17 datasets found
  1. Data and Code for "Divergent impacts of climate interventions on China's...

    • zenodo.org
    text/x-python, zip
    Updated Aug 21, 2025
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Xiao Zhang; Yuanchao Fan; Yuanchao Fan; Jerry Tjiputra; Helene Muri; Helene Muri; Qiao Chen; Xiao Zhang; Jerry Tjiputra; Qiao Chen (2025). Data and Code for "Divergent impacts of climate interventions on China's north-south water divide" [Dataset]. http://doi.org/10.5281/zenodo.16792015
    Explore at:
    zip, text/x-pythonAvailable download formats
    Dataset updated
    Aug 21, 2025
    Dataset provided by
    Zenodohttp://zenodo.org/
    Authors
    Xiao Zhang; Yuanchao Fan; Yuanchao Fan; Jerry Tjiputra; Helene Muri; Helene Muri; Qiao Chen; Xiao Zhang; Jerry Tjiputra; Qiao Chen
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Area covered
    China
    Description

    This repository contains the datasets and scripts used to generate the figures in the study “Divergent impacts of climate interventions on China’s north-south water divide”.
    The materials are organized by figure, with corresponding code and processed data provided where applicable.

    Figure Notes:

    Figure 1: Produced using ArcGIS 10.7.

    Figure 5: Drawn using CorelDRAW 2021.

    All other figures: Generated using the provided Python scripts.

    Software Requirements:

    • ArcGIS 10.7 (for reproducing Figure 1)

    • CorelDRAW 2021 (for reproducing Figure 5)

    • Python 3.11.8 with packages: xarray, numpy, pandas, matplotlib, cartopy, scipy

  2. S1 Data -

    • figshare.com
    bin
    Updated Aug 8, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Hui Zhang; Shujing Long (2023). S1 Data - [Dataset]. http://doi.org/10.1371/journal.pone.0289093.s001
    Explore at:
    binAvailable download formats
    Dataset updated
    Aug 8, 2023
    Dataset provided by
    PLOShttp://plos.org/
    Authors
    Hui Zhang; Shujing Long
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Description

    The attraction of tourism resources is very important to promote the sustainable development of tourism industry. This study takes China’s world cultural and natural heritage as the research object, and constructs an attractiveness evaluation system for China’s world cultural and natural heritage tourism resources by collecting user feedback data from three major travel OTA platforms. At the same time, ArcGIS 10.7 software was used for spatial autocorrelation analysis and kernel density analysis to explore the spatial distribution pattern of tourism resource attraction. The results show that China’s world cultural and natural heritage can be subdivided into 5 main categories and 10 sub-categories. From the perspective of spatial aggregation, only the Moran’s I index of tourist resource points showing a significant spatial aggregation feature. This study is helpful to reveal the weaknesses of tourism resource points and provide reference for sustainable development of attraction and optimization of tourism planning and management.

  3. d

    Greater Sage-grouse brood-rearing female habitat data

    • datadryad.org
    • data-staging.niaid.nih.gov
    • +2more
    zip
    Updated Sep 28, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Chris Kirol (2023). Greater Sage-grouse brood-rearing female habitat data [Dataset]. http://doi.org/10.5061/dryad.g4f4qrfwb
    Explore at:
    zipAvailable download formats
    Dataset updated
    Sep 28, 2023
    Dataset provided by
    Dryad
    Authors
    Chris Kirol
    Time period covered
    Sep 26, 2023
    Description

    Data_Kirol_Fedy 2023_Brood_rearing_sage_grouse_anthropogenic_landscape

    This folder contains the data for the article: Kirol and Fedy 2023 Using individual-based habitat selection analyses to understand the nuances of habitat use in an anthropogenic landscape: A case study using greater sage-grouse trying to raise young in an oil and gas field.

    Comments and requests should be addressed to Chris Kirol: chriskirol@gmail.com. Please let me know if you intend to use these data.

    The data for this article is a .csv file titled "Data_wlb3.01111_Kirol_Fedy_2023"

    We followed a use versus availability design. We used weighted Generalized Linear Models (GLM) to compare use locations with pseudo-absence locations for individual-level models for each brood-rearing sage-grouse. We generated available points (i.e., pseudo-absence) at a ratio of 20:1 to used points for each individual. We established available points within a specific availability domain for each individual. The avai...

  4. Model comparison between the OLS and the GWR model.

    • plos.figshare.com
    xls
    Updated Jun 10, 2023
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye (2023). Model comparison between the OLS and the GWR model. [Dataset]. http://doi.org/10.1371/journal.pone.0252639.t004
    Explore at:
    xlsAvailable download formats
    Dataset updated
    Jun 10, 2023
    Dataset provided by
    PLOShttp://plos.org/
    Authors
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Description

    Model comparison between the OLS and the GWR model.

  5. c

    Data from: BATIMETRÍA

    • atlascigom.cicese.mx
    Updated Sep 5, 2021
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). BATIMETRÍA [Dataset]. https://atlascigom.cicese.mx/dataset/batimetria
    Explore at:
    Dataset updated
    Sep 5, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    Se representa la batimetría del GOM Metodo: La batimetría se obtuvo de la Carta Batimétrica Internacional del Mar Caribe y el Golfo de México (IBCCA, por sus siglas en inglés), se descargaron los conjuntos de datos vectoriales de las hojas 1-01, 1-,02, 1-03, 1-04, 1-05, 1-06, 1-07, 1-08 y 1-13 a escala 1:1 000 000 de la página web del Instituto Nacional de Estadística, Geografía e Informática (INEGI). Con la información de las cartas batimétricas se creó un sombreado del relieve submarino del golfo de México y de una porción del Mar Caribe. Para hacer el sombreado se realizó un mosaico del conjunto de los datos vectoriales de las cartas batimétricas y posteriormente un modelo digital de batimetría utilizando el programa ANUDEM 5.3 (Topo To Raster) del software ArcGIS Pro 2.2. Sistema nativo: ArcGIS 10.7.1 --> Se representa la batimetría del GOM Metodo: La batimetría se obtuvo de la Carta Batimétrica Internacional del Mar Caribe y el Golfo de México (IBCCA, por sus siglas en inglés), se descargaron los conjuntos de datos vectoriales de las hojas 1-01, 1-,02, 1-03, 1-04, 1-05, 1-06, 1-07, 1-08 y 1-13 a escala 1:1 000 000 de la página web del Instituto Nacional de Estadística, Geografía e Informática (INEGI). Con la información de las cartas batimétricas se creó un sombreado del relieve submarino del golfo de México y de una porción del Mar Caribe. Para hacer el sombreado se realizó un mosaico del conjunto de los datos vectoriales de las cartas batimétricas y posteriormente un modelo digital de batimetría utilizando el programa ANUDEM 5.3 (Topo To Raster) del software ArcGIS Pro 2.2. Sistema nativo: ArcGIS 10.7.1

  6. d

    Data from: Data associated with: Applying remote sensing for large-landscape...

    • datadryad.org
    • data.niaid.nih.gov
    • +1more
    zip
    Updated Jun 19, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Melanie Dickie; Branislav Hricko; Christopher Hopkinson; Victor Tran; Monica Kohler; Sydney Toni; Robert Serrouya; Jahan Kariyeva (2023). Data associated with: Applying remote sensing for large-landscape problems: Inventorying and tracking habitat recovery for a broadly distributed Species At Risk [Dataset]. http://doi.org/10.5061/dryad.gxd2547rj
    Explore at:
    zipAvailable download formats
    Dataset updated
    Jun 19, 2023
    Dataset provided by
    Dryad
    Authors
    Melanie Dickie; Branislav Hricko; Christopher Hopkinson; Victor Tran; Monica Kohler; Sydney Toni; Robert Serrouya; Jahan Kariyeva
    Time period covered
    Jun 13, 2023
    Description

    We used ArcGIS 10.7.1. QGIS, R, or similar open-source software are alternatives.

  7. Sociodemographic characteristics of the respondents and study children aged...

    • plos.figshare.com
    xls
    Updated Jun 10, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye (2023). Sociodemographic characteristics of the respondents and study children aged 6–23 months in Ethiopia, EDHS 2016 (n = 3055). [Dataset]. http://doi.org/10.1371/journal.pone.0252639.t001
    Explore at:
    xlsAvailable download formats
    Dataset updated
    Jun 10, 2023
    Dataset provided by
    PLOShttp://plos.org/
    Authors
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Area covered
    Ethiopia
    Description

    Sociodemographic characteristics of the respondents and study children aged 6–23 months in Ethiopia, EDHS 2016 (n = 3055).

  8. c

    CONCENTRACIÓN DE PERIDININA

    • atlascigom.cicese.mx
    Updated Oct 20, 2021
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). CONCENTRACIÓN DE PERIDININA [Dataset]. https://atlascigom.cicese.mx/dataset/concentracion-de-peridinina1
    Explore at:
    Dataset updated
    Oct 20, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de Peridinina (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7 --> La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de Peridinina (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7

  9. c

    CONCENTRACIÓN DE ALOXANTINA

    • atlascigom.cicese.mx
    Updated Aug 21, 2021
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). CONCENTRACIÓN DE ALOXANTINA [Dataset]. https://atlascigom.cicese.mx/dataset/concentracion-de-aloxantina1
    Explore at:
    Dataset updated
    Aug 21, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de Aloxantina (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7 --> La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de Aloxantina (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7

  10. Moran’s I index of tourism resource attraction.

    • plos.figshare.com
    bin
    Updated Aug 8, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Hui Zhang; Shujing Long (2023). Moran’s I index of tourism resource attraction. [Dataset]. http://doi.org/10.1371/journal.pone.0289093.t004
    Explore at:
    binAvailable download formats
    Dataset updated
    Aug 8, 2023
    Dataset provided by
    PLOShttp://plos.org/
    Authors
    Hui Zhang; Shujing Long
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Description

    The attraction of tourism resources is very important to promote the sustainable development of tourism industry. This study takes China’s world cultural and natural heritage as the research object, and constructs an attractiveness evaluation system for China’s world cultural and natural heritage tourism resources by collecting user feedback data from three major travel OTA platforms. At the same time, ArcGIS 10.7 software was used for spatial autocorrelation analysis and kernel density analysis to explore the spatial distribution pattern of tourism resource attraction. The results show that China’s world cultural and natural heritage can be subdivided into 5 main categories and 10 sub-categories. From the perspective of spatial aggregation, only the Moran’s I index of tourist resource points showing a significant spatial aggregation feature. This study is helpful to reveal the weaknesses of tourism resource points and provide reference for sustainable development of attraction and optimization of tourism planning and management.

  11. Significant spatial scan statistics clusters of poor consumption of foods...

    • plos.figshare.com
    xls
    Updated Jun 10, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye (2023). Significant spatial scan statistics clusters of poor consumption of foods rich in vitamin A among children aged 6–23 months, EDHS, 2016. [Dataset]. http://doi.org/10.1371/journal.pone.0252639.t003
    Explore at:
    xlsAvailable download formats
    Dataset updated
    Jun 10, 2023
    Dataset provided by
    PLOShttp://plos.org/
    Authors
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Description

    Significant spatial scan statistics clusters of poor consumption of foods rich in vitamin A among children aged 6–23 months, EDHS, 2016.

  12. Consumption of foods rich in vitamin A among children aged 6–23 months in...

    • plos.figshare.com
    xls
    Updated Jun 4, 2023
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye (2023). Consumption of foods rich in vitamin A among children aged 6–23 months in the last 24 hours preceding survey EDHS, 2016, Ethiopia (n = 3055). [Dataset]. http://doi.org/10.1371/journal.pone.0252639.t002
    Explore at:
    xlsAvailable download formats
    Dataset updated
    Jun 4, 2023
    Dataset provided by
    PLOShttp://plos.org/
    Authors
    Sofonyas Abebaw Tiruneh; Dawit Tefera Fentie; Seblewongel Tigabu Yigizaw; Asnakew Asmamaw Abebe; Kassahun Alemu Gelaye
    License

    Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
    License information was derived automatically

    Area covered
    Ethiopia
    Description

    Consumption of foods rich in vitamin A among children aged 6–23 months in the last 24 hours preceding survey EDHS, 2016, Ethiopia (n = 3055).

  13. c

    CONCENTRACIÓN DE DIVINIL CLOROFILA-a

    • atlascigom.cicese.mx
    Updated Oct 15, 2021
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). CONCENTRACIÓN DE DIVINIL CLOROFILA-a [Dataset]. https://atlascigom.cicese.mx/dataset/concentracion-de-divinil-clorofila-a1
    Explore at:
    Dataset updated
    Oct 15, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de Divinil-Clorofila-a (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7 --> La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de Divinil-Clorofila-a (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7

  14. c

    TASAS DE PRODUCTIVIDAD PRIMARIA EN LA REGIÓN DE PERDIDO

    • atlascigom.cicese.mx
    Updated Sep 10, 2021
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). TASAS DE PRODUCTIVIDAD PRIMARIA EN LA REGIÓN DE PERDIDO [Dataset]. https://atlascigom.cicese.mx/dataset/tasas-de-productividad-primaria-en-la-region-de-perdido
    Explore at:
    Dataset updated
    Sep 10, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    La medición de las tasas de productividad primaria (PP) en ecosistemas acuáticos, es una herramienta clave para entender el flujo de la materia orgánica e inorgánica a través de las redes tróficas marinas. En esta plantilla mapa se muestra la estimación de las tasas de productividad primaria (en mg C m-3 h-1) en la columna de agua, a lo largo de una sección vertical, así como, un mapa integrado (en mg C m-2 d-1) en la región de Perdido del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 4 campañas oceanográficas (MMF-02/-03/-04) desarrolladas entre los años 2017-2019. Metodo: La medición de la PP se realizó con dos métodos in vitro, en los cruceros MMF-01 y MMF-02, se siguió la metodología del isotopo radiactivo 14C. En la cual, se colectaron muestras de agua de mar de diferentes profundidades de luz superficial (100, 50, 30, 20, 10, 1 y 0.1). En los cruceros MMF-03 y MMF-04 la determinación se realizó con la metodología del isotopo estable 13C según lo descrito en Herguera et al. (2017). Para el transecto se utilizan todos datos obtenidos de las 4 campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV). Sistema nativo: ODV, ArcGis 10.7 --> La medición de las tasas de productividad primaria (PP) en ecosistemas acuáticos, es una herramienta clave para entender el flujo de la materia orgánica e inorgánica a través de las redes tróficas marinas. En esta plantilla mapa se muestra la estimación de las tasas de productividad primaria (en mg C m-3 h-1) en la columna de agua, a lo largo de una sección vertical, así como, un mapa integrado (en mg C m-2 d-1) en la región de Perdido del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 4 campañas oceanográficas (MMF-02/-03/-04) desarrolladas entre los años 2017-2019. Metodo: La medición de la PP se realizó con dos métodos in vitro, en los cruceros MMF-01 y MMF-02, se siguió la metodología del isotopo radiactivo 14C. En la cual, se colectaron muestras de agua de mar de diferentes profundidades de luz superficial (100, 50, 30, 20, 10, 1 y 0.1). En los cruceros MMF-03 y MMF-04 la determinación se realizó con la metodología del isotopo estable 13C según lo descrito en Herguera et al. (2017). Para el transecto se utilizan todos datos obtenidos de las 4 campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV). Sistema nativo: ODV, ArcGis 10.7

  15. c

    CONCENTRACIÓN DE 19ˈ-BUT-FUCOXANTINA

    • atlascigom.cicese.mx
    Updated Aug 23, 2021
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). CONCENTRACIÓN DE 19ˈ-BUT-FUCOXANTINA [Dataset]. https://atlascigom.cicese.mx/dataset/concentracion-de-19-but-fucoxantina1
    Explore at:
    Dataset updated
    Aug 23, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de 19'-But-Fucoxantina (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7 --> La quimiotaxonomía es el estudio de la riqueza pigmentaria del fitoplancton. La cromatografía líquida de alta resolución (HPLC, por sus siglas en inglés) es el método ideal para la determinación y cuantificación de las tres familias de moléculas (clorofilas, carotenoides, ficobiliproteinas) que componen la diversidad pigmentaria en el fitoplancton. En este mapa se observa la concentración de 19'-But-Fucoxantina (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 6 campañas oceanográficas (MMF-02/-03-04, XIXIMI-04/-05/-06) desarrolladas entre los años 2017-2019. Metodo: Se colectaron muestras de agua discretas (2 a 4L) de la columna de agua superficial (0-200m) para el análisis de pigmentos fotosintéticos, las cuales fueron filtradas al vacío a través de filtros GF/F. El análisis de los pigmentos se realizó en el laboratorio FICOTOX de CICESE y el Laboratorio de productividad primaria de FCM-UABC (para XIXIMI-04), mediante los protocolos descritos en Herguera, et al. (2017). Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7

  16. c

    CONCENTRACIÓN DE CLOROFILA-a

    • atlascigom.cicese.mx
    Updated Aug 22, 2021
    + more versions
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). CONCENTRACIÓN DE CLOROFILA-a [Dataset]. https://atlascigom.cicese.mx/dataset/concentracion-de-clorofila-a
    Explore at:
    Dataset updated
    Aug 22, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Description

    La clorofila-a (Cl-a) es un indicador de la biomasa de fitoplancton; conocer la distribución espacial permite estimar la productividad de los océanos y sus implicaciones en las redes tróficas del ecosistema. En este mapa se observa la concentración de Cl-a (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los resultados corresponden a una interpolación de promedios de datos obtenidos en 8 campañas (SOGOM-03/-04, MMF-01/-02/-03/-04, XIXIMI-04/-05). La información presentada permite inferir las fluctuaciones espaciales que existen en la biomasa de los productores primarios. Metodo: Se colectaron 2.0 L de agua de mar procedentes de diversos niveles de profundidad de la columna de agua superficial (i.e., 0-200 m) para el análisis de clorofila-a (Cl-a). Las muestras fueron filtradas al vacío a través de filtros GF/F y se almacenaron en nitrógeno líquido, hasta su análisis en laboratorio (Herzka et al., 2017). En el laboratorio, se realizó una extracción pasiva con acetona grado HPLC al 90%. Para obtener la concentración de Cl-a, una alícuota del sobrenadante fue medida en un fluorómetro modelo Trilogy utilizando un módulo de Cl-a no-acidificada (Herguera et al., 2017) . Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7 --> La clorofila-a (Cl-a) es un indicador de la biomasa de fitoplancton; conocer la distribución espacial permite estimar la productividad de los océanos y sus implicaciones en las redes tróficas del ecosistema. En este mapa se observa la concentración de Cl-a (en mg m-3) en la columna de agua, a lo largo de una sección vertical en la región de aguas profundas del golfo de México. Los resultados corresponden a una interpolación de promedios de datos obtenidos en 8 campañas (SOGOM-03/-04, MMF-01/-02/-03/-04, XIXIMI-04/-05). La información presentada permite inferir las fluctuaciones espaciales que existen en la biomasa de los productores primarios. Metodo: Se colectaron 2.0 L de agua de mar procedentes de diversos niveles de profundidad de la columna de agua superficial (i.e., 0-200 m) para el análisis de clorofila-a (Cl-a). Las muestras fueron filtradas al vacío a través de filtros GF/F y se almacenaron en nitrógeno líquido, hasta su análisis en laboratorio (Herzka et al., 2017). En el laboratorio, se realizó una extracción pasiva con acetona grado HPLC al 90%. Para obtener la concentración de Cl-a, una alícuota del sobrenadante fue medida en un fluorómetro modelo Trilogy utilizando un módulo de Cl-a no-acidificada (Herguera et al., 2017) . Para este transecto se utilizan todos datos obtenidos de todas las campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV) Sistema nativo: ODV y ArcGis 10.7

  17. c

    TASAS DE PRODUCTIVIDAD PRIMARIA EN LA REGIÓN DE COATZACOALCOS

    • atlascigom.cicese.mx
    Updated Aug 25, 2021
    Share
    FacebookFacebook
    TwitterTwitter
    Email
    Click to copy link
    Link copied
    Close
    Cite
    (2021). TASAS DE PRODUCTIVIDAD PRIMARIA EN LA REGIÓN DE COATZACOALCOS [Dataset]. https://atlascigom.cicese.mx/dataset/tasas-de-productividad-primaria-en-la-region-de-coatzacoalcos
    Explore at:
    Dataset updated
    Aug 25, 2021
    License

    Attribution-NonCommercial-ShareAlike 2.5 (CC BY-NC-SA 2.5)https://creativecommons.org/licenses/by-nc-sa/2.5/
    License information was derived automatically

    Area covered
    Coatzacoalcos
    Description

    La medición de las tasas de productividad primaria (PP) en ecosistemas acuáticos, es una herramienta clave para entender el flujo de la materia orgánica e inorgánica a través de las redes tróficas marinas. En esta plantilla mapa se muestra la estimación de las tasas de productividad primaria (en mg C m-3 h-1) en la columna de agua, a lo largo de una sección vertical, así como, un mapa integrado (en mg C m-2 d-1) en la región de Coatzacoalcos del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 4 campañas oceanográficas (MMF-02/-03/-04) desarrolladas entre los años 2017-2019. Metodo: La medición de la PP se realizó con dos métodos in vitro, en los cruceros MMF-01 y MMF-02, se siguió la metodología del isotopo radiactivo 14C. En la cual, se colectaron muestras de agua de mar de diferentes profundidades de luz superficial (100, 50, 30, 20, 10, 1 y 0.1). En los cruceros MMF-03 y MMF-04 la determinación se realizó con la metodología del isotopo estable 13C según lo descrito en Herguera et al. (2017). Para el transecto se utilizan todos datos obtenidos de las 4 campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV). Sistema nativo: ODV, ArcGis 10.7 --> La medición de las tasas de productividad primaria (PP) en ecosistemas acuáticos, es una herramienta clave para entender el flujo de la materia orgánica e inorgánica a través de las redes tróficas marinas. En esta plantilla mapa se muestra la estimación de las tasas de productividad primaria (en mg C m-3 h-1) en la columna de agua, a lo largo de una sección vertical, así como, un mapa integrado (en mg C m-2 d-1) en la región de Coatzacoalcos del golfo de México. Los mapas corresponden a una interpolación de promedios de los resultados obtenidos en todas las estaciones realizadas en 4 campañas oceanográficas (MMF-02/-03/-04) desarrolladas entre los años 2017-2019. Metodo: La medición de la PP se realizó con dos métodos in vitro, en los cruceros MMF-01 y MMF-02, se siguió la metodología del isotopo radiactivo 14C. En la cual, se colectaron muestras de agua de mar de diferentes profundidades de luz superficial (100, 50, 30, 20, 10, 1 y 0.1). En los cruceros MMF-03 y MMF-04 la determinación se realizó con la metodología del isotopo estable 13C según lo descrito en Herguera et al. (2017). Para el transecto se utilizan todos datos obtenidos de las 4 campañas descritas en la sección del resumen, y se realiza una interpolación de la información usando el método DIVA del software Ocean Data View (ODV). Sistema nativo: ODV, ArcGis 10.7

  18. Not seeing a result you expected?
    Learn how you can add new datasets to our index.

Share
FacebookFacebook
TwitterTwitter
Email
Click to copy link
Link copied
Close
Cite
Xiao Zhang; Yuanchao Fan; Yuanchao Fan; Jerry Tjiputra; Helene Muri; Helene Muri; Qiao Chen; Xiao Zhang; Jerry Tjiputra; Qiao Chen (2025). Data and Code for "Divergent impacts of climate interventions on China's north-south water divide" [Dataset]. http://doi.org/10.5281/zenodo.16792015
Organization logo

Data and Code for "Divergent impacts of climate interventions on China's north-south water divide"

Explore at:
zip, text/x-pythonAvailable download formats
Dataset updated
Aug 21, 2025
Dataset provided by
Zenodohttp://zenodo.org/
Authors
Xiao Zhang; Yuanchao Fan; Yuanchao Fan; Jerry Tjiputra; Helene Muri; Helene Muri; Qiao Chen; Xiao Zhang; Jerry Tjiputra; Qiao Chen
License

Attribution 4.0 (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/
License information was derived automatically

Area covered
China
Description

This repository contains the datasets and scripts used to generate the figures in the study “Divergent impacts of climate interventions on China’s north-south water divide”.
The materials are organized by figure, with corresponding code and processed data provided where applicable.

Figure Notes:

Figure 1: Produced using ArcGIS 10.7.

Figure 5: Drawn using CorelDRAW 2021.

All other figures: Generated using the provided Python scripts.

Software Requirements:

  • ArcGIS 10.7 (for reproducing Figure 1)

  • CorelDRAW 2021 (for reproducing Figure 5)

  • Python 3.11.8 with packages: xarray, numpy, pandas, matplotlib, cartopy, scipy

Search
Clear search
Close search
Google apps
Main menu