ABoVE：1984-2019 年阿拉斯加和加拿大湖泊生长季绿地表面反射率趋势

举报
此星光明 发表于 2025/07/11 08:50:32 2025/07/11
【摘要】 ​ABoVE: Lake Growing Season Green Surface Reflectance Trends, AK and Canada, 1984-2019简介该数据集提供了 1984 年至 2019 年 ABoVE 扩展研究区域内 472,890 个湖泊在生长季（六月和七月）的 Landsat 绿色表面反射率的年度时间序列及其年度趋势。反射率数据来自 Landsat-5、L...

​ABoVE: Lake Growing Season Green Surface Reflectance Trends, AK and Canada, 1984-2019

简介

该数据集提供了 1984 年至 2019 年 ABoVE 扩展研究区域内 472,890 个湖泊在生长季（六月和七月）的 Landsat 绿色表面反射率的年度时间序列及其年度趋势。反射率数据来自 Landsat-5、Landsat-7 和 Landsat-8 传感器的绿色波段（中心波长 560 nm）。对超过 270,000 个 Landsat 场景进行了评估，并确保其质量无云且覆盖水面。湖泊选自 HydroLAKES，这是一个至少包含 10 公顷湖泊的全球数据库。湖面反射率是从从湖泊多边形确定的选定 Landsat 场景中的每个湖泊质心为中心的 3×3 像素区域中提取的。该数据集展示了北美北极和北方地区湖泊颜色随时间的变化。颜色对于了解世界上一些湖泊浓度最高的地区中气候变化可能产生重大影响的物理、生态和生物地球化学过程至关重要。

摘要

Table 2. Variables in the data file trends_1984_2019_landsat_ABoVE_lake_greenness.txt.

Column Name Units Description
continent Continent where lake is located.
country Country where lake is located
hylak_id Unique lake identifier from the HydroLAKES dataset
latitude Decimal Degrees Latitude in decimal degrees of the lake centroid
longitude Decimal Degrees Longitude in decimal degrees of the lake centroid
sen_slope Rs per year The Sen slope is the change in unit of reflectance per year calculated by taking the median slope of all observations compared pairwise
mann_kendall_trend Indicates whether the trend is significant at a p-value <0.05 and either increasing or decreasing. (no sig. trend, sig. decreasing, sig. increasing)
trend_significance Significance (p-value) of slope
b2_mean Mean Landsat growing season surface reflectance (Rs) in the green wavelengths averaged over the entire study period (1984-2019)
b2_std_dev Standard deviation of Landsat growing season surface reflectance in the green wavelengths averaged over the entire study period (1984-2019)

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"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="ABoVE_GrowingSeason_Lake_Color_1866",
    cloud_hosted=True,
    bounding_box=(-168.1, 49.54, -81.23, 75.0),
    temporal=("1984-07-01", "2019-09-01"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")
【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
Python 大数据 数据挖掘 机器学习 遥感
  • 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。

确认 取消

加入云驻计划，成为创作者

  • 华为云周边好礼
  • 免费体验产品
  • 特殊身份标识
  • 线下官方门票
  • 内部专家零距离
  • 与10000+优质创作者共同成长
立即加入