当前位置: 首页 > news >正文

【数据分享】1929-2023年全球站点的逐日降雪深度数据(Shp\Excel\免费获取)

气象数据是在各项研究中都经常使用的数据,气象指标包括气温、风速、降水、能见度等指标,说到气象数据,最详细的气象数据是具体到气象监测站点的数据!

之前我们分享过1929-2023年全球气象站点的逐日平均气温数据、逐日最高气温数据和逐日最低气温数据(均可查看之前的文章获悉详情)。本次我们为大家继续带来具体到气象监测站点的数据——1929-2023年全球气象站点的逐日降雪深度数据!

原始数据来源于美国国家海洋和大气管理局(NOAA)下设的国家环境信息中心(NCEI),原始数据以英寸为单位,数据格式为csv,缺失数据用999.9表示。为了方便大家使用,我们对原始数据进行了一些处理,包括①数据单位由英寸转为毫米;②处理得到了shp和excel两种数据格式;③对于excel格式,将缺失数据表示为空值,对于shp格式,缺失值依然用999.9表示。该数据的其他重要信息包括数据坐标为GCS_WGS_1984,以2023年为例全球有12311个气象观测站点,具体的数据处理方式会在下文详细介绍!

大家可以在公众号回复关键词 127 免费获取该数据!无需转发文章,直接获取!以下为数据的详细介绍:

01 数据预览

该数据提供Shp和Excel两种数据格式,由于是逐日降雪深度数据,又有95多个年份,数据条数非常多,难以将所有年份保存在一个文件中。我们将每一年的数据保存为一个Shp文件和一个Excel文件,一共有95个年份,也就是有95个Shp文件和95个Excel文件。

我们先来看一下Excel格式的数据,每个Excel文件中包含有该年365天每天的全球所有气象站点的降雪深度。

数据字段包括气象观测站点的编号(STATION)气象观测站点的名称(NAME)、纬度(LATITUDE)经度(LONGITUDE)以及每日降雪深度数值(例如2023-01-01)。我们来预览一下:

接下来我们来看一下Shp格式的数据,同样每个Shp文件中都包含该年365天每天的全球所有气象站点的降雪深度。

Shp格式数据的具体属性和Excel数据相同,我们以2023年气象观测站点的每日降雪深度数据为例来预览一下:

2023年气象观测站点空间分布

02 数据来源

数据来源于美国国家海洋和大气管理局(NOAA)下设的国家环境信息中心(NCEI),网址为:https://www.ncei.noaa.gov/data/global-summary-of-the-day/archive/,包括了1929—2023年的气象数据,大家可以自己去该网站下载原始数据!

03数据处理说明

1.合并处理:

从NCEI网站下载到的原始csv数据,每一个csv是某个特定站点1年内所有日期的降雪深度数据,按天记录,但并不全是365天,有的300多天,有的只有十几天。我们按照年份将每年涉及到的所有气象观测站点的每日降雪深度数据进行合并处理,最终得到以年份命名的1929-2023年全球范围气象站点的逐日降雪深度数据。

2.单位换算:

原始数据单位为英寸(in),根据公式1英寸=25.4毫米,将英寸换算为毫米(mm)。

3.空值处理:

原始csv数据中的缺失值用数字999.9表示!在处理时,Excel格式文件用空值表示数据缺失;由于Shp文件会自动把空值识别为0,为区分空值与数值中的0,Shp中仍保留数字999.9表示数据缺失,特此说明!

4.站点数量说明:每一年的站点数并不相同,基本是越新的年份全球气象站点数越多,2023年有12311个,早些年份的气象站点较少。有一点需要注意,对于缺失经纬度信息的站点,Excel中进行保留,其经纬度信息为空值。Shp中则将缺失经纬度信息的站点进行了删除。所以存在Excel和Shp中站点数量不一致的情况,例如2023年Shp中的站点个数为12270,Excel中的站点数量为12311。

03 数据获取

http://www.lryc.cn/news/293747.html

相关文章:

  • golang网络编程day4
  • 为什么pgsql(内关联查询或者with字句时)会导致索引失效
  • 小程序 自定义组件和生命周期
  • asp.net 404页面配置、 asp.net MVC 配置404页面、iis 配置404页面,指定404错误页面,设置404错误页面
  • Docker存储空间清理
  • React16源码: React中NewContext的源码实现
  • 【Linux】【Shell】常用压缩和解压缩命令(超详细)
  • 【Java程序设计】【C00232】基于Springboot的抗疫物资管理系统(有论文)
  • 2023年全球软件开发大会(QCon上海站2023):核心内容与学习收获(附大会核心PPT下载)
  • 【Linux】Ext2 文件系统
  • studyNote-linux-shell-find-examples
  • 使用 Python 进行自然语言处理第 3 部分:使用 Python 进行文本预处理
  • Python新春烟花盛宴
  • 【QT+QGIS跨平台编译】之二十:【xerces+Qt跨平台编译】(一套代码、一套框架,跨平台编译)
  • 18.通过telepresence调试部署在Kubernetes上的微服务
  • QT 范例阅读:系统托盘 The System Tray Icon example
  • OpenAI Gym 高级教程——深度强化学习库的高级用法
  • K8sGPT 会彻底改变你对 Kubernetes 的认知
  • 计组学习笔记2024/2/4
  • 25种Google的搜索技巧
  • 769933-15-5,Biotin aniline,可以合成多种有机化合物和聚合物
  • 回归预测 | Matlab实现POA-CNN-LSTM-Attention鹈鹕算法优化卷积长短期记忆网络注意力多变量回归预测(SE注意力机制)
  • B站视频在电商中的应用:如何利用item_get_video API提高转化率
  • 【Linux】统信服务器操作系统V20 1060a-AMD64 Vmware安装
  • c++类继承
  • Git 指令
  • JAVA中的多态参数
  • Ubuntu Linux 下安装和卸载cmake 3.28.2版本
  • 【C++】类和对象3:默认成员函数之析构函数
  • 2024美赛C题完整解题教程及代码 网球运动的势头