2010-2015 年阿拉斯加北坡苔原植物功能类型连续覆盖图

ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015

2010-2015 年阿拉斯加北坡苔原植物功能类型连续覆盖图

简介

文件修订日期:2021-08-27

数据集版本: 1

摘要

该数据集以 30 米的分辨率提供了阿拉斯加北坡约 12.5 万平方公里的苔原植物功能类型(PFTs)的预测连续野外覆盖率。数据涵盖的时间段为 2010-07-01 至 2015-08-31。这些数据是利用随机森林数据挖掘算法、大地遥感卫星观测数据(5 月至 8 月约 15 天期间的地表反射率复合数据)得出的预测数据,以及跨越生物气候和地貌梯度的野外植被覆盖和场地特征数据得出的。野外植被覆盖度按九种 PFT,加上开阔水域、裸露地面和乱石进行分层,并使用覆盖度指标总覆盖度(包括林下的面积覆盖度)和顶层覆盖度(最上部的冠层或地面覆盖度),得出总共 19 种野外覆盖度类型。野外数据和野外地点的预测值也包括在内。
与传统的专题地图相比,连续覆盖野外地图有很多优势,这里使用的方法非常适合支持与未来野外观测和大地遥感卫星观测同步进行的定期覆盖更新。

本数据集中包含 39 个数据文件。以 GeoTIFF(*.tif)格式提供了 19 种实地覆盖类型的连续覆盖数据,每种类型有两种投影方式:阿拉斯加阿尔伯斯等面积圆锥投影(EPSG:3338)和 ABoVE 标准投影,加拿大阿尔伯斯等面积圆锥投影(EPSG:102001),共 38 个文件。建模中使用的实地数据和预测因子以一个逗号分隔的文件(*.csv)提供。

显示阿拉斯加北坡野外地块分布的定量覆盖测绘区域图。ABR 是 ABR 公司-环境研究与服务,BLM 是土地管理局。

该数据集以 30 米的分辨率提供了阿拉斯加北坡约 12.5 万平方公里的苔原植物功能类型(PFTs)的预测连续野外覆盖率。数据涵盖的时间段为 2010-07-01 至 2015-08-31。这些数据是利用随机森林数据挖掘算法、大地遥感卫星观测数据(5 月至 8 月约 15 天期间的地表反射率复合数据)得出的预测因子,以及跨越生物气候和地貌梯度的野外植被覆盖和场地特征数据得出的。野外植被覆盖度按九种 PFT,加上开阔水域、裸露地面和乱石进行分层,并使用覆盖度指标总覆盖度(包括林下的面积覆盖度)和顶层覆盖度(最上部的冠层或地面覆盖度),得出总共 19 种野外覆盖度类型。此外,还包括实地数据和实地地点的预测值。

与传统的专题地图相比,连续覆盖野外地图有很多优势,这里使用的方法非常适合支持与未来野外观测和大地遥感卫星观测同步进行的定期覆盖更新。

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)陆地生态计划的一项实地活动,于 2016 年至 2021 年期间在阿拉斯加和加拿大西部进行。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。

数据特征

空间覆盖范围:阿拉斯加北坡

上方参考位置

域:核心 ABoVE

网格单元(30 米):Bh006v000、Bh007v000、Bh006v001、Bh007v001、Bh008v001、Bh006v002、Bh007v002、Bh008v002、Bh007v003、Bh008v003

空间分辨率30 m

时间覆盖范围:2010-05-16 至 2015-08-31

时间分辨率一次性估算

研究区域:纬度和经度以十进制度表示。

SitesWesternmost LongitudeEasternmost LongitudeNorthernmost LatitudeSouthernmost Latitude
North Slope-167.4761-143.97873.800465.5858

数据文件信息

该数据集包含 39 个数据文件。以 GeoTIFF (*.tif) 格式提供了 19 种实地覆盖类型的连续覆盖数据,每种类型有两种投影:阿拉斯加阿尔伯斯等面积圆锥形(EPSG:3338)和 ABoVE 标准投影,加拿大阿尔伯斯等面积圆锥形(EPSG:102001),共计 38 个文件。建模中使用的实地数据和预测因子以逗号分隔文件(*.csv)Model_Training_Testing_Data.csv 提供。表 2 介绍了 133 个变量。

GeoTIFF 文件根据 PFT 和 PFT 测量摘要(表 3)以及覆盖指标总覆盖(包括林下的面积覆盖)和顶覆(最上部的冠层或地面覆盖)命名。这些数据是阿拉斯加北坡约 12.5 万平方公里范围内 30 米分辨率的连续场 PFT 地面覆盖百分率。

GeoTIFF 文件名称。说明了 PFT 和其他覆盖类型

Files in Alaska Albers Equal Area Conic Projection (EPSG:3338)Files in ABoVE Standard Projection (EPSG:102001)
Bare_Ground_Top_Cover.tifBare_Ground_Top_Cover_102001.tif
Bryophyte_Total_Cover.tifBryophyte_Total_Cover_102001.tif
Dwarf_Deciduous_Shrub_Total_Cover.tifDwarf_Deciduous_Shrub_Total_Cover_102001.tif
Dwarf_Evergreen_Shrub_Total_Cover.tifDwarf_Evergreen_Shrub_Total_Cover_102001.tif
Forb_Total_Cover.tifForb_Total_Cover_102001.tif
Grass_Total_Cover.tifGrass_Total_Cover_102001.tif
Lichen_Total_Cover.tifLichen_Total_Cover_102001.tif
Litter_Top_Cover.tifLitter_Top_Cover_102001.tif
Low_and_Tall_Deciduous_Shrub_Total_Cover.tifLow_and_Tall_Deciduous_Shrub_Total_Cover_102001.tif
Low_Deciduous_Shrub_Total_Cover.tifLow_Deciduous_Shrub_Total_Cover_102001.tif
Nonvascular_Plant_Top_Cover.tifNonvascular_Plant_Top_Cover_102001.tif
Nonvascular_Plant_Total_Cover.tifNonvascular_Plant_Total_Cover_102001.tif
Open_Water_Top_Cover.tifOpen_Water_Top_Cover_102001.tif
Sedge_Total_Cover.tifSedge_Total_Cover_102001.tif
Tall_Deciduous_Shrub_Total_Cover.tifTall_Deciduous_Shrub_Total_Cover_102001.tif
Total_Herbaceous_Total_Cover.tifTotal_Herbaceous_Total_Cover_102001.tif
Total_Shrub_Total_Cover.tifTotal_Shrub_Total_Cover_102001.tif
Vascular_Plant_Top_Cover.tifVascular_Plant_Top_Cover_102001.tif
Vascular_Plant_Total_Cover.tifVascular_Plant_Total_Cover_102001.tif

应用与推导

生态系统地图是支持多学科研究设计和应用(包括野生动物栖息地评估、监测和地球系统建模)的基础工具。与传统的专题地图相比,连续实地地图具有许多优势。这些方法非常适合支持与未来实地观测和大地遥感卫星观测同步进行的地图定期更新。

质量评估

Macander 等人提供了对模型性能的评估,包括每种植被类型的均方根误差、平均绝对误差和相关性。  该评估基于内部交叉验证和迭代保留 20% 的训练数据进行验证。选定的灌木覆盖图与北坡现有的部分灌木覆盖图进行了比较。

数据采集、材料和方法
研究区域

125,000 平方公里的测绘区域从莱伊角附近的楚科奇海向东延伸至道尔顿公路(图 1)。测绘区的北半部属于北极沿海平原地貌省(Gallant 等人,1995 年),其特点是地形平坦、土壤排水不良、水体丰富、冰楔等围冰期地貌广泛存在。北极沿海平原的大部分地区属于北极圈植被图(CAVM 小组,2003 年)的生物气候亚区 D,灌木很常见,但高度很少超过 1 米。测绘区的南半部包括北极山麓地貌省,其特点是高地广布,并被清晰的排水网络所分割。北极山麓位于生物气候亚区 E,即最温暖的苔原亚区;灌木广泛分布,高大的灌木丛(高度大于 1.5 米)在洪泛平原和邻近的斜坡上很常见,尤其是在科尔维尔河沿岸。以下将这两个主要的地貌区分别称为 "沿海平原 "和 "山麓"。整个测绘区域位于连续永久冻土带。

实地数据

2012 年 7 月至 8 月期间在阿拉斯加国家石油储备区(NPRA)内和附近采样的 106 个地块的野外数据集(ABR,2012 年)与 BLM 在 2012 年至 2014 年期间采样的 119 个地块的数据集汇集在一起,作为土地管理局(BLM)评估、清查和监测计划(NPRA AIM)的一部分。所有实地工作都采用了专为长期植被监测而定制的点拦截采样方法(Toevs 等人,2011 年);该方案还有助于在适合分析 30 米分辨率 Landsat 数据的尺度上进行采样。取样地块由三条 50 米长的线组成;每条线从地块中心 5 米处开始,以避免在设置地块时践踏植被。第一条取样线的方位角是随机选择的,其他取样线与第一条取样线的方位角相差 120 度。使用安装在杆上的激光笔以 1 米的间距记录植被 "命中点"(每条线 51 个采样点),但在少数地块,由于后勤限制,必须以 2.5 米的间距快速采样(每条线 21 个点)。在每个点上,通过依次将树冠上层的树叶移到一边,使激光能够照射到下层,最后照射到地表,从而按物种识别出被照射到的植被。对于地表,只记录一次命中,包括活的匍匐植被、乱石、水或裸露地面。虽然在现场记录了多次激光照射,但本分析只保留了每个物种的第一次激光照射。BLM 数据的收集采用了相同的协议,只是线长为 25 米,点间距为 0.5 米(每条线 51 个点)。

BLM 根据 2013 年北坡科学计划 (NSSI) 土地覆被图(NSSI,2013 年)采用分层随机抽样设计分配地块。地块位置是根据 2.5 米分辨率航空图像中明显的照片特征,在具有代表性的植被类型中主观选择的。在具有代表性的清水和浊水区域内,根据照片解读的卫星图像确定了 20 块纯水地块。纯水地块占地块总数的 9%,这与 NSSI 地图上描绘的开放水域的相对范围相符。

分析时,先按物种汇总覆盖度数据,然后使用两个覆盖度指标将数据汇总到 PFT:(1)总覆盖度,即 PFT 中出现物种的样本点百分比,为 PFT 中所有物种的总和;(2)最高覆盖度,即 PFT 中第一个出现物种的样本点百分比。总覆盖率值可以超过 100%,但最高覆盖率值不能超过 100%。重要的是,由于在一个点上 "命中 "的每个物种都会被记录下来,而且多个物种(包括同一 PFT 的不同物种)可能会同时出现在树冠的不同层次上,因此所有 PFT 的 "总覆盖度 "值总和一般都会超过 100%,偶尔单个 PFT 的 "总覆盖度 "值也会超过 100%;例如,在一片非常茂密的赤杨-柳树灌木林中,两种物种的覆盖度都超过了 50%。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="AK_Tundra_PFT_FractionalCover_1830",cloud_hosted=True,bounding_box=(-167.48, 65.59, -143.98, 73.8),temporal=("2010-07-01", "2015-08-31"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Macander, M.J., G.V. Frost, P.R. Nelson, and C.S. Swingley. 2020. ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015, https://doi.org/10.3334/ORNLDAAC/1830

网址推荐

0代码在线构建地图应用

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

机器学习

https://www.cbedai.net/xg 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/338331.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[数据集][图像分类]轮胎纹理识别裂纹和正常轮胎分类数据集1028张2类别

数据集类型:图像分类用,不可用于目标检测无标注文件 数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数):1028 分类类别数:2 类别名称:["cracked","norma…

GIt快速入门(一文学会使用Git)

GIt快速入门 文章目录 GIt快速入门一、为什么要学习Git二、Git的安装1.安装Git2.下载GUI 三、Git的概念1、版本控制2、集中式控制3、分布式控制4、多人协作开发1.并行开发2.分支管理3.冲突解决4.代码审查5.分布式特性 四、Git客户端操作1.界面介绍2.提交操作3.创建分支4.合并分…

前端框架安全防范

前端框架安全防范 在现代Web开发中,前端框架如Angular和React已经成为构建复杂单页面应用(SPA)的主流工具。然而,随着应用复杂度的增加,安全问题也变得越来越重要。本文将介绍如何在使用Angular和React框架时&#xf…

HashMap在Go与Java的底层实现与区别

在Java中 在Java中hash表的底层数据结构与扩容等已经是面试集合类问题中几乎必问的点了。网上有对源码的解析已经非常详细了我们这里还是说说其底层实现。 基础架构 public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable,…

通过LabVIEW提升生产设备自动化水平

现代制造业对生产设备的自动化水平提出了越来越高的要求。使用LabVIEW这一强大的图形化编程环境&#xff0c;可以显著提升生产设备的自动化程度&#xff0c;改善生产效率和产品质量。本文将详细分析如何通过LabVIEW改善生产设备的自动化水平&#xff0c;并提供具体的实施策略与…

[数据集][图像分类]骨关节炎严重程度分类数据集14038张4分类

数据集类型&#xff1a;图像分类用&#xff0c;不可用于目标检测无标注文件 数据集格式&#xff1a;仅仅包含jpg图片&#xff0c;每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)&#xff1a;14038 分类类别数&#xff1a;4 类别名称:[“grade0”,“grade2”,“grade3…

如何定义“智慧校园”这个概念

在信息爆炸的时代&#xff0c;教育面临着前所未有的挑战&#xff1a;如何让每个学生在海量知识中找到属于自己的路径&#xff1f;如何让教师的智慧与科技的力量相得益彰&#xff1f;如何让校园成为培养创新思维的摇篮&#xff1f;智慧校园&#xff0c;这一概念的提出&#xff0…

基于 Redis 实现分布式锁的全过程

前言 这一篇文章拖了有点久&#xff0c;虽然在项目中使用分布式锁的频率比较高&#xff0c;但整理成文章发布出来还是花了一点时间。在一些移动端、用户量大的互联网项目中&#xff0c;经常会使用到 Redis 分布式锁作为控制访问高并发的工具。 一、关于分布式锁 总结&#x…

计算机图形学入门05:投影变换

1.投影变换 上一章已经介绍了投影变换&#xff0c;就是将三维图像投影到二维平面上&#xff0c;而投影变换又分为正交投影(Orthographic Projection)和透视投影(Perspective Projection)。如下图&#xff1a; 正交投影 没有近大远小的现象&#xff0c;无论图形与视点距离是远是…

机器学习学习

机器学习类型(按学习方式分):监督学习、半监督学习、无监督学习、强化学习; 通过已知标签训练集训练模型,使用模型及逆行预测、测试; 向量表示法,其中每一维对应一个特征(feature)或者称为属性,记为[x1,x2,...,xn] 特征值、特征、标签,共同完成训练集的数据填充,最…

设计模式基础知识点(七大原则、UML类图)

Java设计模式&#xff08;设计模式七大原则、UML类图&#xff09; 设计模式的目的设计模式七大原则单一职能原则&#xff08;SingleResponsibility&#xff09;接口隔离原则&#xff08;InterfaceSegreation&#xff09;依赖倒转原则&#xff08;DependenceInversion&#xff0…

Python 关于字符串格式化

在Python中&#xff0c;字符串格式化有以下几种方法&#xff1a; 1.可以使用字符串的str.center(width), str.ljust(width), 和 str.rjust(width)方法来实现字符串的居中、左对齐和右对齐操作。 居中对齐&#xff1a; text "Python" centered_text text.center(10…

pytest-sugar插件:对自动化测试用例加入进度条

摘要 在自动化测试过程中&#xff0c;测试进度的可视化对于开发者和测试工程师来说非常重要。本文将介绍如何使用pytest-sugar插件来为pytest测试用例添加进度条&#xff0c;从而提升测试的可读性和用户体验。 1. 引言 自动化测试是软件开发过程中不可或缺的一部分&#xff…

Django Celery技术详解

文章目录 简介安装和配置创建并调度任务启动Celery Worker在视图中调用异步任务拓展功能 简介 Django Celery 是一个为Django应用程序提供异步任务处理能力的强大工具。它通过与消息代理&#xff08;如RabbitMQ、Redis&#xff09;集成&#xff0c;可以轻松地处理需要长时间运…

Windows11 wsl2编译Android14 使用ASfP Debug windows上启动的模拟器

wsl2的安装和配置 安装&#xff1a; 直接百度搜索最新的wsl2安装教程即可&#xff0c;官网&#xff1a;https://learn.microsoft.com/zh-cn/windows/wsl/install 1. 启用适用于 Linux 的 Windows 子系统(以管理员身份打开 PowerShell 并运行) Enable-WindowsOptionalFeature…

C++ | Leetcode C++题解之第125题验证回文串

题目&#xff1a; 题解&#xff1a; class Solution { public:bool isPalindrome(string s) {int n s.size();int left 0, right n - 1;while (left < right) {while (left < right && !isalnum(s[left])) {left;}while (left < right && !isalnu…

fyne apptab布局

fyne apptab布局 AppTabs 容器允许用户在不同的内容面板之间切换。标签要么只是文本&#xff0c;要么是文本和一个图标。建议不要混合一些有图标的标签和一些没有图标的标签。 package mainimport ("fyne.io/fyne/v2/app""fyne.io/fyne/v2/container"//&…

全国产飞腾模块麒麟信安操作系统安全漏洞

1、背景介绍 目前在全国产飞腾模块上部署了麒麟信安操作系统&#xff0c;经第三方机构检测存在以下漏洞 操作系统版本为 内核版本为 openssh版本为 2、openssh CBC模式漏洞解决 首先查看ssh加密信息 nmap --script "ssh2*" 127.0.0.1 | grep -i cbc 可以通过修改/…

Python | Leetcode Python题解之第125题验证回文串

题目&#xff1a; 题解&#xff1a; class Solution:def isPalindrome(self, s: str) -> bool:n len(s)left, right 0, n - 1while left < right:while left < right and not s[left].isalnum():left 1while left < right and not s[right].isalnum():right - …

【linux】运维-基础知识-认知hahoop周边

1. HDFS HDFS&#xff08;Hadoop Distributed File System&#xff09;–Hadoop分布式文件存储系统 源自于Google的GFS论文&#xff0c;HDFS是GFS的克隆版 HDFS是Hadoop中数据存储和管理的基础 他是一个高容错的系统&#xff0c;能够自动解决硬件故障&#xff0c;eg&#xff1a…