PhenoCam 数据集 v2.0：基于数码相机影像的植被物候学数据，2000-2018 年
【摘要】 PhenoCam Dataset v2.0: Vegetation Phenology from Digital Camera Imagery, 2000-2018简介该数据集提供了 2000 年至 2018 年间全球（主要位于北美）393 个不同生态系统站点的植被物候观测时间序列。物候数据来源于各站点通过 PhenoCam 网络采集的常规可见光波段自动数码相机影像。从每幅影像中提取 RGB...
PhenoCam Dataset v2.0: Vegetation Phenology from Digital Camera Imagery, 2000-2018
简介
该数据集提供了 2000 年至 2018 年间全球（主要位于北美）393 个不同生态系统站点的植被物候观测时间序列。物候数据来源于各站点通过 PhenoCam 网络采集的常规可见光波段自动数码相机影像。从每幅影像中提取 RGB（红、绿、蓝）颜色通道信息，并计算特定植被类型感兴趣区域（ROI）的均值和其他统计数据。基于多年采集的高频（通常为 30 分钟）影像，我们汇总了表征植被颜色的时间序列，包括冠层绿度以及绿度上升和下降的过渡日期，并以 1 天和 3 天为时间间隔进行分析。
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/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="ABoVE_ASCENDS_XCO2_2050",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2017-07-20", "2017-08-08"),
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）