NPP Multi-Biome: Global Primary Production Data Initiative Products, R2
简介
净初级生产力（NPP）估算数据由全球初级生产力数据倡议（GPPDI）汇编。该数据库涵盖 2523 个独立站点和 5164 个半度网格单元，并经过生态系统模型-数据比对（EMDI）流程的全面审查。GPPDI 数据库包含众多研究人员使用各种方法在较长时间内收集的 NPP 测量数据。这些测量数据分为三类：A 类，来自研究密集的站点；B 类，来自研究广泛的站点；C 类，以 0.5 度经纬度网格单元为单位。该数据集包含六个逗号分隔文件（.csv 格式）。每类数据包含两个文件。每个类别的一个文件包含站点位置、海拔、NPP 估算值、气候数据、生物群落和优势物种信息以及参考文献。每个类别的另一个文件包含根据站点特定审查得出的模型验证异常值标记。本文档及其配套文件（Olson 等，2001）描述了 GPPDI 框架下净初级生产力 (NPP) 估算的编制过程。EMDI 审查和异常值分析的结果生成了一套更精确的 NPP 估算值和模型驱动数据（EMDI 数据库；Olson 等，2001；2013）。另一个 ORNL DAAC 数据集（Zheng 等，2013）也为 GPPDI 的编制做出了贡献。修订说明：本数据集已进行修订，以更正之前报告的 A 类 NPP 数据文件中美国三个 OTTER 横断面站点的 ANPP、BNPP 和 TNPP 估算值，以及 B 类 NPP 数据文件中印度文迪亚山脉的 BNPP 和 TNPP 估算值。有关详细信息，请参阅本文档的“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/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="NPP_GPPDI_617", cloud_hosted=True, bounding_box=(-156.7, -49.75, 176.6, 75.55), temporal=("1931-01-01", "1996-01-01"), 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/
