ABoVE：2000-2017 年阿拉斯加和加拿大 MODIS MAIAC 角度校正反射率

举报
此星光明 发表于 2025/07/14 21:27:39 2025/07/14
【摘要】 ​ ABoVE: Angular-corrected MODIS MAIAC Reflectance across Alaska and Canada, 2000-2017简介该数据集提供了 2000 年至 2017 年阿拉斯加和加拿大西部 ABoVE 区域 MODIS 多角度大气校正算法 (MAIAC) 表面反射率的角度校正。使用机器学习方法随机森林 (RF)，将原始 MAIAC 反射率数...

​

 ABoVE: Angular-corrected MODIS MAIAC Reflectance across Alaska and Canada, 2000-2017

简介

该数据集提供了 2000 年至 2017 年阿拉斯加和加拿大西部 ABoVE 区域 MODIS 多角度大气校正算法 (MAIAC) 表面反射率的角度校正。使用机器学习方法随机森林 (RF)，将原始 MAIAC 反射率数据校正为一致的视角和照明角度（0 度视角天顶角和 45 度太阳天顶角），以减少由于角度效应造成的伪影和变化。保留了原始 MAIAC 数据的亚日时间分辨率和 1 公里空间分辨率，包括 7 个陆地波段（波段 1-7）和 5 个海洋波段（波段 8-12）。由此产生的表面反射率数据适用于对表面现象的模式、过程和动态进行长期研究。数据涵盖 11 个不同的 Terra 和 Aqua 卫星 MODIS MAIAC 图块。


摘要

Bits Definition
0–2 Cloud Mask
000 = Undefined; 001 = Clear; 010 = Possibly Cloudy (detected by AOT filter);
011 = Cloudy (detected by cloud mask algorithm); 101 = Cloud Shadow;
110 = Hot spot of fire; 111 = Water Sediments
3–4 Land Water Snow/Ice Mask
00 = Land; 01 = Water; 10 = Snow; 11 = Ice
5–7 Adjacency Mask
000 = Normal condition; 001 = Adjacent to cloud;
010 = Surrounded by more than 8 cloudy pixels; 011 = Single cloudy pixel;
100 = Adjacent to snow; 101 = Snow was previously detected on this pixel
8 Aerosol Optical Thickness (AOT) Level
0 = AOT is low (<=0.6); 1 = AOT is high (> 0.6) or undefined
9 Algorithm Initialize Status
0 = Initialized; 1 = Not initialized
10 BRF Retrieved Over Snow (use AOT=0.05)
0 = no; 1 = yes
11 Altitude >3.5km (BRF is retrieved with AOT=0.01)
0 = no; 1 = yes

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_MODIS_MAIAC_Reflectance_1858",
    cloud_hosted=True,
    bounding_box=(-180.0, 44.12, 180.0, 80.81),
    temporal=("2000-02-24", "2017-12-31"),
    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 数据挖掘 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