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
liangbm31 分钟前
数学建模笔记—— 整数规划和0-1规划
笔记·python·数学建模·matlab·线性规划·整数规划·0-1规划
Aha_aho14 分钟前
【pytorch】keepdim参数解析
人工智能·pytorch·python
Feng_Sean26 分钟前
01_Python基本语法
开发语言·网络·python
拾木20029 分钟前
Java 常用集合方法详解
java·windows·python
天下谁人不识军42 分钟前
【深度学习】注意力机制介绍,了解什么是注意力计算规则以及常见的计算规则,知道注意力机制的工作流程
人工智能·python·深度学习
Clown Piece1 小时前
【JAVA入门】Day42 - 转换流
java·开发语言·python
Andrew_Xzw1 小时前
复现OpenVLA:开源的视觉-语言-动作模型及原理详解
数据结构·c++·python·深度学习·算法·开源
费弗里2 小时前
Python网页应用开发神器Dash 2.18.1稳定版本来啦
python·dash
给我起把狙2 小时前
django中F()和Q()的用法
数据库·python·django
蜡笔小新星2 小时前
Python判断两张图片的相似度
开发语言·经验分享·python·学习