NASA数据集——2014 年、2015 年和 2017 年北美地区土壤地球物理属性值（源层厚度 (ALT)、介电常数、土壤水分剖面、表面粗糙度）

ABoVE: AirSWOT Color-Infrared Imagery Over Alaska and Canada, 2017

简介

文件修订日期：2019-04-25

数据集版本: 1

摘要

本数据集提供了根据 2014 年、2015 年和 2017 年 8 月和 10 月在阿拉斯加北部 12 个研究地点（除个别地点外）采集的机载次冠层和次表层微波观测站（AirMOSS）P 波段偏振合成孔径雷达（PolSAR）数据得出的土壤地球物理属性估计值。报告的土壤属性包括 12 个飞行横断面上 30 米空间分辨率的有源层厚度 (ALT)、介电常数、土壤水分剖面、表面粗糙度及其各自的不确定性估计值。大部分研究地点位于连续永久冻土带内，地面植被主要由矮灌木和草丛/绿篱/苔藓苔原组成，对 P 波段雷达反向散射的影响很小。
数据产品是采用一种时间序列检索算法方法制作的，该算法应用于 AirMOSS P 波段偏振合成孔径雷达（PolSAR）数据。检索过程是对前向雷达反向散射模型的反演，其中使用了三层介电结构来模拟活动层（表层和次表层）和下层永久冻土。在反演过程中，对每个像素点进行了多次检索运行，从中得出的平均值和标准偏差被报告为所需地球物理参数的检索值和相关不确定性。土壤介电常数（代表未冻结的土壤含水量）、土层深度和表面粗糙度均已检索。

该数据集有 29 个 NetCDF（.nc4）格式的数据文件。并非每年都对所有站点进行勘测。

项目北极-北方脆弱性实验

北极-北方脆弱性实验（ABoVE）是美国国家航空航天局（NASA）陆地生态计划在 2016 年至 2021 年期间在阿拉斯加和加拿大西部开展的一项实地活动。ABoVE 的研究将基于实地的过程级研究与机载和卫星传感器获得的地理空间数据产品联系起来，为提高分析和建模能力奠定了基础，而分析和建模能力是了解和预测生态系统反应及社会影响所必需的。

相关项目：  亚冠层和亚表层机载微波观测站（AirMOSS）

数据特征

空间覆盖范围：阿拉斯加北部的 12 个研究地点：Ambler、Atqasuk、Barrow、Coldfoot、Council、Deadhorse、Huslia、Ivotuk、Kougarok、Koyuk、Teller 和 Toolik。

上图 参考地点：

域：核心 ABoVE

州/地区： 阿拉斯加州阿拉斯加州

网格单元

Ah0v0Bh3Bv2Ch0Cv0, Ah0v0Bh4Bv2Ch0Cv0, Ah0v0Bh5Bv2Ch0Cv0, Ah0v0Bh4Bv1Ch0Cv0, Ah0v0Bh3Bv1Ch0Cv0, Ah0v0Bh4Bv3Ch0Cv0, Ah0v0Bh5Bv3Ch0Cv0, Ah1v0Bh6Bv2Ch0Cv0、Ah1v0Bh7Bv2Ch0Cv0，Ah1v0Bh8Bv2Ch0Cv0，Ah1v0Bh9Bv2Ch0Cv0，Ah1v0Bh7Bv1Ch0Cv0，Ah1v0Bh8Bv1Ch0Cv0，Ah1v0Bh7Bv3Ch0Cv0，Ah1v0Bh8Bv3Ch0Cv0，Ah1v0Bh6Bv4Ch0Cv0，Ah1v0Bh7Bv4Ch0Cv0

空间分辨率30 m

时间覆盖范围：2014-10-09 至 2017-08-17

研究区域：  所有经纬度均以十进制度表示。

研究地点摘要。坐标代表该地点上空所有飞行的大致边界。地图见图 2。

数据文件信息

该数据集有 29 个 NetCDF (.nc4) 格式的数据文件；每个站点每年一个文件。请注意，如表 1 所示，并非所有站点每年都进行了飞行。

这些数据文件提供了土壤活动层属性的估计值，包括土壤介电常数和湿度剖面、活动层厚度 (ALT)、表面粗糙度以及各自的不确定性。

文件命名规则：

PolSAR_active_layer_prop_site_YYMMDD_YYMMDD_V.nc4

其中

站点：获取数据的 12 个站点的六个字母缩写。  见上表 1。

YYMMDD_YYYMMDD：数据采集开始时的日期（UTC），YY 是年份的最后两位数，MM 是该年的月份（01-12），DD 是该月的日期（01-31）。每个文件中使用的同一站点有两次 PolSAR 数据采集，因此每个文件名中有两个日期，即 8 月和 10 月。

VV：产品版本号。

文件名示例：PolSAR_active_layer_prop_ambler_140816_141009_01.nc4

空间参考属性：

坐标系：加拿大_Albers_Equal_Area_Conic坐标系

EPSG: 102001

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="ABoVE_PBand_SAR_1657",
    cloud_hosted=True,
    bounding_box=(-167.94, 64.71, -150.25, 70.88),
    temporal=("2017-07-20", "2017-08-08"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Chen, R.H., A. Tabatabaeenejad, and M. Moghaddam. 2019. ABoVE: Active Layer and Soil Moisture Properties from AirMOSS P-band SAR in Alaska. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Active Layer and Soil Moisture Properties from AirMOSS P-band SAR in Alaska, https://doi.org/10.3334/ORNLDAAC/1657

网址推荐

0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg