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？
Hydrological, biogeochemcial and N2-fixer qPCR-derived abundance data for May 2017 (SP1714) and October (SP1724) SCCS cruises.
收藏DataONE2024-06-24 更新2024-07-06 收录
下载链接：
https://search.dataone.org/view/doi:10.26008/1912/bco-dmo.881028.1
下载链接
链接失效反馈资源简介：
<p>These data were published in Turk-Kubo et al. (2021). Table 1, Figure 3, Table S1, Table S2</p>
<p> </p>
<p>Meaning different No Data values:</p>
<p>UD = undetected<br />
na = not applicable<br />
- - = parameter not measured<br />
DNQ = detected, not quantified<br />
Empty cells = means that the value reported in the average nifH L-1 column is quantified. </p>
创建时间：
2024-06-24
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
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
CAMO(Camouflaged Object)
伪装对象 (CAMO) 数据集，专为伪装对象分割任务而设计。我们关注两类，即自然伪装的物体和人工伪装的物体，它们通常分别对应于现实世界中的动物和人类。 伪装对象图像由 1250 张图像组成（训练集 1000 张图像，测试集 250 张图像）。从 MS-COCO 数据集中收集非伪装对象图像（训练集 1000 张图像，测试集 250 张图像）。 CAMO 具有客观性掩码真实性。
OpenDataLab 收录
CurveLanes
CurveLanes是一个新的基准车道检测数据集，具有150K个车道图像，适用于交通车道检测中的曲线和多车道等困难场景。它是在中国多个城市的真实城市和高速公路场景中收集的。它是迄今为止最大的车道检测数据集，并为社区建立了更具挑战性的基准。 我们将整个数据集150K分为三个部分: train:100K，val: 20K和testing: 30K。该数据集中的大多数图像的分辨率为2650 × 1440。 对于每个图像，我们使用自然的三次样条线手动注释图像中的所有通道。所有图像都经过精心选择，以使大多数图像至少包含一个曲线车道。在这个数据集中可以找到更困难的场景，例如s形曲线、Y形车道、夜间和多车道 (车道线的数量超过4条)。
OpenDataLab 收录
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
中国近海台风路径集合数据集(1945-2024)
1945-2024年度，中国近海台风路径数据集，包含每个台风的真实路径信息、台风强度、气压、中心风速、移动速度、移动方向。时间为北京时间。
国家海洋科学数据中心 收录