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. A large amount of this data is available on CSA's Open Data and Information Portal.
The purpose of this tutorial is to help demonstrate the process of accessing the SCISAT data, preparing it for use, and to show some basic data analysis and visualisation using the SCISAT data. The tutorial also demonstrates some simple filters we can apply to the data for further exploration.
While this tutorial uses ozone data, there is a large selection of datasets of different gases available here.
- Setup a virtual environment or conda environment with the following version of python
python = 3.8
- Install requirements from the requirements.txt file
pip install -r requirements.txt
or
conda install -c conda-forge --file requirements.txt
- Run the tutorial found in the scisat_tutorial.ipynb file. Please note that the plots do not display in Github, and you will have to set up the project locally in order to view them.
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.
Please be advised that 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.
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. Une grande partie de ces données est disponible sur le portail d'information et de données ouvertes de l'ASC.
Le but de ce tutoriel est de démontrer le processus d'accès à ces données, de les préparer pour l'utilisation, et de montrer quelques analyses et visualisations de données de base en utilisant les données SCISAT. Le tutoriel présente également quelques filtres simples que nous pouvons appliquer aux données pour une exploration plus approfondie.
Bien que ce tutoriel utilise des données sur l'ozone, il existe une grande sélection d'ensembles de données sur différents gaz disponibles ici.
- Configurez un environnement virtuel ou un environnement conda avec la version suivante de python
python = 3.8
- Installez les exigences à partir du fichier requirements.txt
pip install -r requirements.txt
ou
conda install -c conda-forge --file requirements.txt
- Commencez le tutoriel trouvé dans le fichier scisat_tutorial.ipynb. Veuillez noter que les graphiques ne s'affichent pas dans Github, et que vous devrez configurer le projet localement pour les visualiser.
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.
Veuillez noter que 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.