NASA数据集——1983 ——2016 年期间北美森林地点的野外地块特征数据、衍生的地上和地下燃烧碳以及获取的火灾气象指数(FWI)

本文主要是介绍NASA数据集——1983 ——2016 年期间北美森林地点的野外地块特征数据、衍生的地上和地下燃烧碳以及获取的火灾气象指数(FWI),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文件修订日期:2022-05-04

数据集版本: 1

简介

该数据集综合了 1983 年至 2016 年期间美国阿拉斯加、西北地区和加拿大萨斯喀彻温省被烧毁的北方森林地点的野外地块特征数据、衍生的地上和地下燃烧碳以及获取的火灾气象指数(FWI)系统组件。此外还包括未烧毁地块的数据。编译的地块级特征数据包括林分年龄、干扰历史、树木密度和树木生物物理测量值,用于计算地上(ag)和地下(bg)生物量/碳库、火灾前和火灾后残余土壤有机层(SOL)深度以及树木结构等级的燃烧估计值。此外,还提供了每个地点的测量坡度和坡向,以及根据地形分配的湿度等级。数据来自 1019 个燃烧过的地点和 152 个未燃烧过的地点。通过对燃烧的农业碳库和生物质碳库以及 SOL 损失的估算,计算出每个地块燃烧的总碳量、燃烧前碳量的比例以及燃烧后碳量占总碳量的比例。根据全球火灾气象数据库中的地块位置、燃烧年份和动态启动日期(燃烧日,DOB),从现有数据源获取每个地块的 FWI 系统组件,包括湿度和干旱代码以及火灾危险指数。土壤特性数据包含在一个单独的文件中。
野外研究横跨北美西部北方森林的六个生态区,捕捉了火灾前树木生产力、林龄和生态系统碳储存条件的广泛梯度。它还包括以 DOB 和 FWI 系统指数为代表的气象控制,以及火灾后残余土壤有机层深度的测量和燃烧深度的重建,以及上部和下部碳燃烧的重建。

该数据集包含两个逗号分隔(.csv)格式的数据文件。

野外地点、生态区和研究区域内每个生态区的烧毁总面积(百万公顷)随时间变化的情况。插图中的灰色虚线表示所有生态区烧毁面积的简单线性回归,红色阴影表示 95% 的置信区间。分析使用野外地点分组完成,这些地点位于 EPA 北美二级生态区所定义的六个生态区内。资料来源:Walker 等人,2020 年:Walker 等人,2020 年。 

数据特征

空间覆盖范围:  阿拉斯加和加拿大

上方参考位置:

          域:核心和扩展

          州/地区: 阿拉斯加和加拿大阿拉斯加和加拿大

          网格单元(ABoVE 域中有 108 个单元):

ABoVE grid cells
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空间分辨率:多点

时间覆盖范围1983-01-01 至 2016-08-08

时间分辨率可变

研究区域(所有经纬度均以十进制度表示)

SiteWesternmost LongitudeEasternmost LongitudeNorthernmost LatitudeSouthernmost Latitude
Alaska and Canada-150.902-88.6119967.2297253.19106

数据文件信息

该数据集有两个逗号分隔(.csv)格式的数据文件。

AK_CA_Burned_Plot_Data_1983_2016.csv.该文件汇编了 1983 年至 2016 年期间从阿拉斯加和加拿大烧毁和未烧毁地点的地块中收集的数据,以及从这些变量中得出的数据。

AK_CA_Soil_Profile_Synthesis.csv。该文件汇编了从烧毁和未烧毁地点的地块中收集的土壤数据。

表 2.AK_CA_Burned_Plot_Data_1983_2016.csv 中的变量。注:说明中的 * 表示由调查人员计算或分配的变量。FWI 系统的组成部分是根据每日天气条件计算得出的,包括三个燃料水分代码和三个火灾行为指数。

VariableUnitsDescription
project_idUnique id associated with this project
project_nameProject name
treatmentBurned or control plot
siteSite name/number
burn_nameName of fire site
burn_yearYYYYYear of burn
ecoregion_name_l2US EPA Ecoregion Level 2 (Ecoregions | US EPA)
latitudedecimal degreesLatitude. GPS. Datum: WSG84 Position format: ddd.ddddd
longitudedecimal degreesLongitude. GPS. Datum: WSG84 Position format: ddd.ddddd
accuracy_horizontalmetersHorizontal accuracy
elevationmetersGPS. Meters above sea level
accuracy_verticalmetersvertical accuracy
slopedegreesSlope in degrees
aspectdegreesSlope aspect in compass degrees (0 to 360) - has not been corrected for declination
moistureunitlessRanking of plot moisture potential using the moisture key presented in the successional trajectories workbook (Johnstone). Values range from 1 to 6, where 1=xeric, 2=subxeric, 3=subxeric to mesic, 4=mesic, 5=submesic, 6=subhygric
stand_densitystems/m2Estimated density of pre-fire stems per m2 for the pre-fire stand. All trees and saplings that were alive at the time fires are included
stand_basal_areacm2/cm2Total measured basal area (cm2) of pre-fire tree species expressed on a per m2 basis. Basal area was calculated from stem diameter at breast height (area of each tree=pie(dbh/2)2)
prop_black_spruce0-1Proportion of black spruce trees in a site (range 0-1)
stand_ageyearAge of stand at time of fire - based on tree ring counts
stand_originDescription of stand origin - e.g. fire, logging, unknown
ag_biomass_prefireg/m2Pre-fire aboveground biomass
ag_c_prefireg C /m2Pre-fire above ground carbon pool
ag_biomass_combustedg/m2Above-ground biomass combusted
ag_c_combustedg C/m2Above-ground carbon pool combusted
prefire_solcmDepth of pre-fire SOL calculated as the sum of the residual SOL and the SOL burn depth
mean_residual_org_layer_depthcmMean of residual organic layer depth
burn_depthcmDepth of burn
prop_sol_combusted0-1Proportion of the soil organic layer combusted (depth of burn/pre-fire SOL)
residual_sol_cg C/m2Residual SOL C
bg_c_prefireg C/m2Pre-fire belowground carbon pool (g C m2)
bg_c_combustedg C/m2Below-ground carbon combusted (g C m2)
prop_sol_c_combusted0-1Proportion of the soil organic layer C combusted (bg_c_combusted/bg_c_prefire)
total_c_pool_prefireg c/m2Total pre-fire carbon pool. Sum of above and below ground pre-fire C pools
prop_prefire_bg_c0-1Proportion of the total pre-fire C pool attributed to the below-ground component (bg_c_prefire/total_c_pool_prefire)
total_c_combustedg c/m2Total carbon combusted. Sum of above and below-ground C combusted *
prop_total_bg_c_combusted0-1Proportion of the total C combusted attributed to the below-ground component (bg_c_combusted/total_c_combusted) *
prop_total_prefire_c_combusted0-1Proportion of the total pre-fire C pool combusted (total_c_combusted/total_c_pool_prefire) *
dobDay of Burn
precipitationmmPrecipitation - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
temperaturedegree CTemperature - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
relative_humidity%Relative Humidity - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
wind_speedm/sWind speed obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
drought_codeDrought Code (DC) - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
drought_moisture_codeDrought Moisture Code (DMC) - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
fine_fuel_moisture_codeFine Fuel Moisture Code (FFMC) - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
initial_spread_indexInitial Spread Index (ISI) - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
buildup_indexBuild-up Index (BUI) - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
fire_weather_indexFire Weather Index (FWI) - obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *
daily_severity_rankDaily Severity Ranking (DSR)- obtained from GFWED based on input variables from MERRA 2. MERRA 2 from Field et al. 2015 *

AK_CA_Soil_Profile_Synthesis.csv 文件中的变量。

VariableUnitsDescription
siteStudy site
project_nameProject name of acquired data
idID
project_idUnique id associated with this project
plotPlot name
latitudeDecimal degreesLatitude of site
longitudeDecimal degreesLongitude of site
treatmentBurned or control (plot)
profileSoil profiles
min_orgMineral (min) or organic (org) soil. Mineral soil characteristics were only obtained from Boby et al. 2010 and were not included in any additional analyses
horizonSoil horizon
raw_depthcmDepth in the profile (maximum depth in the profile)
adjusted_depthcmSOL profile depth measurements adjusted based on combusted (maximum depth in the profile)
sample_depthcmSample depth
fine_coarseHow the soil was divided into coarse or fine fractions (0=no divide, 1=2mm)
fine_bulk_densityg/cm3Fine soil bulk density
coarse_ bulk_densityg/cm3Coarse soil bulk density
total_ bulk_densityg/cm3Total bulk density
fine_carbon%Percent carbon content in fine soil
fine_nitrogen%Percent nitrogen content in fine soil
phSoil pH
dry_matterg/m2Grams of dry matter per m2= fine bulk density * sample depth *10 000
carbong C/m2Grams of carbon per m2 = g.dry.matter.m2 * fine_c

应用与推导

编制该数据集的目的是评估整个北美西北部寒带地区火灾碳排放的驱动因素。

质量评估

在所有研究中,计算基本遵循 Walker 等人 2018 年的方法。

数据采集、材料和方法

研究领域

研究人员从北美西部北方森林的 1,019 个烧毁地点和 152 个对照地点(即没有火灾历史记录)获取了数据,这些地点横跨六个不同的生态区,近几十年来,这些地区的烧毁面积有所增加(图 1)。研究地点位于阿拉斯加内陆北方地区、北方科迪勒拉山系、泰加平原、泰加盾林、软木盾林和北方平原等生态区域,这些生态区域在地质历史、土壤发育和母质以及年平均温度和降水量方面各不相同(Wang 等,2016 年)。  不同研究的地点选择和取样方法各不相同,但都提供了与火灾前树种组成、林龄、地形以及火灾前后地上和地下碳库相关的实地收集数据。

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassifyimport pandas as pd
import leafmapurl = "https://github.com/opengeos/NASA-Earth-Data/raw/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
dfleafmap.nasa_data_login()results, gdf = leafmap.nasa_data_search(short_name="ABoVE_Plot_Data_Burned_Sites_1744",cloud_hosted=True,bounding_box=(-150.9, 53.19, -88.61, 67.23),temporal=("2017-07-20", "2017-08-08"),count=-1,  # use -1 to return all datasetsreturn_gdf=True,
)gdf.explore()#leafmap.nasa_data_download(results[:5], out_dir="data")

引用

Walker, X.J., J.L. Baltzer, L.L. Bourgeau-Chavez, N.J. Day, W.J. De groot, C. Dieleman, E.E. Hoy, J.F. Johnstone, E.S. Kane, M.A. Parisien, S. Potter, B.M. Rogers, M.R. Turetsky, S. Veraverbeke, E. Whitman, and M.C. Mack. 2020. ABoVE: Synthesis of Burned and Unburned Forest Site Data, AK and Canada, 1983-2016. ORNL DAAC, Oak Ridge, Tennessee, USA. ABoVE: Synthesis of Burned and Unburned Forest Site Data, AK and Canada, 1983-2016, https://doi.org/10.3334/ORNLDAAC/1744

网址推荐

0代码在线构建地图应用

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习

https://www.cbedai.net/xg 

这篇关于NASA数据集——1983 ——2016 年期间北美森林地点的野外地块特征数据、衍生的地上和地下燃烧碳以及获取的火灾气象指数(FWI)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/876785

相关文章

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动

C#实现获取电脑中的端口号和硬件信息

《C#实现获取电脑中的端口号和硬件信息》这篇文章主要为大家详细介绍了C#实现获取电脑中的端口号和硬件信息的相关方法,文中的示例代码讲解详细,有需要的小伙伴可以参考一下... 我们经常在使用一个串口软件的时候,发现软件中的端口号并不是普通的COM1,而是带有硬件信息的。那么如果我们使用C#编写软件时候,如

Oracle数据库使用 listagg去重删除重复数据的方法汇总

《Oracle数据库使用listagg去重删除重复数据的方法汇总》文章介绍了在Oracle数据库中使用LISTAGG和XMLAGG函数进行字符串聚合并去重的方法,包括去重聚合、使用XML解析和CLO... 目录案例表第一种:使用wm_concat() + distinct去重聚合第二种:使用listagg,

C#实现WinForm控件焦点的获取与失去

《C#实现WinForm控件焦点的获取与失去》在一个数据输入表单中,当用户从一个文本框切换到另一个文本框时,需要准确地判断焦点的转移,以便进行数据验证、提示信息显示等操作,本文将探讨Winform控件... 目录前言获取焦点改变TabIndex属性值调用Focus方法失去焦点总结最后前言在一个数据输入表单

Python实现将实体类列表数据导出到Excel文件

《Python实现将实体类列表数据导出到Excel文件》在数据处理和报告生成中,将实体类的列表数据导出到Excel文件是一项常见任务,Python提供了多种库来实现这一目标,下面就来跟随小编一起学习一... 目录一、环境准备二、定义实体类三、创建实体类列表四、将实体类列表转换为DataFrame五、导出Da

Python实现数据清洗的18种方法

《Python实现数据清洗的18种方法》本文主要介绍了Python实现数据清洗的18种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录1. 去除字符串两边空格2. 转换数据类型3. 大小写转换4. 移除列表中的重复元素5. 快速统

通过C#获取PDF中指定文本或所有文本的字体信息

《通过C#获取PDF中指定文本或所有文本的字体信息》在设计和出版行业中,字体的选择和使用对最终作品的质量有着重要影响,然而,有时我们可能会遇到包含未知字体的PDF文件,这使得我们无法准确地复制或修改文... 目录引言C# 获取PDF中指定文本的字体信息C# 获取PDF文档中用到的所有字体信息引言在设计和出

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

python中os.stat().st_size、os.path.getsize()获取文件大小

《python中os.stat().st_size、os.path.getsize()获取文件大小》本文介绍了使用os.stat()和os.path.getsize()函数获取文件大小,文中通过示例代... 目录一、os.stat().st_size二、os.path.getsize()三、函数封装一、os