ABoVE: Active Layer and Soil Moisture Properties from AirMOSS P-band SAR in Alaska
简介
该数据集提供了土壤地球物理特性的估计值，这些特性来源于机载冠层下和地下微波观测站 (AirMOSS) P 波段极化合成孔径雷达 (PolSAR) 数据，这些数据于 2014 年、2015 年和 2017 年 8 月和 10 月在阿拉斯加北部的 12 个研究地点（有一些例外）收集。报告的土壤特性包括 12 条飞行横断面上 30 米空间分辨率的活动层厚度 (ALT)、介电常数、土壤湿度剖面、表面粗糙度及其各自的不确定性估计值。大多数研究地点位于连续多年冻土带内，地上植被主要由矮灌木和草丛/莎草/苔藓苔原组成，对 P 波段雷达后向散射的影响极小。
数据产品是使用应用于 AirMOSS P 波段极化合成孔径雷达 (PolSAR) 数据的时间序列反演算法生成的。反演过程是对前向雷达后向散射模型的反演，其中采用三层介电结构来模拟活动层（地表层和地下层）以及下伏的多年冻土。在反演过程中，对每个像素进行了多次反演，并将平均值和标准差报告为反演值，以及所需地球物理参数的相关不确定性。反演结果包括土壤介电常数（代表含未冻水的土壤）、土层深度和地表粗糙度。
摘要
Table 1. Study Site Summary. Coordinates represent the approximate boundaries of all flights over the site. See Figure 2 for a map.
Study Site (Region) Site Abbreviation Sampled in 2014 Sampled in 2015 Sampled in 2017 North Latitude South Latitude East Longitude West Longitude
Ambler (Brooks Range Foothills, south) ambler X X X 66.7 66.4 -161 -161.6
Atqasuk (North Slope) atqasu X X X 70.3 70 -159.8 -160.4
Barrow (North Slope) barrow X X X 70.9 70.6 -158.2 -158.9
Coldfoot (Brooks Range Foothills, south) coldfo - X X 66.9 66.7 -152.8 -153.4
Council (Seward Peninsula) council/seward X X - 65 64.8 -166.2 -166.7
Deadhorse (North Slope) dhorse X X X 69.8 69.5 -151 -151.6
Huslia (Interior Alaska) huslia - X X 65.6 65.4 -156.7 -157.2
Ivotuk (Brooks Range Foothills, north) ivotuk X X X 68.5 68.2 -157.9 -158.5
Kougarok (Seward Peninsula) kougar X X X 65.7 65.4 -163.7 -164.2
Koyuk (Interior Alaska) koyukk X X X 65.1 64.8 -162.4 -162.9
Teller (Seward Peninsula) seward - - X 65 64.7 -167.5 -167.9
Toolik (North Slope) toolik - - X 68.9 68.6 -150.2 -150.9
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_PBand_SAR_1657",
cloud_hosted=True,
bounding_box=(-167.94, 64.71, -150.25, 70.88),
temporal=("22014-08-16", "2017-10-10"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
