​

ABoVE: L1 S-0 Polarimetric Data from UAVSAR P-band SAR, Alaska and Canada, 2017

简介

文件修订日期：2021-04-03

数据集版本: 1

摘要

本数据集提供了在美国阿拉斯加和加拿大西部 74 个研究地点采集的 UAVSAR P 波段合成孔径雷达仪器的 1 (L1) 级极坐标雷达后向散射系数（Sigma-0 或 S-0）、多视角复合、极坐标校准和地理参照数据产品。该雷达仪器是全偏振 P 波段（超高频）合成孔径雷达，工作频段为 420-440 兆赫。飞行活动于 2017 年 5 月至 8 月在美国国家航空航天局湾流-III 型飞机上定期进行。每组产品均由无人机合成孔径雷达 P 波段雷达仪器的一次数据采集（即获取）生成，一次数据采集相当于在一个地点上空飞行一条航线。每个站点需要 2 到 4 次数据采集，但有些站点只提供一次或六次数据采集。对 74 个站点共进行了 139 次数据采集。
无人机合成孔径雷达 P 波段雷达仪器最初是为空中微波次冠层和次表层观测站 （AirMOSS）活动开发的，用于测量根区土壤湿度。这些数据可用于次表层和次冠层成像应用，如监测土壤、森林和永久冻土的变化，以及探测地下结构和次表层变化。

139 种数据中每种数据的产品都在一个单独的目录中提供。每个目录包含 38 种不同类型的数据产品，共计 5,282 个数据文件。数据产品有两种分辨率，分别为 0.5 弧秒（约 15 米）和 3.0 弧秒（约 90 米），在每个文件名中均有标注。

UAVSAR P 波段合成孔径雷达扫描美国阿拉斯加和加拿大西部的研究地点，用于 2017 年 ABoVE 活动。

 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，于2016年至2021年期间在阿拉斯加和加拿大西部进行。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。

空间分辨率：0.5 弧秒和 3.0 弧秒

时间覆盖范围2017 年 5 月至 2017 年 8 月的定期飞行。

时间分辨率：每日

研究区域：纬度和经度均以十进制度表示。

数据信息

139 个数据中的每一个都有 38 个数据产品（多种格式），共计 5 282 个数据文件。数据产品有两种分辨率，分别为 0.5 弧秒（约 15 米）和 3.0 弧秒（约 90 米）。

扩展名为 .ann、.h5、hgt、.inc、.jpg、.kmz、.png 和 .slope 的文件命名为 ssssss_LLLLL_FFFFF_CCC_YYMMDD_PL090fffww_gg_CX_vv.ext （例如，tukhwy_01812_17057_014_170606_PL09043020_05_CX_01.ann）。

扩展名为 .grd 和 .mlc 的文件命名为 ssssss_LLLLL_FFFFF_CCC_YYMMDD_PL090fffww_ggpppp_CX_vv.ext （例如，tukhwy_01812_17057_014_170606_PL09043020_30HVV_CX_01.mlc）。

Table 2. Six-letter abbreviations for study sites. Some sites contain subsites (identified in parentheses) and multiple data takes.

Table 3. Radar mode naming convention elements.

Table 4. Data product file extensions. See Section 5 for additional information.

雷达反向散射数据已利用部署在加利福尼亚州罗萨蒙德干湖的 2.4 米和 4.8 米三面角反射器以及噪声二极管内置测试（BIT）（Chapin 等人，2015 年）的接收器数据进行了辐射校准。2017 年，噪声二极管 BIT 数据被用于改进天线模式。使用噪声二极管 BIT 数据后，4.8 米角反射器残差（观测-预测雷达截面）的标准偏差从 0.867 dB 降至 0.543 dB（横积的 HH 因子），从 0.668 dB 降至 0.521 dB（横积的 VV 因子）。对于 2.4 米角反射镜残差，HH 和 VV 的标准偏差分别从 0.861 dB 和 0.564 dB 降至 0.564 dB 和 0.599 dB。

对于 2017 年开始获取的 P 波段数据，在每次数据采集之前和/或之后立即获取的噪声二极管 BIT 数据用于在处理过程中对数据进行辐射校正。在相位校准之前对数据进行了串扰消除（Fore 等人，2015 年）。自适应射频干扰消除根据需要应用于每次数据采集（Harcke 和 Le，2014 年）。其应用已记录在每个产品的相关 ANN 文件中。在相关 ANN 文件的注释字段中注明了该过程无法去除的 RFI。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="ABoVE_L1_P_SAR_1800",
    cloud_hosted=True,
    bounding_box=(-166.61, 52.08, -104.18, 71.46),
    temporal=("2017-05-22", "2017-08-18"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Shimada, J.G., Y. Lou, S. Hensley, B.P. Hawkins, L. Harcke, D.M. Lagoy, T.R. Michel, R.J. Muellerschoen, S. Flores, N. Pinto, C. Rains, W.W. Tung, and Y. Zheng. 2021. ABoVE: L1 S-0 Polarimetric Data from UAVSAR P-band SAR, Alaska and Canada, 2017. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: L1 S-0 Polarimetric Data from UAVSAR P-band SAR, Alaska and Canada, 2017, https://doi.org/10.3334/ORNLDAAC/1800

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

​