NASA:亚马逊地区微气象实验(ARME)的数据

Pre-LBA Amazonian Region Micrometeorological Experiment (ARME) Data

亚马逊地区微气象实验(ARME)前的数据

简介

亚马逊地区微气象实验(ARME)数据包含有关亚马逊森林能量平衡和蒸散要素的微气象数据(气候、降水截流、微气象和土壤湿度)。四种数据类型的 ASCII 文本数据文件已压缩在一起。该实验的众多科学发现之一是,在蒸散量达到潜在速率的时期,热带雨林不会因缺乏降水而出现缺水压力(Shuttleworth,1988 年)。

ARME 数据类型包括气候(气象)、降水截获、微气象和土壤湿度。这些数据将在下文的数据说明部分进行介绍。

低纬度地区前数据集收集计划

低纬度地区前数据集收集活动致力于向低纬度地区研究界提供有关 1998 年之前 20 年间在亚马孙地区收集的现有数据的信息。这项活动的主要目标是以一致的方式汇编和记录现有的数据集,并在低地层生物群落实验开始之前提供这些数据集。

汇编的数据集包括卫星图像、微气象观测、近地面和高层大气状况、从 20 世纪 70 年代到 90 年代在一些实地试验中获得的地表生物物理和水文测量数据。 数据是在雨季和旱季的几次密集实地活动中收集的,其他时段的数据从短期密集实地活动到数年的观测数据不等,测量的时间分辨率有时为 5 分钟,有时为 1 小时。

文件 rd_flux.txt 包含从 1983 年 9 月 3 日至 1985 年 9 月 28 日的微气象数据。 其中不包括风向不利或树冠潮湿时的数据。 只包括树冠干燥时的数据。 详情见 Shuttleworth 等人(1984a)和 Shuttleworth(1988)的论文。 文件记录中的变量以 "空格分隔",采用 FORTRAN 格式(4I3,9F6.) 第 5 列至第 13 列包含变量的平均值,从第 4 列给出的时间开始计算一小时内的平均值。

变量

Column No. Description


1 Year

2 Month

3 Day

4 Hour (Local time)

5 Mean Dry bulb temperature, deg C

6 Mean Specific humidity, g/kg

7 Mean Specific humidity deficit, g/kg

8 Mean Solar radiation, W/m2

9 Mean Net radiation, W/m2

10 Mean Evaporation, W/m2

11 Mean Sensible heat flux, W/m2

12 Mean Aerodynamic resistance, s/m

13 Mean Surface resistance, s/m

代码

python 复制代码
!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="ARME_898",
    cloud_hosted=True,
    bounding_box=(-180.0, -89.6, 180.0, 89.6),
    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")

ARME 数据类型 下面介绍的每种数据类型的数据文件都已编译并压缩在一个单独的文件中: ARME_CLIMATE.zip ARME_INTERCEPTION.zip ARME_MICROMETEOROGY.zip ARME_SOIL_MOISTURE.zip 气候:气候数据是 1983 年 9 月至 1985 年 8 月使用自动气象站记录的。 数据是连续的,格式为 "空格划线",每小时一行(4I3,7F6)。第 5 列至第 10 列是变量的平均值,从第 4 列给出的时间开始计算。

引用

Fisch, G., J.H.C. Gash, C.A. Nobre, W.J. Shuttleworth, and ARME Team Members. 2008. Pre-LBA Amazonian Region Micrometeorological Experiment (ARME) Data. Data set. Available on-line [http://daac.ornl.gov] from Oak Ridge National Laboratory Distributed Active Archive Center, Oak Ridge, Tennessee, U.S.A.doi:10.3334/ORNLDAAC/898.

Marengo, J. A., and R. L. Victoria. 1998. Pre-LBA Data Sets Initiative, 3 vols. [Pre-Large-Scale Biosphere-Atmosphere Experiment in Amazonia Data Sets Initiative, 3 vols.]. CD-ROM. Centro de Previsao de Tempo e Estudios Climaticos, Instituto Nacional de Pesquisas Espaciais (CPTEC/INPE) [Center for Weather Forecasting and Climate Study, National Institute for Space Research], Sao Paulo, Brazil.

网址推荐

0代码在线构建地图应用

https://www.mapmost.com/#/?source_inviter=CnVrwIQs

机器学习

https://www.cbedai.net/xg

相关推荐
黑客-雨2 分钟前
从零开始:如何用Python训练一个AI模型(超详细教程)非常详细收藏我这一篇就够了!
开发语言·人工智能·python·大模型·ai产品经理·大模型学习·大模型入门
孤独且没人爱的纸鹤16 分钟前
【机器学习】深入无监督学习分裂型层次聚类的原理、算法结构与数学基础全方位解读,深度揭示其如何在数据空间中构建层次化聚类结构
人工智能·python·深度学习·机器学习·支持向量机·ai·聚类
l1x1n019 分钟前
No.35 笔记 | Python学习之旅:基础语法与实践作业总结
笔记·python·学习
是Dream呀1 小时前
Python从0到100(八十五):神经网络-使用迁移学习完成猫狗分类
python·神经网络·迁移学习
小林熬夜学编程1 小时前
【Python】第三弹---编程基础进阶:掌握输入输出与运算符的全面指南
开发语言·python·算法
hunter2062063 小时前
用opencv生成视频流,然后用rtsp进行拉流显示
人工智能·python·opencv
Johaden5 小时前
EXCEL+Python搞定数据处理(第一部分:Python入门-第2章:开发环境)
开发语言·vscode·python·conda·excel
小虎牙^O^6 小时前
2024春秋杯密码题第一、二天WP
python·密码学
梦魇梦狸º7 小时前
mac 配置 python 环境变量
chrome·python·macos
查理零世7 小时前
算法竞赛之差分进阶——等差数列差分 python
python·算法·差分