Crédit d'image | Image credit: ASC-CSA

---

Français | English (follows)

---

Tutoriel pour les données du satellite CASSIOPE

Description brève : Ce tutoriel aide à mieux comprendre, extraire et visualiser les données du satellite CASSIOPE, plus spécifiquement celles de l'instrument Fast Auroral Imager (FAI).

À propos

Tutoriel pour les données du satellite CASSIOPE est un tutoriel Jupyter Notebook qui guide les utilisateurs à travers la compréhension, l'extraction et la visualisation des données du satellite CASSIOPE, spécifiquement de l'instrument Fast Auroral Imager (FAI). Il couvre :

• Extraction de données via les plateformes de l'Université de Calgary
• Visualisation des données de l'instrument FAI
• Création de vidéos à partir d'images du FAI
• Projections cartographiques des données FAI
• Analyse de la disponibilité des données par instruments

Le satellite canadien CASSIOPE (CAScade, Smallsat and IOnospheric Polar Explore), exploité par l'université de Calgary, est composé de la suite d'instruments scientifiques e-POP (Enhanced Polar Outflow Probe) pour étudier l'ionosphère, où l'espace rencontre la haute atmosphère.

Ce tutoriel est fourni à des fins pédagogiques et expérimentales.

Pour plus d'informations : CASSIOPE - Université de Calgary

Prérequis

• Python 3.x
• Jupyter Notebook ou Jupyter Lab
• Connexion Internet (pour l'accès aux données CASSIOPE)
• Autorisation d'accès aux données de l'Université de Calgary

Démarrage rapide

1. 📦 Cloner le dépôt

   git clone https://github.com/asc-csa/CASSIOPE-Tutorial.git
   cd CASSIOPE-Tutorial

2. 🐍 Créer un environnement

   # Avec virtualenv
   python -m venv env
   source env/bin/activate
   
   # Ou avec conda
   conda create -n cassiope_env python=3.8
   conda activate cassiope_env

3. 📥 Installer les dépendances

   pip install -r requirements.txt

4. 🚀 Lancer les tutoriels

   jupyter notebook

Remarque : Vous devrez obtenir les autorisations d'accès aux données auprès de l'Université de Calgary.

Structure du projet

├── 01-Extraire-Données.ipynb          # Plateformes d'extraction de données
├── 02-Exemple-FAI.ipynb               # Visualisation des données FAI
├── 03-Vidéo-FAI.ipynb                 # Création de vidéos FAI
├── 04-Projection-Cartographique-FAI.ipynb  # Projections cartographiques
├── 05-Disponibilité-Données.ipynb     # Disponibilité des données
├── requirements.txt                    # Dépendances Python
└── README.md                          # Ce fichier

Licence

Ce projet est sous une licence MIT modifiée – voir le fichier LICENSE pour plus de détails.

---

English | Français (précède)

---

CASSIOPE Satellite Data Tutorial

Brief description: This tutorial helps users understand, extract, and visualize data from the CASSIOPE satellite, specifically from the Fast Auroral Imager (FAI) instrument.

About

CASSIOPE Satellite Data Tutorial is a Jupyter Notebook tutorial that guides users through understanding, extracting, and visualizing data from the CASSIOPE satellite, specifically from the Fast Auroral Imager (FAI) instrument. It covers:

• Data extraction via University of Calgary platforms
• Visualization of FAI instrument data
• Creating videos from FAI images
• Cartographic projections of FAI data
• Data availability analysis by instruments

The Canadian CASSIOPE satellite (CAScade, Smallsat and IOnospheric Polar Explore), operated by the University of Calgary, carries the Enhanced Polar Outflow Probe (e-POP) suite of scientific instruments to study the ionosphere, where space meets the upper atmosphere.

This tutorial is provided for educational and experimental purposes.

More information: CASSIOPE - University of Calgary

Prerequisites

• Python 3.x
• Jupyter Notebook or Jupyter Lab
• Internet connection (for CASSIOPE data access)
• University of Calgary data access permissions

Quick Start

1. 📦 Clone the repo

   git clone https://github.com/asc-csa/CASSIOPE-Tutorial.git
   cd CASSIOPE-Tutorial

2. 🐍 Create environment

   # Using virtualenv
   python -m venv env
   source env/bin/activate
   
   # Or using conda
   conda create -n cassiope_env python=3.8
   conda activate cassiope_env

3. 📥 Install dependencies

   pip install -r requirements.txt

4. 🚀 Run the tutorials

   jupyter notebook

Note: You will need to obtain data access permissions from the University of Calgary.

Project Structure

├── 01-Extract-data.ipynb              # Data extraction platforms
├── 02-FAI-example.ipynb               # FAI data visualization
├── 03-FAI-Video.ipynb                 # FAI video creation
├── 04-FAI-Map-Projection.ipynb       # Cartographic projections
├── 05-Data-Availability.ipynb        # Data availability analysis
├── requirements.txt                   # Python dependencies
└── README.md                         # This file

License

This project is licensed under a modified MIT license - see the LICENSE file for details.