微软行星云计算——全球生物量数据集GBIF
2024-09-13 08:42:07
在全球生物多样性研究的舞台，微软行星云计算携手全球生物多样性信息机构（GBIF）为我们呈现了一场数据的盛宴。GBIF，一个由政府支持的国际网络，以其庞大的数据仓库，存储了超过16亿种物种的珍贵信息，这些数据来自博物馆的珍藏、公民科学网络的贡献以及自动环境监测的实时记录。所有数据都以Parquet格式精心存储，严格遵循达尔文核心标准，确保了信息的准确性和一致性。
通过GBIF的API接口，科学家和研究者可以轻松检索和引用这些数据，其STAC集合（STAC集合链接：
项目的核心资产包括了关键的STAC键，如数据集类型、GBIF标识（GBIFid）和数据集UUID（Datasetkey），以及一系列详细的分类信息，涵盖了从Kingdom到Infraspecificepithet的生物分类学级别。时间范围跨越2021年4月13日至今，持续更新，为科研提供了实时的生物多样性动态。
深入探索GBIF的数据结构，你会发现每个记录都包含了关键字段，如Taxonkey与GBIF主干分类法（byte_array Taxonrank: dwc:taxonRank），Scientificname以字节数组形式呈现，与GBIF分类体系紧密相连（byte_array Scientificname: dwc:scientificName），以及详细的记录信息，如Countrycode（dwc:countryCode），Occurrencestatus（dwc:occurrenceStatus）以及精确的地理位置坐标（Decimallatitude 和 Decimallongitude）。
为了满足处理大规模数据的需求，GBIF的数据集支持Dask，使得科学家能够高效地读取和分析Parquet文件，如使用dd.read_parquet进行数据加载。此外，通过分析，我们发现了一些有趣的统计数据，如最常见的15个物种的国家分布，以及国家层面的独特物种数量地图。
总的来说，微软行星云计算与GBIF的合作为生物学家和生态学家提供了强大的工具，让全球生物多样性研究变得更加直观、高效。无论是基础研究还是应用分析，这个全球生物量数据集都是一个不可或缺的资源。
热门标签
