塔帕若斯国家森林 KM 67 塔站 LBA-ECO CD-10 H2O 剖面图

简介: 该数据集展示了2002年1月至2006年1月在巴西帕拉西部(圣塔伦)67公里原始森林塔站测得的水蒸气浓度垂直分布。站点位于塔帕若斯国家森林内,测量高度分为8层。数据通过红外气体分析仪获取,以1小时为间隔取平均值。数据包含H2O浓度及气象参数,并附有Hutyra博士论文(2007)。此数据集由LBA-ECO CD-10项目提供。

简介

该数据集报告了在帕拉西部(圣塔伦)67 公里原始森林塔站(图 1)测得的水蒸气浓度垂直剖面图。该站位于巴西中北部的塔帕若斯国家森林内。测量时间从 2002 年 1 月持续到 2006 年 1 月。在塔的 8 个高度(62.2、50、39.4、28.7、19.6、10.4 和 0.91 米)测量了水蒸气浓度。以 1000 sccm(标准立方厘米/分钟)的速度依次通过 8 个剖面入口(每个高度持续 2 分钟)抽取样品空气,然后同时从所有 8 个高度抽取混合空气样本,以获得总柱积分(每 20 分钟一次),并用红外气体分析仪(IRGA,LI-6262,Licor,内布拉斯加州林肯市)进行分析。数据以 1 小时为间隔取平均值。 H2O 的校准采用了两种独立的 IRGA 浓度测量校准方法:(a) 环境温度测量值与声波温度测量值的夜间关系;(b) 安装在塔上的冷镜露点湿度计。有关校准方法的更多详细信息,请参阅 Hutyra (2007) 的附录 A。共置测量包括使用塔装闭路 Licor 6262 气体分析仪和 Campbell CSAT3 声波风速计在两个高度(58 米和 47 米)测量 CO2 和 H2O 的涡流通量。此外,还测量了一套全面的气象参数(气温、气压、PAR、净辐射、降水等)。经作者许可,Hutyra, LR 2007. 亚马逊雨林的碳和水交换。博士论文,地球与行星科学系,哈佛大学,马萨诸塞州剑桥市,已作为配套文件包含在内。

摘要

Data File Description

column variable description
(column heading)

1 "JDstart(GMT)" decimal day (GMT, continuous from 1/1/00)

                                                      NOTE 1:  Tapajos Forest Local time (LT) = GMT - 4 hours

                                                      NOTE 2:  these times are time at the BEGINNING of the hour-long

                                                     data aggregation interval, i.e., data at 12:00 are from aggregating    measurements between 12:00 and 13:00

2 1 H2O concentration (ppt) at level 1 @ 62.24m
3 2 H2O concentration (ppt) at level 2 @ 50.05m
4 3 H2O concentration (ppt) at level 3 @ 39.41m
5 4 H2O concentration (ppt) at level 4 @ 28.71m
6 5 H2O concentration (ppt) at level 5 @ 19.57m
7 6 H2O concentration (ppt) at level 6 @ 10.42m
8 7 H2O concentration (ppt) at level 7 @ 3.05m
9 8 H2O concentration (ppt) at level 8 @ 0.91m
10 9 H2O concentration (ppt), instantaneous average of levels 1-8

Missing value code is "NA"
Values are comma separated

Sample Data Records:

All of the profile data are reported in km67.h2o.profile.2002.2006.txt .

JDstart(GMT),1,2,3,4,5,6,7,8,9
733.708333333333,28.088,27.895,27.868,28.125,28.541,29.1185,29.4125,31.511,29.3095
733.75,27.757,27.9535,29.5455,29.726,29.696,29.642,30.1245,31.568,29.7096666666667
...

2210.5,30.1553333333333,30.2425,29.9885,30.447,30.8395,31.515,33.1545,33.1905,NA
2210.54166666667,29.438,29.5433333333333,29.774,30.115,30.6063333333333,31.113,32.3696666666667,33.208,NA
2210.58333333333,20.477,20.6143333333333,20.1033333333333,NA,NA,21.574,23.614,23.3925,28.0615

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

Site (Region) Westernmost Longitude Easternmost Longitude Northernmost Latitude Southernmost Latitude Geodetic Datum
Para Western (Santarem) - km 67 Primary Forest Tower Site (Para Western (Santarem)) -54.959 -54.959 -2.857 -2.857 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="CD10_H2O_Profiles_Tapajos_861",
cloud_hosted=True,
bounding_box=(-54.95, -12.29, -47.04, -2.65),
temporal=("2002-01-01", "2006-01-18"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

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

引用

Hutyra, L.R., J. W. Munger, E. W. Gottlieb, B. C. Daube, P. B. Camargo and S. C. Wofsy. 2008. LBA-ECO CD-10 H2O Profiles at km 67 Tower Site, Tapajos National Forest. 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
|
28天前
|
机器学习/深度学习 人工智能 自然语言处理
当无人机遇上Agentic AI:新的应用场景及挑战
本文简介了Agentic AI与AI Agents的不同、Agentic无人机的概念、应用场景、以及所面临的挑战
139 5
当无人机遇上Agentic AI:新的应用场景及挑战
|
1月前
|
传感器 编解码 算法
LBA-ECO CD-34 Hyperion 30 米表面反射率,亚马逊盆地:2002-2005 年
该数据集包含2002年至2005年间亚马逊盆地的20幅Hyperion传感器多光谱地表反射率图像,分辨率为30米。图像经ENVI软件处理,去除低质量波段并进行云掩模、去条纹及大气校正,最终以GeoTiff格式提供,附带ENVI *.hdr文件。数据适用于研究亚马逊地区的植被和生态变化,由Chambers等人(2009)处理并发布于ORNL DAAC。
25 1
|
1月前
|
数据可视化 定位技术 知识图谱
LBA-ECO CD-08 树木库存数据,Ducke 保护区,马瑙斯,巴西:1999 年
该数据集记录了1999年10月至12月间,巴西马瑙斯杜克保护区一块5公顷地内近3000棵树的详细信息,包括常用名、直径及计算出的树干质量。数据支持分析森林结构特征如生物量密度与径级分布。通过Python代码可安装必要库并处理数据,实现地图可视化与进一步研究。
30 2
|
1月前
|
数据可视化 数据挖掘 定位技术
LBA-ECO CD-06 巴西朗多尼亚州吉巴拉那河流域土壤分类图
该数据集展示了巴西朗多尼亚州吉-巴拉那河流域的土壤分类地图,比例尺为1:500,000,由EMBRAPA于1983年发布并手工数字化。主要土壤类型包括氧化土(47%)和老成土(24%),其他类型如新成土、淋溶土和继成土分别占14%、13%和2%。数据以ESRI Shapefile格式提供,并压缩为ZIP文件。代码部分演示了如何使用Python库(如leafmap)访问和可视化这些土壤数据,同时提供了研究区域的地理范围信息。
38 3
|
11天前
|
机器学习/深度学习 编解码 算法
ABoVE:2000-2015 年阿拉斯加和育空地区四十英里驯鹿牧场的地衣饲料覆盖
该数据集提供2000–2015年阿拉斯加Fortymile驯鹿活动区及加拿大育空地区的地衣覆盖信息,分辨率达30米。通过随机森林模型结合植被、环境与光谱数据,估算地衣覆盖率,并利用无人机影像生成高精度站点级地图,支持驯鹿栖息地研究与保护。
108 65
|
17天前
|
弹性计算 Ubuntu Linux
阿里云服务器操作系统【镜像】怎么选择合适?
选择阿里云ECS操作系统需结合业务需求、技术栈及合规性综合评估。根据应用场景推荐Windows Server或Linux发行版,注意CentOS已停更,建议迁移至Alibaba Cloud Linux、Anolis OS等替代系统。同时考虑实例兼容性、成本及镜像来源,确保系统稳定与长期支持。
|
运维 自然语言处理 算法
新功能 | OpenSearch上线定制同义词模型
OpenSearch定制同义词模型可以提升搜索查询词同义扩展能力,扩大召回和查询词同义的文档,有效解决行业、垂类、业务特殊,有较多专属名词的客户优化用户搜索体验。
1816 0
新功能 | OpenSearch上线定制同义词模型
|
物联网
跟着引导开通阿里云物联网平台“公共实例”
请务必跟着此引导开通阿里云物联网平台“公共实例”
跟着引导开通阿里云物联网平台“公共实例”
|
存储 SQL JSON
MySQL - Json 数据类型
MySQL - Json 数据类型
934 0
MySQL - Json 数据类型
|
机器学习/深度学习 存储 负载均衡
阿里云技术认证ACP是什么?阿里ACP认证需要具备哪些知识?
相信很多人都不清楚阿里云技术认证ACP是什么,它其实是阿里云公司推出的针对专业工程师的技术认证,具有很高的含金量。那么,阿里云技术认证ACP到底是什么?获得阿里云ACP认证需要具备哪些知识?
1280 0