ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015
2010-2015 年阿拉斯加北坡苔原植物功能類型連續覆蓋圖
簡介
文件修訂日期:2021-08-27
數據集版本: 1
摘要
該數據集以 30 米的分辨率提供了阿拉斯加北坡約 12.5 萬平方公里的苔原植物功能類型(PFTs)的預測連續野外覆蓋率。數據涵蓋的時間段為 2010-07-01 至 2015-08-31。這些數據是利用隨機森林數據挖掘算法、大地遙感衛星觀測數據(5 月至 8 月約 15 天期間的地表反射率復合數據)得出的預測數據,以及跨越生物氣候和地貌梯度的野外植被覆蓋和場地特征數據得出的。野外植被覆蓋度按九種 PFT,加上開闊水域、裸露地面和亂石進行分層,并使用覆蓋度指標總覆蓋度(包括林下的面積覆蓋度)和頂層覆蓋度(最上部的冠層或地面覆蓋度),得出總共 19 種野外覆蓋度類型。野外數據和野外地點的預測值也包括在內。
與傳統的專題地圖相比,連續覆蓋野外地圖有很多優勢,這里使用的方法非常適合支持與未來野外觀測和大地遙感衛星觀測同步進行的定期覆蓋更新。
本數據集中包含 39 個數據文件。以 GeoTIFF(*.tif)格式提供了 19 種實地覆蓋類型的連續覆蓋數據,每種類型有兩種投影方式:阿拉斯加阿爾伯斯等面積圓錐投影(EPSG:3338)和 ABoVE 標準投影,加拿大阿爾伯斯等面積圓錐投影(EPSG:102001),共 38 個文件。建模中使用的實地數據和預測因子以一個逗號分隔的文件(*.csv)提供。
顯示阿拉斯加北坡野外地塊分布的定量覆蓋測繪區域圖。ABR 是 ABR 公司-環境研究與服務,BLM 是土地管理局。
該數據集以 30 米的分辨率提供了阿拉斯加北坡約 12.5 萬平方公里的苔原植物功能類型(PFTs)的預測連續野外覆蓋率。數據涵蓋的時間段為 2010-07-01 至 2015-08-31。這些數據是利用隨機森林數據挖掘算法、大地遙感衛星觀測數據(5 月至 8 月約 15 天期間的地表反射率復合數據)得出的預測因子,以及跨越生物氣候和地貌梯度的野外植被覆蓋和場地特征數據得出的。野外植被覆蓋度按九種 PFT,加上開闊水域、裸露地面和亂石進行分層,并使用覆蓋度指標總覆蓋度(包括林下的面積覆蓋度)和頂層覆蓋度(最上部的冠層或地面覆蓋度),得出總共 19 種野外覆蓋度類型。此外,還包括實地數據和實地地點的預測值。
與傳統的專題地圖相比,連續覆蓋野外地圖有很多優勢,這里使用的方法非常適合支持與未來野外觀測和大地遙感衛星觀測同步進行的定期覆蓋更新。
項目:北極-北方脆弱性實驗
北極-北方脆弱性實驗(ABoVE)是美國國家航空航天局(NASA)陸地生態計劃的一項實地活動,于 2016 年至 2021 年期間在阿拉斯加和加拿大西部進行。ABoVE 的研究將基于實地的過程級研究與機載和衛星傳感器獲得的地理空間數據產品聯系起來,為提高分析和建模能力奠定了基礎,而分析和建模能力是了解和預測生態系統反應及社會影響所必需的。
數據特征
空間覆蓋范圍:阿拉斯加北坡
上方參考位置
域:核心 ABoVE
網格單元(30 米):Bh006v000、Bh007v000、Bh006v001、Bh007v001、Bh008v001、Bh006v002、Bh007v002、Bh008v002、Bh007v003、Bh008v003
空間分辨率30 m
時間覆蓋范圍:2010-05-16 至 2015-08-31
時間分辨率一次性估算
研究區域:緯度和經度以十進制度表示。
Sites | Westernmost Longitude | Easternmost Longitude | Northernmost Latitude | Southernmost Latitude |
---|---|---|---|---|
North Slope | -167.4761 | -143.978 | 73.8004 | 65.5858 |
數據文件信息
該數據集包含 39 個數據文件。以 GeoTIFF (*.tif) 格式提供了 19 種實地覆蓋類型的連續覆蓋數據,每種類型有兩種投影:阿拉斯加阿爾伯斯等面積圓錐形(EPSG:3338)和 ABoVE 標準投影,加拿大阿爾伯斯等面積圓錐形(EPSG:102001),共計 38 個文件。建模中使用的實地數據和預測因子以逗號分隔文件(*.csv)Model_Training_Testing_Data.csv 提供。表 2 介紹了 133 個變量。
GeoTIFF 文件根據 PFT 和 PFT 測量摘要(表 3)以及覆蓋指標總覆蓋(包括林下的面積覆蓋)和頂覆(最上部的冠層或地面覆蓋)命名。這些數據是阿拉斯加北坡約 12.5 萬平方公里范圍內 30 米分辨率的連續場 PFT 地面覆蓋百分率。
GeoTIFF 文件名稱。說明了 PFT 和其他覆蓋類型
Files in Alaska Albers Equal Area Conic Projection (EPSG:3338) | Files in ABoVE Standard Projection (EPSG:102001) |
---|---|
Bare_Ground_Top_Cover.tif | Bare_Ground_Top_Cover_102001.tif |
Bryophyte_Total_Cover.tif | Bryophyte_Total_Cover_102001.tif |
Dwarf_Deciduous_Shrub_Total_Cover.tif | Dwarf_Deciduous_Shrub_Total_Cover_102001.tif |
Dwarf_Evergreen_Shrub_Total_Cover.tif | Dwarf_Evergreen_Shrub_Total_Cover_102001.tif |
Forb_Total_Cover.tif | Forb_Total_Cover_102001.tif |
Grass_Total_Cover.tif | Grass_Total_Cover_102001.tif |
Lichen_Total_Cover.tif | Lichen_Total_Cover_102001.tif |
Litter_Top_Cover.tif | Litter_Top_Cover_102001.tif |
Low_and_Tall_Deciduous_Shrub_Total_Cover.tif | Low_and_Tall_Deciduous_Shrub_Total_Cover_102001.tif |
Low_Deciduous_Shrub_Total_Cover.tif | Low_Deciduous_Shrub_Total_Cover_102001.tif |
Nonvascular_Plant_Top_Cover.tif | Nonvascular_Plant_Top_Cover_102001.tif |
Nonvascular_Plant_Total_Cover.tif | Nonvascular_Plant_Total_Cover_102001.tif |
Open_Water_Top_Cover.tif | Open_Water_Top_Cover_102001.tif |
Sedge_Total_Cover.tif | Sedge_Total_Cover_102001.tif |
Tall_Deciduous_Shrub_Total_Cover.tif | Tall_Deciduous_Shrub_Total_Cover_102001.tif |
Total_Herbaceous_Total_Cover.tif | Total_Herbaceous_Total_Cover_102001.tif |
Total_Shrub_Total_Cover.tif | Total_Shrub_Total_Cover_102001.tif |
Vascular_Plant_Top_Cover.tif | Vascular_Plant_Top_Cover_102001.tif |
Vascular_Plant_Total_Cover.tif | Vascular_Plant_Total_Cover_102001.tif |
應用與推導
生態系統地圖是支持多學科研究設計和應用(包括野生動物棲息地評估、監測和地球系統建模)的基礎工具。與傳統的專題地圖相比,連續實地地圖具有許多優勢。這些方法非常適合支持與未來實地觀測和大地遙感衛星觀測同步進行的地圖定期更新。
質量評估
Macander 等人提供了對模型性能的評估,包括每種植被類型的均方根誤差、平均絕對誤差和相關性。 ?該評估基于內部交叉驗證和迭代保留 20% 的訓練數據進行驗證。選定的灌木覆蓋圖與北坡現有的部分灌木覆蓋圖進行了比較。
數據采集、材料和方法
研究區域
125,000 平方公里的測繪區域從萊伊角附近的楚科奇海向東延伸至道爾頓公路(圖 1)。測繪區的北半部屬于北極沿海平原地貌省(Gallant 等人,1995 年),其特點是地形平坦、土壤排水不良、水體豐富、冰楔等圍冰期地貌廣泛存在。北極沿海平原的大部分地區屬于北極圈植被圖(CAVM 小組,2003 年)的生物氣候亞區 D,灌木很常見,但高度很少超過 1 米。測繪區的南半部包括北極山麓地貌省,其特點是高地廣布,并被清晰的排水網絡所分割。北極山麓位于生物氣候亞區 E,即最溫暖的苔原亞區;灌木廣泛分布,高大的灌木叢(高度大于 1.5 米)在洪泛平原和鄰近的斜坡上很常見,尤其是在科爾維爾河沿岸。以下將這兩個主要的地貌區分別稱為 "沿海平原 "和 "山麓"。整個測繪區域位于連續永久凍土帶。
實地數據
2012 年 7 月至 8 月期間在阿拉斯加國家石油儲備區(NPRA)內和附近采樣的 106 個地塊的野外數據集(ABR,2012 年)與 BLM 在 2012 年至 2014 年期間采樣的 119 個地塊的數據集匯集在一起,作為土地管理局(BLM)評估、清查和監測計劃(NPRA AIM)的一部分。所有實地工作都采用了專為長期植被監測而定制的點攔截采樣方法(Toevs 等人,2011 年);該方案還有助于在適合分析 30 米分辨率 Landsat 數據的尺度上進行采樣。取樣地塊由三條 50 米長的線組成;每條線從地塊中心 5 米處開始,以避免在設置地塊時踐踏植被。第一條取樣線的方位角是隨機選擇的,其他取樣線與第一條取樣線的方位角相差 120 度。使用安裝在桿上的激光筆以 1 米的間距記錄植被 "命中點"(每條線 51 個采樣點),但在少數地塊,由于后勤限制,必須以 2.5 米的間距快速采樣(每條線 21 個點)。在每個點上,通過依次將樹冠上層的樹葉移到一邊,使激光能夠照射到下層,最后照射到地表,從而按物種識別出被照射到的植被。對于地表,只記錄一次命中,包括活的匍匐植被、亂石、水或裸露地面。雖然在現場記錄了多次激光照射,但本分析只保留了每個物種的第一次激光照射。BLM 數據的收集采用了相同的協議,只是線長為 25 米,點間距為 0.5 米(每條線 51 個點)。
BLM 根據 2013 年北坡科學計劃 (NSSI) 土地覆被圖(NSSI,2013 年)采用分層隨機抽樣設計分配地塊。地塊位置是根據 2.5 米分辨率航空圖像中明顯的照片特征,在具有代表性的植被類型中主觀選擇的。在具有代表性的清水和濁水區域內,根據照片解讀的衛星圖像確定了 20 塊純水地塊。純水地塊占地塊總數的 9%,這與 NSSI 地圖上描繪的開放水域的相對范圍相符。
分析時,先按物種匯總覆蓋度數據,然后使用兩個覆蓋度指標將數據匯總到 PFT:(1)總覆蓋度,即 PFT 中出現物種的樣本點百分比,為 PFT 中所有物種的總和;(2)最高覆蓋度,即 PFT 中第一個出現物種的樣本點百分比。總覆蓋率值可以超過 100%,但最高覆蓋率值不能超過 100%。重要的是,由于在一個點上 "命中 "的每個物種都會被記錄下來,而且多個物種(包括同一 PFT 的不同物種)可能會同時出現在樹冠的不同層次上,因此所有 PFT 的 "總覆蓋度 "值總和一般都會超過 100%,偶爾單個 PFT 的 "總覆蓋度 "值也會超過 100%;例如,在一片非常茂密的赤楊-柳樹灌木林中,兩種物種的覆蓋度都超過了 50%。
代碼
!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="AK_Tundra_PFT_FractionalCover_1830",cloud_hosted=True,bounding_box=(-167.48, 65.59, -143.98, 73.8),temporal=("2010-07-01", "2015-08-31"),count=-1, # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")
引用
Macander, M.J., G.V. Frost, P.R. Nelson, and C.S. Swingley. 2020. ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015. ORNL DAAC, Oak Ridge, Tennessee, USA.?ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015, https://doi.org/10.3334/ORNLDAAC/1830
網址推薦
0代碼在線構建地圖應用
https://invite.mapmost.com/#/login?source_inviter=nClSZANO
機器學習
https://www.cbedai.net/xg?