Nighttime Land Surface Temperature (LST) are derived from the ~1km MODIS MOD11A2 v6.1 products. The 8-daily composites are converted to degrees Celsius and then gap-filled using the approach outlined in Weiss et al (2014) to eliminate missing data caused by factors such as cloud cover. After gap-filling the data was …

Ice-rich permafrost in the circum-Arctic and sub-Arctic, such as late Pleistocene Yedoma, are especially prone to degradation due to climate change or human activity. When Yedoma deposits thaw, large amounts of frozen organic matter and biogeochemically relevant elements return into current biogeochemical cycles. Building on previous mapping efforts, the objective of this paper is to compile the first digital pan-Arctic Yedoma map and spatial database of Yedoma coverage. Therefore, we 1) synthesized, analyzed, and digitized geological and stratigraphical maps allowing identification of Yedoma occurrence at all available scales, and 2) compiled field data and expert knowledge for creating Yedoma map confidence classes. We used GIS-techniques to vectorize maps and harmonize site information based on expert knowledge. Hence, here we synthesize data on the circum-Arctic and sub-Arctic distribution and thickness of Yedoma for compiling a preliminary circum-polar Yedoma map. To harmonize the different datasets and to avoid merging artifacts, we applied map edge cleaning while merging data from different database layers. For the digitalization and spatial integration, we used Adobe Photoshop CS6 (Version: 13.0 x64), Adobe Illustrator CS6 (Version 16.0.3 x64), Avenza MAPublisher 9.5.4 (Illustrator Plug-In) and ESRI ArcGIS 10.6.1 for Desktop (Advanced License). Generally, we followed workflow of figure 2 of the related publication (IRYP Version 2, Strauss et al 2021, https://doi.org/10.3389/feart.2021.758360). We included a range of attributes for Yedoma areas based on lithological and stratigraphic information from the source maps and assigned three different confidence levels of the presence of Yedoma (confirmed, likely, or uncertain). Using a spatial buffer of 20 km around mapped Yedoma occurrences, we derived an extent of the Yedoma domain. Our result is a vector-based map of the current pan-Arctic Yedoma domain that covers approximately 2,587,000 km², whereas Yedoma deposits are found within 480,000 km² of this region. We estimate that 35% of the total Yedoma area today is located in the tundra zone, and 65% in the taiga zone. With this Yedoma mapping, we outlined the substantial spatial extent of late Pleistocene Yedoma deposits and created a unique pan-Arctic dataset including confidence estimates.

تم إنشاء مجموعة بيانات الرطوبة في Tasseled Cap (TCW) هذه التي تم ملء الفجوات فيها من خلال تطبيق معادلات Tasseled Cap المحددة في Lobser وCohen (2007) على صور MODIS المعدّلة وفقًا لوظيفة التوزيع الثنائي الاتجاه للانعكاس (BRDF) (MCD43B4). تم ملء الفجوات في البيانات الناتجة باستخدام الطريقة الموضّحة في Weiss et al. (2014) للتخلّص من البيانات الناقصة الناتجة عن عوامل مثل الغطاء السحابي. بعد ملء الفجوات، تم قص البيانات عند الحدود [-1, 2] لضمان الحصول على قيم صالحة. بعد ذلك، يتم تجميع النتائج التي تمّت تعبئتها على مدار 8 أيام والتي تبلغ مساحتها كيلومترًا واحدًا تقريبًا بشكل مؤقت لإنتاج منتجات شهرية وسنوية.

Gündüz kara yüzeyi sıcaklığı (LST), ~1 km MODIS MOD11A2 v6.1 ürünlerinden elde edilir. 8 günlük kompozitler santigrat dereceye dönüştürülür ve ardından bulut örtüsü gibi faktörlerden kaynaklanan eksik verileri ortadan kaldırmak için Weiss ve diğerleri (2014) çalışmasında belirtilen yaklaşımla boşluk doldurulur. Boşluk doldurma işleminden sonra veriler …

Dieses Dataset mit Tasseled Cap Wetness (TCW) wurde erstellt, indem die in Lobser und Cohen (2007) definierten Tasseled-Cap-Gleichungen auf MODIS-Bilder mit BRDF-Korrektur (MCD43B4) angewendet wurden. Die resultierenden Daten wurden mit dem in Weiss et al. (2014) beschriebenen Ansatz lückenlos gefüllt, um fehlende Daten zu eliminieren, die durch Faktoren wie Wolkenbedeckung verursacht wurden. Nach dem Schließen der Lücken wurden die Daten auf die Grenzwerte [–1, 2] begrenzt, um gültige Werte zu erhalten. Die lückenhaften 8‑Tages-Ausgaben mit einer Auflösung von etwa 1 km werden dann zeitlich aggregiert, um monatliche und jährliche Produkte zu erstellen.

ชุดข้อมูลความสว่างของ Tasseled Cap (TCB) ที่เติมช่องว่างนี้สร้างขึ้นโดย ใช้สมการ Tasseled Cap ที่กำหนดไว้ใน Lobser และ Cohen (2007) กับ ภาพที่แก้ไข BRDF ของ MODIS (MCD43B4) ข้อมูลที่ได้จะได้รับการเติมเต็มช่องว่าง โดยใช้วิธีที่ระบุไว้ใน Weiss และคณะ (2014) เพื่อกำจัดข้อมูลที่ขาดหายไป ซึ่งเกิดจากปัจจัยต่างๆ เช่น เมฆปกคลุม หลังจากเติมช่องว่างแล้ว ระบบจะตัดข้อมูลให้อยู่ในเกณฑ์ [-1, 2] เพื่อให้มั่นใจว่าค่าถูกต้อง จากนั้นระบบจะรวบรวมเอาเอาต์พุต 8 วันที่เติมช่องว่างแล้วซึ่งมีความละเอียดประมาณ 1 กม. ตามเวลาเพื่อสร้างผลิตภัณฑ์รายเดือนและรายปี

這個填補缺漏的Tasseled Cap Wetness (TCW) 資料集，是將Lobser 和 Cohen (2007) 定義的Tasseled Cap 方程式套用至MODIS BRDF 校正影像(MCD43B4) 所建立。我們使用Weiss 等人(2014 年) 提出的方法填補資料缺口，以消除雲層覆蓋等因素造成的資料缺漏。…

Esse conjunto de dados de brilho de Tasseled Cap (TCB) com lacunas preenchidas foi criado aplicando as equações de Tasseled Cap definidas em Lobser e Cohen (2007) a imagens corrigidas por BRDF do MODIS (MCD43B4). Os dados resultantes foram preenchidos usando a abordagem descrita em Weiss et al. (2014) para eliminar dados ausentes causados por fatores como cobertura de nuvens. …

此填充了缺失数据的Tasseled Cap 湿度 (TCW) 数据集是将Lobser 和 Cohen (2007) 中定义的tasseled-cap 方程应用于MODIS BRDF 校正后的影像(MCD43B4) 而创建的。使用 Weiss 等人(2014) 概述的方法对生成的数据进行了缺口填充，以消除因云覆盖等因素而导致的数据缺失。在填充缺失数据后，数据被剪裁到[-1, 2] 的阈值，以确保值有效。 然后，对填充了缺失数据的每天8 次约1 千米输出进行时间聚合，以生成月度和年度产品。

ชุดข้อมูลพื้นฐานสำหรับผลิตภัณฑ์ดัชนีพืชพรรณที่ปรับปรุงแล้ว (EVI) นี้คือภาพที่แก้ไข BRDF ของ MODIS (MCD43B4) ซึ่งได้รับการเติมช่องว่างโดยใช้วิธีการที่ระบุไว้ใน Weiss และคณะ (2014) เพื่อกำจัดข้อมูลที่ขาดหายไปซึ่งเกิดจากปัจจัยต่างๆ เช่น เมฆปกคลุม หลังจากเติมช่องว่าง ข้อมูลจะถูกตัดให้มีค่าตามเกณฑ์ [0, 1] เพื่อ …

Esse conjunto de dados de umidade de Tasseled Cap (TCW, na sigla em inglês) com lacunas preenchidas foi criado aplicando as equações de Tasseled Cap definidas em Lobser e Cohen (2007) a imagens corrigidas por BRDF do MODIS (MCD43B4). Os dados resultantes foram preenchidos usando a abordagem descrita em Weiss et al. (2014) para eliminar dados ausentes causados por fatores como cobertura de nuvens. …

白天陸地表面溫度(LST) 是從~1 公里的MODIS MOD11A2 v6.1 產品衍生而來。系統會將8 天的合成資料轉換為攝氏度，然後使用Weiss 等人(2014 年) 提出的方法填補缺漏資料，消除雲層等因素造成的資料缺漏。填補缺漏資料後，資料會變成…

這項增強型植被指數(EVI) 產品的基礎資料集是MODIS BRDF 校正影像(MCD43B4)，並使用Weiss 等人(2014 年) 提出的方法填補缺漏資料，以消除雲層等因素造成的資料缺漏。填補缺漏資料後，資料會裁剪至[0, 1] 的閾值，…

夜間地表溫度(LST) 是從~1 公里的MODIS MOD11A2 v6.1 產品衍生而來。系統會將8 天的合成資料轉換為攝氏度，然後使用Weiss 等人(2014 年) 提出的方法填補缺漏資料，消除雲層等因素造成的資料缺漏。填補缺漏資料後，資料為…

이 갭이 채워진 Tasseled Cap Wetness (TCW) 데이터 세트는 Lobser 및 Cohen (2007)에 정의된 tasseled-cap 방정식을 MODIS BRDF 보정 이미지 (MCD43B4)에 적용하여 생성되었습니다. 결과 데이터는 Weiss et al. (2014)에 설명된 접근 방식을 사용하여 갭을 채워 구름 덮개와 같은 요인으로 인한 누락된 데이터를 제거했습니다. 데이터를 간격 채우기한 후 유효한 값을 보장하기 위해 [-1, 2] 의 임계값으로 잘랐습니다. 그런 다음 갭이 채워진 8일 간격의 ~1km 출력이 시간별로 집계되어 월별 및 연간 제품이 생성됩니다.

อุณหภูมิพื้นผิวดิน (LST) ในเวลากลางวันได้มาจากผลิตภัณฑ์ MOD11A2 v6.1 ของ MODIS ที่มีความละเอียดประมาณ 1 กม. จากนั้นจะแปลงข้อมูลรวม 8 วันเป็นองศาเซลเซียส แล้วเติมช่องว่างโดยใช้วิธีการที่ระบุไว้ใน Weiss et al (2014) เพื่อกำจัดข้อมูลที่ขาดหายไปซึ่งเกิดจากปัจจัยต่างๆ เช่น เมฆปกคลุม หลังจากเติมช่องว่างแล้ว ระบบจะตัดข้อมูลให้อยู่ในเกณฑ์ [-100, 100] เพื่อให้มั่นใจว่าค่าถูกต้อง จากนั้นระบบจะรวบรวมเอาเอาต์พุต 8 วันที่เติมช่องว่างแล้วซึ่งมีความละเอียดประมาณ 1 กม. ตามเวลาเพื่อสร้างผลิตภัณฑ์รายเดือนและรายปี

夜間の地表面温度（LST）は、約 1 km の MODIS MOD11A2 v6.1 プロダクトから導出されます。8 日間の合成値は摂氏に変換され、Weiss ら（2014 年）で概説されているアプローチを使用してギャップが埋められます。これにより、雲量などの要因による欠損データが排除されます。データ補完後のデータは…

このギャップが埋められた Tasseled Cap Brightness（TCB）データセットは、Lobser と Cohen（2007）で定義された tasseled-cap 方程式を MODIS BRDF 補正画像（MCD43B4）に適用して作成されました。得られたデータは、Weiss ら（2014 年）で概説されているアプローチを使用してギャップが埋められ、雲などの要因による欠損データが排除されました。…

日中の地表面温度（LST）は、約 1 km の MODIS MOD11A2 v6.1 プロダクトから導出されます。8 日間の合成値は摂氏に変換され、Weiss ら（2014 年）で説明されているアプローチを使用してギャップが埋められ、雲量などの要因による欠損データが除去されます。ギャップを埋めた後、有効な値を確保するために、データは [-100, 100] のしきい値にクリップされました。 ギャップが埋められた 8 日間の約 1 km の出力は、時間的に集計されて、月次および年次のプロダクトが生成されます。