VEMAP 2:1994-2100 年每月生态系统模型对美国气候变化的响应

简介: 植被-生态系统建模与分析项目(VEMAP 2)通过月度气候数据与多种生态系统模型,评估美国陆地生态系统对1994至2100年气候变化与二氧化碳升高的响应。项目整合生物地球化学模型与动态植被模型,提供高时空分辨率的生态模拟结果,支持气候变化影响研究与生态预测。


VEMAP 2: Monthly Ecosystem Model Responses to U.S. Climate Change, 1994-2100

简介
植被-生态系统建模与分析项目 (VEMAP) 是一项大型、多机构合作的国际性项目,其目标是评估陆地生态系统和植被过程对气候变化和大气二氧化碳浓度升高的敏感性。VEMAP 项目的第一阶段开发了符合生态系统模型和植被分布模型要求的历史(1895-1993 年)气候、土壤和植被观测数据集。更多信息,请参阅 VEMAP 第一阶段用户指南。第二阶段使用两个气候系统模型(CCCma(加拿大气候建模与分析中心)和哈德利中心模型)的输出,开发了历史(1895-1993 年)气候(温度、降水、太阳辐射、湿度和风速)网格数据集以及预测(1994-2100 年)年度和月度气候网格数据集。更多背景信息,请参阅 VEMAP 第二阶段用户指南。进行了两次第二阶段模型试验。首先,从 1895 年到 1993 年,运行了一组选定的生物地球化学模型和耦合的生物地球化学-生物地理模型,以比较模型对历史时间序列和当前生态系统生物地球化学的响应。其次,对 1994 年至 2100 年的预测数据运行了这些相同的模型,以比较它们对气候和大气二氧化碳变化瞬态情景的生态响应。模型运行针对每日、每月和每年的网格数据集。 该数据集包含以 VEMAP 网格格式运行的月度模型输出。所研究的模型包括五种生物地球化学循环模型,这些模型模拟植物生产和养分循环,但依赖于静态土地覆盖类型,以及两种动态全球植被模型 (DGVM),这些模型将生物地球化学循环过程与动态生物地理过程(包括演替和火灾模拟)相结合。生物地球化学循环模型生物群落-BGC(生物地球化学循环)CenturyCentury rxvegGTEC(全球陆地生态系统碳模型)TEM(陆地生态系统模型)动态全球植被模型 LPJ(隆德-波茨坦-耶拿 MC1(MC 5 修改的 Century))VEMAP 2 模型比对结果已由 Schimel 等人(2000 年)、Bachelet 等人(2003 年)和 Gordon 和 Famiglietti(2004 年)发表。相关数据集可在线获取 [ http://www.daac.ornl.gov ] 来自橡树岭国家实验室分布式活动档案中心。VEMAP 2:美国年度气候变化,1895-1993 VEMAP 2:美国月度气候变化,1895-1993,版本 2 VEMAP 2:美国每日气候变化,1895-1993 VEMAP 2:美国年度气候变化情景 VEMAP 2:美国月度气候变化情景,版本 2 VEMAP 2:美国每日气候变化情景 VEMAP 2:生态系统模型对美国气候变化的年度响应,1994-2100

摘要
Additional Info
Field Value
Last Updated September 11, 2025, 6:37 AM (UTC+02:00)
Created April 1, 2025, 9:45 PM (UTC+02:00)
accessLevel public
bureauCode 026:00
catalog_conformsTo https://project-open-data.cio.gov/v1.1/schema
harvest_object_id 3955ad56-84f6-4aaa-9f2c-80d398a3c189
harvest_source_id b99e41c6-fe79-4c19-bbc3-9b6c8111bfac
harvest_source_title Science Discovery Engine
identifier 10.3334/ORNLDAAC/767
landingPage https://search.earthdata.nasa.gov/search?q=vemap-2_results_monthly_767&ac=true
modified 2025-09-10
programCode 026:000
publisher ORNL_DAAC
resource-type Dataset
source_datajson_identifier true
source_hash ce05efbab42d3e063ba6518506e83785abb602f050343fb7c87bb8bf87d3aaf2
source_schema_version 1.1
spatial [[{"WestBoundingCoordinate":-124.0,"NorthBoundingCoordinate":50.0,"EastBoundingCoordinate":-66.0,"SouthBoundingCoordinate":26.0}],"CARTESIAN"]
temporal 1994-01-01/1994-01-01
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="vemap2_monthly_rslts_767",
cloud_hosted=True,
bounding_box=(-124.0, 26.0, -66.0, 50.0),
temporal=("1994-01-01", "2100-12-31"),
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
|
8天前
|
人工智能 运维 安全
|
6天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
639 22
|
7天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
13天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
1036 110
人工智能 数据可视化 数据挖掘
229 0