北美地表物候学，涡度相关塔站，2017-2021年
【摘要】 Land Surface Phenology, Eddy Covariance Tower Sites, North America, 2017-2021简介该陆面物候（LSP）数据集提供与物候变化时间相关的空间显式数据，例如植被活动的开始、高峰和结束时间、植被指数指标以及相关的质量保证标志。数据涵盖 2017-2021 年的生长季，窗口大小为 10 km x 10 km，中心位于 Ame...
Land Surface Phenology, Eddy Covariance Tower Sites, North America, 2017-2021
简介
该陆面物候（LSP）数据集提供与物候变化时间相关的空间显式数据，例如植被活动的开始、高峰和结束时间、植被指数指标以及相关的质量保证标志。数据涵盖 2017-2021 年的生长季，窗口大小为 10 km x 10 km，中心位于 AmeriFlux 和国家生态观测网络（NEON）的 104 座涡度相关塔上。该数据集基于 PlanetScope 影像，空间分辨率为 3 m，覆盖北美多种植物功能类型和气候带。这些 LSP 数据可用于评估基于卫星的 LSP 产品，评价陆面模型的预测结果，并分析控制生态系统尺度碳、水和能量通量季节性变化的机制。数据以 NetCDF 格式提供，同时还提供地理空间感兴趣区域信息以及每个站点的分析窗口可视化图，格式为 GeoJSON 和 HTML。
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="Phenology_AmeriFlux_Neon_Sites_2033",
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）