Airborne Multi-angle Imaging SpectroRadiometer (AirMISR) Data from the Howland 2003 Campaign

简介

AIRMISR_HOWLAND_2003 数据是在 2003 年 8 月 28 日飞越缅因州豪兰森林的一次实地任务中获得的。加利福尼亚州帕萨迪纳的喷气推进实验室 (JPL) 提供了该数据。机载多角度成像光谱仪 (AirMISR) 是一种机载仪器,用于获取与星载多角度成像光谱仪 (MISR) 仪器类似的多角度图像,旨在为地球生态和气候研究做出贡献。AirMISR 搭载在 NASA ER-2 飞机上。加利福尼亚州帕萨迪纳的喷气推进实验室为 NASA 制造了该仪器。与具有九个以不同角度定向的摄像头的星载 MISR 仪器不同,AirMISR 使用安装在旋转万向架中的单个摄像头。ER-2 飞机运行的数据被分成九个部分,每个部分都将摄像头定位到 MISR 视角。万向架在连续的节段之间旋转,使得每个节段都与前一个节段获取地面相同区域的数据。此过程重复进行,直到收集到目标区域所有 9 个角度的数据。扫描带宽度从天底的 11 公里到最大倾斜角的 32 公里不等,由相机的瞬时视野控制,天底视野为 7 米横轨 x 6 米沿轨,最大倾斜角为 21 米 x 55 米。每个角度的沿轨图像长度由获取所有角度重叠图像所需的时间决定,从天底的约 9 公里到最大倾斜角的 26 公里不等。因此,天底图像决定了从所有九个角度获得的重叠区域。完整的飞行过程大约需要 13 分钟。 9 个摄像机视角分别为:0 度或天底 26.1 度、前后 45.6 度、前后 60.0 度、前后 70.5 度、前后。每个摄像机角度均可获得 4 个光谱带的图像。这些光谱带可用于识别植被和气溶胶、估算表面反射率以及用于海洋颜色研究。4 个光谱带的中心波长分别为:443 纳米、蓝色 555 纳米、绿色 670 纳米、红色 865 纳米、近红外。有两种类型的 AirMISR 数据产品可供选择 - 1 级辐射产品 (L1B1) 和 1 级地理校正辐射产品 (L1B2)。

摘要

Field Value
Last Updated August 28, 2025, 6:12 AM (UTC+08:00)
Created April 1, 2025, 10:13 PM (UTC+08:00)
accessLevel public
bureauCode 026:00
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
harvest_object_id c2350eee-784b-4079-8ce5-b2c7e78b39ea
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.5067/ASDC_DAAC/AIRMISR_HOWLAND_2003_1
landingPage https://asdc.larc.nasa.gov/project/AIRMISR
modified 2025-08-27
programCode 026:000
publisher NASA/LARC/SD/ASDC
resource-type Dataset
source_datajson_identifier true
source_hash 8dd40d954c489a159cb245be9114798ccd9b5b33c81beb7b59130a6da7c0af6e
source_schema_version 1.1
spatial ["CARTESIAN",[{"Boundary":{"Points":[{"Latitude":44.95,"Longitude":-69.05},{"Latitude":44.95,"Longitude":-68.35},{"Latitude":45.45,"Longitude":-68.35},{"Latitude":45.45,"Longitude":-69.05},{"Latitude":44.95,"Longitude":-69.05}]}}]]
temporal 2003-08-28/2003-08-28
theme "Earth Science"

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="AIRMISR_HOWLAND_2003",
    cloud_hosted=True,
    bounding_box=(-180, -90, 180, 90),
    temporal=("2003-08-28", "2003-08-28"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

网址推荐

个人主页

https://sites.google.com/view/xingguang/main

知识星球

知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐