AVIRIS-Classic:机载可见光/红外成像分光计(AVIRIS-Classic)仪器的 1B 级(L1B)数据

举报
此星光明 发表于 2024/12/17 14:26:28 2024/12/17
【摘要】 ​ AVIRIS-Classic: L1B Calibrated Radiance, Facility Instrument Collection, V1简介该数据集包含机载可见光/红外成像分光计(AVIRIS-Classic)仪器的 1B 级(L1B)正交校正、缩放辐射度图像文件,以及观测几何参数和光照参数文件和辅助传感器波段信息。 这是 NASA 地球观测系统数据和信息系统(EOSDIS...

 AVIRIS-Classic: L1B Calibrated Radiance, Facility Instrument Collection, V1

简介

该数据集包含机载可见光/红外成像分光计(AVIRIS-Classic)仪器的 1B 级(L1B)正交校正、缩放辐射度图像文件,以及观测几何参数和光照参数文件和辅助传感器波段信息。 这是 NASA 地球观测系统数据和信息系统(EOSDIS)设施仪器的数据档案。 NASA AVIRIS-Classic是一个具有高信噪比(SNR)的推挽式光谱测绘系统,专为高性能光谱测量而设计,并具有一定的容差。 AVIRIS-Classic 可测量可见光到短波红外(VSWIR)光谱范围(400-2500 nm)内 224 个连续波段的反射辐射度,波段间隔约为 10 nm。 AVIRIS-Classic 传感器的瞬时视场为 1 毫弧度,根据高度提供从 20 米到亚米级的地面采样距离。 AVIRIS-Classic 可在各种飞机平台上飞行,包括 Twin Otter、NASA 的 WB-57 和 NASA 的高空 ER-2。 每条航线都包含多种文件类型。 主要数据文件包括:经正交校正的校准辐射图像 (img) 文件、几何查找表 (glt) 和经正交校正的观测几何和照明 (obs_ort) 文件。 此外,还包括输入几何图形的未投影文件 (igm),以及与观测几何图形和照明有关的参数 (obs)。

其他文件提供有关光谱(spc)和辐射校准(rcc、增益)、空间分辨率(geo)、飞机和传感器位置(eph、nav)、部署说明(info)和数据处理(plog)的信息。 每条航线都提供了快速查看图像(jpeg)和多边形图像足迹轮廓(kmz)。 主要的 AVIRIS-Classic L1B 数据以 ENVI 二进制格式提供,其中包括一个平面二进制文件,以及一个包含文本格式元数据的标头(.hdr)文件。 辅助文件包括 JPEG 图像、Keyhole 标记语言(KML)地图以及二进制和文本格式的校准文件。 一旦有了更多的 L1B 数据,将会添加进来。 AVIRIS-Classic支持NASA在许多领域的科学和应用,包括植物组成和功能、地质和土壤、温室气体绘图以及轨道平台校准。

摘要

NASA 设施仪器在 NASA 研究中心之外运行,支持多个科学学科、实地调查和 NASA 科学目标。 设施仪器由地球科学部(ESD)研究与分析计划和/或地球观测系统(EOS)项目科学办公室的管理人员提供支持。 AVIRIS-经典系统位于 JPL。 AVIRIS 项目隶属于喷气推进实验室观测系统部。 除了运行和维护传感器之外,AVIRIS 项目还致力于确保满足每次飞行的实验要求,并确保用户对数据质量和所提供的服务水平感到满意。该数据集将包括 AVIRIS-经典设施仪器的所有 L1B 文件。

Year Number of Flights Spatial Coverage Temporal Coverage
2006 128 United States (California; Colorado; Idaho; Illinois; Louisiana; Maryland; Minnesota; Montana; Nebraska; Nevada; Pennsylvania; West Virginia; Wisconsin; Wyoming) 2006-04-11 to 2006-11-28
2007 281 United States (California; Colorado) 2007-01-17 to 2007-12-13
2008 222 United States (Arizona; California; Idaho; Maryland; Michigan; Minnesota; Montana; Nebraska; Nevada; New Mexico; New York; Ohio; Pennsylvania; Washington; West Virginia; Wisconsin); Canada 2008-01-05 to 2008-10-29
2009 150 United States (California; Connecticut; District of Columbia; Maine; Maryland; Massachusetts; Michigan; Minnesota; Nevada; New Hampshire; New York; Ohio; Pennsylvania; Tennessee; Vermont; Virginia; West Virginia; Wisconsin); Canada 2009-02-27 to 2009-10-21
2010 565 United States (Alabama; California; Colorado; Florida; Idaho; Illinois; Iowa; Louisiana; Michigan; Mississippi; Nevada; South Dakota; Texas; Utah; Wisconsin) 2010-04-26 to 2010-11-02
2011 666 United States (Arizona; California; Colorado; Illinois; Kentucky; Louisiana; Michigan; Minnesota; Mississippi; Missouri; Nevada; New Mexico; Tennessee; Utah; Wisconsin); Mexico; Canada 2011-04-30 to 2011-11-16
2012 118 United States (California; Colorado; Louisiana; Minnesota; Nevada; Utah 2012-05-07 to 2012-12-03
2013 442 United States (Arizona; California; Michigan; Nevada); Mexico 2013-02-27 to 2013-12-05
2014 280 United States (California; Nevada); Mexico 2014-03-31 to 2014-11-24
2015 346 United States (California; Nevada) 2015-01-20 to 2015-10-30
2016 148 United States (California; Nevada) 2016-01-12 to 2016-12-19
2017 492 United States (Alabama; Arizona; Arkansas; California; Colorado; Florida; Georgia; Kansas; Kentucky; Louisiana; Mississippi; Missouri; Nebraska; Nevada; New York; North Carolina; Ohio; Oklahoma; Pennsylvania; South Carolina; Tennessee; Texas; Virginia; West Virginia); Mexico 2017-01-17 to 2017-12-21
2018 328 United States (Arizona; California; Nevada; Oregon); Mexico 2018-01-11 to 2018-09-18
2019 130 United States (Arizona; California; Idaho; Montana; Nevada; Oregon; Utah; Washington); Mexico 2019-08-02 to 2019-10-01
2020 95 United States (California; Nevada); Mexico 2020-09-17 to 2020-10-15
2021 81 United States (Arizona; California; Nevada); Mexico 2021-02-09 to 2021-04-02

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="AVIRIS-Classic_L1B_Radiance_2155",
    cloud_hosted=True,
    bounding_box=(-171.84, -0.03, -68.34, 56.17),
    temporal=("2006-04-26", "2021-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Green, R.O., M.L. Eastwood, C.M. Sarture, T. G. Chrien, M. Aronsson, B.J. Chippendale, J.A. Faust, B.E. Pavri, C. J. Chovit, M. Solis, M.R. Olah, and O. Williams. 1998. Imaging Spectroscopy and the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS). Remote Sensing of Environment 65:227- 248. Redirecting

网址推荐

知识星球

知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/


【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。