Crédit d'image | Image credit: ASC-CSA
Description brève : Ce tutoriel démontre le processus d'accès aux données SCISAT, de les préparer pour l'utilisation, et de montrer quelques analyses et visualisations de données de base.
SCISAT - Tutoriel est un tutoriel Jupyter Notebook qui guide les utilisateurs à travers l'accès, la préparation et l'analyse des données SCISAT. Il couvre :
- Accès aux données SCISAT via le portail de données ouvertes de l'ASC
- Préparation et traitement des données de concentration de gaz atmosphériques
- Analyses de base et visualisations avec emphasis sur l'ozone
- Application de filtres simples pour une exploration approfondie
Lancé pour la première fois en 2003, SCISAT est un satellite qui aide les scientifiques du Canada et du monde entier à étudier et à apprendre les concentrations de gaz atmosphériques, en particulier l'appauvrissement de la couche d'ozone. Toujours actif aujourd'hui, SCISAT recueille des données sur plus de 60 gaz atmosphériques différents.
Ce tutoriel est fourni à des fins pédagogiques et expérimentales.
- Python 3.8
- Jupyter Notebook ou Jupyter Lab
- Connexion Internet (pour le téléchargement des données SCISAT)
- Bibliothèques scientifiques Python (NumPy, Matplotlib, Pandas, etc.)
- 📦 Cloner le dépôt
git clone https://github.com/asc-csa/SCISAT-Tutorial.git cd SCISAT-Tutorial - 🐍 Créer un environnement
# Avec virtualenv python -m venv env source env/bin/activate # Ou avec conda conda create -n scisat_env python=3.8 conda activate scisat_env
- 📥 Installer les dépendances
pip install -r requirements.txt # ou conda install -c conda-forge --file requirements.txt - 🚀 Lancer le tutoriel
jupyter notebook scisat_tutorial.ipynb
Remarque : Les graphiques ne s'affichent pas dans GitHub, et vous devrez configurer le projet localement pour les visualiser.
- Accès aux données : Télécharger et prétraiter les données SCISAT depuis le portail de données ouvertes
- Analyse : Réaliser des analyses de données de base et des visualisations de gaz atmosphériques
- Filtrage : Appliquer des filtres simples pour une exploration approfondie
- Ozone : Focus spécial sur l'analyse des données de concentration d'ozone
En complément à ce tutoriel, vous pouvez trouver une implémentation simple d'un modèle de réseau neuronal prédictif qui utilise les données SCISAT. Le fichier scisat_mlp.ipynb présente un guide, étape par étape, de la création et de l'analyse initiale du modèle.
Avertissement : Les prédictions et les résultats statistiques contenus dans ce tutoriel n'ont pas fait l'objet d'un examen scientifique par les pairs et ne doivent pas être utilisés à l'appui d'une analyse ou d'une publication scientifique.
Bien que ce tutoriel utilise des données sur l'ozone, il existe une grande sélection d'ensembles de données sur différents gaz disponibles ici.
Ce projet est sous une licence MIT modifiée – voir le fichier LICENSE pour plus de détails.
Brief description: This tutorial demonstrates the process of accessing SCISAT data, preparing it for use, and showing basic data analysis and visualization.
SCISAT Tutorial is a Jupyter Notebook tutorial that guides users through accessing, preparing, and analyzing SCISAT data. It covers:
- Accessing SCISAT data via CSA's Open Data Portal
- Preparing and processing atmospheric gas concentration data
- Basic analysis and visualization with emphasis on ozone
- Applying simple filters for further exploration
First launched in 2003, SCISAT is a satellite that helps scientists in Canada and across the globe study and learn about the concentrations of atmospheric gases, with an emphasis on the depletion of the ozone layer. Still active today, SCISAT collects data on over 60 different atmospheric gases.
This tutorial is provided for educational and experimental purposes.
- Python 3.8
- Jupyter Notebook or Jupyter Lab
- Internet connection (for SCISAT data download)
- Scientific Python libraries (NumPy, Matplotlib, Pandas, etc.)
- 📦 Clone the repo
git clone https://github.com/asc-csa/SCISAT-Tutorial.git cd SCISAT-Tutorial - 🐍 Create environment
# Using virtualenv python -m venv env source env/bin/activate # Or using conda conda create -n scisat_env python=3.8 conda activate scisat_env
- 📥 Install dependencies
pip install -r requirements.txt # or conda install -c conda-forge --file requirements.txt - 🚀 Run the tutorial
jupyter notebook scisat_tutorial.ipynb
Note: Plots do not display in GitHub; you will need to set up the project locally to view visualizations.
- Data Access: Download and preprocess SCISAT data from the Open Data Portal
- Analysis: Perform basic data analysis and visualization of atmospheric gases
- Filtering: Apply simple filters for further exploration
- Ozone Focus: Special emphasis on ozone concentration data analysis
As an addition to this tutorial, you can find a simple implementation of a predictive neural network model that uses SCISAT data. The notebook found in scisat_mlp.ipynb contains a step by step guide of the creation and initial analysis of the model.
Disclaimer: The predictions and statistical results contained in this tutorial have not been scientifically peer-reviewed and should not be used to support any scientific analysis or publication.
While this tutorial uses ozone data, there is a large selection of datasets of different gases available here.
This project is licensed under a modified MIT license - see the LICENSE file for details.