塔帕若斯国家森林 KM 67 塔站 LBA-ECO CD-10 二氧化碳剖面图

举报
此星光明 发表于 2025/06/09 12:47:47 2025/06/09
【摘要】 LBA-ECO CD-10 CO2 Profiles at km 67 Tower Site, Tapajos National Forest简介该数据集包含一个文本文件,报告了在帕拉西部(圣塔伦)67 公里处原始森林塔站测得的二氧化碳浓度垂直剖面。该站位于巴西中北部的塔帕若斯国家森林内。测量时间跨度为 2002 年 1 月至 2006 年 1 月。剖面浓度数据用于估算地面与通量测量高度之间...

LBA-ECO CD-10 CO2 Profiles at km 67 Tower Site, Tapajos National Forest

简介

该数据集包含一个文本文件,报告了在帕拉西部(圣塔伦)67 公里处原始森林塔站测得的二氧化碳浓度垂直剖面。该站位于巴西中北部的塔帕若斯国家森林内。测量时间跨度为 2002 年 1 月至 2006 年 1 月。


剖面浓度数据用于估算地面与通量测量高度之间的垂直平均浓度变化,以计算二氧化碳的柱平均储存量 (Saleska 等人,2003 年)。 在塔的 8 个高度(62.2、50、39.4、28.7、19.6、10.4 和 0.91 米)测量了二氧化碳浓度。以 1000 sccm(标准立方厘米/分钟)的速度依次通过 8 个剖面入口(每个高度 2 分钟)抽取样品空气,然后同时从所有 8 个高度抽取混合空气样本以获得总柱积分(每 20 分钟一次),并用红外气体分析仪(IRGA、LI-6262、Licor、内布拉斯加州林肯市)进行分析。数据以 1 小时为间隔取平均值。在每个剖面序列之间,将剖面 IRGA 调零,并每 6 小时在 325、400 和 475 ppm 处进行一次绝对校准。通过这些频繁的校准,获得了较高的二氧化碳测量精度,并通过每周测量一个长期监测标准气瓶(375 ppm)来验证长期精度,该气瓶在实验运行期间一直存放在现场。


联合测量包括使用塔式闭路 Licor 6262 气体分析仪和 Campbell CSAT3 声波风速计在两个高度(58 米和 47 米)测量 CO 2 和 H 2 O 的涡旋通量,以及一系列气象参数(气温、气压、PAR、净辐射、降水等)。


摘要

The CO2 profile data are reported in one comma separated ASCII text file, km67_co2_profile_2002_2006.txt .

Data File Description

column        variable                                                          description
            (column heading)

1           JDstart(GMT)                              decimal day (GMT, continuous from 1/1/00)
                                                                NOTE 1: Tapajos Forest Local time (LT) = GMT - 4 hours
                                                                NOTE 2: these times are time at the BEGINNING of the
                                                                hour-long data aggregation interval, i.e., data at 12:00 are from                                                                   aggregating measurements between  12:00 and 13:00
                                           
                            
   2                   1                                     CO2 concentration (ppm) at level 1 @ 62.24m
   3                   2                                     CO2 concentration (ppm) at level 2 @ 50.05m
   4                   3                                     CO2 concentration (ppm) at level 3 @ 39.41m
   5                   4                                     CO2 concentration (ppm) at level 4 @ 28.71m
   6                   5                                     CO2 concentration (ppm) at level 5 @ 19.57m
   7                   6                                     CO2 concentration (ppm) at level 6 @ 10.42m
   8                   7                                     CO2 concentration (ppm) at level 7 @ 3.05m
   9                   8                                     CO2 concentration (ppm) at level 8 @ 0.91m
  10                  9                                     CO2 concentration (ppm), instantaneous average of levels 1-8
  11         flaggedDATA                           0=good data, 1=bad data flagged and removed (NA)


  Missing value code is "NA"
  Values are comma separated

                                   

Sample Data Records:

All of the profile data are reported in km67_co2_profile_2002_2006.txt.

JDstart(GMT),1,2,3,4,5,6,7,8,9,flaggedDATA

733.708333333333,372.79,373.27,373.29,373.1,372.69,372.365,372.34,392.98,373.84,0
733.75,371.613333333333,371.65,373.22,372.265,372.38,372.58,377.925,385.745,376.046666666667,0

741.875,376.38,376.72,376.91,376.97,373.55,374.34,443.22,433.56,NA,0
742.458333333333,NA,NA,NA,NA,NA,NA,389.33,404.19,381.48,NA
742.5,376.816666666667,377.1,376.405,377.585,376.115,374.89,383.07,416.435,385.9,0
...

Site boundaries: (All latitude and longitude given in degrees and fractions)

Site (Region) Westernmost Longitude Easternmost Longitude Northernmost Latitude Southernmost Latitude Geodetic Datum
Para Western (Santarem) - km 67 Primary Forest Tower Site (Para Western (Santarem)) -54.959 -54.959 -2.857 -2.857 World Geodetic System, 1984 (WGS-84)



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="CD10_CO2_Profiles_Tapajos_855",
    cloud_hosted=True,
    bounding_box=(-55.21, -4.05, -54.91, -2.84),
    temporal=("2002-01-01", "2006-01-18"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")


【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。