ABoVE:研究领域和标准参考网格,版本 2

简介: 简介:北极-北方脆弱性实验(ABoVE)发布版本2研究区域与标准参考网格,涵盖阿拉斯加及北美西部,提供矢量、栅格及NetCDF格式数据,支持多分辨率网格(240米、30米、5米)及统一投影,增强数据互操作性。

ABoVE: Study Domain and Standard Reference Grids, Version 2

简介

北极-北方脆弱性实验 (ABoVE) 已开发两种标准化空间数据产品,以加快研究活动的协调并促进数据互操作性。ABoVE 研究区域涵盖美国阿拉斯加的北极和北方地区以及北美加拿大西部省份。该研究区域内已指定核心研究区域和扩展研究区域,并以矢量表示(Shapefile)、栅格表示(1,000 米空间分辨率的 GeoTIFF)和 NetCDF 文件的形式提供。已开发一个标准参考网格系统,覆盖整个研究区域并延伸至北美东部。该参考网格以嵌套多边形网格的形式提供,空间分辨率分别为 240 米、30 米和 5 米。5 米网格是版本 2 中的新增功能。请注意,所有 ABoVE 产品的指定标准投影均为加拿大阿尔伯斯等面积投影。

该数据集分发了五个数据文件:(1)一个 shapefile(压缩为 .zip),其中包含核心和扩展研究区域的矢量表示,(2)一个 shapefile(压缩为 .zip),用于 240、30 和 5 米空间分辨率嵌套标准参考网格,(3)以 .kmz 格式提供的网格数据,(4)一个 GeoTIFF 文件,它是核心和扩展研究区域的栅格表示,分辨率为 1,000 米像素,以及(5)一个核心和扩展研究区域的 NetCDF 文件,用于国际土地模型基准测试 (ILAMB) 建模环境。

摘要
File name Description
ABoVE_Study_Domain.zip Core and Extended study regions. When unzipped, the file provides the shapefile ABoVE_Study_Domain.shp
ABoVE_240m_30m_5m_grid_tiles.zip ABoVE reference grid for the three spatial resolutions. When unzipped, the file provides the shapefile ABoVE_240m_30m_5m_grid_tiles.shp.
ABoVE_240m_30m_5m_grid_tiles.kmz ABoVE reference grid for the three spatial resolutions.
ABoVE_Study_Domain.tif ABoVE Study Domain as a raster file. This file provides a raster representation of the core and extended ABoVE study domain.
ABoVE_Study_Domain_ILAMB.nc One NetCDF file of the Core and Extended study regions at a 0.5-degree spatial resolution used by the International Land Model Benchmarking (ILAMB) modeling environment. The core domain pixels have a value of zero, while the extended domain pixels have a value of one. Pixels outside of the ABoVE study region have a value of 255.
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_reference_grid_v2_1527",
cloud_hosted=True,
bounding_box=(-180.0, -90.0, 180.0, 90.0),
temporal=("2014-01-01", "2023-04-20"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")

相关文章
|
3月前
|
运维 监控 持续交付
还在为部署开源工具烦恼?自动化部署工具 Websoft9一键部署 300+ 开源应用
在数字化时代,开源工具因免费、灵活、可定制等特性广受欢迎,但其部署过程却常因环境配置复杂、依赖繁琐、耗时长等问题令人头疼。本文介绍了传统部署的三大难点,并提出两种解决方案:传统手动部署与集成化控制台部署。
还在为部署开源工具烦恼?自动化部署工具 Websoft9一键部署 300+ 开源应用
|
3月前
|
安全 JavaScript Java
java Web 项目完整案例实操指南包含从搭建到部署的详细步骤及热门长尾关键词解析的实操指南
本项目为一个完整的JavaWeb应用案例,采用Spring Boot 3、Vue 3、MySQL、Redis等最新技术栈,涵盖前后端分离架构设计、RESTful API开发、JWT安全认证、Docker容器化部署等内容,适合掌握企业级Web项目全流程开发与部署。
175 0
|
3月前
|
数据采集 数据管理 数据挖掘
数据不干净,分析不靠谱!数据清洗必须先解决这六件事!
数据清洗是数据分析的关键基础,直接影响结果准确性。本文详解六大核心问题:命名不统一、缺失异常值、结构混乱、主键不一致、重复数据、口径模糊。清洗不仅是技术活,更是确保数据真实可靠的必要步骤。
数据不干净,分析不靠谱!数据清洗必须先解决这六件事!
|
2月前
|
机器学习/深度学习 人工智能 算法
Google DeepMind新产物: 行星级卫星嵌入数据集(10m)光学+雷达+DEM+climate...
Google 推出 Earth Engine 卫星嵌入数据集,利用 AI 将一年的多源卫星数据压缩至每个 10 米像素,实现高效地理空间分析。基于 AlphaEarth Foundations 模型,该数据集提供 64 维嵌入向量,支持相似性搜索、变化检测、自动聚类和精准分类,助力环境研究与应用。
285 0
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
抖音封号是什么原因造成的?
抖音封号的技术逻辑与风控体系解析
|
3月前
|
人工智能 容灾 专有云
阿里云亮相2025可信云大会,获中国信通院多项权威认证
2025年7月22-23日,由中国信息通信研究院、中国通信标准化协会联合主办的“2025可信云大会”在北京举行。本届大会以“云智融合,可信未来”为主题,汇聚业内专家、头部企业、行业代表等超300人参会,共同探讨人工智能与云计算融合发展的新趋势。 作为国内云计算领域的技术引领者,阿里云在本届大会获得多项权威认证及行业认可,并全面分享在智算服务、一云多芯、可运营云等领域的创新实践,为政企客户打造AI时代的智能化新引擎。
387 0
|
11天前
|
Python
ASCENDS:空气中二氧化碳 LAS 检索,美国印第安纳州印第安纳波利斯,2014 年
本数据集记录2014年9月3日印第安纳波利斯早高峰时段大气CO₂的机载激光遥感测量,采用NASA JPL开发的CO₂LAS仪器,基于IPDA激光雷达技术获取城市下风向CO₂羽流及排放率,助力ASCENDS任务验证。数据由DC-8飞机采集,HDF5格式,用于研究城市碳排放。
68 24
|
2月前
|
传感器 编解码 数据可视化
GEE数据集:2017-2024年全球多源遥感数据融合的全新10米数据集(无量纲)Satellite Embedding V1
Google Satellite Embedding 数据集提供全球10米分辨率的64维嵌入向量,编码地表条件的时间轨迹,适用于变化检测与地理分析。
322 0
|
3月前
|
JSON 前端开发 Go
Go语言实战:创建一个简单的 HTTP 服务器
本篇是《Go语言101实战》系列之一,讲解如何使用Go构建基础HTTP服务器。涵盖Go语言并发优势、HTTP服务搭建、路由处理、日志记录及测试方法,助你掌握高性能Web服务开发核心技能。