate multi-point heliospheric studies (cf.COHOWeb at?NASA SPDF - COHOWeb).

Most data sets are from specific instruments carried on specific spacecraft and are as provided by spacecraft instrument teams.

"About OMNI data" or equivalent options are available on many of the underlying pages. These have more detail about the data and any processing that may have been done by us.

本界面及其多個底層接口提供訪問的所有數據都具有以下共同特點:它們與日球層研究相關,和/或為研究太陽風-磁層耦合提供太陽風輸入數據,且這些數據均存儲于戈達德太空飛行中心/空間物理數據設施(GSFC/SPDF)。

其中最重要的數據是低分辨率和高分辨率OMNI數據集:

(a) 低分辨率OMNI(LRO):包含每小時"近地"太陽風磁場和等離子體數據、高能質子通量(>1至>60 MeV)以及地磁和太陽活動指數。該數據集還提供由小時數據衍生的日分辨率、27天分辨率和年分辨率數據。用戶可在https://omniweb.gsfc.nasa.gov/ow.html獲取完整的數據描述和訪問方式。

(b) 高分辨率1分鐘和5分鐘OMNI(HRO):包含地球弓激波鼻尖處的太陽風磁場和等離子體數據,以及地磁活動指數。5分鐘分辨率數據由1分鐘數據衍生而來,并增加了5分鐘高能質子通量。高分辨率OMNI數據的完整描述和訪問方式詳見SPDF - OMNIWeb Service。

此外,部分數據集經過重新格式化或坐標系轉換,以促進多點日球層研究(參見NASA SPDF - COHOWeb中的COHOWeb)。

大多數數據集來自特定航天器搭載的專用儀器,并由航天器儀器團隊提供。許多底層頁面提供"關于OMNI數據"或類似選項,其中包含更詳細的數據說明及我們可能進行的任何數據處理。


Important NOTE about OMNI:?

Multiple source high and low res. OMNI data base is not “hard” product, which stay unchanged after it has been made/updated, we try to make quality improvement when the new data (mostly from Wind and ACE spacecraft) became available. Data could be swapping from one source to other as better delayed data becomes available. or one of the sources has been reprocessed by PI's. All details user may find in OMNI description at https://omniweb.gsfc.nasa.gov/html/omni_min_data.html for HRO and https://omniweb.gsfc.nasa.gov/html/ow_data.html for LRO

These doc. files include spacecraft identifiers also.

Note that a discussion of this and underlying interfaces is found at?http://omniweb.gsfc.nasa.gov/html/about_interface.html

Note: OMNI has no special abbreviation, just "variety".

重要說明:

多源高/低分辨率OMNI數據庫并非"固定"產品,在制作/更新后仍可能變更。當我們獲得新數據(主要來自Wind和ACE航天器)時,會嘗試進行質量改進。隨著更優質的延遲數據發布,或原始數據經首席科學家重新處理,數據源可能切換。用戶可在以下鏈接查看完整說明:
高分辨率數據:https://omniweb.gsfc.nasa.gov/html/omni_min_data.html
低分辨率數據:https://omniweb.gsfc.nasa.gov/html/ow_data.html
這些文檔文件同時包含航天器標識信息。

關于本界面及底層接口的討論詳見:http://omniweb.gsfc.nasa.gov/html/about_interface.html

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/76317.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/76317.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/76317.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Python學習(二)操作列表

一、列表的遍歷 每個縮進的代碼行都是循環的一部分,且將針對列表中的每個值都執行一次。因此,可對列表中的每個值執行任意次數的操作。 magicians [alice, david, carolina] for magician in magicians:print(magician)注意: 1、遍歷的時…

淺析RAG技術:大語言模型的知識增強之道

淺析RAG技術:大語言模型的知識增強之道 🏠 引言:當生成遇到檢索 在人工智能領域,大型語言模型(LLMs)如GPT-4、Llama3等展現出了驚人的文本生成能力,但它們也面臨著知識滯后、事實性錯誤等挑戰。Retrieval-Augmented …

Linux Vim 編輯器的使用

Vim 編輯器的使用 一、安裝及介紹二、基礎操作三、高級功能四、配置與插件 一、安裝及介紹 Vim是一款強大且高度可定制的文本編輯器,相當于 Windows 中的記事本。具備命令、插入、底行等多種模式。它可通過簡單的鍵盤命令實現高效的文本編輯、查找替換、分屏操作等…

Windows 圖形顯示驅動開發-WDDM 2.4功能-基于 IOMMU 的 GPU 隔離(三)

幀緩沖區保留 對于必須在電源轉換期間將幀緩沖區的保留部分保存到系統內存的驅動程序,Dxgkrnl 會在適配器初始化時對所需內存進行用量認可。 如果驅動程序報告 IOMMU 隔離支持,則 Dxgkrnl 將在查詢物理適配器上限后立即調用 DXGKDDI_QUERYADAPTERINFO&a…

UML之擴展用例

UML用例建模面向業務實現或者系統功能,每一個用例實現一個完整的業務或者功能。而一個完整的用例也可能有一些不是必需的附加功能,或者在該用例已經實現后需要添加一些新功能,此時可以通過UML提供的擴展用例機制描述類似這樣的場景。 例如對…

大數據學習(95)-謂詞下推

🍋🍋大數據學習🍋🍋 🔥系列專欄: 👑哲學語錄: 用力所能及,改變世界。 💖如果覺得博主的文章還不錯的話,請點贊👍收藏??留言📝支持一…

行式存儲(Row-based Storage)與列式存儲(Column-based Storage)詳細對比

行式存儲(Row-based Storage)與列式存儲(Column-based Storage)詳細對比 1. 數據組織方式 類型行式存儲列式存儲存儲結構按行存儲數據,每條記錄的所有字段(列)連續存放(如一條訂單的…

Seg-Zero:通過認知強化實現的推理鏈引導分割

文章目錄 速覽摘要1. 引言2. 相關工作2.1. 大模型中的推理能力2.2. 結合推理的語義分割2.3. 用于分割任務的 MLLMs 3. 方法3.1. 流程建模(Pipeline Formulation)3.2. Seg-Zero 模型3.3. 獎勵函數(Reward Functions)3.4. 訓練&…

win server2022 限制共享文件夾d

點擊配額管理中的配額 然后創建配額 導入要配額的文件即可 然后確定即可

Docker容器部署Java項目(詳細版)

🤟致敬讀者 🟩感謝閱讀🟦笑口常開🟪生日快樂?早點睡覺 📘博主相關 🟧博主信息🟨博客首頁🟫專欄推薦🟥活動信息 文章目錄 Docker容器部署Java項目1. 環境及準備2. 項目…

C語言深度解析:從零到系統級開發的完整指南

一、C語言的核心特性與優勢 1. 高效性與直接硬件控制 C語言通過編譯為機器碼的特性,成為系統級開發的首選語言。例如,Linux內核通過C語言直接操作內存和硬件寄存器,實現高效進程調度。 關鍵點: malloc/free直接管理內存&#…

Pytorch實現之基于GAN+序列后向選擇的情緒識別增強方法

簡介 簡介:在WGAN-GP+CGAN的基礎上利用了序列后向選擇方法來挑選優質樣本補充到訓練集當中,豐富訓練數據集。 論文題目:基于生成對抗網絡的情緒識別數據增強方法 期刊:傳感技術學報 摘要:使用深度學習方法構建高準確率的情緒識別模型需要大量的情緒腦電數據。 生成對抗…

軟件工程面試題(十九)

1、十六進制的216轉換十進制是多少: 216是16進制,轉10進制: =2*16^2+1*16^1+6*16^0 =512+16+6 =536 2、Java中的XML解析方式: dom和jdom解析 Java中處理XML文檔的標準API有兩種,即XML的簡單API(SAX,Simple API for XML)和文檔對象模型(DOM,…

大模型AI Agent的工作原理與安全挑戰

大模型AI Agent的工作原理與安全挑戰 0x00 引言 智能體(AI Agent)作為大語言模型技術(LLM)的具體應用形式,突破了傳統語言模型僅限于文字輸入與輸出的局限性。其通過感知環境、規劃決策及執行行動的閉環機制&#xf…

膩子刮的遍數越多越好?刮的越厚墻面越平?

很多業主對刮膩子存在誤區,感覺膩子刮的越厚越好,遍數越多越好。同時認為膩子有找平的作用,感覺墻面不平,就是膩子刮的不行。 有一位業主給我留言,說家里的膩子刮了兩遍,然后油工師傅就開始打磨刷漆了&…

「深入解析 Chromium Message Pump:消息循環的核心驅動」

MessagePump 是 Chromium 中 消息循環(Message Loop) 的核心組件之一,負責在不同平臺上管理和分發消息、事件,并協調任務調度。 在瀏覽器這樣的 GUI 應用中,事件循環(Event Loop)是非常重要的&…

3d pose 指標和數據集

目錄 3D姿態估計、3維重建指標: 數據集 EHF數據集 SMPL-X 3D姿態估計、3維重建指標: MVE、PMVE 和 p-MPJPE 都是用于評估3D姿態估計、三維重建等任務中預測結果與真實數據之間誤差的指標。 MVE (Mean Vertex Error):是指模型重建過程中每個頂點的預測位置與真實位置之間…

大智慧大數據面試題及參考答案

目錄 MySQL 的事務隔離級別是什么? MySQL 的覆蓋索引是怎樣的? MySQL 常用的存儲引擎有哪些,它們之間的區別是什么? 在 MySQL 中,如果讀取很大的數據集,同時進行一邊 select 一邊寫入操作,結果會怎樣? 當 ES 出現分詞錯誤的情況時,應該如何處理? Kafka 如何保證…

微服務的簡單認識

目錄 一、微服務架構簡介 二、微服務架構風格和分布式系統架構的關系 三、微服務組成 一、微服務架構簡介 微服務是一種構建分布式系統的架構風格,它將一個大型的應用程序拆分成多個小型的、獨立部署的服務單元,每個服務單元都專注于特定的業務功能,并通過輕量級的通信機…

Spring的 @Conditional @ConditionalOnProperty 注解 筆記250330

Spring的 Conditional ConditionalOnProperty 注解 Spring 的 Conditional 與 ConditionalOnProperty 注解詳解 在 Spring 框架中,Conditional 和 ConditionalOnProperty 是用于動態控制 Bean 注冊的重要注解。雖然它們都服務于條件化配置,但定位和使用…