LBA-ECO ND-02 次生林小树干,非木质生物量,巴西帕拉:1999-2005

简介: 本数据集记录1999–2005年巴西帕拉州次生林中小茎及非木质植被生物量,基于施肥试验,涵盖氮、磷及复合处理,共12个样区,多次破坏性采样,数据含草、藤本等,存为CSV文件,支持地理空间检索与分析。


LBA-ECO ND-02 Secondary Forest Small Stem, Non-Woody Biomass, Para, Brazil: 1999-2005

简介
本数据集报告了1999年至2005年在次生林施肥试验样地中测量的小茎和非木质植被的生物量。研究地点位于巴西帕拉州帕拉戈米纳斯镇西北6.5公里处的维多利亚庄园,位于一片6年生的次生林中。于1999年11月、2000年6月、2001年6月、2003年7月、2004年7月和2005年7月对直径小于或等于2厘米的植被(草、草本植物、藤本植物和枯死物)进行了破坏性采样。所有数据均包含在一个逗号分隔的文件中。

该试验点被划分为三个试验区,每个试验区设置四个处理小区(每个小区面积为 20 米 x 20 米)(3 个重复 x 4 个处理 = 12 个小区)。12 个小区中,三个小区施用氮肥(100 公斤/公顷尿素),三个小区施用磷肥(50 公斤/公顷过磷酸钙),三个小区同时施用氮磷肥。其余三个小区未施肥,作为实验对照。

摘要

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="ND02_Non_Woody_Biomass_1115",
cloud_hosted=True,
bounding_box=(-47.89, -1.38, -47.56, -1.0),
temporal=("1999-11-01", "2005-07-31"),
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
|
2天前
|
弹性计算 人工智能 安全
云上十五年——「弹性计算十五周年」系列客户故事(第二期)
阿里云弹性计算十五年深耕,以第九代ECS g9i实例引领算力革新。携手海尔三翼鸟、小鹏汽车、微帧科技等企业,实现性能跃升与成本优化,赋能AI、物联网、智能驾驶等前沿场景,共绘云端增长新图景。
|
8天前
|
存储 弹性计算 人工智能
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
2025年9月24日,阿里云弹性计算团队多位产品、技术专家及服务器团队技术专家共同在【2025云栖大会】现场带来了《通用计算产品发布与行业实践》的专场论坛,本论坛聚焦弹性计算多款通用算力产品发布。同时,ECS云服务器安全能力、资源售卖模式、计算AI助手等用户体验关键环节也宣布升级,让用云更简单、更智能。海尔三翼鸟云服务负责人刘建锋先生作为特邀嘉宾,莅临现场分享了关于阿里云ECS g9i推动AIoT平台的场景落地实践。
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
|
7天前
|
人工智能 自然语言处理 自动驾驶
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
|
7天前
|
云安全 人工智能 自然语言处理
阿里云x硅基流动:AI安全护栏助力构建可信模型生态
阿里云AI安全护栏:大模型的“智能过滤系统”。
|
8天前
|
编解码 自然语言处理 文字识别
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大
凌晨,Qwen3-VL系列再添新成员——Dense架构的Qwen3-VL-8B、Qwen3-VL-4B 模型,本地部署友好,并完整保留了Qwen3-VL的全部表现,评测指标表现优秀。
633 7
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大
|
10天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
755 2