前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >1984 年到 2014 年陆地卫星专题成像仪 (TM) 和增强型专题成像仪 (ETM+) 观测时间序列得出的每个 30 m 像素的春季萌芽与叶片萌发时间、秋季萌芽与叶片衰老时间以及峰值绿度的年度图

1984 年到 2014 年陆地卫星专题成像仪 (TM) 和增强型专题成像仪 (ETM+) 观测时间序列得出的每个 30 m 像素的春季萌芽与叶片萌发时间、秋季萌芽与叶片衰老时间以及峰值绿度的年度图

作者头像
此星光明
发布2025-02-12 09:46:35
发布2025-02-12 09:46:35
6300
代码可运行
举报
运行总次数:0
代码可运行

ABoVE: Annual Phenology Derived from Landsat across the ABoVE Core Domain, 1984-2014

简介

ABoVE: Annual Phenology Derived from Landsat across the ABoVE Core Domain, 1984-2014数据集是通过Landsat卫星获取的,跨越ABoVE核心区域的年度物候数据集。该数据集涵盖了1984年至2014年期间的时间序列。

这个数据集的目的是研究和监测北美洲高纬度地区的生态系统动态和物候变化。数据集基于Landsat系列卫星的遥感图像,使用遥感技术对植被物候进行监测和分析。

数据集包括了每年的植被物候信息,如开始生长季、生长季结束、最大生长季、生长季长度等。这些信息可以用来研究气候变化对北美洲高纬度地区生态系统的影响,以及植被动态与物候变化之间的关系。

ABoVE: Annual Phenology Derived from Landsat across the ABoVE Core Domain, 1984-2014数据集对于生态学家、地理学家和气候学家等研究北美洲高纬度地区生态系统和气候变化的专业人士非常有价值。它为研究和模拟高纬度地区的生态系统响应提供了重要的时间序列数据。

摘要

该数据集提供了从 1984 年到 2014 年陆地卫星专题成像仪 (TM) 和增强型专题成像仪 (ETM+) 观测时间序列得出的每个 30 m 像素的春季萌芽与叶片萌发时间、秋季萌芽与叶片衰老时间以及峰值绿度的年度图。 ABoVE 核心域包括美国阿拉斯加和加拿大阿尔伯塔省、不列颠哥伦比亚省、西北地区、努纳武特地区、萨斯喀彻温省和育空地区的 169 个 ABoVE 网格瓦片。 提供的用于推导季节性的数据包括无云观测数据总数、观测值与样条预测的增强植被指数(EVI)之间的 r 平方值、长期平均最小 EVI、长期平均最大 EVI、长期平均春季起始点、长期平均秋季起始点、年度春季起始点和年度秋季起始点。 所提供的绿色峰值数据包括归一化差异植被指数(NDVI)年峰值、归一化燃烧比(NBR)、红反射率年复合值、近红外反射率年复合值、短波红外反射率年复合值(波段 6,SWIR1)、短波红外反射率年复合值(波段 7,SWIR2)、用于计算复合值的日期数以及相关最大复合值的年日。 季节性数据来自大地遥感卫星物候算法(LPA),该算法用于估算长期平均值和年度年日。 夏季峰值绿度来自 Landsat 5 TM 和 Landsat 7 Enhanced ETM+ 数据,用于计算每个生长季节每个像素的 NDVI 值。 该数据集中有 8,788 个 GeoTIFF (.tif) 格式的数据文件。 季节性:8 个变量 x 169 个图块 = 1,352 个文件。 绿色峰值: TM,28 年 x 169 瓦 = 4,732 个文件;ETM+,16 年 x 169 瓦 = 2,704 个文件。

代码

代码语言:javascript
代码运行次数:0
运行
复制
!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="Annual_Seasonality_Greenness_1698",
    cloud_hosted=True,
    bounding_box=(-170.01, 50.26, -98.97, 75.01),
    temporal=("1984-01-01", "2014-12-31"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Melaas, E.K., D. Sulla-Menashe, C.E. Woodcock, and M.A. Friedl. 2019. ABoVE: Annual Phenology Derived from Landsat across the ABoVE Core Domain, 1984-2014. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Annual Phenology Derived from Landsat across the ABoVE Core Domain, 1984-2014, https://doi.org/10.3334/ORNLDAAC/1698

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2025-02-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 简介
    • 摘要
  • 代码
  • 引用
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档