LBA-ECO CD-04 叶面积指数,83 公里塔楼站点,塔帕若斯国家森林,巴西

简介: 该数据集展示了巴西塔帕若斯国家森林83公里处伐木塔点的叶面积指数(LAI)。研究通过在18公顷地块中设置30个枯枝落叶收集器,每两周采集样本并利用扫描仪与图像处理软件测定叶片面积。数据文件“CD04_km83_lai_2000-2001.csv”包含采样日期、累计天数、叶片面积等信息,用于计算累计叶面积指数。研究区域位于经纬度(-54.9707, -3.017),数据由Figuera等人于2011年发布,适用于生态与气候研究。

​LBA-ECO CD-04 Leaf Area Index, km 83 Tower Site, Tapajos National Forest, Brazil

简介

叶面积指数是在巴西帕拉州塔帕若斯国家森林 83 公里处的伐木塔点的一块 18 公顷地块中估算的。该地块毗邻位于巴西帕拉州塔帕若斯国家森林 83 公里处的涡流通量塔。在这块 18 公顷地块中,沿着两条东西向横断面,以 25 米的间隔放置了 30 个枯枝落叶收集器。每两周从收集器中收集枯枝落叶样本,并送回实验室进行分类、风干和称重。使用计算机扫描仪和图像处理软件测定风干叶片子样本的叶面积。然后将子样本放入烤箱烘干,并将风干重量校正为烘干重量。每次采样收集的枯枝落叶面积是使用子样本测得的重量和面积之间的关系计算出来的(Goulden 等人,2004 年)。此数据集有一个逗号分隔的数据文件。

摘要

Data are presented in one comma-delimited ASCII file: File name: CD04_km83_lai_2000-2001.csv

Column Number Column Heading Units/format Description
1 Date yyyy/mm/dd Collection date
2 Day_cum days "Cumulative days since January 1, 2000"
3 Leaf_area cm2 Total area of leaves collected in the litter traps
4 Leaf_area_cum cm2 Sum of leaf area collected from beginning to current date
5 Trap_area cm2 "Total area of litter traps (30 traps multiplied by 10000 cm2 for each trap)"
6 LAI_cum m2/m2 Cumulative leaf area index calculated as the cumulative leaf area divided by the trap area. Area of leaf tissue per unit of surface area in m2/m2

Site boundaries: (All latitude and longitude given in decimal degrees)

Site (Region) Westernmost Longitude Easternmost Longitude Northernmost Latitude Southernmost Latitude Geodetic Datum
Para Western (Santarem) - km 83 Logged Forest Tower (Para Western (Santarem)) -54.9707 -54.9707 -3.017 -3.017 World Geodetic System, 1984 (WGS-84)

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="ABoVE_ASCENDS_XCO2_2050",
cloud_hosted=True,
bounding_box=(-54.97, -3.02, -54.89, -3.02),
temporal=("2000-09-01", "2001-08-31"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

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

引用

Figuera, M., de Sousa, C.A.D., Menton, M., Juarez, R., da Rocha, H.R., Miller, S.D., and Goulden, M.L. 2011.LBA-ECO CD-04 Leaf Area Index, km 83 Tower Site, Tapajos National Forest, Brazil. Data set. Available on-line [http://daac.ornl.gov] from Oak Ridge National Laboratory Distributed Active Archive Center, Oak Ridge, Tennessee, U.S.A.

相关文章
|
3月前
|
人工智能 运维 安全
基于端侧 AI 与云边协同的电力智能巡检解决方案实践
电力巡检面临人工依赖高、效率低、安全风险大、数据难闭环等痛点。本方案基于云-边-端协同架构,融合端侧轻量化AI、多模态感知与弱网适配技术,打造工业级AR智能安全帽,实现变电站、输电线路等场景的智能识别、实时预警、全程追溯与安全管控,助力电网数字化升级。
798 0
基于端侧 AI 与云边协同的电力智能巡检解决方案实践
|
3月前
|
机器学习/深度学习 数据采集 安全
电缆损坏目标检测数据集分享(YOLO系列)| 电缆断裂 雷击损伤 断股 烧蚀痕迹 输电线路巡检 目标检测标注
本数据集含1300张真实电力场景图像,专注电缆“断裂”与“雷击损伤”两类故障检测,YOLO格式标注,已划分训练/验证/测试集。适用于YOLO系列等目标检测模型,助力无人机巡检、智慧电网预警等AI应用。(239字)
426 3
|
XML 应用服务中间件 Apache
Tomcat AJP连接器配置secretRequired=“true“,但是属性secret确实空或者空字符串,这样的组合是无效的。
Tomcat AJP连接器配置secretRequired=“true“,但是属性secret确实空或者空字符串,这样的组合是无效的。
|
小程序
微信小程序 - block 与 view 的区别
微信小程序 - block 与 view 的区别
1241 0
|
4月前
|
SQL 弹性计算 安全
购买阿里云活动内云服务器之后,后续购买和挂载云盘、设置云服务器密码与安全组教程参考
多数用户通过阿里云活动购买云服务器,这种方式价格实惠且流程简单。但活动所购服务器一般仅含系统盘,因此用户需自行购买并挂载数据盘,同时设置密码和安全组。本文介绍了如何购买和挂载云盘作为数据盘,并提醒用户选择与云服务器相同的地域和可用区,以及在挂载前检查实例和云盘状态。此外,还简要提及了云服务器密码设置和安全组配置。用户在购买前可了解阿里云优惠券活动,以降低购买成本。
423 2
|
5月前
|
机器学习/深度学习 弹性计算 编解码
阿里云4核8G云服务器ECS详解:ECS实例规格族、CPU 型号与适用场景全解析
阿里云4核8G ECS提供10余种实例规格,涵盖Intel/AMD/倚天多款CPU(如Xeon Sapphire Rapids、EPYC Genoa、倚天710),主频2.55–3.9 GHz。适用场景包括游戏前端、AI推理、视频编码、Web服务、大数据及科学计算等,兼顾性能与性价比。(239字)
1343 6
|
10月前
阿里云服务器多少钱一年学生价?学生免费领取教程
阿里云学生免费领云服务器教程:先领300元学生专享代金券,再用券支付云服务器订单,实现免费领取。亲测有效,快来试试!
|
11月前
|
传感器 安全 前端开发
如何开发一套EHS健康安全环境管理系统中的风险管理板块?(附架构图+流程图+代码参考)
本文详解企业EHS(健康·安全·环境)系统中的风险管控板块,强调其核心在于构建“识别—评估—巡检—治理—验证”的闭环流程,将风险数据可视化并转化为可落地的行动指引。内容涵盖风险管控的意义、功能边界、系统架构、LEC评估方法、巡检流程、看板设计、开发技巧、落地建议、实现效果及代码参考,帮助技术团队和EHS负责人快速掌握系统搭建要点,提升企业安全管理水平。
|
关系型数据库 MySQL Linux
部署MySQL数据库(Linux)
MySQL是一个关系型数据库管理系统,常用于LAMP和LNMP等网站场景中。本教程介绍如何在Linux系统ECS实例上安装、配置以及远程访问MySQL数据库。
2870 9
|
机器学习/深度学习 运维 监控
深度学习之异常检测
基于深度学习的异常检测是一项重要的研究领域,主要用于识别数据中的异常样本或行为。异常检测广泛应用于多个领域,如网络安全、金融欺诈检测、工业设备预测性维护、医疗诊断等。
1523 2