LBA-ECO ND-08 土壤呼吸、土壤组分、碳和氮,巴西帕拉州

简介: 本数据集涵盖巴西帕拉州桉树林与原始森林中土壤呼吸及碳氮含量,包含不同粒径团聚体的C、N浓度与原位呼吸测量,采样深度为0-20和30-50厘米,时间跨度2001–2003年。

LBA-ECO ND-08 Soil Respiration, Soil Fractions, Carbon and Nitrogen, Para, Brazil

简介

本数据集提供了以下信息:(1)两种土壤团聚体粒径组分(250-2000 微米,小团聚体(SMAG)和 53-250 微米,微团聚体(mico))的碳(C)和氮(N)浓度测量数据;(2)2003 年 1 月至 3 月期间,在桉树人工林及其邻近原始森林的沙土和黏土上进行的土壤呼吸原位测量数据。用于分级分析的土壤样品于 2001 年 7 月采集,土层深度分别为 0-20 厘米和 30-50 厘米。研究地点位于巴西帕拉州蒙特杜拉多市 Jari Celulose 的土地上。

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="ND08_Soil_Respiration_1250",
cloud_hosted=True,
bounding_box=(-47.85, -16.3, -47.25, -15.23),
temporal=("2001-07-01", "2003-03-31"),
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
|
11天前
|
Python
LBA-ECO ND-30 水化学,排除降雨,67 公里处,塔帕若斯国家森林
本数据集记录巴西塔帕若斯国家森林67公里处降雨排除实验期间(2000–2004年)水体化学变化,涵盖降水、穿透雨、渗滤液及土壤水的pH、电导率、离子浓度等指标,采样持续至2006年。旨在研究干旱对亚马逊森林生态系统的影响,包含5个CSV文件,支持地理空间查询与分析。
166 110
|
28天前
|
Python
LBA-ECO ND-06 土地利用对土壤养分的影响:1950-2001 年研究综述
本数据集整合了1950–2001年亚马逊地区39项研究的土壤养分数据,评估不同土地利用对土壤碳、氮、磷及阳离子交换能力的影响,检验五大假设,揭示知识空白,指导未来研究。包含CSV数据及文献列表。
123 23
|
人工智能 Java 测试技术
代码采纳率如何提升至50%?AI 自动编写单元测试实践总结
借助Aone Copilot Agent,通过标准化Prompt指导AI生成单元测试代码,实现50%代码采纳率,显著提升测试效率与质量,推动团队智能化研发转型。
299 20
|
18天前
|
机器人 数据挖掘 API
一个销售数据分析机器人的诞生:看 Dify 如何在 DMS 助力下实现自动化闭环
Dify 作为一款低代码 AI 应用开发平台,凭借其直观的可视化工作流编排能力,极大降低了大模型应用的开发门槛。
341 22
一个销售数据分析机器人的诞生:看 Dify 如何在 DMS 助力下实现自动化闭环
|
2月前
|
人工智能 监控 安全
让Agent系统更聪明之前,先让它能被信任
当我们将所有希望寄托于大模型的「智能」时,却忘记了智能的不确定性必须以工程的确定性为支撑。一个无法复现、无法调试、无法观测的智能,更像是一场精彩但失控的魔法,而非我们真正需要的、可靠的生产力。本文尝试从系统工程的视角剖析 Agent 系统在可运行、可复现与可进化三个层次上不断升级的问题以及复杂度。进一步认识到:框架/平台让 Agent 「好搭」但没有让它「好用」,真正的复杂性,从未被消除,只是被推迟。
337 33
让Agent系统更聪明之前,先让它能被信任
|
25天前
|
存储 缓存 Java
重构一个类,JVM竟省下2.9G内存?
通过重构核心类,将 `HashMap<Long, HashSet<String>>` 优化为 `Long2ObjectOpenHashMap<int[]>`,结合数据分布特征与紧凑存储,JVM 堆内存从 3.13GB 降至 211MB,降幅达 94%,验证了高效数据结构在海量场景下的巨大价值。
237 24
重构一个类,JVM竟省下2.9G内存?
|
28天前
|
人工智能 运维 监控
Flink 智能调优:从人工运维到自动化的实践之路
作者:黄睿 阿里云智能集团产品专家 本文基于阿里云 Flink 平台的实际实践经验整理,希望能为广大流计算从业者提供有价值的参考。
208 26
Flink 智能调优:从人工运维到自动化的实践之路
|
21天前
|
SQL 分布式计算 大数据
【跨国数仓迁移最佳实践8】MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开,逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第八篇,MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破。 注:客户背景为东南亚头部科技集团,文中用 GoTerra 表示。
251 39
|
11天前
|
机器学习/深度学习 数据采集 人工智能
构建AI智能体:三十五、决策树的核心机制(一):刨根问底鸢尾花分类中的参数推理计算
本文介绍了决策树算法的基本原理和应用。决策树通过一系列特征判断(如西瓜的纹路、声音)进行分类,其结构包括根节点、内部节点、叶节点和分支。算法通过计算信息增益或基尼不纯度选择最佳分裂特征,构建过程采用递归方式。以鸢尾花分类为例,展示了如何用Python实现决策树模型,并分析了节点参数(样本量、基尼值、类别分布)的含义。决策树具有直观易懂的优点,但也容易过拟合。文章强调理解决策树是学习更复杂算法的基础,为后续深入讲解分裂点计算做铺垫。
132 12