有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
GIRF Mineralization data|氮循环数据集|土壤科学数据集
收藏DataONE2021-12-05 更新2024-06-08 收录
下载链接：
https://search.dataone.org/view/sha256:1d7c457b80be425db3b15f0e3de846ba0843d8e2358d8f6d409042b41ca68a03
下载链接
链接失效反馈资源简介：
The data shows Net Nitrogen Mineralization occurring in GIRF bioretention from August 2013 to October 30, 2014. Net nitrogen mineralization is calculated as the difference in inorganic N content (NO3-N, NO2-N, NH4-N) between incubated (soil samples inside PVC pipes) soil samples and non-incubated soil samples every two weeks. Hach kits (TNT 835 Low Range (accurate between 0.23-13.5 mg/L), TNT 839 Low Range (accurate between 0.015-0.6 mg/L), and TNT 830 Ultra Low Range (accurate between 0.015-2 mg/L)) were used for measuring inorganic content in the soil. TN was measured using HachTM persulfate digestion method 10208 (accurate between 1 mg/l-16 mg/l) every two weeks. Then, N concentration in all samples was quantified using a Hach 6500 spectrometer (HachTM Company, Loveland, CO).
创建时间：
2021-12-05
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
Animals 10 种动物图像数据集
该数据集包含约 28K 个中等质量的动物图像，属于 10 个类别：狗、猫、马、蜘蛛、蝴蝶、鸡、羊、牛、松鼠、大象。
超神经 收录
PlantVillage
在这个数据集中，39 种不同类别的植物叶子和背景图像可用。包含 61,486 张图像的数据集。我们使用了六种不同的增强技术来增加数据集的大小。这些技术是图像翻转、伽玛校正、噪声注入、PCA 颜色增强、旋转和缩放。
OpenDataLab 收录
Vehicle Energy Dataset (VED)
Vehicle Energy Dataset (VED)是由密歇根大学创建的一个大规模数据集，包含从2017年11月至2018年11月期间，在美国密歇根州安娜堡收集的383辆个人汽车的燃油和能量数据。该数据集捕捉了车辆的GPS轨迹以及燃油、能量、速度和辅助电源使用的时间序列数据。数据集中的车辆类型多样，包括264辆汽油车、92辆混合动力车和27辆插电式混合动力/电动车。VED数据集总里程约374,000英里，涵盖了从高速公路到交通密集的市中心区域等各种驾驶条件和季节。数据集创建过程中，研究团队通过安装在车辆上的OBD-II记录器收集数据，并对个人身份信息进行了去标识化处理，以保护参与者隐私。VED数据集的应用领域广泛，包括车辆能源消耗建模、驾驶员行为建模、机器学习和深度学习、交通模拟器的校准、最佳路线选择模型、人类驾驶员行为预测以及自动驾驶汽车的决策制定等。
arXiv 收录