​

非洲合成孔径雷达：2016 年加蓬 LVIS 导出的网格森林生物量和树冠指标

简介

本数据集包含网格化森林特征产品，这些产品来自2016年NASA-ESA非洲合成孔径雷达活动期间NASA机载土地、植被和冰雪传感器（LVIS）仪器获取的非洲加蓬五个森林地点的全波形激光雷达数据。2016 年 2 月至 3 月，LVIS 激光雷达仪器飞越了洛佩、蒙达/阿坎达、庞加拉、拉比和马布尼的研究地点。推导出的树冠覆盖率、树冠高度、裸露地面高度、植物面积指数 (PAI) 和叶高多样性 (FHD) 以及各自的不确定性均以 25 米的分辨率提供给五个研究地点。利用野外清查数据和波形高度与覆盖度指标，以 50 米和 100 米分辨率对洛佩、蒙达和马布尼站点的地上生物量密度 (AGBD) 和不确定性进行了建模。还包括激光雷达网格单元数据收集统计（即拍摄次数和飞行线路）和数据掩码。这项研究利用了非洲合成孔径雷达行动期间收集的高质量森林资源数据集，该数据集针对的是世界上研究最少、最独特的森林生态系统之一。前言 – 人工智能教程

数据链接

AfriSAR: Gridded Forest Biomass and Canopy Metrics Derived from LVIS, Gabon, 2016, https://doi.org/10.3334/ORNLDAAC/1775

代码：

安装

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify

导入包

import pandas as pd
import leafmap

tsv数据集加载 

url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")

df

json数据集加载 

url = "https://github.com/opengeos/NASA-Earth-Data/blob/main/nasa_earth_data.json"
df = pd.read_csv(url, sep="\t")
df

以列表形式查看数据内容

df.columns.values.tolist()

['ShortName',
 'EntryTitle',
 'DOI',
 'concept-id',
 'provider-id',
 's3-links',
 'bbox-crs',
 'bbox',
 'horizontal_res',
 'start-time',
 'end-time',
 'Creator',
 'Publisher',
 'ReleaseDate',
 'ReleasePlace',
 'Version',
 'Linkage']

登录到NASA平台

leafmap.nasa_data_login()

加载数据集

results, gdf = leafmap.nasa_data_search(
    short_name="Afrisar_LVIS_Biomass_VProfiles_1775",
    cloud_hosted=True,
    bounding_box=(9.18, -2.29, 12.02, 0.63),
    temporal=("2016-02-20", "2016-03-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)

gdf.explore()

数据下载

leafmap.nasa_data_download(results[:5], out_dir="data")

数据引用 

Armston, J., H. Tang, S. Hancock, S. Marselis, L. Duncanson, J. Kellner, M. Hofton, J.B. Blair, T. Fatoyinbo, and R.O. Dubayah. 2020. AfriSAR: Gridded Forest Biomass and Canopy Metrics Derived from LVIS, Gabon, 2016. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1775 

​