NASA数据集——北美地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及介电特性

本文主要是介绍NASA数据集——北美地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及介电特性,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!

ABoVE: Soil Moisture and Active Layer Thickness in Alaska and NWT, Canada, 2008-2020

简介

文件修订日期:2021-12-07

数据集版本: 1

摘要

该数据集提供了不同研究团队在美国阿拉斯加和加拿大西北地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及介电特性。每个站点有多个观测数据,观测数据总数为 352,719 个。数据集包括通过机械探测(6.0%)或地面穿透雷达(GPR)(94.0%)测量的 206,000 个活动层厚度观测值。使用 GPR(22.1%)、Hydrosense I 和 II 探头(75.3%)以及 DualEM(2.6%)收集了约 16,000 个体积含水量测量值。元数据包括地点、时间、地理空间坐标、技术、测量小组。测量通常在八月和九月接近解冻季节结束时进行,时间跨度为 2008-06-22 至 2020-08-15。
该数据集在克莱顿等人(2021 年)的相关出版物中被称为 "土壤水分和活性层厚度实地测量数据集"(SMALT),包括在巴罗、苏厄德半岛、北坡、费尔班克斯、冷脚、育空-库斯科温(YK)三角洲、美国阿拉斯加三角洲交界处和加拿大西北地区的研究地点或附近收集的数千份解冻深度和土壤水分测量数据。SMALT 包括通过机械探测(6.0%)或地面穿透雷达(94.0%)测量的 206,000 次 ALT 观测。通过 GPR(22.1%)、Hydrosense I 和 II 探头(75.3%)以及 DualEM(2.6%)收集了约 16,000 个体积含水量 (VWC) 测量值。

本数据集中包含一个逗号分隔值 (*.csv) 格式的数据文件。

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,从 2015 年开始在阿拉斯加和加拿大西部进行,为期 8 到 10 年。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,这些能力是了解和预测北极和北方地区生态系统对气候变化的反应及其对社会的影响所必需的。

数据特征

空间覆盖范围:美国阿拉斯加州和加拿大西北地区

上图 参考地点

域:核心

州/地区:阿拉斯加和加拿大阿拉斯加和加拿大

网格单元:所有站点均位于 ABoVE 网格瓦片 Ah000v000、Ah001v000、Ah001v001、Ah002v001、Ah002v002 以及以下 5 米 "C "网格瓦片中:Ch013v021, Ch013v022, Ch014v021, Ch014v022, Ch022v010, Ch024v011, Ch024v013, Ch036v033, Ch039v032, Ch040v029, Ch040v032, Ch040v035, Ch040v037、Ch040v038, Ch042v032, Ch043v024, Ch043v045, Ch047v020, Ch048v017, Ch048v018, Ch048v019, Ch048v020, Ch048v021, Ch049v007, Ch049v017、Ch049v018, Ch049v019, Ch049v020, Ch049v021, Ch050v007, Ch050v020, Ch051v020, Ch052v018, Ch053v017, Ch053v018, Ch075v071, Ch075v072, Ch076v069、Ch076v070, Ch076v071, Ch076v072, Ch077v068, Ch078v067, Ch078v068, Ch079v065, Ch079v066, Ch079v067, Ch083v067, Ch084v067, Ch084v068, Ch087v067

空间分辨率:点测量

时间覆盖范围:2008-06-22 至 2020-08-15

时间分辨率分钟

站点边界:纬度和经度均以十进制度表示。

SiteWesternmost LongitudeEasternmost LongitudeNorthernmost LatitudeSouthernmost Latitude
Alaska and NWT-165.97342-111.367571.32361460.45244

数据文件信息

 

本数据集中包含一个逗号分隔值(*.csv)格式的数据文件。该文件名为 ABoVE_Soil_ThawDepth_Moisture_Validation.csv,提供了不同研究团队在阿拉斯加和西北地区烧毁和未烧毁地点测量的土壤有效层厚度 (ALT)、体积含水量 (VWC) 和介电性质。每个地点有多个观测点,观测点总数为 352,719 个。

数据文件中的缺失值以 -999 表示。

表 ABoVE_Soil_ThawDepth_Moisture_Validation.csv 中的变量名称和说明。

VariableUnitsDescription
site_nameSite where measurements were collected
plotPlot at site where measurements were collected
pointPoint number within a survey
survey_techniqueSurvey technique used by research team
team_nameResearch team name
organizationResearch team organization
observerName of observer associated with the study plots/measurements
observer_emailObserver email
latitudeDecimal degrees (N)Latitude (N) of the measurement site
longitudeDecimal degrees (E)Longitude (E) of the measurement site
PDOPDecimal degreesPosition Dilution of Precision; accuracy of the GPS measurement
dateYYYY-MM-DDDate of collection
timeHH:MM:SSTime of collection; 24-hour clock
ALT_instrumentInstrument used to measure Active layer thickness (ALT): probe or GPR
ALTcmActive layer thickness (ALT); thaw depth at time of measurement
ALT_errcmALT measurement error
VWC_instrumentInstrument used to measure volumetric water content (VWC): Hydrosense I, Hydrosense II, DualEM, or ground penetrating radar (GPR)
depth_topcmDepth to the top of the VWC measurement
depth_bottomcmDepth to the bottom of the VWC measurement
attenuationAttenuation of HydroSense measurement
dielectric_permittivitySoil dielectric permittivity
periodmicrosecondsPeriod of HydroSense measurement
VWCpercentVolumetric water content
VWC_errpercentVWC measurement error
correctedflagErrors corrected from version 1 to 2: 0=no, 1=yes

质量评估

在可能的情况下,对所有参数的不确定性都进行了估计。机械 ALT 测量的不确定性为 3 厘米。地面穿透雷达 (GPR) 有源层厚度 (ALT) 和体积含水量 (VWC) 测量的不确定性基于测量波速的标准偏差。所有计算中的不确定性均采用高斯误差传播法进行估算。 

场地说明

本土壤解冻深度和湿度 (STDM) 数据集(在克莱顿等人(2021 年)中称为土壤湿度和活性层厚度实地测量 (SMALT))由数以千计的解冻深度和土壤湿度测量数据组成,这些数据是在巴罗、苏厄德半岛、北坡、费尔班克斯、冷脚、育空-库斯科温 (YK) 三角洲、阿拉斯加三角洲交界处以及加拿大西北地区 (NWT) 的研究地点或附近采集的。Utqiagvik(巴罗)遗址位于北极沿海平原,由干涸的热沼泽湖泊和覆盖着青草、苔藓和地衣的开阔苔原组成。北坡遗址位于冰川碎屑的丘陵地带,覆盖着草丛和苔藓。费尔班克斯的地点都位于北方森林区,通常是草丛和苔藓覆盖的开阔草地,周围是黑云杉和灌木丛生的林区。冷脚遗址位于布鲁克斯山脉以南,植被和地表特征与费尔班克斯遗址相似。三角洲交界处的地点也位于北方森林地带,但所有地点的地貌都以塔纳纳河的动态为主。雅加达三角洲由被草、苔藓和地衣覆盖的凸起泥炭高原组成,这些高原被下陷的热喀斯特沟谷、湿地和湖泊分隔开来。苏厄德半岛的遗址位于狭窄的山谷中,四周环山,覆盖着莎草、苔藓和地衣。

为了进行统计分析,我们将这些地点划分为若干区域(图 1),本文件对此不作描述。一些地点曾受火灾影响,但火灾状况和火灾历史未包含在本数据集中。详情请参见 Clayton 等人(2021 年)。

数据收集

数据集包括使用机械探测(6.0%)或 GPR(94.0%)测量的 206,000 个 ALT 观测值。测量小组通常在八月和九月进行测量,此时接近解冻季节的末期。我们假定在八月和九月测量的解冻深度代表了可接受的 ALT 近似值。

机械探测需要将一根带刻度的 T 形杆压入地下,直到碰到永久冻土层。机械探针测量解冻深度的不确定性为 3 厘米(Schaefer 等人,2015 年;Chen 等人,2016 年)。在 GPR 测量中,发射天线发射中心频率为 500 MHz 的脉冲,脉冲向下穿过活动层并反射到冻土层上(Schaefer 等人,2015 年;Chen 等人,2016 年;Jafarov 等人,2017 年)。接收器测量的双向移动时间(TWTT)是从发射器到冻土层再返回的时间。由于主要由草丛造成的粗糙地形,并非每个脉冲都能产生可用的反射,因此 STDM 数据集包括 14 万条既无 ALT 也无 VWC 的 GPR 记录。每隔几分钟,研究小组就用机械探头测量解冻深度,作为将 TWTT 转换为波速的校准点。校准点给出了一个站点或区域的平均波速,以便将所有 TWTT 转换为解冻深度。每个站点的波速标准偏差代表解冻深度的不确定性,典型的解冻深度不确定性为 20%(Chen 等人,2016 年)。

数据集包括通过 GPR(22.1%)、Hydrosense I 和 II 探头(75.3%)以及 DualEM(2.6%)收集的 16,000 次 VWC 测量。对于 GPR 测量的 VWC,解冻深度除以 TWTT 得到波速,作为土壤介电常数的测量值。所有 VWC 测量值都是所用仪器测量深度的平均值(Bourgeau-Chavez 等人,2010 年)。Hydrosense 测量值代表表层土壤 6、12 或 20 厘米深度的平均 VWC,具体取决于所使用的探头长度,称为表层 VWC。来自 GPR 和 DualEM 的 VWC 测量值代表的是整个活动层的平均含水量,称为体积 VWC。

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="ABoVE_Soil_ThawDepth_Moisture_1903",cloud_hosted=True,bounding_box=(-165.97, 60.45, -111.37, 71.32),temporal=("2008-06-22", "2020-08-15"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Schaefer, K., L.K. Clayton, M.J. Battaglia, L.L. Bourgeau-Chavez, R.H. Chen, A.C. Chen, J. Chen, K. Bakian-Dogaheh, T.A. Douglas, S.E. Grelick, G. Iwahana, E. Jafarov, L. Liu, S. Ludwig, R.J. Michaelides, M. Moghaddam, S. Natali, S.K. Panda, A.D. Parsekian, A.V. Rocha, S.R. Schaefer, T.D. Sullivan, A. Tabatabaeenejad, K. Wang, C.J. Wilson, H.A. Zebker, T. Zhang, and Y. Zhao. 2021. ABoVE: Soil Moisture and Active Layer Thickness in Alaska and NWT, Canada, 2008-2020. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Soil Moisture and Active Layer Thickness in Alaska and NWT, Canada, 2008-2020, https://doi.org/10.3334/ORNLDAAC/1903

网址推荐

0代码在线构建地图应用

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

机器学习

https://www.cbedai.net/xg 

这篇关于NASA数据集——北美地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及介电特性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/885578

相关文章

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动

Oracle数据库使用 listagg去重删除重复数据的方法汇总

《Oracle数据库使用listagg去重删除重复数据的方法汇总》文章介绍了在Oracle数据库中使用LISTAGG和XMLAGG函数进行字符串聚合并去重的方法,包括去重聚合、使用XML解析和CLO... 目录案例表第一种:使用wm_concat() + distinct去重聚合第二种:使用listagg,

Python实现将实体类列表数据导出到Excel文件

《Python实现将实体类列表数据导出到Excel文件》在数据处理和报告生成中,将实体类的列表数据导出到Excel文件是一项常见任务,Python提供了多种库来实现这一目标,下面就来跟随小编一起学习一... 目录一、环境准备二、定义实体类三、创建实体类列表四、将实体类列表转换为DataFrame五、导出Da

Python实现数据清洗的18种方法

《Python实现数据清洗的18种方法》本文主要介绍了Python实现数据清洗的18种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录1. 去除字符串两边空格2. 转换数据类型3. 大小写转换4. 移除列表中的重复元素5. 快速统

五大特性引领创新! 深度操作系统 deepin 25 Preview预览版发布

《五大特性引领创新!深度操作系统deepin25Preview预览版发布》今日,深度操作系统正式推出deepin25Preview版本,该版本集成了五大核心特性:磐石系统、全新DDE、Tr... 深度操作系统今日发布了 deepin 25 Preview,新版本囊括五大特性:磐石系统、全新 DDE、Tree

Python数据处理之导入导出Excel数据方式

《Python数据处理之导入导出Excel数据方式》Python是Excel数据处理的绝佳工具,通过Pandas和Openpyxl等库可以实现数据的导入、导出和自动化处理,从基础的数据读取和清洗到复杂... 目录python导入导出Excel数据开启数据之旅:为什么Python是Excel数据处理的最佳拍档

在Pandas中进行数据重命名的方法示例

《在Pandas中进行数据重命名的方法示例》Pandas作为Python中最流行的数据处理库,提供了强大的数据操作功能,其中数据重命名是常见且基础的操作之一,本文将通过简洁明了的讲解和丰富的代码示例,... 目录一、引言二、Pandas rename方法简介三、列名重命名3.1 使用字典进行列名重命名3.编

Python使用Pandas库将Excel数据叠加生成新DataFrame的操作指南

《Python使用Pandas库将Excel数据叠加生成新DataFrame的操作指南》在日常数据处理工作中,我们经常需要将不同Excel文档中的数据整合到一个新的DataFrame中,以便进行进一步... 目录一、准备工作二、读取Excel文件三、数据叠加四、处理重复数据(可选)五、保存新DataFram

使用Java解析JSON数据并提取特定字段的实现步骤(以提取mailNo为例)

《使用Java解析JSON数据并提取特定字段的实现步骤(以提取mailNo为例)》在现代软件开发中,处理JSON数据是一项非常常见的任务,无论是从API接口获取数据,还是将数据存储为JSON格式,解析... 目录1. 背景介绍1.1 jsON简介1.2 实际案例2. 准备工作2.1 环境搭建2.1.1 添加