NPP 草原:美国迪金森,1970 年,R1

简介: 本数据集包含美国迪金森北部混合草原1970年地上/地下生物量及气候数据,涵盖未放牧与重度放牧处理,基于IBP项目,提供净初级生产力(NPP)估算值,用于研究草地生态系统动态。

​NPP Grassland: Dickinson, USA, 1970, R1

简介

该数据集包含三个 ASCII 文件(.txt 格式)。其中两个文件包含北部混合草原的地上和地下生物量及生产力数据,一个文件对应未放牧处理,另一个文件对应重度放牧处理。研究地点(北纬 46.90 度,西经 102.82 度,海拔 784 米)位于北部大平原,靠近迪金森市,距北达科他州俾斯麦市以西约 160 公里。第三个文件包含 1891 年至 1994 年期间的气候数据,数据来自迪金森市附近的一个气象站(北纬 46.88 度,西经 102.80 度,海拔 750 米)。

在 1970 年的生长季期间,我们采用收获法,大约每隔两周监测一次地上活体和枯死植物生物量的动态变化。同时,我们也采用人工取芯法,在收获的样地内采集地下总生物量,取样深度足以包含至少 90%的根系。这些数据是在美国中西部十个草原样地开展的一项为期 1-3 年的协调研究的一部分,该研究隶属于国际生物学计划(IBP)的美国草原生物群落项目。

地上净初级生产力(ANPP)采用保守方法估算,即将各物种的峰值生物量相加。未放牧草地样地的 ANPP 值为 351 g/m²/年,放牧草地样地的 ANPP 值为 302 g/m²/年。地下净初级生产力(BNPP)估算为总根系生物量(包括根冠)正增量的总和;未放牧草地样地的 BNPP 值为 932 g/m²/年,放牧草地样地的 BNPP 值为 958 g/m²/年。修订说明:仅修改了本数据集的文档。文件已核实无误,与 1998 年最初发布的文件完全一致。

摘要

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="NPP_DCK_207",
cloud_hosted=True,
bounding_box=(-115.5, 50.1, -115.25, 50.2),
temporal=("1870-01-01", "1994-12-31"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")

相关文章
|
3天前
|
数据采集 人工智能 安全
|
12天前
|
云安全 监控 安全
|
4天前
|
自然语言处理 API
万相 Wan2.6 全新升级发布!人人都能当导演的时代来了
通义万相2.6全新升级,支持文生图、图生视频、文生视频,打造电影级创作体验。智能分镜、角色扮演、音画同步,让创意一键成片,大众也能轻松制作高质量短视频。
1063 151
|
4天前
|
编解码 人工智能 机器人
通义万相2.6,模型使用指南
智能分镜 | 多镜头叙事 | 支持15秒视频生成 | 高品质声音生成 | 多人稳定对话
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1739 9
|
9天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
685 152
|
11天前
|
人工智能 安全 前端开发
AgentScope Java v1.0 发布,让 Java 开发者轻松构建企业级 Agentic 应用
AgentScope 重磅发布 Java 版本,拥抱企业开发主流技术栈。
653 12
|
6天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
413 4