当前位置: 首页 > news >正文

1951-2011年长序列高时空分辨率月尺度温度和降水数据集

简介

长序列高时空分辨率月尺度温度和降水数据集,基于中国及周边国家共1153个气温站点和1202个降水站点数据,利用ANUSPLIN软件插值,重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°(~2.5km)格点数据集(简称LZU0025)。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。
基于ANUSPLIN插值后的月值气象要素.nc文件包括pre_0025_1.nc,pre_0025_2.nc,tem_0025_1.nc,tem_0025_2.nc,基于ANUSPLIN插值后的月值气象要素.nc文件包括pre_0025_1.nc,pre_0025_2.nc,tem_0025_1.nc,tem_0025_2.nc。其中pre_0025_1.nc,tem_0025_1.nc数据的时间范围是从1951年到1980年。pre_0025_2.nc,tem_0025_2.nc数据的时间范围是从1981年到2011年。

前言 – 人工智能教程

以下是一些常用的其它的长时序降水和气温数据集:

  1. CRU TS: CRU(Climate Research Unit)是一个英国东安格利亚大学的研究机构,其制作的时间序列数据是全球最长的气候数据集之一。其中包括了全球高分辨率(0.5度 x 0.5度)的降水和气温数据。

  2. GHCN: GHCN(Global Historical Climatology Network)是由美国国家气象局、美国国家海洋和大气管理局、世界气象组织和其他机构共同推出的全球气候观测数据集。其中包括了全球多个站点的长期降水和气温数据。

  3. ERA-Interim: ERA-Interim(ECMWF Re-Analysis Interim)是欧洲中期天气预报中心制作的一个全球大气再分析数据集,覆盖了1979年至今的时间序列。其中包括了全球高分辨率(0.75度 x 0.75度)的降水和气温数据。

  4. NCEP/NCAR: NCEP/NCAR(National Centers for Environmental Prediction/National Center for Atmospheric Research)是美国国家气象局和美国国家大气研究中心合作制作的一个大气再分析数据集,覆盖了1948年至今的时间序列。其中包括了全球高分辨率(2.5度 x 2.5度)的降水和气温数据。

这些数据集都提供了长期的降水和气温观测数据,可以用于气候变化研究、环境模拟等领域。

数据集ID: 

TPDC/LZU0025

时间范围: 1951年-2011

范围: 全国

来源: 国家青藏高原科学数据中心

复制代码段: 

var images = pie.ImageCollection("TPDC/LZU0025")

名称类型空间分辨率(度)无效值描述信息
temFloat320.025-9999月温度
preFloat320.025-9999月降水

date

string

影像时间

 

代码:

var img = pie.ImageCollection("TPDC/LZU0025").filterDate("2000-01-01", "2006-01-01").select("tem").first()//.mean();
print(img);
//设定颜色预览组合
visParams = {min:-30,max:50,palette: ['#0D0887','#5B02A3','#9A179B','#CB4678','#EB7852','#FBB32F','#F0F921']};
//定位地图中心
Map.centerObject(img, 3);
//加载影像
Map.addLayer(img, visParams, "img");

 

引用:

数据引用:
黄伟, 赵虹. 长序列高时空分辨率月尺度温度和降水数据集(1951-2011). 国家青藏高原科学数据中心, 2019. DOI: https://doi.org/10.1594/PANGAEA.895742.

文章引用:
1. Zhao, H., Huang, W., Wu, X., Xie, Y.W., Feng, S., Chen, F.H.. (2018). A monthly air temperature and precipitation gridded dataset on 0.025° spatial resolution in China during 1951-2011. PANGAEA, doi: https://doi.org/10.1594/PANGAEA.895742.
2. Zhao, H. , Huang, W. , Xie, T. , Wu, X. , Xie, Y. , & Feng, S. , et al. (2019). Optimization and evaluation of a monthly air temperature and precipitation gridded dataset with a 0.025° spatial resolution in china during 1951–2011. Theoretical and Applied Climatology, 1-17, https://doi.org/10.1007/s00704-019-02830-y

 

http://www.lryc.cn/news/182540.html

相关文章:

  • 十天学完基础数据结构-第六天(树(Tree))
  • RobotFramework流程控制(最新版本)
  • win11 好用的 快捷方式 --chatGPT
  • 在大数据相关技术中,HBase是个分布的、面向列的开源数据库,是一个适合于非结构化数据存储的数据库。
  • 910数据结构(2020年真题)
  • MyBatisPlus(八)范围查询
  • 【day10.04】QT实现TCP服务器客户端搭建的代码
  • milvus 结合Thowee 文本转向量 ,新建表,存储,搜索,删除
  • GEO生信数据挖掘(三)芯片探针ID与基因名映射处理
  • 力扣 -- 96. 不同的二叉搜索树
  • 经典算法-枚举法(百钱买百鸡问题)
  • Gurobi设置初始可行解
  • Zabbix配置监控文件系统可用空间小于30GB自动告警
  • 进程调度算法之先来先服务(FCFS),短作业优先(SJF)以及高响应比优先(HRRN)
  • MyBatisPlus(九)模糊查询
  • Spring 原理
  • 基于微信小程序的明星应援小程序设计与实现(源码+lw+部署文档+讲解等)
  • try catch 中的finally什么时候运行
  • 力扣 -- 322. 零钱兑换(完全背包问题)
  • [python]pip安装requiements.txt跳过错误包继续安装
  • 1.5 计算机网络的类别
  • Go 基本数据类型和 string 类型介绍
  • Python中print()打印如何不换行?
  • python 学习随笔 4
  • 【网络安全-信息收集】网络安全之信息收集和信息收集工具讲解
  • 设计模式12、代理模式 Proxy
  • ZXing - barcode scanning library for Java, Android
  • MySQL存储引擎:选择合适的引擎优化数据库性能
  • 用向量数据库Milvus Cloud 搭建AI聊天机器人
  • 深入理解JVM虚拟机第十一篇:详细介绍JVM中运行时数据区