NASA数据集——1985-2015 年阿拉斯加和加拿大各地由大地遥感卫星得出的烧痕 dNBR

此星光明

发布于 2024-03-18 08:45:11

860

发布于 2024-03-18 08:45:11

文章被收录于专栏：GEE数据专栏，GEE学习专栏，GEE错误集等专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏

简介

ABoVE: Landsat-derived Burn Scar dNBR across Alaska and Canada, 1985-2015

1985-2015 年阿拉斯加和加拿大各地由大地遥感卫星得出的烧痕 dNBR 本数据集包含以 30 米分辨率计算的差分归一化烧损率 (dNBR)，这些烧损率是对 1985-2015 年期间发生在阿拉斯加和加拿大北极寒带和脆弱性实验 (ABoVE) 项目区域内的火灾烧损疤痕进行计算得出的。火灾周界来自阿拉斯加机构间协调中心 (AICC) 和加拿大自然资源部 (NRC) 的火灾发生数据集。只有面积大于 200 公顷的火灾才包括在内。利用 Landsat LEDAPS 表面反射图像对，从每个烧伤疤痕周围 5 公里缓冲区域内的 Landsat 5、7 和 8 烧伤前和烧伤后场景中得出每个烧伤疤痕 30 米像素分辨率的 dNBR。

在 1985-2015 年的每个火灾年份，每个烧伤疤痕都被分配了一个烧伤 ID（BID），烧伤疤痕中的每个 30 米像素都被分配了相应的 BID 值。BID 链接到一个单独的数据文件，其中包含具体的烧伤疤痕区域，并列出了用于计算该 BID 的 dNBR 的原始大地遥感卫星图像对。同样，在每个火灾年份，焚烧疤痕中的每个 30 米像素都会被分配一个大地遥感卫星图像对 ID（PID），表明该火灾年份用于计算该像素 dNBR 的原始大地遥感卫星图像对。PID 链接到包含原始大地遥感卫星图像信息的单独数据文件。

该数据集共有 4625 个数据文件。其中包括 4623 个 GeoTIFF（.tif）格式的 dNBR、BID 和 PID 数据文件，以及两个逗号分隔（.csv）格式的文件，其中使用了 BID 和 PID Landsat 场景数据。dNBR、BID 和 PID 数据以 ABoVE 30 米参考网格系统提供，并延伸至 128 个 ABoVE 网格瓦片。每个 dNBR 数据文件都有一个 BID 数据文件和一个 PID 数据文件，用于 ABoVE 域中每年（1985-2015 年）的烧痕数据。这两个 .csv 文件是 BID 和 PID 数据查找表。

该数据集包含对 1985-2015 年期间阿拉斯加和加拿大北极北方和脆弱性实验（ABoVE）项目区域内发生的火灾烧伤疤痕计算的 30 米分辨率差分归一化烧伤率（dNBR）。火灾周界来自阿拉斯加机构间协调中心 (AICC) 和加拿大自然资源部 (NRC) 的火灾发生数据集。只有面积大于 200 公顷的火灾才包括在内。每个烧伤疤痕的 30 米像素分辨率 dNBR 是利用 Landsat LEDAPS 表面反射图像对每个烧伤疤痕周围 5 公里缓冲区域内的 Landsat 5、7 和 8 烧伤前后场景得出的。

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。

致谢

本研究得到了美国宇航局陆地生态计划的资助，资助编号为 NNX13AK44G。

数据文件

Bh01v03	Bh05v04	Bh08v07	Bh10v13	Bh12v14
Bh01v04	Bh05v05	Bh08v08	Bh10v14	Bh12v15
Bh01v05	Bh05v06	Bh08v09	Bh10v15	Bh12v16
Bh01v06	Bh06v01	Bh08v10	Bh10v16	Bh13v08
Bh01v07	Bh06v02	Bh08v11	Bh11v05	Bh13v09
Bh02v02	Bh06v03	Bh08v13	Bh11v06	Bh13v10
Bh02v03	Bh06v04	Bh09v04	Bh11v07	Bh13v11
Bh02v04	Bh06v05	Bh09v05	Bh11v08	Bh13v12
Bh02v05	Bh06v06	Bh09v06	Bh11v09	Bh13v13
Bh02v06	Bh06v07	Bh09v07	Bh11v10	Bh13v14
Bh03v03	Bh06v08	Bh09v08	Bh11v11	Bh13v15
Bh03v04	Bh07v02	Bh09v09	Bh11v12	Bh14v08
Bh03v05	Bh07v03	Bh09v10	Bh11v13	Bh14v09
Bh03v06	Bh07v04	Bh09v11	Bh11v14	Bh14v10
Bh03v07	Bh07v05	Bh09v12	Bh11v15	Bh14v11
Bh04v01	Bh07v06	Bh09v13	Bh11v16	Bh14v12
Bh04v02	Bh07v07	Bh09v14	Bh12v05	Bh14v13
Bh04v03	Bh07v08	Bh10v05	Bh12v06	Bh14v14
Bh04v04	Bh07v09	Bh10v06	Bh12v07	Bh14v15
Bh04v05	Bh07v10	Bh10v07	Bh12v08	Bh15v11
Bh04v06	Bh08v02	Bh10v08	Bh12v09	Bh15v12
Bh04v07	Bh08v03	Bh10v09	Bh12v10	Bh15v13
Bh05v01	Bh08v04	Bh10v10	Bh12v11	Bh15v14
Bh05v02	Bh08v05	Bh10v11	Bh12v12	Bh15v15
Bh05v03	Bh08v06	Bh10v12	Bh12v13	Bh16v11
				Bh16v12
				Bh16v13
				Bh16v14

空间分辨率： 30-m

时间覆盖范围： 1985-01-01 至 2015-12-31

时间分辨率：每年

研究区域（所有经纬度均以十进制度表示）

Site	Westernmost Longitude	Easternmost Longitude	Northernmost Latitude	Southernmost Latitude
Alaska and Canada	-168.4236111	- 101.7455556	71.35583333	50.25417

数据文件信息

本数据集共有 4625 个数据文件。其中包括 4623 个 GeoTIFF（.tif）格式的 dNBR、BID 和 PID 数据文件，以及两个逗号分隔格式（.csv）的文件，其中包含用于计算每个火灾年份和 ABoVE 网格瓦片中每个像素的 dNBR 的原始 Landsat 成对图像信息。

为每个火灾年份的每个烧伤疤痕计算 dNBR 值

大地遥感卫星图像对 ID (PID) 文件显示了用于计算每个火灾年份中每个像元的 dNBR 的原始大地遥感卫星图像对。 BID 文件包含每个火灾年份中每个火烧疤的烧伤 ID (BID)。每个 BID 都是以 XYYYY 形式分配给单个火烧疤的唯一 4 位数字。其中 X 为 1 或 2，分别代表来自 AICC 或 NRC 的烧伤疤痕，YYY 为三位数 ID，是一个火灾年份中特定烧伤疤痕的唯一标识符。

文件按照以下命名规则命名：ABoVE.XXX.YYYY.BhZvZ.003.proddatetime.tif

其中

ABoVE - 指活动
XXX - 指文件产品类型：dNBR、PID 或 BID
YYYY - 指烧毁年份：1985 - 2015
BhZvZ--指网格 B 瓦片 ID，其中 "Z "是一个数字（见图 2，ABOVE 网格，以及 Loboda 等人，2017 年）
003 - 指产品版本
proddatetime - 指生产日期和时间（YYYYDDDHHMMSS）

GeoTiff files

Table 1. Properties of the GeoTIFF files

File type	Data Type	Valid Range (min to max)	Fill value
dNBR	16-bit signed integer	-2999 to 2993	-3000
BID	16-bit signed integer	1000 to 3000	0
PID	16-bit signed integer	0 to 242	0

每个烧伤疤痕都有一个烧伤 ID（BID），烧伤疤痕中的每个 30 米像素都有相应的 BID 值。

该文件（*.csv）提供了火灾疤痕的面积、燃烧前和燃烧后的路径/行、年份以及研究中使用的 Landsat 图像的日期。YYYY = 1985-2015 年间的年份。

文件名示例：dNBR_reference_table_YYYY_BID.csv

BID 文件信息

Column Heading	Units/format	Description
fire_year	YYYY	Year of fire from AICC and NRC sources
BID	XYYY	BID is a unique 4-digit number assigned to an individual burn scar in the form of XYYY. Where X is 1 or 2, representing burn scars from AICC or NRC sources, respectively. YYY is a three-digit ID unique identifier for a given burn scar within a fire year.
region		Alaska or Canada
area_ha	ha	Burn scar area
satellite_pre-burn_pair1		Landsat 5, Landsat 7, or Landsat 8
path_row_pre-burn_pair1	PPPRRR	Path/Row of Landsat pre-burn image used to calculate the dNBR. Note leading zero.
image_year_pre-burn_pair1	YYYY	Year pre-burn image acquired
image_julian_date_pre-burn_pair1	DDD	Julian date pre-burn image acquired
image_cal_date_pre-burn_pair1	DD/MM/YYYY	Calendar date pre-burn image acquired
satellite_post-burn_pair1		Landsat 5, Landsat 7, or Landsat 8
path_row_post-burn_pair1	PPPRRR	Path/Row of Landsat post-burn image used to calculate the dNBR
image_year_post-burn_pair1	YYYY	Year post-burn image acquired
image_julian_date_post-burn_pair1	DDD	Julian date post-burn image acquired
image_cal_date_post-burn_pair1	DD/MM/YYYY	Calendar date post-burn image acquired
satellite_pre-burn_pair2		Landsat 5, Landsat 7, or Landsat 8
path_row_pre-burn_pair2	PPPRRR	Path/Row of Landsat pre-burn image used to calculate the dNBR. Note leading zero.
image_year_pre-burn_pair2	YYYY	Year pre-burn image acquired
image_julian_date_pre-burn_pair2	DDD	Julian date pre-burn image acquired
image_cal_date_pre-burn_pair2	DD/MM/YYYY	Calendar date pre-burn image acquired
satellite_post-burn_pair2		Landsat 5, Landsat 7, or Landsat 8
path_row_post-burn_pair2	PPPRRR	Path/Row of Landsat post-burn image used to calculate the dNBR. Note leading zero.
image_year_post-burn_pair2	YYYY	Year post-burn image acquired
image_julian_date_post-burn_pair2	DDD	Julian date post-burn image acquired
image_cal_date_post-burn_pair2	DD/MM/YYYY	Calendar date post-burn image acquired
Notes

大地遥感卫星图像对 ID (PID)

在每个火灾年份，烧伤疤痕中的每个 30 米像素都有一个大地遥感卫星图像对 ID（PID），表明该火灾年份用于计算该像素 dNBR 的原始大地遥感卫星图像对。1984 年的大地遥感卫星图像也用于计算 1985 年的 GeoTIFFs，并包含在文件中；没有 1984 年的数据文件。

该文件（*.csv）提供了从分配的大地遥感卫星图像对 ID（PID）到研究中使用的大地遥感卫星图像的燃烧前和燃烧后路径、行、年份和日期的交叉参考。YYYY=1985-2015年间的年份。

文件名示例：dNBR_reference_table_YYYY_PID.csv DD/MM/YYYY

PID文件信息

Column Heading	Units/format	Description
image_year_pre-burn	YYYY	Year pre-burn image acquired
PID		In each fire year, every 30-m pixel in a burn scar was assigned a Landsat image pair ID (PID), indicating the original Landsat image pair that was used to calculate the dNBR in that pixel for that fire year.
landsat_pre-burn		Landsat 5, Landsat 7, or Landsat 8
path_row_pre-burn	PPPRRR	Path/Row of Landsat pre-burn image used to calculate the dNBR. Note leading zero.
image_julian_date_pre-burn	DDD	Julian date pre-burn image acquired
image_cal_date_pre-burn	DD/MM/YYYY	Calendar date pre-burn image acquired
landsat_post-burn		Landsat 5, Landsat 7, or Landsat 8
path_row_post-burn	PPPRRR	Path/Row of Landsat post-burn image used to calculate the dNBR. Note leading zero.
image_year_post-burn	YYYY	Year post-burn image acquired
image_julian_date_post-burn	DDD	Julian date post-burn image acquired
image_cal_date_post-burn	DD/MM/YYYY	Calendar date post-burn image acquired

数据获取材料和方法

差分归一化烧毁率（dNBR）是对 1985-2015 年期间阿拉斯加和加拿大北极寒带脆弱性实验（ABoVE）项目区域内发生的火灾中的每个烧痕进行计算得出的。火灾周界来自阿拉斯加机构间协调中心 (AICC; https://fire.ak.blm.gov/) 和加拿大自然资源部 (NRC; https://www.nrcan.gc.ca/) 数据集。只有 ABoVE 核心区域内面积大于 200 公顷的燃烧才被包括在内。

每年的 dNBR 数据来自燃烧前和燃烧后的 Landsat 5 号、7 号和 8 号卫星上的燃烧疤痕场景。本研究中使用的火灾前和火灾后产品来自 Landsat 5 专题成像仪 (TM)、Landsat 7 增强型专题成像仪增强版 (ETM+) 和 Landsat 8 业务陆地成像仪 (OLI)/ 热红外传感器 (TIRS)。

将年度 dNBR 数据网格化为 ABoVE 30 米网格系统，从而得到 128 个网格瓦片，其中包含研究期间的烧伤疤痕和衍生 dNBR。数据文件包括 ABoVE 的具体网格名称和年份。

焚烧前和焚烧后图像选择

焚烧前和焚烧后图像的选择基于以下标准：

图像必须包含极少量的云层和燃烧疤痕内的云影。燃烧前和燃烧后图像可有以下组合：OLI-OLI、TM-TM、ETM+-ETM+、TM-ETM+、ETM+-TM。由于 OLI 和先前传感器的波段范围不同，OLI 和非 OLI 图像的组合被排除在外。焚烧前（后）图像的首选采集日期是根据以下策略选定的：火灾发生前（后）当年的 5 月中旬至 6 月下旬 > 火灾发生前（后）当年的 7 月初至 9 月中（开始下雪前） > 火灾发生前（后）当年的无雪图像。阿拉斯加上空的 "烧伤严重程度趋势监测"（MTBS; https://www.mtbs.gov/）图像对被用作阿拉斯加烧伤疤痕上空所选 Landsat 图像对的基础；但是，任何不符合我们标准的 MTBS 图像对都会被删除，并选择新的图像对（另请参阅配套文件 ABoVE_Burn_Severity_Product_Users_Guide.pdf）。

数据链接

ABoVE: Landsat-derived Burn Scar dNBR across Alaska and Canada, 1985-2015, https://doi.org/10.3334/ORNLDAAC/1564

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_Fire_Severity_dNBR_1564",
    cloud_hosted=True,
    bounding_box=(-168.42, 50.25, -101.74, 71.36),
    temporal=("2010-01-15", "2010-05-28"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")