NASA数据集:ASTER全球数字海拔模型(GTEM)V003

2024-09-02 10:20

本文主要是介绍NASA数据集:ASTER全球数字海拔模型(GTEM)V003,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ASTER Digital Elevation Model V003

简介

ASTER全球数字海拔模型(GTEM)第3版(ASTG TM)提供了地球陆地区域的全球数字海拔模型(TEM),空间分辨率为1角秒(赤道处水平位置约30米)。ASTER GTEM数据产品的开发是美国国家航空航天局(NASA)和日本经济产业省(METI)之间的合作成果。ASTER GTEM数据产品由东京的传感器信息实验室公司(SILC)创建。ASTER GTEM第3版数据产品是根据对整个ASTER 1A级(https://doi.org/10.5067/ASTER/ASTER/AST_L1A.003)档案的自动处理创建的,该档案是在2000年3月1日至2013年11月30日期间获取的场景。使用立体相关来生成超过一百万个基于单个场景的ASTER数字元,并对其应用了云掩蔽。所有云屏蔽的数字元和非云屏蔽的数字元都被堆叠。删除了剩余坏值和离群值。在数据堆叠有限的地区,使用了几个现有的参考数字元来补充ASTER数据以纠正剩余异常。对选定的数据进行平均以创建最终像素值,然后将数据分割为1度纬度乘1度经度的区块,并具有一个像素重叠。为了纠正水体表面的海拔值,还生成了ASTER全球水体数据库(ASTWBD)(https://doi.org/10.5067/ASTER/ASTWBD.001)第1版数据产品。ASTER GTEM的地理覆盖范围从北纬83°延伸到南纬83°。每个图块以GeoTivf格式分布,并投影在1984年世界大地测量系统(WGS 84)/1996年地球引力模型(EGM 96)大地水准面上。该系列中的22,912块瓷砖中的每一块都至少包含0.01%的土地面积。ASTER GTEM产品中提供了用于TEM和场景数(NUM)的层。

ASTER GTEM产品中提供了用于TEM和场景数(NUM)的层。NUM层指示每个像素处理的场景数量以及数据来源。虽然ASTER GTEM第3版数据产品比第2版提供了重大改进,但建议用户该产品仍然可能包含异常和伪影,这将降低其对某些应用程序的可用性。与之前版本相比的改进/变化·扩大收购覆盖范围,将无云输入场景的数量从版本2的约150万个增加到版本3的约188万个场景。·在水体处理中实现河流与湖泊的分离。·最小水体检测面积从1平方公里降至0.2平方公里。

摘要

Terra高级星载热发射和反射辐射计(ASTER)全球数字海拔模型(GTEM)第3版(ASTG TM)提供了地球陆地区域的全球数字海拔模型(TEM),空间分辨率为1角秒(赤道处水平位置约30米)。 ASTER GTEM数据产品的开发是美国国家航空航天局(NASA)和日本经济产业省(METI)之间的合作成果。ASTER GTEM数据产品由东京的传感器信息实验室公司(SILC)创建。 ASTER GTEM第3版数据产品是根据2000年3月1日至2013年11月30日期间获取的整个ASTER 1A级场景档案的自动化处理创建的。使用立体相关来生成超过一百万个基于单个场景的ASTER数字元,并对其应用了云掩蔽。所有云屏蔽的数字元和非云屏蔽的数字元都被堆叠。删除了剩余坏值和离群值。在数据堆叠有限的地区,使用了几个现有的参考数字元来补充ASTER数据以纠正剩余异常。对选定的数据进行平均以创建最终像素值,然后将数据分割为1度纬度乘1度经度的区块,并具有一个像素重叠。为了纠正水体表面的海拔值,还生成了ASTER全球水体数据库(ASTWBD)第1版数据产品。

ASTER GTEM的地理覆盖范围从北纬83°延伸到南纬83°。每个磁贴都通过NASA Earthdata Search以云优化的地理Tivf(COG)和NetCTF 4格式分布,并通过LP DAAC数据池以标准的地理Tivf格式分布。数据预测在1984年世界大地测量系统(WGS 84)/1996年地球引力模型(EGM 96)大地水准面上。该系列中的22,912块瓷砖中的每一块都至少包含0.01%的土地面积。 ASTER GTEM产品中提供了用于TEM和场景数(NUM)的层。NUM层指示每个像素处理的场景数量以及数据来源。 虽然ASTER GTEM第3版数据产品比第2版提供了重大改进,但建议用户该产品仍然可能包含异常和伪影,这将降低其对某些应用程序的可用性。

Collection

CharacteristicDescription
CollectionTerra ASTER
DOI10.5067/ASTER/ASTGTM.003
File Size~25 MB
Temporal ResolutionMulti-Year
Temporal Extent2000-03-01 to 2013-11-30
Spatial ExtentGlobal
Coordinate SystemGeographic Latitude and Longitude
DatumWGS84/EGM96
File FormatGeoTIFF or netCDF-4
Geographic Dimensions1 degree lat x 1 degree lon

Granule

CharacteristicDescription
Number of Science Dataset (SDS) Layers2
Columns/Rows3601 x 3601
Pixel Size30 m
SDS NameDescriptionUnitsData TypeFill ValueNo Data ValueValid RangeScale Factor
DEMDigital Elevation ModelMeters16-bit signed integer-9999N/A-500 to 9000 (0 at sea level)N/A
NUM¹Number of scenesNumber16-bit signed integerN/AN/A0 to 250N/A

¹The contents of the NUM file indicate number of DEM tiles used and the source of the data.

Reference Data for Number of Scenes Layer

ValueDescription
0-50GDEM V3 (0 to 50+ scenes)¹
60-110GDEM V2 (0 to 50+ scenes)¹
131-184PRISM (1 to 54 scenes)
201-223SRTM (1 to 23 swaths)
231SRTM V3 from initial GDEM V3
232SRTM V2 from initial GDEM V3
233SRTM V2 from GDEM V2
234SRTM with NGA fill from GDEM V2
241NED from GDEM V2 (USA)
242NED from initial GDEM V3 (USA)
243CDED from GDEM V2 (Canada)
244CDED from initial GDEM V3 (Canada)
245Alaska DEM from GDEM V2
246Alaska DEM from initial GDEM V3
250Interpolated

¹ 0 = Unspecified

List of abbreviations: PRISM = Advanced Land Observing Satellite (ALOS) Panchromatic Remote-sensing Instrument for Stereo Mapping (PRISM), SRTM = Shuttle Radar Topography Mission, NGA = National Geospatial-Intelligence Agency, NED = United States Geological Survey (USGS) National Elevation Dataset, CDED = Canadian Digital Elevation Data, Alaska DEM = USGS 3D Elevation Program (3DEP) Alaska DEM

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="AST14DEM",cloud_hosted=True,bounding_box=(-180.0, -83.0, 180.0, 83.0),temporal=("2000-03-06", "2013-12-10"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center. Accessed 2024-08-27 from https://doi.org/10.5067/ASTER/ASTGTM.003

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg 

这篇关于NASA数据集:ASTER全球数字海拔模型(GTEM)V003的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1129695

相关文章

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Python实现特殊字符判断并去掉非字母和数字的特殊字符

《Python实现特殊字符判断并去掉非字母和数字的特殊字符》在Python中,可以通过多种方法来判断字符串中是否包含非字母、数字的特殊字符,并将这些特殊字符去掉,本文为大家整理了一些常用的,希望对大家... 目录1. 使用正则表达式判断字符串中是否包含特殊字符去掉字符串中的特殊字符2. 使用 str.isa

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA

鸿蒙中Axios数据请求的封装和配置方法

《鸿蒙中Axios数据请求的封装和配置方法》:本文主要介绍鸿蒙中Axios数据请求的封装和配置方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录1.配置权限 应用级权限和系统级权限2.配置网络请求的代码3.下载在Entry中 下载AxIOS4.封装Htt