​

 ABoVE: Post-Fire and Unburned Vegetation Community and Field Data, NWT, Canada, 2017

简介

文件修订日期：2022-06-24

数据集版本: 1

摘要

本数据集提供了 2017 年从 ABoVE 研究区的 11 个研究地点收集的植被群落特征、土壤水分和生物物理数据。这 11 个研究区域包括 2014 年和 2015 年被野火烧毁的 28 个地点，以及加拿大西北地区（NWT）未被烧毁的 10 个地点。被烧毁的地点包括泥炭地和高地。这些实地数据包括焚烧严重程度评估、植被清单、地面覆盖物、乔木和灌木的直径和高度、幼苗和萌芽覆盖物、土壤湿度以及未冻结土壤的深度。小块面积为 10 米 x 10 米，选定测量的小块面积更小。2015-2019 年在这些地点收集了类似的数据，这些数据可在相关的单独数据集中获得。实地数据以 CSV 格式提供。数据集包括采样点植被状况的数码照片（JPEG 格式）。

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。

数据特征
空间覆盖范围：加拿大西北地区大奴湖附近

上方参考位置

域：核心 ABoVE

州/地区：西北地区

地区： 大奴湖大奴湖

网格单元：Ah002v001, Bh012v011, Bh013v010, Bh013v011, Bh014v011, Ch075v071, Ch076v069, Ch076v071, Ch077v068, Ch078v067, Ch078v069, Ch079v065, Ch079v066, Ch083v067, Ch084v067, Ch084v068

空间分辨率：田块大小为 1-100 平方米

时间覆盖范围：2017-08-03 至 2017-08-10（包括 2015-07-13 的部分小区数据）

时间分辨率：一次性估算

研究区域：纬度和经度以十进制度表示。

数据信息

共有 8 个逗号分隔值（*.csv）格式的数据文件（表 1），提供了 2017 年从 11 个研究区域的地点收集的植被、土壤湿度、未冻结地面深度和其他生物物理数据的测量值。这些区域包括 2014 年或 2015 年被野火烧毁的地点，也包括未被烧毁的地点（表 2）。

此外，还有 962 张 JPEG 格式（*.jpg）的数码照片。文件名为 Site_Plot_XXX_Y.jpg，其中

遗址 = 遗址名称（表 2）
地块 = 地块编号，通常为 1 至 6
XXX = 面向的方向（N、E、W、S、nadir），"秧苗 "表示秧苗四分区，"其他 "表示其他照片。
Y="a "或 "b"；可选，如果该地块包含>1 张特定 XXX 类型的照片，则使用 Y。
数据文件详情

如果数据列为文本，则缺失数据报告为 NA；如果数据列为数字，则缺失数据报告为 -9999。

研究区域和地点的名称。名称中带有 "Val "的研究区域为未烧毁的验证点。

文件 NWT_Wildfires_Field_data_summary_2017.csv 中的变量名称和说明。

该项目的目标是收集遥感和实地数据，以支持有关 2014-2015 年加拿大西北地区火灾影响的科学研究。

质量评估

对实地数据进行了质量控制检查。实地数据记录在实地表格上，然后输入 Microsoft Excel 电子表格。第二名人员将输入的数据与原始现场表进行核对。第三个人将实地数据与其他实地记录表、全球定位系统或照相机中的信息进行交叉比对，检查是否有缺失值和异常值（超出范围的值）；必要时进行更正。

使用 Hydrosense 仪器对每个地块的土壤水分进行采样，在每个深度的一臂距离内重复采样 5 次。通过这种重复取样，可对整个地点进行空间平均（6 个地块 x 每个地块 5 个样本 = 每个地点 30 个样本）。

数据采集、材料和方法

该项目使用遥感和实地数据来描述 2014 年和 2015 年加拿大西北地区（NWT）北斯莱夫区、南斯莱夫区和 Dehcho 区发生的野火造成的影响（图 2）。这项为期五年的研究重点关注 2014 年西北地区的四次火灾（ZF17、ZF20、SS3、SS15）和 2015 年西北地区的五次火灾（ZF14、ZF2、SS50、SS81、SS28）。从 2015 年到 2019 年，每年都会进行实地数据收集。本数据集提供了 2017 年从表 2 所列研究地点收集的数据。

2017 年，对 2014-2015 年经历过野火的七个研究区域进行了采样（表 2）。此外，还对四个未燃烧区域（称为验证点）进行了采样。实地工作人员使用了手持式 GPS、GPS 相机、航空摄影地图和卷尺。在每个地点，都构建了植被指数，划分了生态系统类型，记录了物种多样性，划分了优势物种组成，测量了水位，记录了植被生命阶段，并测量了上层植物的高度和密度。解冻深度用泥炭棒从苔藓顶部测量到冻结层。在研究地块的四个方位拍摄地理定位照片，为每个地点提供额外的验证和地面实况。

在每个地点，沿两个横断面最多收集六个地块的生物物理地点特征、烧伤严重程度、土壤湿度、解冻深度和幼苗/萌发数据，以确定 100 米 x 100 米的同质区域的特征。记录了活/死灌木、木质碎屑、草本植物和苔藓的植被覆盖率。记录了三棵具有代表性的树木高度，并记录了多达五根不定根的高度。还报告了所有地块的泥炭地类型、解冻深度、泥炭厚度以及灰烬存在情况。

在焚烧区的各个地点，以 10 m x 10 m 小块和较小的四分小区为单位，对土壤水分和温度、幼苗/萌发以及地上生物量进行了详细测量。土壤湿度用 Hydrosense 1 仪器测量。在 6 厘米、12 厘米、20 厘米和 50 厘米四个土壤深度各进行了五次测量。在每个小区的六个点收集探针周期和体积含水量。土壤温度使用 Hannah Instruments HI 145 探头测量。使用了两种不同长度的探针：20 厘米和 12 厘米。两个探针都直接放入土壤中。此外，在 6 厘米深的地方，12 厘米长的探针呈 30 度角放置。在每个地点的一角，在 0.5 平方米或 1.0 平方米的四分区内对幼苗/幼芽以及地被植物进行取样。对于地上生物量，测量了乔木和灌木的覆盖面积、高度和直径。记录了树木/灌木的种类、DBH 或基部直径以及代表性树木的高度。 

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_NWT_2017_Field_Data_1771",
    cloud_hosted=True,
    bounding_box=(-117.38, 60.52, -111.37, 62.58),
    temporal=("2015-07-13", "2017-08-10"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Bourgeau-Chavez, L.L., S.E. Grelick, N.H.F. French, D. Tanzer, and E.S. Kane. 2022. ABoVE: Post-Fire and Unburned Vegetation Community and Field Data, NWT, Canada, 2017. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Post-Fire and Unburned Vegetation Community and Field Data, NWT, Canada, 2017, https://doi.org/10.3334/ORNLDAAC/1771

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

​