2017-2018 年阿拉斯加内陆地区烧毁地和未烧毁地的 NDVI、物种覆盖度和 LAI
【摘要】 NDVI, Species Cover, and LAI, Burned and Unburned sites, Interior Alaska, 2017-2018简介本数据集提供了美国阿拉斯加内陆北方森林的叶面积指数（LAI）、树种和冠层覆盖度、归一化植被指数（NDVI）以及 NDVI 趋势。收集这些数据是为了研究受干扰和演替影响的森林结构和组成与 NDVI 趋势之间的关系。数据来自 2...
NDVI, Species Cover, and LAI, Burned and Unburned sites, Interior Alaska, 2017-2018
简介
本数据集提供了美国阿拉斯加内陆北方森林的叶面积指数（LAI）、树种和冠层覆盖度、归一化植被指数（NDVI）以及 NDVI 趋势。收集这些数据是为了研究受干扰和演替影响的森林结构和组成与 NDVI 趋势之间的关系。数据来自 2017 年和 2018 年调查的 102 个样点，包括自 1940 年以来发生过火灾和未发生过火灾的样点。利用 Landsat 卫星影像（1999-2018）构建了 NDVI 时间序列，用于测量 NDVI 趋势。实地调查数据涵盖 2017 年 8 月 29 日至 2018 年 8 月 20 日期间。调查的林分横跨阿拉斯加内陆超过 425 公里。样点的选择是在实地考察之前完成的，以确保包含自 1940 年以来发生过火灾和未发生过火灾的样点。选择近期发生过火灾的样点是为了涵盖火灾发生后的不同年份，而选择近期未发生过火灾的样点是为了涵盖不同的 Landsat NDVI 趋势。计算每年生长季的 NDVI 中位数。然后，计算 1999 年至 2018 年的简单线性回归趋势。
摘要
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="NDVI_Forest_Structure_1797",
cloud_hosted=True,
bounding_box=(-149.96, 63.82, -144.96, 65.96),
temporal=("2017-08-29", "2018-08-20"),
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
- 点赞
- 收藏
- 关注作者
评论（0）