NASA数据集——包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点)的季节性沉降、活动层厚度 (ALT)、垂直土壤水分剖面数据

ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3

简介

文件修订日期:2022-09-15

数据集版本: 3

摘要

本数据集以 30 米的分辨率提供了整个 ABoVE 域 51 个站点(包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点)的季节性沉降、活动层厚度 (ALT)、垂直土壤水分剖面和不确定性的估计值。ALT和土壤水分剖面检索同时使用L波段和P波段合成孔径雷达(SAR)数据,这些数据由NASA/JPL无人驾驶飞行器合成孔径雷达(UAVSAR)仪器在2017年北极极地脆弱性实验(ABoVE)机载活动中获取。数据以 NetCDF 第 4 版格式提供,并附有一个用于根据数据估算土壤体积含水量的 python 脚本。
该产品由永冻土动力学观测站(PDO)项目创建,用于估算 2017 年 6 月和 9 月获取的 L 波段干涉合成孔径雷达(InSAR)对中由于活动层融化而导致的季节性下沉。它还通过机载下冠层和下表面微波观测站(AirMOSS)在 8 月份获取的 P 波段极坐标合成孔径雷达(PolSAR)反向散射来估算土壤体积含水量(VWC)的垂直剖面。联合检索同时使用 L 波段和 P 波段反向散射得出的季节性沉降来估算 ALT 和垂直土壤水分剖面以及不确定性。

北极-北方脆弱性实验(ABoVE)是美国国家航空航天局(NASA)陆地生态计划的一项实地活动,从 2015 年开始在阿拉斯加和加拿大西部进行,为期 8 到 10 年。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,这些能力是了解和预测北极和北方地区生态系统对气候变化的反应及其对社会的影响所必需的。

空间覆盖范围:整个 ABoVE 域的 51 个站点,包括阿拉斯加的 39 个站点和加拿大的 12 个站点

ABoVE 参考地点

域:ABoVE 核心区域和扩展区域

州/地区:阿拉斯加州、育空地区、西北地区

网格单元:见表 1

空间分辨率30 m

时间覆盖范围:2017-06-19 至 2017-09-16

时间分辨率:估算值为一次性估算值。地表变形估算值代表 2017 年解冻季节发生的沉降。解冻深度和土壤水分估算值被认为代表最大解冻时的活动层土壤剖面,在这种情况下,解冻深度相当于 2017 年的 ALT。

表 1.研究区域。纬度和经度以十进制度表示。

SiteSite CodeUAVSAR Flight LinesABoVE Grid CellsNorth LatitudeSouth LatitudeEast LongitudeWest Longitude
Alaska
AmblerambleramblerBh005v002, Bh006v00267.2566.33-157.82-159.41
Anaktuvukanaktu70.2768.38-148.04-153.49
AtqasukatqasuatqasuBh007v001, Bh008v00171.0569.67-156.79-158.30
BarrowbarrowbarrowBh008v00171.4970.25-154.44-156.86
Bonanza Creekbonanz65.6364.40-146.12-149.14
Chevakchevak62.0061.07-164.63-166.27
ColdfootcoldfocoldfoBh007v003, Bh006v004, Bh007v00467.4366.20-149.67-151.12
CouncilcouncicounciBh003v002, Bh004v002, Bh004v00165.5564.51-163.25-165.15
Delta JunctiondeltajdeltjA, deltjB, deltjC, djNEONBh006v005, Bh006v006, Bh006v007, Bh007v006, Bh007v00764.5062.85-142.08-147.61
Denalidenali64.7062.97-148.36-152.40
Deadhorsedhorse70.5268.69-145.97-151.23
Fort Smith NfsmitN61.6659.77-111.92-113.91
Fort Smith SfsmitS60.2759.50-111.20-112.28
ftreso61.7560.91-112.37-114.33
Good Hopegdhope67.9865.98-128.20-131.92
HusliahusliahusliaBh005v00365.5465.18-154.82-156.80
InigokinigokinigokBh007v002, Bh008v00270.6869.71-151.23-154.20
Ivotukivotuk69.0267.91-154.52-157.26
Katmai National ParkkatmaikatmaA, katmaBBh001v006, Bh002v00658.4958.12-154.58-157.06
Kluane AkluanA61.5860.24-136.78-139.26
Kluane BkluanB61.7760.70-137.21-139.58
KougarokkougarkougarBh004v002, Bh005v00265.7165.45-159.96-163.03
KoyukkoyukkkoyukkBh004v002, Bh004v00365.0664.71-159.19-161.12
Lake Clarklclark61.4459.70-152.19-155.72
Mcphersonmcpher67.7466.85-133.81-136.87
Noataknoatak68.5467.34-159.39-163.10
Norman Wellsnwells66.4364.26-124.92-129.59
PoormanpoormapoormaBh004v004, Bh005v00464.4264.26-153.12-156.23
Scoaoiscoaoi60.9159.91-119.78-121.83
Scottyscotty61.7860.44-120.21-122.00
SnagyKsnagyk63.0662.00-139.88-142.01
Snake RiversriversriverBh003v004, Bh003v00561.6860.77-156.05-157.48
Tellerteller65.9864.25-163.37-166.73
TooliktooliktoolikBh008v00368.8468.51-148.97-150.03
Watsonwatson60.8459.22-127.26-130.91
Wolf Creekwolfcr60.7560.25-134.47-135.74
WrigLNwrigLN63.7162.85-122.73-123.96
Yukon FlatsyflatsyflatE, yflatWBh007v004, Bh008v004, Bh007v005, Bh008v00567.2165.73-144.74-147.42
Yukon-Kuskokwin DeltaykdeltykdelA, ykdelBBh002v00361.3261.05-161.86-163.89
Canada
Aklavik HighwayaklaviaklaviBh010v00568.3768.01-133.11-135.55
BehchokobehchobehchoBh013v011, Bh013v01062.6762.08-116.41-116.88
Daring LakedaringdaringBh014v009, Bh015v009, Bh014v01065.0063.65-111.09-113.33
Faber LakefaberlfaberlBh013v009, Bh013v01064.3963.86-116.95-118.21
Kakisa Lake AkakisAkakisABh012v011, Bh012v01261.3060.80-116.42-118.02
Kakisa Lake BkakisBkakisBBh012v01161.4060.67-117.38-117.99
Old Crow AirportoldcrBoldcrBBh008v005, Bh009v00567.6366.85-139.58-143.17
Old Crow FlatsoldcrAoldcrABh009v00568.2267.66-139.05-140.05
Fort ProvidenceprovidprovidBh013v011, Bh012v01162.2061.29-116.21-117.90
Snare RiversnarersnarerBh012v010, Bh013v01063.9662.72-116.56-118.30
Inuvik to Tuk HighwaytukhwytukhwyBh010v005, Bh011v00569.5168.18-132.92-134.41
YellowknifeyellowyellowBh010v005, Bh011v00562.5861.94-112.34-113.82

数据文件信息

 

这里有 51 个 netCDF 第 4 版 (*.nc4) 格式的文件(每个站点一个),以及一个根据数据估算土壤容积含水量的 python 脚本。

netCDF 文件命名为 PDO_ReSALT_site_2017_03.nc4(例如,PDO_ReSALT_aklavi_2017_03.nc4),其中站点作为站点代码提供在表 1 中。

为用户提供了 Python 脚本文件 generate_pdo_soil_vwc.py,用于生成平均到感兴趣深度的土壤容积含水量(VWC)。该脚本需要使用 numpy 和 gdalr 库。执行脚本的步骤如下

python generate_pdoo_soil_vwc.py -s site_code -a depth_avg_in_cm

其中,site_code 是表 1 中列出的站点,depth_avg_in_cm 是以厘米为单位的平均深度。

数据文件详情

缺失值用 -9999 表示。

使用的投影为 "Canada_Albers_Equal_Area_Conic"(EPSG:102001);Proj.4 字符串:"+proj=aea +lat_1=50 +lat_2=70 +lat_0=40 +lon_0=-96 +x_0=0 +y_0=0 +ellps=GRS80 +datum=NAD83 +units=m no_defs"。

应用与推导

土壤湿度和活动层厚度(ALT)是了解高纬度地区永久冻土和活动层动态如何应对气候变暖的关键变量。InSAR 等遥感技术提供了测量 ALT 的方法(Liu 等,2012 年)。

质量评估

InSAR 相关数据用于掩盖不良数据和不确定性量化。相干性小于 0.35 的差相关像素被屏蔽,因为它们不能提供可靠的相位估计值。利用克拉默-拉奥约束(Tough 等人,1995 年)对 InSAR 相关性的相位不确定性进行估计,并将其转换为厘米级的下沉不确定性。由于在一个解冻季节内缺乏重复的时间机载观测,Cramer-Rao 边界估计值被认为是下限估计值,实际的不确定性可能比我们报告的要大。尽管如此,对相位校准不确定性的经验估算得出的点值约为 0.5-1.0 厘米。不确定值的合理范围在克拉默-拉奥边界和 1.0-2.0 厘米之间。

根据绝对辐射校准,P 波段 PolSAR 后向散射的不确定性假定为 0.5 dB(Chapin 等人,2015 年)。根据前向模型,构建了一个包含所有可能解决方案的数据立方体。所有解决方案的成本函数值均小于 P 波段后向散射不确定性。这些解决方案的平均值被报告为所需地球物理变量的最佳估计值,标准偏差被报告为不确定性。

数据采集、材料和方法
InSAR 处理

InSAR 利用不同时间获取的合成孔径雷达图像之间的相位差,生成雷达视线方向上的地表变形干涉图。对 NASA/JPL UAVSAR (https://uavsar.jpl.nasa.gov) 提供的干涉相位采用 SNAPHU 算法(Chen 和 Zebker,2002 年)进行解包。从视线(LOS)观测几何图形解包的干涉相位被转换为垂直运动(Chen 等人,2016 年)。大气和对流层含水量的变化会给干涉相位值带来偏差(Jolivet 等人,2011 年)。对于有明显大气噪声的扫面,采用高通滤波器去除与大气相关的长度尺度上的信号(Lohman 和 Simons,2005 年)。

日测温数据(Thornton 等人,2016 年)用于生成每个站点的累计解冻度日(ADDT)时间序列。利用 ADDT 时间序列对测量的下沉量进行调整,以估算解冻季节期间活动层的季节性总下沉量。对 Schaefer 等人(2015 年)的技术进行了修改,以根据整个解冻季节与 L 波段合成孔径雷达图像采集日期之间的 ADDT 差值来调整测得的下沉量。有些站点未包含 ADDT 修正,在第三版处理过程中添加了 ADDT 修正。

参考站点的已知沉降值用于将相对阶段转换为绝对季节沉降。如果有可靠的 ALT 原位实地测量数据,则使用土壤膨胀模型将其转换为季节下沉值(Schaefer 等人,2015 年;Michaelides 等人,2019 年)。对于没有可靠原位数据的地点,根据全场景相对变形值直方图,将变形的第 5 百分位数选为零。所有季节性形变、相关性和形变不确定性的估计值都投影到 30 米 ABoVE 参考网格上。

数据版本

VersionRelease DateRevision Notes
32022-08-31Current dataset. For this version, new flight lines were added, reference points were updated, a new seasonal calibration was used, atmospheric and numerical noise was removed, additional uncertainty was quantified, and discontinuities were corrected. See Section 5 for details. 
22021-04-01In Version 2, retrieval of P- and L-band data was performed in tandem. For this version, the seasonal subsidence model and the radar backscattering model were integrated using a joint inversion process. Additional sites across the ABoVE domain were added. This version is now superseded and available only upon request. ABoVE: Active Layer Thickness Derived from Airborne L- and P-band SAR, Alaska, 2017, https://doi.org/10.3334/ORNLDAAC/1796
12019-05-08Version 1 of this dataset. This version is now superseded and available only upon request. ABoVE: Active Layer Thickness Derived from Airborne L- and P-band SAR, Alaska, 2017, https://doi.org/10.3334/ORNLDAAC/1676

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_ReSALT_InSAR_PolSAR_V3_2004",cloud_hosted=True,bounding_box=(-166.73, 57.83, -110.42, 71.52),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., R.J. Michaelides, J. Chen, A.C. Chen, L.K. Clayton, K. Bakian-Dogaheh, L. Huang, E. Jafarov, L. Liu, M. Moghaddam, A.D. Parsekian, T.D. Sullivan, A. Tabatabaeenejad, E. Wig, H.A. Zebker, and Y. Zhao. 2022. ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3, https://doi.org/10.3334/ORNLDAAC/2004

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/788979.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

数据可视化之极坐标

极坐标/雷达图***** polarTrue?import numpy as npimport matplotlib.pyplot as plt plt.rcParams[font.family] [SimHei]# 准备数据rnp.arange(0,2,0.01) theta 2*np.pi*r# 准备画布fig plt.figure() ax plt.subplot(111,projectionpolar) ax.plot(theta,r) ax.set_rma…

救砖刷机------MTK芯片类线刷 救砖 常规线刷不开机 MTK分区表修复【二】

救砖刷机------MTK芯片类线刷 救砖 免授权的一些操作步骤与工具解析【一】 在上期的博文中解析了mtk刷机平台的一些基本选项说明和授权刷写的一些常识。这期将着重说明下mtk机型分区表损坏如何解决。 众所周知。高通分区表在高通线刷包中显而易见,在常规9008刷写中你会正常刷…

什么是Redis共享Session?

如图所示,一个分布式部署的Web服务器将用户的Session信息(例如用户登录信息),保存在各自服务器内部。这样会造成一个问题,在分布式部署多个Web服务器时,我们通常会采用负载均衡算法,将多个用户的…

概率论基础——拉格朗日乘数法

概率论基础——拉格朗日乘数法 概率论是机器学习和优化领域的重要基础之一,而拉格朗日乘数法与KKT条件是解决优化问题中约束条件的重要工具。本文将简单介绍拉格朗日乘数法的基本概念、应用以及如何用Python实现算法。 1. 基本概念 拉格朗日乘数法是一种用来求解…

洛谷 P1747 好奇怪的游戏

题目背景 《爱与愁的故事第三弹shopping》娱乐章。 调调口味来道水题。 题目描述 爱与愁大神坐在公交车上无聊,于是玩起了手机。一款奇怪的游戏进入了爱与愁大神的眼帘:***(游戏名被打上了马赛克)。这个游戏类似象棋&#xff…

FPGA简介

FPGA(Field-Programmable Gate Array)是一种可编程逻辑器件,用于实现数字电路的设计和实现。与传统的ASIC(Application-Specific Integrated Circuit)相比,FPGA具有可重新配置的特性,可以根据需…

nginx报错相关问题

D:\nginx-1.22.0>nginx -s stop nginx: [emerg] unknown directive “锘?user” in D:\nginx-1.22.0/conf/nginx.conf:1 编码问题,还好我提前压缩了nginx的压缩包,具体哪行我没发现,复制过去就好了 D:\nginx-1.22.0>nginx -s stop ngi…

从数据孤岛到信息共享,应用集成网关打造业务新生态

想象一下,你坐在剧院里,期待着享受一场精彩的音乐剧表演。但当灯光渐暗,音乐开始奏响时,你却发现演出陷入了混乱之中:没有人站在正确的位置,每个人都在互相交谈或保持沉默,管弦乐队的演奏时机也…

0基础学习Mybatis系列数据库操作框架——增删改操作

大纲 新增Mapper配置代码Mapper接口文件应用 删除简单方案Mapper配置代码 高级方案Mapper配置代码Mapper接口文件应用 完整代码 修改Mapper配置代码Mapper接口文件应用 参考资料 在《0基础学习Mybatis系列数据库操作框架——目录结构》一文中,我们已经搭建了查询操作…

绿色wordpress外贸建站模板

绿色wordpress外贸建站模板 https://www.mymoban.com/wordpress/6.html

【JavaScript编程】encodeURI和encodeURIComponent的区别

一、encodeURI encodeURI函数主要用于编码整个URL。当URL中包含非ASCII字符、空格或其他在URL中有特殊意义的字符时,可以使用encodeURI进行编码。下面是一个使用encodeURI的例子: // 假设有一个URL var url "https://www.example.com/index.html?…

Oracle控制文件管理

控制文件作用:记录了数据库的结构和行为,有多少个数据文件,日志文件及其位置名称,状态,维护数据库的一致性,即记录了数据库的启动SCN号和终止SCN号。 控制文件的位置和个数记录在参数文件中,通…

C语言什么是局部变量?

一、问题 C程序中的变量有局部变量和全局变量,那么什么是局部变量呢? 二、解答 局部变量也称为内部变量,即在函数内部定义的变量。它只在本函数范围内有效,在函数外是不能使⽤该变量的。例如: int f1(int a) {int b,…

Android 窗口那些事儿

目录 1. 📂 前言 你,是否有过这些疑问? 2. 🔱 Window 2.1 认识 Window 的几个阶段 1)阶段一:Window 约等于 Activity 2)阶段二:Window 约等于 View 3)阶段三&…

基于深度学习的危险物品检测系统(网页版+YOLOv8/v7/v6/v5代码+训练数据集)

摘要:本文详细介绍基于YOLOv8/v7/v6/v5的危险物品检测技术。主要采用YOLOv8技术并整合了YOLOv7、YOLOv6、YOLOv5的算法,进行了细致的性能指标对比分析。博客详细介绍了国内外在危险物品检测方面的研究现状、数据集处理方法、算法原理、模型构建与训练代码…

Git 实战教程

Git 是一款强大的分布式版本控制系统,广泛用于团队协作与项目管理。本文将为你提供一份 Git 的实战教程,通过实例演示 Git 的基本用法和高级特性,帮助你快速上手 Git。 一、Git 基础 安装 Git 首先,你需要在你的计算机上安装 G…

保健品wordpress外贸模板

保健品wordpress外贸模板 健康保养保健品wordpress外贸模板,做大健康行业的企业官方网站模板。 https://www.jianzhanpress.com/?p3514

蓝桥杯刷题第八天(dp专题)

这道题有点像小学奥数题,解题的关键主要是: 有2种走法固走到第i级阶梯,可以通过计算走到第i-1级和第i-2级的走法和,可以初始化走到第1级楼梯和走到第2级楼梯。分别为f[1]1;f[2]1(11)1(2)2.然后就可以循环遍历到后面的状态。 f[i…

XenCenter 2024 创建一个虚拟机

前言 实现,创建一个虚拟机,内存,cpu,磁盘,名称,网卡,配置 Xen Center 2024 download 创建虚拟机 选择系统类型 定义虚拟机名称 选择ISO镜像库 选择主服务器 分配虚拟机内存,cpu资源…

观察和配置MAC地址表

目录 原理概述 实验目的 实验内容 实验拓扑 ​编辑1.基本配置 2.观察正常状态时的MAC地址表 4.配置静态MAC地址表项 原理概述 MAC 地址表是交换机的一个核心组成部分,交换机主要是根据 MAC 地址表来进行帧的转发的。交换机对帧的转发操作行为一共有…