1984-2014 年期间美国国家航空航天局北极-北方脆弱性实验(ABoVE)项目核心研究域北方森林生物群落部分地上生物量

举报
此星光明 发表于 2025/02/03 16:20:02 2025/02/03
【摘要】 ​ ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-20141984-2014 年期间美国国家航空航天局北极-北方脆弱性实验(ABoVE)项目核心研究域北方森林生物群落部分地上生物量(AGB)密度估计值简介该数据集以 30 米的空间分辨率提供了 1984-2014 年期间美国国家航...

 ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-2014

1984-2014 年期间美国国家航空航天局北极-北方脆弱性实验(ABoVE)项目核心研究域北方森林生物群落部分地上生物量(AGB)密度估计值

简介

该数据集以 30 米的空间分辨率提供了 1984-2014 年期间美国国家航空航天局北极-北方脆弱性实验(ABoVE)项目核心研究域北方森林生物群落部分(阿拉斯加和加拿大)活立木(乔木和灌木)物种的年地上生物量(AGB)密度估计值和相应的标准误差。 这些数据来自陆地卫星 5 号和陆地卫星 7 号的表面反射率图像时间序列,以及 2004 年至 2008 年期间搭载在冰卫星上的地球科学激光测高仪系统(GLAS)的全波形激光雷达回波。 变化检测和分类(CCDC)模型拟合算法用于估算地表反射率的季节变化,而 AGB 密度数据则是通过对 GLAS 激光雷达数据应用异速方程生成的。 根据表面反射率和其他预测因子的季节性变化,使用梯度提升机器机器学习算法预测整个研究区域的年度 AGB 密度。 数据经过统计平滑处理以减少噪音,不确定性在像素级别进行估算。 这些数据有助于描述北方森林的生物质储量如何对气候和干扰做出响应。 数据以 ABoVE 标准阿尔伯斯等面积圆锥投影(30 米空间分辨率)提供,并被划分为 180x180 千米的 ABoVE 标准 "B "网格块(Loboda 等,2019 年)。 该数据集包含 212 个 geoTIFF(*.tif)格式的文件;106 个每个网格的估计 AGB 文件和 106 个估计 AGB 的相应标准误差文件。

摘要

"ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-2014"是一个关于北方森林地区地上生物量的数据集。此数据集由ABoVE计划(Arctic-Boreal Vulnerability Experiment)创建,并覆盖了1984年至2014年期间ABoVE核心领域的北方森林地区。

该数据集提供了在该地区的森林生态系统中地上生物量的年度测量结果。地上生物量是指森林植被部分(如树木、灌木、草本植物等)的总质量。这对于研究和了解森林生态系统的碳循环、生态系统功能和生态系统健康非常重要。

数据集中的年度地上生物量数据是通过遥感技术(如卫星遥感数据)和地面测量数据获得的。这些数据通过采样和测量不同地区的森林样地,然后通过推算和模型估算来得出。

该数据集对于研究气候变化、生物多样性、森林管理和碳循环等领域非常有用。研究人员可以使用这些数据来分析森林生态系统的长期动态变化、评估不同地区森林的生物量特征,并提供有关森林生态系统管理和保护的科学依据。

总之,"ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-2014"提供了关于北方森林地区地上生物量的长期观测数据,为研究森林生态系统提供了重要的信息和资源。

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/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
results, gdf = leafmap.nasa_data_search(
    short_name="Annual_30m_AGB_1808",
    cloud_hosted=True,
    bounding_box=(-165.41, 51.78, -101.74, 69.73),
    temporal=("1984-01-01", "2014-12-31"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Wang, J., M.K. Farina, A. Baccini, and M.A. Friedl. 2021. ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-2014. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-2014, https://doi.org/10.3334/ORNLDAAC/1808

网址推荐

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/


【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。