NPP 热带森林:巴拿马达连,1967-1968 年,R1

简介: 本数据集记录1967–1968年巴拿马达连热带森林的净初级生产力(NPP),涵盖地上/地下生物量、凋落物、叶面积指数及土壤养分,反映雨季与旱季样地差异。无气候数据。两样地具代表性,ANPP最低估值为1137克/平方米/年,LAI分别为22.4与10.6。

​NPP Tropical Forest: Darien, Panama, 1967-1968, R1

简介

该净初级生产力(NPP)数据集包含一个 ASCII 文件(.txt 格式)。数据文件包含巴拿马达连省拉拉河(雨季样地)和萨瓦纳河(旱季样地)过渡性湿润/干旱热带森林的地上和地下生物量、凋落物量、叶面积指数(LAI)、植被/土壤微量元素含量(磷、钾、钙、镁等)以及地上净初级生产力(ANPP)估值。实地测量于 1967 年和 1968 年进行。未提供气候数据。除凋落物量外,这些数据之间的大部分差异反映的是两个样地之间的差异,而非季节变化。两个样地均被认为具有周边森林的代表性。据推测,该地区在过去 400 年间一直被森林覆盖,此前哥伦布发现美洲大陆之前的印第安人曾耕作开阔的稀树草原,后被废弃。两个地点的年平均落叶和落枝总量为 1137 克/平方米/年,这是地上净初级生产力(ANPP)的最低估值。在为期 9 个月的雨季期间,凋落物分解率约为 90%。两个地点的叶面积指数(LAI)均较高;然而,旱季地点的叶面积指数(10.6 平方米/平方米)仅为雨季地点(22.4 平方米/平方米)的一半。

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_DRN_215",
cloud_hosted=True,
bounding_box=(-115.5, 50.1, -115.25, 50.2),
temporal=("1967-02-02", "1968-02-27"),
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