NASA数据集——2015 年30 米分辨率的地衣地面覆盖率模型估计值

2024-03-24 09:52

本文主要是介绍NASA数据集——2015 年30 米分辨率的地衣地面覆盖率模型估计值,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

cABoVE: Lichen Forage Cover over Fortymile Caribou Range, Alaska and Yukon, 2000-2015

文件修订日期:2021-07-21

数据集版本: 1

摘要

本数据集提供了美国阿拉斯加东部内陆和加拿大育空地区 Fortymile 研究区 2015 标称年 30 米分辨率的地衣地面覆盖率模型估计值。绘制的地衣是该地区九个常住驯鹿(Rangifer tarandus)群的重要冬季饲料。该模型采用随机森林建模方法,利用植被输入以及环境和光谱预测因子来估算 2015 年的地衣覆盖率。该模型的输入数据由历史原位植被地块、目视航测和最近的无人机系统(UAS)图像汇总而成,与 583,200 平方公里研究区域内 30 米分辨率的大地遥感卫星(Landsat)像素保持一致。通过将训练有素的模型应用于历史 Landsat 图像,该模型还用于估算 2000 年的地衣覆盖率。该模型还根据已公布的算法估算了 2015 年的地衣数量。此外,还提供了分辨率小于 1 米的地点级存在-不存在地图以及分辨率为 2 米和 30 米的地点级地衣覆盖地图。地点级数据来自 2017 年夏季在阿拉斯加内陆和育空西部 22 个森林和高山地点使用无人机系统采集的高分辨率 RGB 图像。由于在 7 个地点使用了两台独特的 UAS 成像仪,22 个地点共有 29 次数据采集。每个无人机系统数据采集与三个数据文件相关联。这些景观尺度地图有助于了解地衣丰度和分布趋势,也有助于驯鹿研究、管理和保护。
该数据集包含 90 个 GeoTIFF(*.tif)格式的数据文件。其中 3 个文件提供了整个 Fortymile 研究区域的地衣覆盖率和数量,87 个文件提供了地点级地衣覆盖率或存在-不存在估计值。

数据集概述

本数据集提供了美国阿拉斯加内陆东部和加拿大育空地区 Fortymile 研究区 30 米分辨率的地衣地面覆盖率模型估计值,时间为 2015 标称年。绘制的地衣是该地区九个常住驯鹿(Rangifer tarandus)群的重要冬季饲料。该模型采用随机森林建模方法,利用植被输入以及环境和光谱预测因子来估算 2015 年的地衣覆盖率。该模型的输入数据由历史原位植被地块、目视航测和最近的无人机系统(UAS)图像汇总而成,与 583,200 平方公里研究区域内 30 米分辨率的大地遥感卫星(Landsat)像素保持一致。通过将训练有素的模型应用于历史 Landsat 图像,该模型还用于估算 2000 年的地衣覆盖率。该模型还根据已公布的算法估算了 2015 年的地衣数量。此外,还提供了分辨率小于 1 米的地点级存在-不存在地图以及分辨率为 2 米和 30 米的地点级地衣覆盖地图。地点级数据来自 2017 年夏季在阿拉斯加内陆和育空西部 22 个森林和高山地点使用无人机系统采集的高分辨率 RGB 图像。由于在 7 个地点使用了两台独特的 UAS 成像仪,22 个地点共有 29 次数据采集。每个无人机系统数据采集与三个数据文件相关联。这些景观尺度地图有助于了解地衣的丰度和分布趋势,也有助于驯鹿的研究、管理和保护。

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)陆地生态计划的一项野外活动,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。

数据特征

空间覆盖范围:美国阿拉斯加州和加拿大育空地区

上图 参考地点

域:核心

州/地区:阿拉斯加和育空地区

网格单元:Bh006v004, Bh007v004, Bh006v005, Bh007v005, Bh008v005, Bh006v006, Bh007v006, Bh008v006, Bh006v007, Bh007v007, Bh008v007, Bh009v007, Bh006v008, Bh007v008, Bh008v008, Bh009v008, Bh007v009, Bh008v009

空间分辨率:研究区覆盖范围为 30 米;地点级产品可变(表 1)

时间覆盖范围:研究区域估算为 2000 年和 2015 年;站点数据为 2017 年 8 月

时间分辨率:研究区域估算为每年一次;遗址数据为单点

研究区域:纬度和经度以十进制度表示。

最北纬度 最南纬度 最东经度 最西经度

SitesWesternmost LongitudeEasternmost LongitudeNorthernmost LatitudeSouthernmost Latitude
70.0906458.61239-128.25554-153.85832

数据文件信息

本数据集中包含 90 个 GeoTIFF(*.tif)格式的数据文件。站点级文件的命名约定为站点_日期_FA_平台_日期-类型_分辨率.tif(例如,EASU27_20170607_70m_P3A_lichen_cover_02m.tif),其中

站点 = 站点代码(表 2)
日期 = 无人机系统成像日期,以 YYYYMMDD 为单位
FA = 无人机系统的飞行高度,以米为单位("3 米"、"46 米 "或 "70 米")。
平台= 使用的成像仪(Phantom 3 Advanced ("P3A") 或 Phantom 4 Pro ("P4P")
数据类型 = "存在 "或 "地衣覆盖物
R = 空间分辨率

File NamesResolutionUnitsDescription
Entire Study Area
2000_macrolichen_cover_Fortymile_study_area.tif30 mpercent1 file; percent cover of lichen over the full range for the year 2000.
2015_macrolichen_cover_Fortymile_study_area.tif30 mpercent1 file; percent cover of lichen over the full range for the year 2015.
2015_lichen_volume_Fortymile_study_area.tif30 mdm3 m-21 file; estimated lichen volume per pixel over the full range. Water coded as "200".
Site-level Files
Site_Date_FA_Platform_presence.tif<1 m29 files; plot level presence (1) or absence (0) of lichen.
Site_Date_FA_Platform_lichen_cover_R.tif2 mpercent29 files; plot level percent cover of lichen at 2 m resolution
Site_Date_FA_Platform_lichen_cover_R.tif30 mpercent29 files; plot level percent cover of lichen at 30 m resolution

数据细节

有一个波段
无数据值编码为 "255
投影为标准 ABoVE,"Canada_Albers_Equal_Area_Conic",EPSG:102001。
站点级文件名中使用的站点代码。这 22 个站点代码是从当地地理特征名称中提取的缩写。用户须知:不提供完整站点名称的关键字。使用或理解数据并不需要这些名称。纬度和经度以十进制度表示。

Site CodeSample DateLatitudeLongitude
BADO012017-08-0163.84842778-137.5080917
BLRI012017-07-3064.59859722-138.3196111
BLRI022017-07-3064.60512778-138.3301889
EASU272017-06-0765.51098333-145.375425
EASU322017-06-0765.48817778-145.4120667
EASU992017-06-0765.49551389-145.3820194
FACR112017-06-0665.06966944-147.2734778
FACR172017-06-0465.08308056-147.3244083
MD372017-06-0164.95796667-148.3500722
MD462017-05-3164.96740556-148.3713278
NOKL012017-07-3164.47211111-138.1918778
NOKL022017-07-3164.43580556-138.2341417
OMD41_17_12017-06-0164.96266667-148.2225917
TOWH012017-07-2164.07572778-140.9604028
TOWH022017-07-2264.07057778-140.9552139
TWSU202017-06-0765.40775278-145.9511306
TWSU212017-06-0765.40140278-145.9762917
TWSU222017-06-0665.39768889-145.9674361
WEHE012017-07-2964.56963333-138.1439889
WEHE022017-07-2964.57357778-138.1450028
WIPA012017-07-2865.08397222-138.2776333
WIPA022017-07-2865.08588889-138.2686528

应用与推导

陆生地衣覆盖是影响北方北方森林草食性和群落跨季节相互作用的一个重要因素。具体而言,这些地衣覆盖率地图可用于评估估计的地衣覆盖率对 Fortymile 驯鹿群资源选择的影响(Macander 等人,2020 年)。景观尺度地图有助于了解地衣丰度和分布趋势,也有助于驯鹿研究、管理和保护。

使用高分辨率的无人机系统图像有助于弥合精细尺度的现场取样与卫星图像之间的差距,展示了一种相对廉价且高效的方法来收集与野生动物管理相关的植被覆盖数据。来自无人机系统的图像为校准和验证大空间范围的区域地衣覆盖模型提供了数据,并为跟踪野外地点地衣覆盖面积的变化情况提供了基线。

绘制阿拉斯加中部和育空地区几个驯鹿牧场的地衣覆盖分布图为今后估算地衣覆盖随时间的变化提供了有用的基准。变化分析对于探索驯鹿相对于其资源选择和名义分布范围的长期种群动态,以及评估驯鹿管理行动的有效性和气候变化的潜在影响都具有潜在价值。

数据采集、材料和方法

研究人员对阿拉斯加中东部、育空地区中部和南部以及不列颠哥伦比亚省最西北部 583,200 平方公里范围内当前(约 2015 年)的轻型大型裸子植物部分覆盖率进行了建模。所选区域包括 Fortymile(10 万平方公里)、白山(6500 平方公里)、Aishihik(1 万平方公里)、Clear Creek(3000 平方公里)、Chisana(8000 平方公里)、Hart River(13000 平方公里)、Klaza(11000 平方公里)、Kluane(8000 平方公里)、Pelly(9000 平方公里)和 Laberge(5000 平方公里)驯鹿山脉。研究区域由连绵起伏的丘陵、亚高山和高山地区以及大片森林覆盖的河谷组成,从西北部的阿拉斯加白山一直延伸到东南部的育空地区怀特霍斯附近。该地区的火灾历史有据可查。

建模

美国国家公园管理局于 2006-2015 年间收集了育空-查理河国家保护区(YUCH)29 个地点的现有现场地块数据。育空环境部在 2010 年至 2016 年期间收集了地衣覆盖率的目视估算数据。2017 年夏季,无人机系统在阿拉斯加内陆和育空西部的 22 个森林和高山地点收集了更多陆地地衣覆盖率数据和高分辨率 RGB 图像。(本数据集中提供了这 22 个地点上空 29 次无人机飞行的地点级地衣存在和覆盖数据)。这些数据用于模型训练和验证。使用最大似然算法对地面层进行了有监督的光谱分类。分类后的图像被汇总为与 Landsat 像素一致的 30 米分辨率像素,并计算出每个像素中三个类别所占的比例。关于建模方法的深入介绍,请参见 Macander 等人(2020 年)。

 Macander, M.J., E.C. Palm, G.V. Frost, J.D. Herriges, P.R. Nelson, C. Roland, K.L.M. Russell, M.J. Suitor, T.W. Bentzen, K. Joly, S.J. Goetz, and M. Hebblewhite. 2020. Lichen cover mapping for caribou ranges in interior Alaska and Yukon. Environmental Research Letters 15:055001. https:doi.org/10.1088/1748-9326/ab6d38

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_Forage_Lichen_Maps_1867",cloud_hosted=True,bounding_box=(-153.86, 58.61, -128.26, 70.09),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

Macander, M., E.C. Palm, G.V. Frost, and P.R. Nelson. 2021. ABoVE: Lichen Forage Cover over Fortymile Caribou Range, Alaska and Yukon, 2000-2015. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Lichen Forage Cover over Fortymile Caribou Range, Alaska and Yukon, 2000-2015, https://doi.org/10.3334/ORNLDAAC/1867

致谢

研究经费由美国土地管理局、阿拉斯加鱼类和野生动物部、国家公园管理局、育空环境部和美国宇航局 ABoVE(拨款 NNX15AW71A、NNX17AE44G、NNX15AU03A)提供。此外,作者还获得了美国宇航局地球与空间科学奖学金、加拿大野生动物保护协会 W. Garfield Weston 奖学金、蒙大拿大学 W.A. Franke 研究生奖学金以及蒙大拿生态系统研究所研究生研究奖的支持。作者感谢数十位植物学家收集了地面和空中植被数据,这些数据被用来训练和开发地衣覆盖模型。

数据链接

ABoVE: Lichen Forage Cover over Fortymile Caribou Range, Alaska and Yukon, 2000-2015

网址推荐

 0代码在线构建地图应用

Mapmost loginicon-default.png?t=N7T8https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

前言 – 人工智能教程icon-default.png?t=N7T8https://www.cbedai.net/xg

这篇关于NASA数据集——2015 年30 米分辨率的地衣地面覆盖率模型估计值的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
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.chinasem.cn/article/841245

相关文章

8种快速易用的Python Matplotlib数据可视化方法汇总(附源码)

《8种快速易用的PythonMatplotlib数据可视化方法汇总(附源码)》你是否曾经面对一堆复杂的数据,却不知道如何让它们变得直观易懂?别慌,Python的Matplotlib库是你数据可视化的... 目录引言1. 折线图(Line Plot)——趋势分析2. 柱状图(Bar Chart)——对比分析3

Spring Boot 整合 Redis 实现数据缓存案例详解

《SpringBoot整合Redis实现数据缓存案例详解》Springboot缓存,默认使用的是ConcurrentMap的方式来实现的,然而我们在项目中并不会这么使用,本文介绍SpringB... 目录1.添加 Maven 依赖2.配置Redis属性3.创建 redisCacheManager4.使用Sp

Python Pandas高效处理Excel数据完整指南

《PythonPandas高效处理Excel数据完整指南》在数据驱动的时代,Excel仍是大量企业存储核心数据的工具,Python的Pandas库凭借其向量化计算、内存优化和丰富的数据处理接口,成为... 目录一、环境搭建与数据读取1.1 基础环境配置1.2 数据高效载入技巧二、数据清洗核心战术2.1 缺失

Python处理超大规模数据的4大方法详解

《Python处理超大规模数据的4大方法详解》在数据的奇妙世界里,数据量就像滚雪球一样,越变越大,从最初的GB级别的小数据堆,逐渐演变成TB级别的数据大山,所以本文我们就来看看Python处理... 目录1. Mars:数据处理界的 “变形金刚”2. Dask:分布式计算的 “指挥家”3. CuPy:GPU

使用Vue-ECharts实现数据可视化图表功能

《使用Vue-ECharts实现数据可视化图表功能》在前端开发中,经常会遇到需要展示数据可视化的需求,比如柱状图、折线图、饼图等,这类需求不仅要求我们准确地将数据呈现出来,还需要兼顾美观与交互体验,所... 目录前言为什么选择 vue-ECharts?1. 基于 ECharts,功能强大2. 更符合 Vue

Java如何根据word模板导出数据

《Java如何根据word模板导出数据》这篇文章主要为大家详细介绍了Java如何实现根据word模板导出数据,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... pom.XML文件导入依赖 <dependency> <groupId>cn.afterturn</groupId>

Python实现获取带合并单元格的表格数据

《Python实现获取带合并单元格的表格数据》由于在日常运维中经常出现一些合并单元格的表格,如果要获取数据比较麻烦,所以本文我们就来聊聊如何使用Python实现获取带合并单元格的表格数据吧... 由于在日常运维中经常出现一些合并单元格的表格,如果要获取数据比较麻烦,现将将封装成类,并通过调用list_exc

Mysql数据库中数据的操作CRUD详解

《Mysql数据库中数据的操作CRUD详解》:本文主要介绍Mysql数据库中数据的操作(CRUD),详细描述对Mysql数据库中数据的操作(CRUD),包括插入、修改、删除数据,还有查询数据,包括... 目录一、插入数据(insert)1.插入数据的语法2.注意事项二、修改数据(update)1.语法2.有

SpringBoot实现接口数据加解密的三种实战方案

《SpringBoot实现接口数据加解密的三种实战方案》在金融支付、用户隐私信息传输等场景中,接口数据若以明文传输,极易被中间人攻击窃取,SpringBoot提供了多种优雅的加解密实现方案,本文将从原... 目录一、为什么需要接口数据加解密?二、核心加解密算法选择1. 对称加密(AES)2. 非对称加密(R

详解如何在SpringBoot控制器中处理用户数据

《详解如何在SpringBoot控制器中处理用户数据》在SpringBoot应用开发中,控制器(Controller)扮演着至关重要的角色,它负责接收用户请求、处理数据并返回响应,本文将深入浅出地讲解... 目录一、获取请求参数1.1 获取查询参数1.2 获取路径参数二、处理表单提交2.1 处理表单数据三、