​

 ASTER Orthorectified Digital Elevation Model (DEM) V003

ASTER正射纠正数字海拔模型（TEM）V003

简介

ASTER 数字地面模型和传感器的正交校正注册辐射(AST14DMO)产品( https://lpdaac.usgs.gov/documents/996/aster_earthdata_search_order_instructions.pdf )形成一个多文件产品。该产品包含一个数字地面模型(DEM)和多达15个正交校正图像，代表可见和近红外(VNIR) ，短波红外(SWIR)和热红外(TIR)数据层的每个可用的 ASTER 场景，如果获得。空间分辨率为15米(VNIR) ，30米(SWIR)和90米(TIR) ，时间覆盖范围为2000年至今。欲了解更多信息，请参阅以下链接: ( https://doi.org/10.5067/ASTER/AST14DEM.003)( https://doi.org/10.5067/ASTER/AST14OTH.003)改进/更改以前的版本自2021年1月起，LP DAAC 已经实现了传感器信息实验室公司的3.0版本的 ASTER DEM/Ortho (SILCAST)软件，该软件用于生成2级按需的 ASTER 正交校正和数字地面模型(DEM)产品(AST14)。更新后的软件从 ASTER L1B 输入数据中提供数字高程提取和正交校正，而无需进入地面控制点或依赖于30弧秒分辨率(GTOPO30)的外部全球 DEM。它利用了来自 ASTER 仪器和 Terra 航天器平台的星历和姿态数据。输出是大地水准面高度校正和水体自动检测在这个版本。用户将注意到2021年1月之前订购的 AST14DEM、 AST14DMO 和 AST14OTH 产品(使用 SILCAST V1生成)与使用生产软件更新版(3.0版)生成的产品之间的差异。差异可能包括不同表面类型(包括水体)上的轻微海拔变化。在 ASTER 场景的多云部分也观察到了差异。有关 SILCAST 3.0版本的其他资料，请浏览 SILCAST 网站( http://www.silc.co.jp/en/products.html )。从2021年6月23日起，辐射校准系数版本5(RCC V5)将应用于新观测的 ASTER 数据和存档的 ASTER 数据产品。关于 RCC V5的详细信息将在下面的期刊文章中描述。

平台 Terra 仪器 ASTER 数据格式 分布： 时间范围 2000-03-06 正在进行的数据中心 LP DAAC 空间范围边界框： (83.0°, 180.0°), (-83.0°, -180.0°)

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_ASCENDS_XCO2_2050",
    cloud_hosted=True,
    bounding_box=(-180.0, -83.0, 180.0, 83.0),
    temporal=("2000-03-06", "2019-07-16"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

 Tsuchida, S., Yamamoto, H., Kouyama, T., Obata, K., Sakuma, F., Tachikawa, T., Kamei, A., Arai, K., Czapla-Myers, J.S., Biggar, S.F., and Thome, K.J., 2020, Radiometric Degradation Curves for the ASTER VNIR Processing Using Vicarious and Lunar Calibrations: Remote Sensing, v. 12, no. 3, at https://doi.org/10.3390/rs12030427.

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg 

​