蒸散发与植被总初级生产力的区域数据下载、处理与显示

植被总初级生产力(GPP)是指植物通过光合作用吸收的碳,是陆地生物圈和大气之间最大的碳通量,GPP的准确量化对于理解气候变化中生态系统功能、农业生产和碳循环的动态以及对气候的反馈具有重要意义

蒸散发(Evapotranspiration,ET)广义来说包括土壤及水面水分蒸发、植被蒸腾、植被冠层截留降水蒸发、冰雪升华等,是水圈、大气圈、土壤圈和生物圈中水分和能量交换的主要过程,也是生态过程和水文过程的重要纽带

熟悉蒸散发ET及其组分(植被蒸腾Ec、土壤蒸发Es、冠层截留Ei)、植被总初级生产力GPP的概念和碳水耦合的基本原理;掌握利用Python与ArcGIS工具进行相关的操作;熟练掌握国际上流行的Penman-Monteith模型,并能够应用该模型在各种植被类型上进行冠层导度、蒸散发组分的计算;掌握单站和区域结果的可视化方法、制图方法等

适用范围

生态水文相关行业、双碳相关行业

蒸散发与光合作用阻抗&Python实践

. 蒸散发与光合作用阻抗

蒸散发和光合作用阻抗是植物生理学中的重要概念。蒸散发与植物水分平衡、生长和代谢密切相关;而光合作用阻抗则反映了植物在限制水分蒸散的情况下,为维持光合作用而形成的扩散阻力。研究蒸散发与光合作用阻抗的原理有助于了解植物的光合作用效率、生长速度和生态适应性等方面信息,为农业生产、林业经营和环境保护等领域提供科学依据和决策支持。

Python使用说明

2.1. Jupyter Notebook编辑器+Anaconda管理器的安装

Python是一种简单易学、功能强大的编程语言,具有丰富的标准库和广泛的第三方库支持,适用于大数据处理、人工智能、Web开发等多个领域。

虚拟环境的安装与配置

虚拟环境允许同一台机器上创建多个独立的Python环境,每个环境都可以有自己的Python版本和安装的第三方库。不同的项目可以使用不同的Python版本和依赖库,避免了版本冲突和依赖冲突的问题。

常用库

本节包含Python基本语法及常用的科学计算(Numpy)、数据处理(Pandas)和数据可视化(Matplotlib)库函数的使用。

数据处理
Python中常见的数据问题有数据重复、数据异常、文本类型、数据缺失、数据无效等,对应异常值处理、文本转换和空缺值填补等操作。

ArcGIS实践

3.1 基本操作
ArcGIS的基本操作包括创建与打开地图文档、加载数据、保存文档、图层操作、数据框坐标系统定义、要素属性查询等。

数据格式转换
在ArcGIS中可以实现不同数据格式的相互转换,如EXCEL数据与Shapefile数据、TXT 数据与 Shapefile 数据的相互转换等。

提取栅格值

在ArcGIS中可以实现值提取至点或利用ArcPy实现批量处理栅格数据集。

数据裁剪

ArcGIS中的裁剪功能用于根据指定的边界范围,对图层或栅格数据集进行裁剪。通过裁剪操作,可以删除不感兴趣的数据或者将数据限制在特定区域内,以便更好地分析和可视化数据。

地图制图

地图制图主要包括地图版面设计的主要要素、地图渲染方式等内容

数据下载与处理

4.1 站点数据下载与处理

FLUXNET2015是一个全球尺度的碳、水和能量通量观测数据集,汇集了来自200多个观测站点的数据。该数据集提供了关于碳、水和能量通量等多个观测变量的实地观测数据,并按照标准化格式存储和共享。

数据下载

打开网址https://fluxnet.org/data/fluxnet2015-dataset/,点击Download FLUXNET2015 Dataset,进行用户名和账号密码登录后,可以根据需求选择站点,填写申请需求即可完成下载。

数据处理

根据研究需求,对下载后的数据进行处理,包括变量选择、异常值的处理、空缺值填补。

4.2 区域数据下载与处理
GLASS是一个全球陆地表面遥感数据集,提供了高分辨率的植被叶面积指数(LAI)数据,空间分辨率为250m/500m/0.05°,时间分辨率为8天。

数据下载

打开网址http://www.glass.umd.edu/index.html,根据研究需求选择对应分辨率的LAI数据集,并利用DownThemAll!批量下载数据。

数据处理

下载后的数据为hdf格式,根据研究需求,对下载后的数据进行处理,包括数据格式转换、定义投影、对应栅格值提取、数据汇总等。

冠层导度与水、碳通量空间模拟案例分析实践

n 案例一:蒸散发、土壤蒸发、植被蒸腾在站点尺度的计算

在站点尺度上,利用叶面积指数、净辐射等计算出冠层有效能量和土壤有效能量,并根据一定时间的累积降水和土壤表面平衡蒸发速率得到土壤蒸发,进而计算出植被蒸腾与冠层导度。具体操作如下:

1、叶面积指数的站点值提取与插补

Ÿ 数据格式转换

Ÿ 定义投影

Ÿ 站点值提取

Ÿ 数据插补

2、土壤蒸发计算

Ÿ 冠层有效能量和土壤有效能量计算

Ÿ 土壤蒸发分数计算

Ÿ 土壤平衡蒸发计算

植被蒸腾计算

Ÿ 干湿表常数计算

Ÿ 饱和水汽压和温度关系曲线斜率计算

Ÿ 空气动力学导度计算

4、冠层导度计算

Ÿ 数值计算

Ÿ 结果可视化

案例二:蒸散发与植被总初级生产力的区域数据下载、处理与显示

区域地表蒸散发及其组分(土壤蒸发、植被蒸腾、冠层截留蒸发)、植被总初级生产力数据的下载、处理、显示与统计。


 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/121203.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

XTU-OJ 1258-矩阵

编写一个程序,将1~n2按行依次填入nn的矩阵,执行若干条行或者列的循环移动的指令,再将数字按行依次取出。 指令如下: 指令含义L x yx行循环左移y次R x yx行循环右移y次U x yx列循环上移y次D x yx列循环下移y次 输入 第一行是一个整…

Vue3-02_Vue基础入门

背景 这里,跟vue官网的介绍章节稍有差异。官网上侧重组件原理,从浅到深介绍各种组件。后续是系统生态。 教程上更偏路线化,需要用到的优先讲解。完成综合案例。所以我主要按照教程的思路来进行学习。 ◆ 能够知道 vue 的基本使用步骤 ◆ 掌…

threejs(4)-纹理材质高级操作

一、纹理重复_缩放_旋转_位移操作 // 导入threejs import * as THREE from "three"; // 导入轨道控制器 import { OrbitControls } from "three/examples/jsm/controls/OrbitControls.js"; // 导入lil.gui import { GUI } from "three/examples/jsm/l…

win10 + VS2017 编译libjpeg(jpeg-9b)--更新

刚刚写了一篇“win10 VS2017 编译libjpeg(jpeg-9b)”, 然后就发现,还有一个更好的方法。因此,重新更新了一篇,作为对比与参考。 需要用到的文件: jpeg-9b.zip win32.mak 下载链接链接…

当生成式AI遇到业务流程管理,大语言模型正在变革BPM

生成式AI对各领域有很大影响,一个方面在于它改变了很多固有业务的工作流。 工作流(Workflow)是业务流程的一种实现方式,一个业务流程往往包含多个工作流范式以及相关的数据、组织和系统。 因此,提及工作流必然离不开业…

13 结构性模式-装饰器模式

1 装饰器模式介绍 在软件设计中,装饰器模式是一种用于替代继承的技术,它通过一种无须定义子类的方式给对象动态的增加职责,使用对象之间的关联关系取代类之间的继承关系. 2 装饰器模式原理 //抽象构件类 public abstract class Component{public abstract void operation(); }…

java spring boot 字符串判空

1、安装依赖 <dependency><groupId>org.apache.commons</groupId><artifactId>commons-lang3</artifactId><version>3.12.0</version></dependency>2、用法 2.1 StringUtils.isNotBlank()&#xff1a;判断参数是否不为空 /*…

StringBoot整合跟请求有关的注解

RequestMapping RequestMapping 注解可以在控制器类上和控制器类中的方法上使用。GetMapping、PostMapping、PutMapping、DeleteMapping、PatchMapping 都是HTTP方法特有的快捷方式RequestMapping的变体&#xff0c;分别对应具体的HTTP请求方式的映射注解 GetMapping GetMap…

React JSX常用语法总结

React JSX语法 什么是React JSX JSX&#xff08;javascript xml&#xff09; 就是JavaScript和XML结合的一种格式&#xff0c;是JavaScript的语法扩展&#xff0c;只要把HTML代码写在JS中&#xff0c;就为JSX。用于动态构建用户界面的Javascript库&#xff0c;发送请求获取数据…

源码角度分析Java 循环中删除数据为什么会报异常

一、源码角度分析Java 循环中删除数据为什么会报异常 相信大家在之前或多或少都知道 Java 中在增强 for中删除数据会抛出&#xff1a;java.util.ConcurrentModificationException 异常&#xff0c;例如&#xff1a;如下所示程序&#xff1a; public class RmTest {public sta…

Django分页功能的使用和自定义分装

1. 在settings中进行注册 # drf配置 REST_FRAMEWORK {DEFAULT_AUTHENTICATION_CLASSES: (# rest_framework_jwt.authentication.JSONWebTokenAuthentication,rest_framework_simplejwt.authentication.JWTAuthentication,rest_framework.authentication.SessionAuthenticatio…

高等数学教材重难点题型总结(六)定积分的应用

本章全是物理题&#xff0c;总的来说计算层面并不难&#xff0c;难点主要在于&#xff1a;对于体积和面积的题&#xff0c;核心在于抽象出面积/体积元素——本质上就是被积函数&#xff1b;对于物理题&#xff0c;基础的物理的公式一定要牢记~ 1.求平面面积 2.求旋转体的体积…

爬虫批量下载科研论文(SciHub)

系列文章目录 利用 eutils 实现自动下载序列文件 提示&#xff1a;写完文章后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 系列文章目录前言一、获取文献信息二、下载文献PDF文件参考 前言 大家好✨&#xff0c;这里是bio&#x1f996;。…

初识《时间复杂度和空间复杂度》

目录 前言&#xff1a; 关于数据结构与算法 1.什么是数据结构&#xff1f; 2.什么是算法&#xff1f; 3.数据结构和算法的重要性 算法效率是什么&#xff1f; 1.怎样衡量一个算法的好坏呢&#xff1f; 2.算法的复杂度是个什么&#xff1f; 时间复杂度 1.时间复杂度的概…

NLP之RNN的原理讲解(python示例)

目录 代码示例代码解读知识点介绍 代码示例 import numpy as np import tensorflow as tf from tensorflow.keras.layers import SimpleRNNCell# 第t时刻要训练的数据 xt tf.Variable(np.random.randint(2, 3, size[1, 1]), dtypetf.float32) print(xt) # https://www.cnblog…

微服务技术导学

文章目录 微服务结构认识微服务技术栈 微服务结构 技术&#xff1a; 解决异常定位&#xff1a; 持续集成&#xff0c;解决自动化的部署&#xff1a; 总结如下&#xff1a; 认识微服务 微服务演变&#xff1a; 技术栈 SpringCloud与SpringBoot版本对应关系

VS2022 C# 读取 excel 2023年

今天是2023年6月26日&#xff0c;我有一个excel表要读数据&#xff0c;然后放到winform程序来处理&#xff0c;网上的资料太旧&#xff0c;很多用不起来&#xff0c;试了一个可以使用&#xff0c;记录一下&#xff1a; 一、excel文件后缀需要小写。 二、用VS2022建一个winform…

Java练习题2020 -1

统计1到N的整数中&#xff0c;被A除余A-1的偶数的个数 输入说明&#xff1a;整数 N(N<10000), A, (A 输出说明&#xff1a;符合条件的数的个数 输入样例&#xff1a;10 3 输出样例&#xff1a;2 (说明&#xff1a;样例中符合条件的2个数是 2、8) import java.util.Scanner;p…

Web:探索 SpreadJS强大的在线电子表格库

1、概述 SpreadJS 是葡萄城结合 40 余年专业控件技术和在电子表格应用领域的经验而推出的纯前端表格控件,基于 HTML5,兼容 450 多种 Excel 公式,具备“高性能、跨平台、与 Excel 高度兼容”的产品特性,SpreadJS 在界面和功能上与 Excel 高度类似,但又不局限于 Excel,而是…

简单线性回归模型(复习一下前向传播和反向传播)

案例1 import torch torch.__version__ xtorch.rand(3,4,requires_gradTrue) xtensor([[0.9795, 0.8240, 0.6395, 0.1617],[0.4833, 0.4409, 0.3758, 0.7234],[0.9857, 0.9663, 0.5842, 0.8751]], requires_gradTrue)btorch.rand(3,4,requires_gradTrue) txb yt.sum()y.backwa…