当前位置: 首页 > news >正文

NPP 草原:印度 Vindhyan,1986-1989 年,R1

NPP Grassland: Vindhyan, India, 1986-1989, R1

简介

该数据集包含四个文本格式 (.txt) 的数据文件。其中三个文件提供了 1986 年至 1989 年间印度北部文迪亚高原三个衍生稀树草原的地上和地下生产力数据,每个文件对应三种不同的处理方式。每个研究地点(Ranitali、Hathinala 和 Telburva)均包含三个处理区域:未放牧区;连续放牧 30-40 年的区域;以及在研究开始前临时围栏 2-6 年的放牧区。第四个文件提供了 1893 年至 1990 年间印度 Daltonganj 气象站的气候数据。


在每个地点的每个处理区,采用收获方法测量了两个年度周期(1986/1987 和 1987/1988)内地上和地下生物量的月度动态变化。1988 年 10 月未放牧和放牧地块的额外地上生物量峰值数据(活枝 + 枯枝)代表了 1988/1989 年的年度周期。


利用活体生物量、枯立木和凋落物增量的谷峰分析法估算了地上净初级生产力(ANPP)。地下净初级生产力(BNPP)则结合生物量增量和根系生长研究进行估算。1986 年至 1989 年间,三个地点未放牧处理区的平均 ANPP 为 377 至 664 g/m²/年。同一区域的平均 BNPP 在 1986/1987 年度和 1987/1988 年度分别估算为 510 和 727 g/m²/年。未放牧区域的平均总净初级生产力(ANPP + BNPP)在 1986/1987 年度和 1987/1988 年度分别估算为 1082 和 1391 g/m²/年。


修订说明:1987/1988 年度周期内临时围栏草地的净初级生产力(NPP)数据已进行修订,以修正之前报告的净初级生产力(BNPP)估算值。详细信息请参阅本文档的“数据集修订”部分。

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="NPP_VND_197", cloud_hosted=True, bounding_box=(82.9, 24.2, 83.1, 24.4), temporal=("1893-05-01", "1990-11-30"), count=-1, # use -1 to return all datasets return_gdf=True, ) gdf.explore() #leafmap.nasa_data_download(results[:5], out_dir="data")

网址推荐

个人主页

https://sites.google.com/view/xingguang/main

知识星球

知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/

http://www.jsqmd.com/news/255638/

相关文章:

  • 用bhyve-webadmin来管理FreeBSD系统下的bhyve虚拟机(上)
  • 通义千问2.5-7B房地产:户型分析与描述生成
  • FSMN-VAD模型切换:多语言VAD适配可能性探讨
  • Day 68:【99天精通Python】设计模式 (Design Patterns) 下篇 - 观察者与策略
  • Z-Image-ComfyUI工作流分享:导出导入JSON文件的操作步骤
  • Sambert性能优化技巧:让语音合成速度提升50%
  • Python3.8图像处理:云端OpenCV预装,免去编译痛苦
  • 单目深度估计实战:MiDaS模型部署与优化
  • Day 69:【99天精通Python】C/C++ 扩展 (CTypes/Cython) - 给 Python 装上喷气引擎
  • 效果展示:通义千问2.5-7B-Instruct打造的智能写作助手案例
  • CC2530零基础入门:串口下载与调试方式详解
  • 树莓派换源零基础指南:网络环境要求
  • IndexTTS2效果优化:语调、停顿、重音调节实战技巧
  • A.每日一题——2975. 移除栅栏得到的正方形田地的最大面积
  • 从语料到模型应用|StructBERT中文情感分析镜像全链路实践
  • D.二分查找-进阶——658. 找到 K 个最接近的元素
  • Java SpringBoot+Vue3+MyBatis 抗疫物资管理系统系统源码|前后端分离+MySQL数据库
  • 【2025最新】基于SpringBoot+Vue的学生网上请假系统管理系统源码+MyBatis+MySQL
  • gpt-oss-20b-WEBUI实战:云端10分钟部署,2块钱玩一下午
  • BGE-M3一键启动:语义搜索实战指南(附避坑技巧)
  • DeepSeek-R1-Distill-Qwen-1.5B高效运维:日志监控与性能分析实战
  • 如何高效批量抠图?试试CV-UNet大模型镜像,本地部署秒级出图
  • Qwen3-VL-WEB保姆级教程:多语言文本识别实战应用
  • GPT-OSS-20B-WEBUI操作手册:管理员后台管理功能
  • Qwen3-Embedding-0.6B最佳实践:云端部署省时省力
  • 从零部署高精度中文ASR|科哥FunASR镜像全解析
  • Qwen2.5-7B模型优化:内存访问模式改进
  • UI-TARS-desktop入门实战:Qwen3-4B-Instruct模型基础功能体验
  • Hunyuan-HY-MT1.5-1.8B实操:chat_template自定义教程
  • 体验AI不花冤枉钱:云端GPU按需计费,用多少付多少