LBA Regional Vegetation and Soils, 1-Degree (Wilson and Henderson-Sellers)
简介
该数据集是 Wilson 和 Henderson-Sellers (1985a) 编制的全球植被和土壤数据集的一个子集。该子集是为南美洲亚马逊流域大规模生物圈-大气实验 (LBA) 的研究区域（即北纬 10° 至南纬 25°，西经 30° 至 85°）创建的。数据采用 ASCII GRID 格式。原始全球数据集 (Wilson 和 Henderson-Sellers 1985a) 是一个用于大气环流模型 (GCM) 的土壤类型和土地覆盖数据档案。这些数据整理自描绘自然植被、林业、农业、土地利用和土壤的地图，并以 1° 纬度 x 1° 经度的分辨率存档。该数据集标明了土壤类型、土壤数据可靠性、原生植被、次生植被和土地覆盖数据的可靠性。数据集使用了大约 50 种土地覆盖分类，包括农业和城市用途类别。在覆盖类型分布可能较为分散的区域（例如城市发展区），纳入次生植被类型尤为有用。土壤类型数据根据对全球气候模式 (GCM) 至关重要的气候属性进行分类，并指示土壤的颜色（浅色、中等色或深色）、质地和排水质量。土地覆盖数据与土壤数据兼容，形成一个连贯一致的数据集。土地覆盖数据的可靠性按 1 至 5（从高到低）的等级进行评级。 土壤数据的可靠性分为高、好、中等、一般和差。这些数据的使用建议以及更详细的信息，可参见 Wilson 和 Henderson-Sellers (1985b) 的著作。更多数据集信息，请访问 ftp://daac.ornl.gov/data/lba/land_use_land_cover_change/wilhend/comp/wilhend_readme.pdf。LBA 是由巴西牵头的一项国际合作研究项目。NASA 是其中几项实验的主要资助方。LBA 旨在创造新的知识，以了解亚马逊地区的气候、生态、生物地球化学和水文功能；土地利用变化对这些功能的影响；以及亚马逊地区与地球系统的相互作用。
摘要
Additional Info
Field Value
Last Updated September 11, 2025, 3:36 AM (UTC+02:00)
Created April 1, 2025, 6:52 PM (UTC+02:00)
accessLevel public
bureauCode 026:00
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
harvest_object_id a7334aa4-aa77-43aa-b388-56b6cd05eea7
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.3334/ORNLDAAC/687
landingPage https://search.earthdata.nasa.gov/search?q=wilhend_687&ac=true
modified 2025-09-10
programCode 026:000
publisher ORNL_DAAC
resource-type Dataset
source_datajson_identifier true
source_hash fd2543a2746f0a3d658e99b7278ccc9e57f80daee617ff0715c911a36f908c70
source_schema_version 1.1
spatial [[{"WestBoundingCoordinate":-85.0,"NorthBoundingCoordinate":10.0,"EastBoundingCoordinate":-30.0,"SouthBoundingCoordinate":-25.0}],"CARTESIAN"]
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="wilhend_687",
cloud_hosted=True,
bounding_box=(-85.0, -25.0, -30.0, 10.0),
temporal=("1900-01-01", "1999-12-31"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)
gdf.explore()
leafmap.nasa_data_download(results[:5], out_dir="data")
