GEE数据集——美国大陆网格气候数据集PRISM 日数据集和月数据集

2024-04-22 10:20

本文主要是介绍GEE数据集——美国大陆网格气候数据集PRISM 日数据集和月数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

PRISM 日数据集和月数据集是由俄勒冈州立大学 PRISM 气候小组制作的美国大陆网格气候数据集。

网格是利用 PRISM(独立斜坡模型参数-海拔回归)开发的。PRISM 插值程序模拟了天气和气候随海拔高度的变化,并考虑了海岸效应、温度反常和可能造成雨影的地形障碍。站点数据来自全国各地的许多网络。更多信息,请参阅 PRISM 空间气候数据集说明。

PRISM气候小组开展了一系列项目,其中一些项目支持空间气候数据集的开发。由此产生的一系列数据集反映了项目目标的范围,需要不同的站点网络、建模技术和时空分辨率。 在可能的情况下,我们向公众提供这些数据集,有的是免费的,有的是收费的,这取决于提供数据集的规模和难度以及活动的资金情况。为了让用户做出明智的决定,选择最适合他们需要的数据集,本文件提供了目前可用的PRISM空间气候数据集的信息。我们还提供了汇总表供快速参考。我们首先概述了 PRISM 数据集,然后依次讨论每个数据集。

注释

警告:由于台站设备和位置变化、开放和关闭、观测时间不同以及使用相对较短的网络等非气候因素的影响,该数据集不应用于计算长达一个世纪的气候趋势。详情请参见数据集文档。
观测网络进行质量控制和发布站点数据需要时间。因此,PRISM 数据集要经过多次重新建模,直到六个月后才被视为永久数据集。可提供发布时间表。
如需使用该数据集的 30 弧秒(约 800 米)版本,请通过 prism-questions@nacse.org 与数据集提供者联系。

数据简介

Dataset Availability

1895-01-01T00:00:00Z–2024-02-01T00:00:00Z

Dataset Provider

PRISM / OREGONSTATE

Earth Engine Snippet

ee.ImageCollection("OREGONSTATE/PRISM/AN81m") 

波段属性

Resolution
4638.3 meters

Bands

NameUnitsMinMaxDescription
pptmm0*2639.82*

Monthly total precipitation (including rain and melted snow)

tmean°C-30.8*41.49*

Monthly average of daily mean temperature (calculated as (tmin+tmax)/2)

tmin°C-35.11*34.72*

Monthly minimum temperature

tmax°C-29.8*49.74*

Monthly average of daily maximum temperature

tdmean°C-30.7*26.76*

Monthly average of daily mean dew point temperature

vpdminhPa0*44.79*

Monthly average of daily minimum vapor pressure deficit

vpdmaxhPa0.009*110.06*

Monthly average of daily maximum vapor pressure deficit

* estimated min or max value

影像属性

NameTypeDescription
PRISM_CODE_VERSIONSTRING_LIST

List of code versions per-band, e.g: the first element is for the first band "ppt", the second element is for the second band "tmean"

PRISM_DATASET_CREATE_DATESTRING_LIST

List of original creation dates per-band

PRISM_DATASET_FILENAMESTRING_LIST

List of original filenames for each band

PRISM_DATASET_TYPESTRING_LIST

List of dataset types per-band

PRISM_DATASET_VERSIONSTRING_LIST

List of dataset versions per-band e.g: D1 or D2 for daily products; M1, M2 or M3 for monthly products.

statusSTRING

Data generated within 30 days of observation have the status "early". Data generated within 1-6 months of observation may have the status "provisional" and data older than 6 months are marked as "permanent".

代码

var dataset = ee.ImageCollection('OREGONSTATE/PRISM/AN81m').filter(ee.Filter.date('2018-07-01', '2018-07-31'));
var precipitation = dataset.select('ppt');
var precipitationVis = {min: 0.0,max: 300.0,palette: ['red', 'yellow', 'green', 'cyan', 'purple'],
};
Map.setCenter(-100.55, 40.71, 4);
Map.addLayer(precipitation, precipitationVis, 'Precipitation');

使用说明

这些 PRISM 数据集的使用或分发不受限制。PRISM 气候组织要求用户适当注明出处,并在适用情况下指明 PRISM 为数据来源。

数据引用

  • Daly, C., Halbleib, M., Smith, J.I., Gibson, W.P., Doggett, M.K., Taylor, G.H., Curtis, J., and Pasteris, P.A. 2008. Physiographically-sensitive mapping of temperature and precipitation across the conterminous United States. International Journal of Climatology, 28: 2031-2064

  • [Daly, C., J.I. Smith, and K.V. Olson. 2015. Mapping atmospheric moisture climatologies across the conterminous United States. PloS ONE 10(10):e0141140. doi:10.1371/journal.pone.0141140

  •  网址推荐

  • 国内专业的气象监测网站

  • www.htdrought.com
  • 慧天干旱监测与预警平台:基于风云卫星和机器学习方法的大面积干旱监测、气象预警平台_慧天卓特公司-CSDN博客
  • 0代码在线构建地图应用

    Mapmost login

    机器学习

    https://www.cbedai.net/xg 

这篇关于GEE数据集——美国大陆网格气候数据集PRISM 日数据集和月数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/925524

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者