2012-2022 年 ABoVE L 波段和 P 波段机载 SAR 调查摘要

举报
此星光明 发表于 2025/07/22 09:39:55 2025/07/22
【摘要】 Summary of the ABoVE L-band and P-band Airborne SAR Surveys, 2012-2022简介该数据集包含 2012 年至 2022 年在阿拉斯加和加拿大进行的合成孔径雷达 (SAR) 调查的机载飞行元数据表格。美国宇航局的北极北方脆弱性实验 (ABoVE) 在 2017、2018、2019 和 2022 年期间对阿拉斯加和加拿大西北部超过 ...

Summary of the ABoVE L-band and P-band Airborne SAR Surveys, 2012-2022

简介

该数据集包含 2012 年至 2022 年在阿拉斯加和加拿大进行的合成孔径雷达 (SAR) 调查的机载飞行元数据表格。美国宇航局的北极北方脆弱性实验 (ABoVE) 在 2017、2018、2019 和 2022 年期间对阿拉斯加和加拿大西北部超过 120,000 平方公里的面积进行了机载 SAR 调查。为了完整性并能够创建更长的时间序列，其他项目在 2012 年至 2015 年期间获取的旧线路也包含在内。数据文件和配套文件包含在 ABoVE 机载活动期间获取的 L 波段和 P 波段机载 SAR 元数据。其中包括约 80 条 SAR 航线的详细描述以及每条航线如何融入 ABoVE 实验设计。大量的地图、表格和超链接可直接访问每个飞行计划以及单独的航线。本条目是一个指南，旨在帮助感兴趣的读者充分探索 ABoVE L 波段和 P 波段 SAR 数据。


摘要

Table 1. Data dictionary for CSV data files (Table_*.csv). Each file contains a subset of these fields.

Variable Units Description
Flight_plan Airborne flight plan number
Flight_plan_url URL to flight plan summary at uavsar.jpl.nasa.gov
Sortie_date YYYY-MM-DD Flight date
Region_sampled Region sampled
Region_sampled_url URL to flight plan map at uavsar.jpl.nasa.gov
PoIInSAR_band SAR band; L or P-band
Campaign Name of airborne campaign
Line_ID Flight line ID
Short_name Flight line name
Flight Airborne flight plan number. Synonymous to ‘Flight_plan’
Flight_url URL to flight plan summary at uavsar.jpl.nasa.gov. Synonymous to ‘Flight_plan_url’.
Band SAR band; L or P-band
Date YYYY-MM-DD Flight date. Synonymous to ‘Sortie_date’.
Region Region sampled. Synonymous to ‘Region_sampled’
Comments Contains additional details about the flight line

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_SAR_Surveys_2150",
    cloud_hosted=True,
    bounding_box=(-169.0, 50.0, -102.0, 72.0),
    temporal=("2012-01-01", "2022-12-31"),
    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 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