alk
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : alk units : mmol m-3 long_name : Total alkalinity _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
BOD
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : BOD units : mg O m-3 long_name : Biochemical Oxygen Demand _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Chl_a_sum
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Chl_a_sum units : mg Chl m-3 long_name : Total Chlorophyll _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
CO32
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : CO32 units : mmol m-3 long_name : Carbonate _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
DIC
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : DIC units : mg C m-3 long_name : Dissolved Inorganic Carbon _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
DIN
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : DIN units : mg N m-3 long_name : Dissolved Inorganic Nitrogen _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
DIP
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : DIP units : mg P m-3 long_name : Dissolved Inorganic Phosphorus _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
DOR_C
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : DOR_C units : mg C m-3 long_name : Dissolved Organic Carbon _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
DOR_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : DOR_N units : mg N m-3 long_name : Dissolved Organic Nitrogen _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
DOR_P
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : DOR_P units : mg P m-3 long_name : Dissolved Organic Phosphorus _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Dust
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Dust units : kg m-3 long_name : Dust _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
EFI
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : EFI units : kg m-3 long_name : Ecology Fine Inorganics _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
FineSed
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : FineSed units : kg m-3 long_name : FineSed _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Fluorescence
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Fluorescence units : mg chla m-3 long_name : Simulated Fluorescence _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
HCO3
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : HCO3 units : mmol m-3 long_name : Bicarbonate _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Kd_490
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Kd_490 units : m-1 long_name : Vert. att. at 490 nm _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
MPB_Chl
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : MPB_Chl units : mg Chl m-3 long_name : Microphytobenthos chlorophyll _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
MPB_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : MPB_N units : mg N m-3 long_name : Microphytobenthos N _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Mud-carbonate
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Mud-carbonate units : kg m-3 long_name : Mud-carbonate _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Mud-mineral
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Mud-mineral units : kg m-3 long_name : Mud-mineral _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Nfix
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Nfix units : mg N m-3 s-1 long_name : N2 fixation _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
NH4
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : NH4 units : mg N m-3 long_name : Ammonia _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
NO3
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : NO3 units : mg N m-3 long_name : Nitrate _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
omega_ar
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : omega_ar units : nil long_name : Aragonite saturation state _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Oxy_sat
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Oxy_sat units : % long_name : Oxygen saturation percent _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Oxygen
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Oxygen units : mg O m-3 long_name : Dissolved Oxygen _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
P_Prod
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : P_Prod units : mg C m-3 d-1 long_name : Phytoplankton total productivity _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PAR
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PAR units : mol photon m-2 s-1 long_name : Av. PAR in layer _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PAR_z
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PAR_z units : mol photon m-2 s-1 long_name : Downwelling PAR at top of layer _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
pco2surf
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : pco2surf units : ppmv long_name : oceanic pCO2 (ppmv) _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PH
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PH units : log(mM) long_name : PH _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PhyL_Chl
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PhyL_Chl units : mg Chl m-3 long_name : Large Phytoplankton chlorophyll _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PhyL_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PhyL_N units : mg N m-3 long_name : Large Phytoplankton N _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PhyS_Chl
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PhyS_Chl units : mg Chl m-3 long_name : Small Phytoplankton chlorophyll _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PhyS_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PhyS_N units : mg N m-3 long_name : Small Phytoplankton N _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PhyS_NR
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PhyS_NR units : mg N m-3 long_name : Small Phytoplankton N reserve _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
PIP
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : PIP units : mg P m-3 long_name : Particulate Inorganic Phosphorus _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
salt
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : salt units : PSU long_name : Salinity _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
TC
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : TC units : mg C m-3 long_name : Total C _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
temp
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : temp units : degrees C long_name : Temperature _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
TN
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : TN units : mg N m-3 long_name : Total N _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
TP
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : TP units : mg P m-3 long_name : Total P _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Tricho_Chl
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Tricho_Chl units : mg Chl m-3 long_name : Trichodesmium chlorophyll _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Tricho_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Tricho_N units : mg N m-3 long_name : Trichodesmium Nitrogen _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
Z_grazing
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : Z_grazing units : mg C m-3 d-1 long_name : Zooplankton total grazing _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
ZooL_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : ZooL_N units : mg N m-3 long_name : Large Zooplankton N _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
ZooS_N
(time, k, latitude, longitude)
float32
dask.array<chunksize=(31, 17, 723, 491), meta=np.ndarray>
short_name : ZooS_N units : mg N m-3 long_name : Small Zooplankton N _ChunkSizes : [ 1 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 748.33 MB 748.33 MB \n",
" Shape (31, 17, 723, 491) (31, 17, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 31 \n",
" 1 \n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 17 \n",
" \n",
" \n",
" \n",
"
CH_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : CH_N units : g N m-2 long_name : Coral host N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
CS_bleach
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : CS_bleach units : d-1 long_name : Coral bleach rate _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
CS_Chl
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : CS_Chl units : mg Chl m-2 long_name : Coral symbiont Chl _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
CS_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : CS_N units : mg N m-2 long_name : Coral symbiont N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
EpiPAR_sg
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : EpiPAR_sg units : mol photon m-2 d-1 long_name : Light intensity above seagrass _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
eta
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : eta units : metre long_name : Surface Elevation _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
MA_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : MA_N units : g N m-2 long_name : Macroalgae N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
MA_N_pr
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : MA_N_pr units : mg N m-2 d-1 long_name : Macroalgae net production _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
month_EpiPAR_sg
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : month_EpiPAR_sg units : mol photon m-2 long_name : Monthly dose light above seagrass _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_400
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_400 units : sr-1 long_name : Remote-sensing reflectance @ 400 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_410
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_410 units : sr-1 long_name : Remote-sensing reflectance @ 410 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_412
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_412 units : sr-1 long_name : Remote-sensing reflectance @ 412 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_443
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_443 units : sr-1 long_name : Remote-sensing reflectance @ 443 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_470
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_470 units : sr-1 long_name : Remote-sensing reflectance @ 470 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_486
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_486 units : sr-1 long_name : Remote-sensing reflectance @ 486 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_488
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_488 units : sr-1 long_name : Remote-sensing reflectance @ 488 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_490
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_490 units : sr-1 long_name : Remote-sensing reflectance @ 490 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_510
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_510 units : sr-1 long_name : Remote-sensing reflectance @ 510 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_531
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_531 units : sr-1 long_name : Remote-sensing reflectance @ 531 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_547
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_547 units : sr-1 long_name : Remote-sensing reflectance @ 547 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_551
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_551 units : sr-1 long_name : Remote-sensing reflectance @ 551 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_555
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_555 units : sr-1 long_name : Remote-sensing reflectance @ 555 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_560
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_560 units : sr-1 long_name : Remote-sensing reflectance @ 560 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_590
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_590 units : sr-1 long_name : Remote-sensing reflectance @ 590 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_620
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_620 units : sr-1 long_name : Remote-sensing reflectance @ 620 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_640
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_640 units : sr-1 long_name : Remote-sensing reflectance @ 640 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_645
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_645 units : sr-1 long_name : Remote-sensing reflectance @ 645 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_665
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_665 units : sr-1 long_name : Remote-sensing reflectance @ 665 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_667
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_667 units : sr-1 long_name : Remote-sensing reflectance @ 667 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_671
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_671 units : sr-1 long_name : Remote-sensing reflectance @ 671 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_673
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_673 units : sr-1 long_name : Remote-sensing reflectance @ 673 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_678
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_678 units : sr-1 long_name : Remote-sensing reflectance @ 678 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_681
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_681 units : sr-1 long_name : Remote-sensing reflectance @ 681 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_709
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_709 units : sr-1 long_name : Remote-sensing reflectance @ 709 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_745
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_745 units : sr-1 long_name : Remote-sensing reflectance @ 745 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_748
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_748 units : sr-1 long_name : Remote-sensing reflectance @ 748 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_754
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_754 units : sr-1 long_name : Remote-sensing reflectance @ 754 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_761
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_761 units : sr-1 long_name : Remote-sensing reflectance @ 761 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_764
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_764 units : sr-1 long_name : Remote-sensing reflectance @ 764 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_767
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_767 units : sr-1 long_name : Remote-sensing reflectance @ 767 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
R_778
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : R_778 units : sr-1 long_name : Remote-sensing reflectance @ 778 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
Secchi
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : Secchi units : m long_name : Secchi from 488 nm _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SG_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SG_N units : g N m-2 long_name : Seagrass N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SG_N_pr
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SG_N_pr units : mg N m-2 d-1 long_name : Seagrass net production _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SG_shear_mort
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SG_shear_mort units : g N m-2 d-1 long_name : Seagrass shear stress mort _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGD_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGD_N units : g N m-2 long_name : Deep seagrass N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGD_N_pr
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGD_N_pr units : mg N m-2 d-1 long_name : Deep seagrass net production _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGD_shear_mort
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGD_shear_mort units : g N m-2 d-1 long_name : Deep seagrass shear stress mort _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGH_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGH_N units : g N m-2 long_name : Halophila N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGH_N_pr
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGH_N_pr units : mg N m-2 d-1 long_name : Halophila net production _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGHROOT_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGHROOT_N units : g N m-2 long_name : Halophila root N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
SGROOT_N
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : SGROOT_N units : g N m-2 long_name : Seagrass root N _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
TSSM
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : TSSM units : g TSS m-3 long_name : TSS from 645 nm (Petus et al., 2014) _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"
Zenith2D
(time, latitude, longitude)
float32
dask.array<chunksize=(31, 723, 491), meta=np.ndarray>
short_name : Zenith2D units : rad long_name : Solar zenith _ChunkSizes : [ 1 133 491] \n",
"\n",
"\n",
"\n",
" \n",
" Array Chunk \n",
" \n",
" \n",
" Bytes 44.02 MB 44.02 MB \n",
" Shape (31, 723, 491) (31, 723, 491) \n",
" Count 2 Tasks 1 Chunks \n",
" Type float32 numpy.ndarray \n",
" \n",
"
\n",
" \n",
"\n",
"\n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
" \n",
"\n",
" \n",
" \n",
"\n",
" \n",
" 491 \n",
" 723 \n",
" 31 \n",
" \n",
" \n",
" \n",
"