当前位置: 首页 > news >正文

NPP 草原:Taullgarnsnaset,瑞典,1968-1969,R1

NPP Grassland: Tullgarnsnaset, Sweden, 1968-1969, R1

简介

该数据集包含三个 ACSII 文件(.txt 格式)。其中两个文件包含位于瑞典斯德哥尔摩附近 Tullgarnsnaset(约北纬 59.20°,东经 17.50°)的两个未放牧海滨草甸样地的地上生物量数据,这两个样地均以盐生灯心草(Juncus gerardii)为主。每个样地对应一个文件。第三个数据文件包含 1951 年至 1990 年期间斯德哥尔摩附近气象站(北纬 59.4°,东经 18.0°)的月度和年度气候数据。


从 1968 年 4 月到 1969 年 4 月,我们大约每月测量一次地上活生物量和总死亡物质。我们也测量了地下生物量,但该数据集未报告相关数据。


年地上净初级生产力(ANPP)采用多种计算方法估算,包括活体总生物量峰值加当前死亡生物量;物种最大值之和(生物量+死亡生物量);单块样方剪枝法;以及这些方程的变体。同时测定了死亡生物量的消失率和死亡率。平均 ANPP 估算值范围为 324 g/m²/年(活体生物量峰值+死亡生物量)至 430 g/m²/年(取两个地点平均值,并考虑了死亡生物量的消失情况)。

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_TLL_196", cloud_hosted=True, bounding_box=(-149.72, 68.45, -149.37, 68.63), temporal=("1951-01-01", "1990-12-31"), 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/234938/

相关文章:

  • matlab仿真程序,二阶MASs,事件触发机制 这段代码是一个带有领导者的二阶多智能体的领导...
  • 如何高效做中文情绪识别?试试这款轻量级CPU友好型大模型镜像
  • 2026最新CTF知识点网址汇总大全,零基础入门到精通,收藏这篇就够了
  • 高精度中文文本匹配方案|基于GTE模型的WebUI与API双支持
  • 高效中文情绪识别方案|CPU版大模型镜像一键启动
  • 在 SAP 系统中,寄售业务(Consignment) 和管道业务(Pipeline) 均属于供应商库存管理(Vendor-Managed Inventory, VMI) 范畴
  • 中文情感分析实战|基于StructBERT大模型镜像快速部署
  • 语义相似度服务零报错部署|基于GTE-Base模型的WebUI可视化方案
  • 高精度中文语义计算方案|GTE模型镜像实现低延迟相似度推理
  • 2026年安徽省职业院校技能大赛(中职组) 电子数据取证技术与应用赛项规程
  • sap中 为什么 rz11 修改了 rdisp/gui_auto_logout 当次有用,当sap服务器重新启动后 系统又该回原值了?
  • 如何精准提取PDF公式与表格?试试科哥开发的PDF-Extract-Kit镜像
  • 具身新形态
  • 中文语义相似度计算实战|基于GTE大模型镜像快速搭建WebUI工具
  • 2026年安徽省职业院校技能大赛(中职组) 电子数据取证技术与应用赛项样题任务书
  • 无需GPU!用StructBERT中文情感分析镜像实现高效情绪识别
  • StructBERT中文情感分析镜像发布|开箱即用,支持WebUI与API双模式
  • 场景题:订单超时自动取消方案设计
  • 从理论到落地:基于GTE镜像的余弦相似度应用全解析
  • SAP中为什么我的资产创建时候 选择了成本中心 但折旧分录里面没有成本中心信息 ?
  • 大学生如何参加CTF?零基础如何入门?
  • ABAWN 是 SAP 资产管理(FI-AA)模块中用于 **“新价值法”** 进行资产价值重估的事务码,核心用于按新评估价值直接更新资产账面价值,适用于特定会计准则或特殊评估场景下的资产价值调整,与
  • 黑客成长第一步:什么是CTF比赛?要怎样才能参加?
  • 构建中文语义搜索的轻量方案|基于GTE向量模型快速实践
  • 智能决策支持AI平台可解释性设计:架构师必须掌握的5种方法(含实战案例)
  • AI万能分类器5分钟上手:预装环境直接运行,比买显卡省90%
  • AutoGLM-Phone-9B模型深度评测:轻量9B参数下的跨模态表现
  • 从文本到语义:构建低延迟中文相似度服务的关键路径|集成GTE镜像实战
  • 2026年本科生毕业生高薪专业大洗牌!网络安全稳居榜首
  • StructBERT中文情感分析镜像发布|支持API调用与可视化交互