1984 年至 2014 年期间每年北极寒带脆弱性实验(ABoVE)核心域的年度土地覆被分类

举报
此星光明 发表于 2025/02/05 09:54:35 2025/02/05
【摘要】 ​ ABoVE: Landsat-derived Annual Dominant Land Cover Across ABoVE Core Domain, 1984-2014简介该数据集提供了两个 30 米分辨率的时间序列产品,涵盖 1984 年至 2014 年期间每年北极寒带脆弱性实验(ABoVE)核心域的年度土地覆被分类。 这些数据是由大地遥感卫星表面反射率得出的给定 30 米像素中的年...

 ABoVE: Landsat-derived Annual Dominant Land Cover Across ABoVE Core Domain, 1984-2014

简介

该数据集提供了两个 30 米分辨率的时间序列产品,涵盖 1984 年至 2014 年期间每年北极寒带脆弱性实验(ABoVE)核心域的年度土地覆被分类。 这些数据是由大地遥感卫星表面反射率得出的给定 30 米像素中的年度主要植物功能类型、绘制整个 ABoVE 域的土地覆被训练数据(使用随机森林建模、聚类和实地摄影判读)以及用于分配土地覆被分类的极高分辨率图像。 其中一个产品有 15 个土地覆被分类等级,并将森林和灌木类型细分为多个额外等级;另一个产品提供简化的 10 个等级方法。 每年提供分类准确性评估结果。 评估以参考数据的概率随机抽样为基础,支持对绘图区域的面积和不确定性进行稳健的统计估算。

为便于分析,将陆地卫星 5 号专题成像仪和陆地卫星 7 号增强型专题成像仪数据重新投影到 ABoVE 标准阿尔伯等面积投影(30 米网格)中,并划分为 180 x 180 千米 ABoVE 标准 B 网格瓦片(Loboda 等人,2019 年)。 这样,ABoVE 核心区域内共有 175 个 B 网格瓦片。 该数据集提供 350 个 GeoTIFF(.tif)格式的土地覆盖数据文件,其中包括 175 个 15 类产品文件和 175 个 10 类产品文件。 每个文件都是 31 波段的 GeoTIFF,每个波段提供 1984-2014 年期间的一年数据,其中波段 1 为 1984 年,波段 2 为 1985 年,以此类推,直到波段 31,即 2014 年。精度评估数据以两个逗号分隔(.csv)的数据文件提供。

摘要

"ABoVE: Landsat-derived Annual Dominant Land Cover Across ABoVE Core Domain, 1984-2014"是一个数据集,提供了1984年至2014年期间ABoVE(Alaska and Canada's Arctic-Boreal Vulnerability Experiment)核心领域中的主导土地覆盖类型的信息。这个核心领域覆盖了北美洲的阿拉斯加地区和加拿大的北方地区,包括森林、湿地、草地和其他地表类型。

数据集的来源是通过Landsat卫星进行图像获取和分析。Landsat卫星是美国国家航空航天局(NASA)和美国地质调查局(USGS)合作管理的地球观测卫星系统,能够提供高空间分辨率的遥感图像。

该数据集提供了每年每个像素的主导土地覆盖类型。主导土地覆盖类型是指在某一年中覆盖该像素大部分面积的土地类型。这些主导类型可以包括森林、湿地、冰雪覆盖、水体、裸地等。数据集可以用来分析和研究ABoVE核心领域的土地覆盖变化,研究气候变化、人类干扰等因素对该地区土地覆盖的影响。

该数据集的具体参数和格式可以在相关的数据文档中找到,以了解更多关于数据的详细信息和使用方法。

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="Annual_Landcover_ABoVE_1691",
    cloud_hosted=True,
    bounding_box=(-170.01, 50.26, -98.97, 76.23),
    temporal=("1984-01-01", "2014-12-31"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Wang, J.A., D. Sulla-Menashe, C.E. Woodcock, O. Sonnentag, R.F. Keeling, and M.A. Friedl. 2019. ABoVE: Landsat-derived Annual Dominant Land Cover Across ABoVE Core Domain, 1984-2014. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Landsat-derived Annual Dominant Land Cover Across ABoVE Core Domain, 1984-2014, https://doi.org/10.3334/ORNLDAAC/1691

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/

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。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。