Plants of the World Online (POWO)|植物学数据集|生态学数据集

powo.science.kew.org2024-10-30 收录

植物学

生态学

下载链接：

https://powo.science.kew.org/

下载链接

链接失效反馈

资源简介：

Plants of the World Online (POWO) 是一个全球植物数据库，提供了关于植物物种的详细信息，包括分类学、分布、生态学和保护状态等。该数据库旨在为植物学家、生态学家和公众提供一个全面的植物信息资源。

提供机构：

powo.science.kew.org

AI搜集汇总

数据集介绍

构建方式

Plants of the World Online (POWO) 数据集的构建基于全球植物多样性的广泛研究与合作。该数据集整合了来自全球各地的植物学研究成果，包括植物分类、分布、生态信息以及相关文献。通过与多个国际植物学数据库和研究机构的协作，POWO 数据集得以不断更新和扩展，确保其内容的全面性和准确性。数据收集过程严格遵循科学方法，包括实地考察、标本采集和文献综述，以确保每一项数据的科学性和可靠性。

特点

POWO 数据集以其全球覆盖和高度详细的信息著称。该数据集包含了超过30万种植物的详细描述，涵盖了从常见植物到稀有和濒危物种的广泛范围。每个条目都包括植物的学名、分类信息、地理分布、生态习性以及相关的科学文献引用。此外，POWO 数据集还提供了丰富的图像资源，包括植物的形态特征图和生境照片，极大地增强了数据的可视化和教育价值。

使用方法

POWO 数据集适用于多种科学研究和教育应用。研究人员可以利用该数据集进行植物分类学、生态学和保护生物学的研究，通过检索特定植物的信息来支持其研究工作。教育工作者和学生可以利用 POWO 数据集进行植物学课程的教学和学习，通过丰富的图像和详细的信息来增强对植物多样性的理解。此外，POWO 数据集还支持公众科学项目，鼓励公众参与植物数据的收集和验证，从而促进科学知识的普及和共享。

背景与挑战

背景概述

Plants of the World Online (POWO) 数据集是由皇家植物园（Royal Botanic Gardens, Kew）于2017年创建的，旨在提供全球植物物种的全面在线数据库。该数据集的核心研究问题包括植物物种的分类、分布、生态信息及其在生物多样性保护中的应用。POWO 不仅整合了大量的植物学文献和标本数据，还通过与全球多个植物研究机构的合作，确保了数据的权威性和广泛性。这一数据集对植物学研究、生态保护和环境科学领域产生了深远影响，为全球植物资源的可持续利用提供了重要支持。

当前挑战

POWO 数据集在构建过程中面临了多重挑战。首先，植物物种的多样性和分布广泛性使得数据收集和整合变得极为复杂。其次，不同地区和研究机构的数据标准和格式差异，增加了数据统一和质量控制的难度。此外，随着新物种的不断发现和分类学研究的深入，数据集需要持续更新和维护，以保持其时效性和准确性。这些挑战不仅影响了数据集的构建效率，也对后续的数据分析和应用提出了更高的要求。

发展历史

创建时间与更新

Plants of the World Online (POWO) 数据集由皇家植物园（Kew Gardens）于2017年创建，旨在提供全球植物物种的全面在线资源。该数据集自创建以来持续更新，以反映最新的植物分类学研究成果。

重要里程碑

POWO数据集的一个重要里程碑是其在2018年成功整合了全球多个植物数据库，包括The Plant List和World Checklist of Selected Plant Families，从而显著提升了数据集的覆盖范围和准确性。此外，2020年，POWO引入了高级搜索功能和交互式地图，使用户能够更便捷地探索和查询植物信息。

当前发展情况

当前，POWO数据集已成为全球植物学研究的重要资源，为科学家、教育工作者和公众提供了丰富的植物物种信息。其持续的更新和扩展，不仅促进了植物分类学的发展，还为生态保护和生物多样性研究提供了关键数据支持。POWO的国际化合作和开放获取政策，进一步推动了全球植物知识的共享和普及。

发展历程

Plants of the World Online (POWO) 首次发布，由英国皇家植物园（Kew Gardens）推出，旨在提供全球植物物种的在线数据库。
2017年
POWO 开始整合全球植物物种的分类信息，包括科、属和种的详细描述，以及分布和生态信息。
2018年
POWO 增加了对植物物种的图像和标本记录的集成，增强了用户对植物多样性的可视化理解。
2019年
POWO 引入了高级搜索功能，使用户能够根据特定的分类学特征、地理分布和生态特性进行精确查询。
2020年
POWO 开始与全球其他植物数据库和研究机构合作，进一步扩展其数据覆盖范围和准确性。
2021年
POWO 发布了其移动应用程序版本，方便用户在移动设备上访问全球植物物种信息。
2022年

常用场景

经典使用场景

在植物学研究领域，Plants of the World Online (POWO) 数据集被广泛用于植物分类学和系统发育分析。该数据集整合了全球植物物种的详细信息，包括分类、分布、形态特征和生态习性等，为研究人员提供了全面的参考资源。通过POWO，科学家能够进行跨物种的比较研究，揭示植物多样性的内在规律和进化机制。

衍生相关工作

基于POWO 数据集，许多相关研究工作得以开展。例如，有研究利用POWO进行全球植物分布模型的构建，预测气候变化对植物多样性的影响；还有研究通过POWO数据集进行植物基因组学分析，揭示植物进化和适应性机制。这些衍生工作进一步丰富了植物学研究的深度和广度。

数据集最近研究

相关研究论文

1
Plants of the World Online: An Online Flora for EveryoneRoyal Botanic Gardens, Kew · 2017年
2
Global patterns of phylogenetic diversity and their driversUniversity of Copenhagen · 2021年
3
The role of plant traits in predicting species distributions: a global synthesisUniversity of Zurich · 2020年
4
Plant diversity and endemism in the Mediterranean BasinUniversity of Barcelona · 2019年
5
The global distribution of plant traits: a meta-analysisUniversity of Amsterdam · 2018年

以上内容由AI搜集并总结生成

用户留言

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？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

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1km分辨率逐月降水量数据集（1901-2023）

该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

Wind Turbine Data

该数据集包含风力涡轮机的运行数据，包括风速、风向、发电量等参数。数据记录了多个风力涡轮机在不同时间点的运行状态，适用于风能研究和风力发电系统的优化分析。

www.kaggle.com 收录

中国高分辨率高质量PM2.5数据集（2000-2023）

ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集（ChinaHighAirPollutants, CHAP）中PM2.5数据集。该数据集利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92，均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。注意：该数据集持续更新，如需要更多数据，请发邮件联系作者（weijing_rs@163.com; weijing@umd.edu）。数据文件中包含NC转GeoTiff的四种代码（Python、Matlab、IDL和R语言）nc2geotiff codes。

国家青藏高原科学数据中心收录

China Air Quality Historical Data

该数据集包含了中国多个城市的空气质量历史数据，涵盖了PM2.5、PM10、SO2、NO2、CO、O3等污染物浓度以及空气质量指数（AQI）等信息。数据按小时记录，提供了详细的空气质量监测数据。

www.cnemc.cn 收录

MedDialog

MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。

github 收录