北方生态系统-大气研究数据集:科学探秘极地生态交互

简介: 这个数据集来自NASA的北方生态系统-大气研究(BOREAS)项目,涵盖1993年至1997年间极地、亚极地和温带地区的气象、植被、土壤及土地利用数据。这些数据对研究气候变化、生态系统动态和环境健康具有重要意义,为科学家提供了宝贵资源。数据由ORNL_DAAC发布,地理范围为-111.0°E至-93.5°E,50.09°N至59.98°N。


Collected Data from The Boreal Ecosystem-Atmosphere Study, NASA, CD-ROM

简介
这个数据集是来自NASA的北方生态系统-大气研究(BOREAS)项目的CD-ROM收集数据。该数据集涵盖了极地、亚极地和温带地区的生态系统和大气研究数据,包括气象数据、植被生长数据、土壤数据、土地利用数据等。这些数据对于研究气候变化、生态系统动态和环境健康等方面具有重要意义,为科学家们提供了宝贵的研究资源和工具。BOREAS项目的数据集对于深入了解北方生态系统与大气相互作用的机制具有重要意义。

摘要
Common Core
Publisher ORNL_DAAC
Contact Name undefined
Contact Email mailto:uso@daac.ornl.gov
Bureau Code 026:00
Program Code 026:001
Public Access Level public
Geographic Coverage -111.0 50.09 -93.5 59.98
Temporal Applicability 1993-01-01T00:00:00Z/1997-03-31T23:59:59Z
Theme BOREAS, geospatial
Language en-US
Homepage Collected Data from The Boreal Ecosystem-Atmosphere Study, NASA, CD-ROM, https://doi.org/10.3334/ORNLDAAC/1350
Issued 2022-05-10T00:00:00.000Z
Unique Identifier C2767504386-ORNL_CLOUD
Last Update 2023-09-15T19:32:03.000Z

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/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df

leafmap.nasa_data_login()

results, gdf = leafmap.nasa_data_search(
short_name="ABoVE_ASCENDS_XCO2_2050",
cloud_hosted=True,
bounding_box=(-111.0, 50.09, -93.5, 59.98),
temporal=("1993-01-01", "1997-03-31"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

引用
Newcomer, J.A., D.R. Landis, S. Conrad, S. Curd, K.F. Huemmrich, D.E. Knapp, A. Morrell, J.E. Nickeson, A. Papagno, D. Rinker, R.F. Strub, T. Twine, F.G. Hall, and P.J. Sellers. 2016. Collected Data from The Boreal Ecosystem-Atmosphere Study, NASA, CD-ROM. ORNL DAAC, Oak Ridge, Tennessee, USA. Collected Data from The Boreal Ecosystem-Atmosphere Study, NASA, CD-ROM, https://doi.org/10.3334/ORNLDAAC/1350

网址推荐
知识星球
知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)
https://wx.zsxq.com/group/48888525452428

机器学习
https://www.cbedai.net/xg

干旱监测平台
慧天干旱监测与预警-首页
https://www.htdrought.com/

相关文章
|
5月前
|
人工智能 Rust 前端开发
前端界的未来趋势:掌握这些新技术,让你的作品走在时代前沿!
【10月更文挑战第30天】前端开发正以前所未有的速度发展,新技术层出不穷。本文探讨了AI助手(如GitHub Copilot)、低代码/无代码平台、跨平台技术(如React Native)和WebAssembly等未来主流技术,并附上示例代码,帮助你走在时代前沿。
250 1
|
5月前
|
前端开发 UED 开发者
前端界的新潮流:掌握这些设计趋势,让你的作品引领时尚!
前端设计从技术边缘走向数字时代的前沿,带来了暗黑模式、流体布局和玻璃效果等新趋势。暗黑模式以优雅的视觉风格和节能优势赢得用户喜爱;流体布局使网页自适应各种屏幕尺寸,提升用户体验;玻璃效果通过模糊和透明度的结合,为应用增添时尚感。这些趋势不仅美化了界面,还提升了功能性和互动性。
85 3
|
8月前
|
机器学习/深度学习 API 网络架构
"解锁机器学习超级能力!Databricks携手Mlflow,让模型训练与部署上演智能风暴,一触即发,点燃你的数据科学梦想!"
【8月更文挑战第9天】机器学习模型的训练与部署流程复杂,涵盖数据准备、模型训练、性能评估及部署等步骤。本文详述如何借助Databricks与Mlflow的强大组合来管理这一流程。首先需在Databricks环境内安装Mlflow库。接着,利用Mlflow跟踪功能记录训练过程中的参数与性能指标。最后,通过Mlflow提供的模型服务功能,采用REST API或Docker容器等方式部署模型。这一流程充分利用了Databricks的数据处理能力和Mlflow的生命周期管理优势。
351 7
|
8月前
|
大数据 数据处理 分布式计算
JSF 逆袭大数据江湖!看前端框架如何挑战数据处理极限?揭秘这场技术与勇气的较量!
【8月更文挑战第31天】在信息爆炸时代,大数据已成为企业和政府决策的关键。JavaServer Faces(JSF)作为标准的 Java Web 框架,如何与大数据技术结合,高效处理大规模数据集?本文探讨大数据的挑战与机遇,介绍 JSF 与 Hadoop、Apache Spark 等技术的融合,展示其实现高效数据存储和处理的潜力,并提供示例代码,助您构建强大的大数据系统。
96 0
|
8月前
|
前端开发 Android开发 开发者
移动应用开发的未来风云:跨平台框架携手原生系统,演绎震撼协同进化的史诗篇章!
【8月更文挑战第7天】《移动应用开发的未来:跨平台框架与原生系统协同进化》
67 0
|
机器学习/深度学习 PyTorch TensorFlow
解读:AlphaGo之父倾力打造:The Predictron端到端训练与规划
解读:AlphaGo之父倾力打造:The Predictron端到端训练与规划
162 0
解读:AlphaGo之父倾力打造:The Predictron端到端训练与规划
|
存储 测试技术 数据库
设计脑机接口的实践指南
脑机接口(BCI)指的是将大脑与计算机连接起来的工具。过去十年间,业界对 BCI 的关注度迅速增长——一个典型例子就是,埃隆·马斯克名下主要研发脑机接口技术的初创企业 Neuralink 每次开新发布会都会引发舆论热议[1]。Neuralink 可以在大脑中植入人造物来完成多种任务,诸如用思维来控制动作或直接在大脑中播放音乐等。
304 1
设计脑机接口的实践指南
|
机器学习/深度学习 数据可视化
提高数据科学家讲故事能力的5个小技巧
提高数据科学家讲故事能力的5个小技巧
183 0
|
机器学习/深度学习 人工智能 监控
向硅基文明致敬的认知计算? 从一个真实的Watson到认知商业
向硅基文明致敬的认知计算? 从一个真实的Watson到认知商业
向硅基文明致敬的认知计算? 从一个真实的Watson到认知商业
|
人工智能 自动驾驶 机器人
2020五大技术趋势一览!超自动化、人类增强技术、无人驾驶发展、机器视觉崛起、区块链实用化
近年来,自动驾驶技术一直在发展,特斯拉、英特尔等大公司在这一领域取得了长足的进展。虽然我们还没有达到L4级或L5级自动驾驶汽车的水平,但我们已经很接近了。
下一篇
oss创建bucket