LBA-ECO CD-37 巴西朗多尼亚州次生林生物量和年龄等级

简介: 该数据集展示了巴西朗多尼亚州次生林的年龄、森林类型及土地覆盖分类图,并估算景观尺度上的地上活木质生物量(AGLB)。通过阈值年龄制图算法(TAMA)结合Landsat影像(1975-2003年)推导森林年龄,利用GLAS同步生物量估算值计算次生林AGLB。代码部分提供了数据处理与可视化工具,引用来源为Helmer等人的研究(2013)。


LBA-ECO CD-37 Secondary Forest Biomass and Age Class, Rondonia, Brazil

简介
该数据集提供了巴西朗多尼亚州次生林的林分年龄、森林形成和土地覆盖分类图,以及景观层面地上活木质生物量 (AGLB) 的估算值。阈值年龄制图算法 (TAMA) 应用于密集间隔时间序列的 Landsat 影像(1975 年至 2003 年),以推导出森林年龄。2003 年的森林类型和土地覆盖通过对三个日期的 Landsat 影像进行决策树分类来绘制。次生林的 AGLB 是通过将森林分类图与地球科学激光测高系统 (GLAS) 的同步生物量估算值相结合而估算出来的。

摘要
Column Heading Units/format Description
1 New_obs Internal observation number
2 Obs Internal observation number
3 Elev_DEM m amsl Elevation in meters above mean sea level from the SRTM digital elevation model
4 Time UTC Time of GLAS waveform collection
5 Latitude degrees Degrees Latitude for GLAS waveform location. Negative values indicate S and positive values N
6 Longitude degrees Degrees Longitude for GLAS waveform location. Negative values indicate W and positive values E
7 X_UTM Sample coordinates in UTM
8 Y_UTM Sample coordinates in UTM
9 Elev_GLAS m amsl Ground elevation in meters above mean sea level as estimated from GLAS waveform
10 Period GLAS collection period
11 Age_2003 years Age of forest in 2003 reported in years
12 Height m amsl Forest height in meters above mean sea level
13 Height_ver m amsl Forest height in meters above mean sea level calculated from GLAS waveform using a processing algorithm (Lefsky et al., 2007)
14 Biomass Mg/ha Biomass in megagrams per hectare (Mg/ha) calculated from forest height
15 Pixels Number of pixels of secondary forest in surrounding 5x5 window

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="CD37_Biomass_Landsat_Glas_1145",
cloud_hosted=True,
bounding_box=(-64.39, -10.78, -62.89, -9.34),
temporal=("1975-06-19", "2003-05-20"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

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

引用
Helmer, E.H., M.A. Lefsky, and D.A. Roberts. 2013. LBA-ECO CD-37 Secondary Forest Biomass and Age Class, Rondonia, Brazil. Data set. Available on-line [http://daac.ornl.gov ] from Oak Ridge National Laboratory Distributed Active Archive Center, Oak Ridge, Tennessee, USA

相关文章
|
3天前
|
自然语言处理 Unix Linux
解决服务器中Jupyter笔记本的文件名字符编码问题
通过上述步骤,可以有效解决Jupyter笔记本的文件名字符编码问题,确保所有文件能在服务器上正常访问并交互,避免因编码问题引起的混淆和数据丢失。在处理任何编码问题时,务必谨慎并确保备份,因为文件名变更是
42 17
|
26天前
|
缓存 搜索推荐 应用服务中间件
301重定向核心技术解析
本文详细解析了301重定向技术原理及其应用。首先阐述HTTP 301状态码定义与特性,包括浏览器缓存规则和搜索引擎权重转移机制;接着介绍主流实现方案,如Nginx、Apache服务器配置及程序化实现(Flask示例);同时探讨SEO关键影响,强调权重传递条件与常见陷阱;最后给出性能优化建议,帮助减少重定向链长度并提升实施效果。
58 17
|
21天前
|
Kubernetes Cloud Native 安全
云原生机密计算新范式 PeerPods技术方案在阿里云上的落地和实践
PeerPods 技术价值已在阿里云实际场景中深度落地。
|
29天前
|
机器学习/深度学习 存储 人工智能
RAG技巧与底层代码剖析
你是否还在用现成框架调包实现RAG?本文带你撕开技术黑箱,仅用numpy等Python基础库构建RAG系统,从零手撕RAG内核!从文本划分、向量化、相似度检索到生成优化,逐行代码解剖检索增强生成的核心逻辑,更深度解析9大实战技巧:从智能分块策略到动态上下文压缩,助你突破回答质量瓶颈。拒绝做调参工具人,这次彻底掌握RAG的底层基因!
232 17
|
3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。
95 65
|
23天前
|
人工智能 边缘计算 Serverless
震惊!CDN都进化到可以用MCP写游戏了吗?
《2048》是一款风靡全球的数字益智小游戏,玩家通过移动和合并相同数字完成2048即为通关。传统开发需数小时甚至数月,而使用ESA MCP Server只需1分钟“0代码”即可实现网页全球部署。ESA MCP Server是开源的Model Context Protocol服务实现,连接AI模型与边缘安全加速服务。结合阿里云边缘函数(ER),支持秒级全球节点部署,降低延迟,提升响应速度。环境搭建简单,仅需配置API密钥与插件,向AI提出需求即可快速生成并部署应用。
88 10
|
9天前
|
缓存 监控 搜索推荐
301重定向实现原理全面解析:从HTTP协议到SEO最佳实践
301重定向是HTTP协议中的永久重定向状态码,用于告知客户端请求的资源已永久移至新URL。它在SEO中具有重要作用,能传递页面权重、更新索引并提升用户体验。本文详解其工作原理、服务器配置方法(如Apache、Nginx)、对搜索引擎的影响及最佳实践,帮助实现网站平稳迁移与优化。
145 68
|
2天前
|
算法 异构计算
网格编码调制tcm8psk 卷积码与8PSK调制的联合处理
网格编码调制tcm8psk 卷积码与8PSK调制的联合处理
96 63
|
20天前
|
机器学习/深度学习 存储 运维
机器学习异常检测实战:用Isolation Forest快速构建无标签异常检测系统
本研究通过实验演示了异常标记如何逐步完善异常检测方案和主要分类模型在欺诈检测中的应用。实验结果表明,Isolation Forest作为一个强大的异常检测模型,无需显式建模正常模式即可有效工作,在处理未见风险事件方面具有显著优势。
123 46
|
15天前
|
存储 JSON 监控
打通数据孤岛:基于对象存储的多云可观测融合实战
在多云环境下,企业面临数据分散、整合效率低、弹性能力不足等挑战。阿里云日志服务(SLS)推出对象导入功能,支持从阿里云OSS和AWS S3高效导入多云日志文件,具备智能文件发现、弹性扩缩容、多种格式解析等能力,实现亿级文件下新增数据分钟级可见,并通过统一分析平台提升跨云数据治理效率。
108 19