NPP Boreal Forest: Canal Flats, Canada, 1984, R1
简介
该数据集包含两个文件（.txt）。一个文件包含在 1984 年生长季期间，对位于加拿大不列颠哥伦比亚省卡纳尔弗拉茨附近（北纬 50.2 度，西经 115.5 度，海拔 1300-1380 米）的四个扭叶松（Pinus contorta var. latifolia）林分进行测量的林分特征、土壤特征、生物量分布和生产分配数据。第二个文件包含来自附近位于艾伯塔省卡纳纳斯基斯边界（北纬 50.98 度，西经 115.12 度，海拔 1463 米）的气象站的气候数据。
两片黄松林生长在干旱立地，两片生长在中湿立地。这些林分树龄为70-78年，未经人工管理，均在野火后自然更新。研究旨在确定土壤含水量对地上和地下植物资源分配的影响。
两个旱生林分的地上净初级生产力（NPP）分别为 350 和 330 g/m²/年，地下净初级生产力分别为 430 和 630 g/m²/年，总净初级生产力范围为 780 至 960 g/m²/年。两个中湿林分的地上净初级生产力分别为 640 和 740 g/m²/年，地下净初级生产力分别为 550 和 450 g/m²/年，总净初级生产力均为 1190 g/m²/年。尽管中湿林分的地上净初级生产力约为两个旱生林分的两倍，但中湿林分的总净初级生产力仅比旱生林分高出 36%。除最湿润的样地外，所有样地的生产力分配顺序均为：细根和小根 > 茎 > 叶 > 粗根 > 枝条；在最湿润的样地，茎的生产力超过了细根和小根的生产力。
修订说明：本数据集已修订，更正了地上生物量样品采集的采样日期（月份）。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" 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=(-115.5, 50.1, -115.25, 50.2), temporal=("1962-01-01", "1986-12-31"), 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/
)
