Summary of the ABoVE L-band and P-band Airborne SAR Surveys, 2012-2022
简介
该数据集包含 2012 年至 2022 年在阿拉斯加和加拿大进行的合成孔径雷达 (SAR) 调查的机载飞行元数据表格。美国宇航局的北极北方脆弱性实验 (ABoVE) 在 2017、2018、2019 和 2022 年期间对阿拉斯加和加拿大西北部超过 120,000 平方公里的面积进行了机载 SAR 调查。为了完整性并能够创建更长的时间序列，其他项目在 2012 年至 2015 年期间获取的旧线路也包含在内。数据文件和配套文件包含在 ABoVE 机载活动期间获取的 L 波段和 P 波段机载 SAR 元数据。其中包括约 80 条 SAR 航线的详细描述以及每条航线如何融入 ABoVE 实验设计。大量的地图、表格和超链接可直接访问每个飞行计划以及单独的航线。本条目是一个指南，旨在帮助感兴趣的读者充分探索 ABoVE L 波段和 P 波段 SAR 数据。
摘要
Table 1. Data dictionary for CSV data files (Table_*.csv). Each file contains a subset of these fields.
Variable Units Description
Flight_plan Airborne flight plan number
Flight_plan_url URL to flight plan summary at uavsar.jpl.nasa.gov
Sortie_date YYYY-MM-DD Flight date
Region_sampled Region sampled
Region_sampled_url URL to flight plan map at uavsar.jpl.nasa.gov
PoIInSAR_band SAR band; L or P-band
Campaign Name of airborne campaign
Line_ID Flight line ID
Short_name Flight line name
Flight Airborne flight plan number. Synonymous to ‘Flight_plan’
Flight_url URL to flight plan summary at uavsar.jpl.nasa.gov. Synonymous to ‘Flight_plan_url’.
Band SAR band; L or P-band
Date YYYY-MM-DD Flight date. Synonymous to ‘Sortie_date’.
Region Region sampled. Synonymous to ‘Region_sampled’
Comments Contains additional details about the flight line
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"
df = pd.read_csv(url, sep="\t")
df
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
short_name="ABoVE_SAR_Surveys_2150",
cloud_hosted=True,
bounding_box=(-169.0, 50.0, -102.0, 72.0),
temporal=("2012-01-01", "2022-12-31"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
leafmap.nasa_data_download(results[:5], out_dir="data")
