NASA数据集——2014 年、2015 年和 2017 年北美地区土壤地球物理属性值(源层厚度 (ALT)、介电常数、土壤水分剖面、表面粗糙度)

ABoVE: AirSWOT Color-Infrared Imagery Over Alaska and Canada, 2017

简介

文件修订日期:2019-04-25

数据集版本: 1

摘要

本数据集提供了根据 2014 年、2015 年和 2017 年 8 月和 10 月在阿拉斯加北部 12 个研究地点(除个别地点外)采集的机载次冠层和次表层微波观测站(AirMOSS)P 波段偏振合成孔径雷达(PolSAR)数据得出的土壤地球物理属性估计值。报告的土壤属性包括 12 个飞行横断面上 30 米空间分辨率的有源层厚度 (ALT)、介电常数、土壤水分剖面、表面粗糙度及其各自的不确定性估计值。大部分研究地点位于连续永久冻土带内,地面植被主要由矮灌木和草丛/绿篱/苔藓苔原组成,对 P 波段雷达反向散射的影响很小。
数据产品是采用一种时间序列检索算法方法制作的,该算法应用于 AirMOSS P 波段偏振合成孔径雷达(PolSAR)数据。检索过程是对前向雷达反向散射模型的反演,其中使用了三层介电结构来模拟活动层(表层和次表层)和下层永久冻土。在反演过程中,对每个像素点进行了多次检索运行,从中得出的平均值和标准偏差被报告为所需地球物理参数的检索值和相关不确定性。土壤介电常数(代表未冻结的土壤含水量)、土层深度和表面粗糙度均已检索。

该数据集有 29 个 NetCDF(.nc4)格式的数据文件。并非每年都对所有站点进行勘测。

项目北极-北方脆弱性实验

北极-北方脆弱性实验(ABoVE)是美国国家航空航天局(NASA)陆地生态计划在 2016 年至 2021 年期间在阿拉斯加和加拿大西部开展的一项实地活动。ABoVE 的研究将基于实地的过程级研究与机载和卫星传感器获得的地理空间数据产品联系起来,为提高分析和建模能力奠定了基础,而分析和建模能力是了解和预测生态系统反应及社会影响所必需的。

相关项目:  亚冠层和亚表层机载微波观测站(AirMOSS)

数据特征

空间覆盖范围:阿拉斯加北部的 12 个研究地点:Ambler、Atqasuk、Barrow、Coldfoot、Council、Deadhorse、Huslia、Ivotuk、Kougarok、Koyuk、Teller 和 Toolik。

上图 参考地点:

域:核心 ABoVE

州/地区: 阿拉斯加州阿拉斯加州

网格单元

Ah0v0Bh3Bv2Ch0Cv0, Ah0v0Bh4Bv2Ch0Cv0, Ah0v0Bh5Bv2Ch0Cv0, Ah0v0Bh4Bv1Ch0Cv0, Ah0v0Bh3Bv1Ch0Cv0, Ah0v0Bh4Bv3Ch0Cv0, Ah0v0Bh5Bv3Ch0Cv0, Ah1v0Bh6Bv2Ch0Cv0、Ah1v0Bh7Bv2Ch0Cv0,Ah1v0Bh8Bv2Ch0Cv0,Ah1v0Bh9Bv2Ch0Cv0,Ah1v0Bh7Bv1Ch0Cv0,Ah1v0Bh8Bv1Ch0Cv0,Ah1v0Bh7Bv3Ch0Cv0,Ah1v0Bh8Bv3Ch0Cv0,Ah1v0Bh6Bv4Ch0Cv0,Ah1v0Bh7Bv4Ch0Cv0

空间分辨率30 m

时间覆盖范围:2014-10-09 至 2017-08-17

研究区域:  所有经纬度均以十进制度表示。

SiteWesternmost LongitudeEasternmost LongitudeNorthernmost LatitudeSouthernmost Latitude
Northern Alaska-167.9442-150.248570.877464.7127

研究地点摘要。坐标代表该地点上空所有飞行的大致边界。地图见图 2。

Study Site (Region)Site AbbreviationSampled in 2014Sampled in 2015Sampled in 2017North LatitudeSouth LatitudeEast LongitudeWest Longitude
Ambler (Brooks Range Foothills, south)amblerXXX66.766.4-161-161.6
Atqasuk (North Slope)atqasuXXX70.370-159.8-160.4
Barrow (North Slope)barrowXXX70.970.6-158.2-158.9
Coldfoot (Brooks Range Foothills, south)coldfo-XX66.966.7-152.8-153.4
Council (Seward Peninsula) council/sewardXX-6564.8-166.2-166.7
Deadhorse (North Slope)dhorseXXX69.869.5-151-151.6
Huslia (Interior Alaska)huslia-XX65.665.4-156.7-157.2
Ivotuk (Brooks Range Foothills, north)ivotukXXX68.568.2-157.9-158.5
Kougarok (Seward Peninsula) kougarXXX65.765.4-163.7-164.2
Koyuk  (Interior Alaska)koyukkXXX65.164.8-162.4-162.9
Teller (Seward Peninsula) seward--X6564.7-167.5-167.9
Toolik (North Slope)toolik--X68.968.6-150.2-150.9

数据文件信息

该数据集有 29 个 NetCDF (.nc4) 格式的数据文件;每个站点每年一个文件。请注意,如表 1 所示,并非所有站点每年都进行了飞行。

这些数据文件提供了土壤活动层属性的估计值,包括土壤介电常数和湿度剖面、活动层厚度 (ALT)、表面粗糙度以及各自的不确定性。

文件命名规则:

PolSAR_active_layer_prop_site_YYMMDD_YYMMDD_V.nc4

其中

站点:获取数据的 12 个站点的六个字母缩写。  见上表 1。

YYMMDD_YYYMMDD:数据采集开始时的日期(UTC),YY 是年份的最后两位数,MM 是该年的月份(01-12),DD 是该月的日期(01-31)。每个文件中使用的同一站点有两次 PolSAR 数据采集,因此每个文件名中有两个日期,即 8 月和 10 月。

VV:产品版本号。

文件名示例:PolSAR_active_layer_prop_ambler_140816_141009_01.nc4

空间参考属性:

坐标系:加拿大_Albers_Equal_Area_Conic坐标系

EPSG: 102001

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="ABoVE_PBand_SAR_1657",cloud_hosted=True,bounding_box=(-167.94, 64.71, -150.25, 70.88),temporal=("2017-07-20", "2017-08-08"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Chen, R.H., A. Tabatabaeenejad, and M. Moghaddam. 2019. ABoVE: Active Layer and Soil Moisture Properties from AirMOSS P-band SAR in Alaska. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Active Layer and Soil Moisture Properties from AirMOSS P-band SAR in Alaska, https://doi.org/10.3334/ORNLDAAC/1657

网址推荐

0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/784844.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LLM大语言模型(八):ChatGLM3-6B使用的tokenizer模型BAAI/bge-large-zh-v1.5

背景 BGE embedding系列模型是由智源研究院研发的中文版文本表示模型。 可将任意文本映射为低维稠密向量,以用于检索、分类、聚类或语义匹配等任务,并可支持为大模型调用外部知识。 BAAI/BGE embedding系列模型 模型列表 ModelLanguageDescriptionq…

CCIE-11-IPSec-VPN

目录 实验条件网络拓朴实验目的 开始配置1. R2 Ping R3确定基础网络是通的2. 配置R23. 配置R34. 测试 实验条件 网络拓朴 实验目的 为PC1和PC2建立IPSec VPN PC1可以ping通PC2 开始配置 1. R2 Ping R3确定基础网络是通的 R2#show ip int br Interface IP…

UE5启用SteamOSS流程

一、安装OnlineSubsystemSteam插件 1、在UE里安装OnlineSubsystemSteam 2、设置默认开始地图 3、设置DefaultEngine.ini文件: 打开项目根目录/Config/DefaultEngine.ini文件 打开官网的配置说明 复制并粘贴到该文件中 4、设置运行模式 5、测试 确保Steam平台已…

简述双亲委派以及为什么使用双亲委派

你得先知道 在介绍双亲委派机制的时候,不得不提ClassLoader(类加载器)。说ClassLoader之前,我们得先了解下Java的基本知识。 Java是运行在Java的虚拟机(JVM)中的,但是它是如何运行在JVM中了呢?我们在IDE…

赛宁电力靶场护航电力行业高质量发展,加快形成新质生产力

今年的政府工作报告对能源电力发展作出新部署、提出新要求:“强化能源资源安全保障”……其中网络安全也是影响能源电力发展的重要因素,在全球范围内以电力系统为代表的关键基础设施频频成为网络攻击的重点目标。电力系统是关键信息基础设施重要组成部分…

【算法集训】基础算法:滑动窗口

定义一个快慢指针,用于截取数组中某一段信息。同时可以改变快慢指针的值来获取结果,这个过程比较像滑动。 1493. 删掉一个元素以后全为 1 的最长子数组 定义快慢指针快指针先走,如果到了第二个0上的时候。前面1的个数就是fast - slow - 1&a…

【MATLAB源码-第24期】基于matlab的水声通信中海洋噪声的建模仿真,对比不同风速的影响。

操作环境: MATLAB 2022a 1、算法描述 水声通信: 水声通信是一种利用水中传播声波的方式进行信息传递的技术。它在水下环境中被广泛应用,特别是在海洋科学研究、海洋资源勘探、水下军事通信等领域。 1. **传输媒介**:水声通信利…

人工智能本地化的时代即将到来

2024 年 3 月 26 日,我有幸应邀参加了在北京凤凰中心举办的AI PC发布会。在这次活动中,英特尔展示了基于第一代酷睿 Ultra 高能效 X86 处理器的商用客户端,充分展现了 AI 加速下企业业务数字化的新趋势。英特尔成功地实现了对 AIGC 的最后一公…

51单片机学习笔记11 使用DS18B20温度传感器

51单片机学习笔记11 使用DS18B20温度传感器 一、DS18B20简介1. 主要特点2. 工作原理3. 引脚说明4. ROM 二、1-wire协议简介1. 总线结构:2. 通信方式:3. 数据传输:4. 设备识别:5. 供电方式:6. 应用场景:7. 优…

【SQL】COUNT()函数 用法详解

COUNT()函数 COUNT函数用法:COUNT ( [ALL | DISTINCT] column | expression | *) ALL关键字指示统计所有值,而DISTINCT关键字强制函数仅对不同的值进行操作。 默认情况下,使用ALL选项。条件表达式 COUNT()函数中条件表达式加 OR null。例如…

深度学习 Lecture 6 学习曲线、高偏差和高方差的调整和误差分析过程

一、学习曲线(Learning curves) 用处:帮助了解学习算法性能如何的方式 曲线随着经验的数量(算法所拥有的训练样本)发生的变化 PS: 随着训练样本的增大,交叉验证误差会越来越小,趋于平稳;而训…

机器学习之决策树桩或决策残端(Decision Stump)

简介 决策树是一种常见的机器学习模型,它由一个树状结构组成,每个节点代表一个特征属性的决策规则,而每个叶子节点代表一个类别标签或者是一个数值输出。决策树的每个节点都会根据一个特征属性进行划分,直到达到某个停止条件为止,例如节点中的样本数量小于某个阈值,或者…

在rv1126上实现数字识别

有个项目,需要用到识别数字。 使用rv1126,实现数字的识别,如下图。 效果上还是存在有些问题,但还是比较好的。 1.采用的数据集少 2.数据分布不一。0,1两个数据集内容多,5,6,7&am…

webpack搭建开发环境

webpack搭建开发环境 一.webpack开发模式二.webpack打包模式三.webpack打包模式应用四.Webpack 前端注入环境变量五.Webpack 开发环境调错 source map六. Webpack 设置解析别名路径七.优化-CDN的使用八.多页面打包九.优化-分割公共代码一.webpack开发模式 作用:启动 Web 服务…

健身房预约管理系统(源码+文档)

健身房预约管理系统(小程序、ios、安卓都可部署) 文件包含内容程序简要说明含有功能:项目截图客户端首页我的预约登录教练预约时间我的注册页个人资料课程预约课程预约 管理端订单管理团课管理教练管理分类管理用户管理 文件包含内容 1、搭建…

Vue3性能优化之自定义指令实现图片懒加载

图片懒加载是一种常见性能优化的方式,进入网址时不全部加载图片 当用户进入图片可视区域时加载 不仅大大减少了服务器的压力 也可以时首屏时间变短 图片懒加载的实现原理:在图片没进入可视区域的时候,只需要让 img 标签的 src 属性指向一张…

【5G 接口协议】CU与DU之间的F1协议介绍

博主未授权任何人或组织机构转载博主任何原创文章,感谢各位对原创的支持! 博主链接 本人就职于国际知名终端厂商,负责modem芯片研发。 在5G早期负责终端数据业务层、核心网相关的开发工作,目前牵头6G算力网络技术标准研究。 博客…

从词表到RLHF一镜到底训练一个大模型

第6章 如何训练大语言模型 本章节主要探讨训练大语言模型的步骤和方法论。 目前,可能大家接触的最多的模型训练方式是微调,也能收到一定程度的比较好的效果,其中有代表性的项目有Github上的Alpaca, Baize,Vicuna等。 6.1 Pretrain 预训练 有了微调,为什么还需要预训练,直…

第116讲:使用Mycat-eye管理Mycat数据库服务

文章目录 1.Mycat的管理工具2.Mycat-eye介绍3.部署Mycat-eye3.1.安装Zookeep3.2.安装Mycat-eye3.3.访问Mycat-eye 4.在Mycat-eye中导入Mycat服务的信息 1.Mycat的管理工具 Mycat默认开通2个端口,可以在server.xml中进行修改。 8066 数据访问端口,即进行…

管易云和金蝶云星空单据接口对接

管易云和金蝶云星空单据接口对接 接入系统:金蝶云星空 金蝶K/3Cloud结合当今先进管理理论和数十万家国内客户最佳应用实践,面向事业部制、多地点、多工厂等运营协同与管控型企业及集团公司,提供一个通用的ERP服务平台。K/3Cloud支持的协同应用…