巴西亚马逊中部 LBA-ECO ND-04 次生林碳汇和养分储量

简介: 本数据集记录巴西亚马逊中部BR-174公路沿线三个农场次生林恢复初期(0-14年)的碳与养分储量,涵盖植被与土壤中C、N、P、K、Ca、Mg含量,揭示森林再生过程中碳氮磷等元素的积累动态,支持生态恢复与气候研究。

LBA-ECO ND-04 Secondary Forest Carbon and Nutrient Stocks, Central Amazonia, Brazil

简介

本数据集报告了三个地点地上植被和土壤的碳和养分储量,这些地点的次生林恢复时间从弃耕后 0 年到 14 年不等。这些地点位于巴西亚马逊州,沿 BR-174 公路,在马瑙斯市以北,分别位于三个农场(fazenda)内,这些农场目前处于不同的放牧、弃耕或复垦阶段:罗道农场(Fazenda Rodao,46 公里处)、巴西农业研究公司-SUFRAMA 区(DAS)牧场研究点(53 公里处)和迪莫纳农场(Fazenda Dimona,72 公里处)。

2000 年 9 月至 2001 年 7 月,我们测量了地上生物量(参见 ND-04 Sec For Recovery),采集了树叶和木材样本,并分析了其中的总养分(C、N、P、K、Ca 和 Mg)浓度;同时,我们也采集了 0 至 45 厘米深度的土壤样本,并分析了其中的总养分(C、N、P、K、Ca 和 Mg)浓度。我们计算了不同植被和土壤库的总碳(C)和养分储量,以了解亚马逊中部再生次生林中养分和碳积累的动态变化(Feldpausch 等人,2004)。该数据集包含两个以逗号分隔的 ASCII 数据文件。

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

leafmap.nasa_data_login()

results, gdf = leafmap.nasa_data_search(
short_name="ND04_C_Nutrient_Stocks_1069",
cloud_hosted=True,
bounding_box=(-60.03, -2.57, -59.0, -2.0),
temporal=("2000-11-01", "2001-07-15"),
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
|
物联网 网络性能优化 API
MQTT常见问题之单个消息发送数据不能超过64k如何解决
MQTT(Message Queuing Telemetry Transport)是一个轻量级的、基于发布/订阅模式的消息协议,广泛用于物联网(IoT)中设备间的通信。以下是MQTT使用过程中可能遇到的一些常见问题及其答案的汇总:
|
网络安全 开发工具
SSH断开连接时长控制ServerAliveInterval
SSH断开连接时长控制ServerAliveInterval
859 0
|
2天前
|
传感器 编解码 算法
利用 Nimbus-7 SMMR 和 DMSP SSM/I-SSMIS V004 数据进行海冰浓度自举法计算
本数据集整合Nimbus-7与DMSP卫星微波遥感数据,提供1978年10月起连续、高一致性的全球海冰浓度产品(V002),空间分辨率为25 km,极地立体投影,年更新多次,广泛用于气候与海冰变化研究。
28 3
|
7天前
|
数据可视化 API Python
美国国家科学基金会(NSF)-蓝水区(BWZ)测量
NSF-Blue Water Zone(BWZ)项目于2004–2006年在南极洲及德雷克海峡蓝水区开展海洋与气候观测。本文档演示如何通过leafmap调用NASA Earth Data API,搜索、可视化并下载相关遥感数据集。
47 8
|
4月前
|
人工智能 监控 Java
零代码改造 + 全链路追踪!Spring AI 最新可观测性详细解读
Spring AI Alibaba 通过集成 OpenTelemetry 实现可观测性,支持框架原生和无侵入探针两种方式。原生方案依赖 Micrometer 自动埋点,适用于快速接入;无侵入探针基于 LoongSuite 商业版,无需修改代码即可采集标准 OTLP 数据,解决了原生方案扩展性差、调用链易断链等问题。未来将开源无侵入探针方案,整合至 AgentScope Studio,并进一步增强多 Agent 场景下的观测能力。
2126 63
|
6月前
|
传感器 存储 区块链
AIRS/Aqua L1B AMSU(A1/A2)在 GES DISC 上进行地理定位和校准的亮度温度 V005(AIRABRAD)
简介:AIRS/Aqua L1B AMSU V005数据包含经地理定位和校准的微波亮温观测,由AMSU-A1/A2传感器获取,用于大气温度和湿度反演,支持云下大气探测与红外数据校正。
111 0
|
4月前
|
传感器 编解码 数据挖掘
ASTER 全球数字高程模型 V003
ASTER全球数字高程模型V003(ASTGTM)由NASA与日本METI合作生成,覆盖北纬83°至南纬83°,空间分辨率约30米。基于2000–2013年ASTER立体影像自动处理,融合超188万场景,优化水体与地形精度,提供DEM与场景数量图层,数据无显著空隙,适用于多领域地形分析。
372 7
|
4月前
|
传感器 编解码 数据挖掘
ASTER 全球数字高程模型 V003
ASTER GDEM V3由NASA与METI合作开发,提供全球陆地高程数据,空间分辨约30米,覆盖北纬83°至南纬83°。基于188万景ASTER影像自动生成,含DEM与场景数图层,数据经云掩膜、异常值去除及多源融合优化,适用于地形分析,但可能存在局部伪影。
291 1
|
6月前
|
传感器 编解码 定位技术
AIRS/Aqua L3 5 天量化(物理单位)(AIRS+AMSU)5 度 x 5 度 V006(AIRX3QP5)在 GES DISC
大气红外探测器(AIRS)联合AMSU和HSB传感器,提供5°×5°空间分辨率的5日量化产品(AIRH3QP5),涵盖温度、水汽、云参数及痕量气体等多维大气数据,适用于气候研究与环境监测。
163 0