NPP Multi-Biome: NPP and Driver Data for Ecosystem Model-data Intercomparison, R2
简介
本数据集是对全球净初级生产力 (NPP) 估算值和模型驱动数据的精细化处理，这些数据是生态系统模型-数据比对 (EMDI) 研讨会审查和异常值分析的结果，旨在评估全球陆地碳循环模型预测的准确性。EMDI 建立在全球初级生产力数据倡议 (GPPDI) 最初编制的全球 NPP 测量数据及相关模型驱动数据综合研究成果之上（Olson 等，2001；2013）。EMDI 的审查和分析生成了 GPPDI 数据子集的 NPP、气候、NDVI、土地覆盖、植被和土壤数据：81 个 A 类站点、933 个 B 类站点和 3,855 个 C 类 0.5 度网格单元。A 类站点代表记录完善、拥有完整地上和地下 NPP 测量数据的研究站点。B 类站点代表数量更多、覆盖范围更广但记录较少且缺乏站点特定信息的站点。 C 类网格单元代表 0.5 度网格单元的净初级生产力（NPP）估算值，这些估算值是通过清单、建模或遥感工具将点测量数据放大而得到的。数据文件为逗号分隔值（.csv）格式：• A 类站点包含 18 个数据文件，其中包括 12 个逗号分隔值文件（.csv）和 6 个压缩文件（.zip）；• B 类站点包含 11 个逗号分隔值文件（.csv）；• C 类网格单元包含 9 个逗号分隔值文件（.csv）。本文档及其配套文件（Olson 等人，2001）描述了在 GPPDI 和 EMDI 审查以及异常值分析下，NPP 估算值的汇编过程，这些分析最终生成了这套精细的 NPP 估算值和模型驱动数据。 修订说明：本数据集已进行修订，以更正先前报告的美国 OTTER 横断面三个地点的 A 类 NPP 数据文件中的 NPP 估计值。详细信息请参见本文档的“数据集修订”部分。
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_EMDI_615", cloud_hosted=True, bounding_box=(-151.92, -49.75, 179.5, 75.5), temporal=("1901-01-01", "1901-01-08"), 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/
