NASA数据集——2017-2019年阿拉斯加和加拿大北极地区RGB 合成图像V2（L1/L2数据集）

简介

ABoVE: Hyperspectral Imagery AVIRIS-NG, Alaskan and Canadian Arctic, 2017-2019 V2

高光谱成像 AVIRIS-NG，阿拉斯加和加拿大北极地区，2017-2019 V2

摘要

本数据集提供了机载可见光/红外成像分光计-下一代（AVIRIS-NG）仪器在 2017 年 6 月至 8 月、2018 年 7 月至 8 月以及 2019 年 7 月至 8 月期间飞越北极-北 极脆弱性实验（ABoVE）区域时测量的 1 级辐射度和 2 级表面反射率。AVIRIS-NG 以 5 纳米（nm）的间隔测量 380 纳米到 2510 纳米之间可见光到短波红外光谱范围内的反射辐射度。测量数据经过辐射和几何校准，空间分辨率约为 5 米。这些数据包括 556 条飞行线路，覆盖了阿拉斯加和加拿大西部大部分地区 ABoVE 项目感兴趣的区域。这些数据将使研究人员能够描述生长季节高峰期附近的生态系统结构和功能。该数据集是 ABoVE 的 11 个不同飞机小组开展的多传感器机载采样活动的一部分。 该数据集包括 556 条飞行线路的 1,695 个数据文件，采用 ENVI 二进制图像格式（以 *.tar.gz 格式压缩），以及六个压缩配套文件，其中包含：1）每条飞行线路的 RGB 合成图像；2）形状文件，提供了 2017、2018 和 2019 年飞行中每条飞行线路所捕获图像的边界。

本数据集提供了机载可见光/红外成像分光计-下一代（AVIRIS-NG）仪器于 2017 年 6 月至 8 月和 2019 年 7 月至 8 月在北极-北部脆弱性实验（ABoVE）域上空飞行期间测量的 1 级辐射度和 2 级地表反射率。AVIRIS-NG 以 5 纳米（nm）的间隔测量 380 纳米到 2510 纳米之间可见光到短波红外光谱范围内的反射辐射度。测量数据经过辐射和几何校准，空间分辨率约为 5 米。这些数据包括 556 条飞行线路，覆盖了阿拉斯加和加拿大西部大部分地区 ABoVE 项目感兴趣的区域。这些数据将使研究人员能够描述生长季节高峰期附近的生态系统结构和功能。该数据集是 ABoVE 的 11 个不同飞机小组开展的多传感器机载采样活动的一部分。

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。

空间覆盖范围：ABoVE 域内飞越阿拉斯加和加拿大北极地区的航班

空间分辨率：约 5 米

时间覆盖范围：2017-06-24 至 2019-08-04

时间分辨率区域勘测一次

研究区域（这些坐标是研究地点的大致位置，可能与数据文件的范围不符。所有经纬度均以十进制度表示）。

数据文件信息

本数据集中包含 1,695 个压缩 tar 档案 (TAR；*.tar.gz)，提供 AVIRIS-NG 仪器 556 条飞行线路的数据。以 ENVI 二进制图像格式提供每个飞行线路的 1 级 (L1) 辐射测量值和 2 级 (L2) 反射测量值。每条航线的 L1 和 L2 测量值均包含在单独的 TAR 文件中。

TAR 文件名示例：

L1 辐照度：ang20170817t185348.tar.gz L2 反射率：ang20170817t185348rfl.tar.gz TAR 存档内容：

ENVI 图像文件没有扩展名，并附有文本格式的同名头文件 (*.hdr)。头文件应与图像文件保持在同一目录下，以便正确显示数据。标头文件提供与图像文件相关的空间和光谱元数据，如线条数、样本数、通道数等。有关头文件的详细信息，请参阅 Harris Geospatial 的 ENVI 文件格式参考资料。

每个 TAR 都包含一个 README，描述了 L1 和 L2 ENVI 文件的内容。README 中列出的文件名与实际 ENVI 图像文件名之间存在细微差别。请使用下面的文件描述作为参考。

文件命名规则

每条航线都使用特定的基本文件名前缀：angYYYYMMDDtHHNNSS。下面列出的日期时间代码适用于 TAR 文件名和其中包含的 ENVI 文件的文件名。

YYYY：飞行年份 MM：飞行月份 DD：飞行日 HH：飞行开始时的 UTC 小时 NN：飞行开始时的 UTC 分钟 SS：飞行开始时的 UTC 秒

ENVI 文件用户说明：

无数据编码为 -9999 由于在从 L1 到 L2 的处理过程中出现错误，因此没有为航迹 ang20170713t210131 提供 L2 反射率数据。

应用和推导

AVIRIS-NG 测量的光谱可用于识别、测量和监测地球表面和大气层的成分。生态学应用包括物种组成、结构和功能；叶绿素、叶水、木质素、纤维素、色素和非光合成分含量。

2017年6月、7月和8月、2018年7月和8月以及2019年7月和8月期间，AVIRIS-NG在ABoVE域上空飞行，以描述接近生长季节高峰期的生态系统结构和功能。

质量评估

所有 AVIRIS-NG 数据均由美国国家航空航天局喷气推进实验室的 AVIRIS-NG 仪器地面数据系统处理。根据对数据的初步分析，通过传感器性能评估发现飞行前和飞行后诊断未发现的异常情况。

通过近邻插值法填充的像素在每条航线的 GLT 文件中以负值表示。

数据采集、材料和方法

下一代机载可见光/红外成像光谱仪（AVIRIS-NG）是一种成像光谱仪，可测量可见光至短波红外光谱范围（380-2510 nm）内 5 nm 间隔的反射辐射度。AVIRIS-NG 的建立是为了支持 NASA 的科学和应用，将光谱测量为记录光与物质相互作用的图像。这些光谱用于识别、测量和监测地球表面和大气层的成分。

有关从 AVIRIS L1 辐射测量中推导出 L2 表面反射率的解释，请参见 Thompson 等人（2015 年）和 Gao 等人（1993 年）。

AVIRIS-NG 于 2017 年 6 月至 8 月期间在 King Air B200 上进行了飞行，并于 2018 年 7 月至 8 月以及 2019 年 7 月至 8 月再次进行了飞行，作为广泛机载活动的一部分，旨在提供有助于描述生长季节高峰期附近生态系统结构和功能的数据。飞行地点和其他元数据可在 AVIRIS-NG 数据门户网站上查看。

数据版本

1.2 版：本数据集于 2021 年 5 月修订，纳入了 2019 年 ABoVE 机载活动的飞行数据。之前提供的 2017 年和 2018 年飞行数据没有变化。

1.1 版：该数据集于 2019 年 2 月修订，纳入了 2018 年 ABoVE 机载活动的飞行数据。之前提供的 2017 年飞行数据没有变化。

1.0 版：包括 2017 年 ABoVE 机载活动中的 2017 年航班。

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/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="ABoVE_Airborne_AVIRIS_NG_V2_2009",
    cloud_hosted=True,
    bounding_box=(-166.65, 52.16, -103.24, 71.38),
    temporal=("2017-06-24", "2017-08-04"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

数据引用

Miller, C.E., R.O. Green, D.R. Thompson, A.K. Thorpe, M. Eastwood, I.B. Mccubbin, W. Olson-duvall, M. Bernas, C.M. Sarture, S. Nolte, L.M. Rios, M.A. Hernandez, B.D. Bue, and S.R. Lundeen. 2019. ABoVE: Hyperspectral Imagery from AVIRIS-NG, Alaskan and Canadian Arctic, 2017-2019. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Hyperspectral Imagery from AVIRIS-NG, Alaskan and Canadian Arctic, 2017-2019, https://doi.org/10.3334/ORNLDAAC/1569