当前位置: 首页 > news >正文

中国1km分辨率SSP119情景(SSP119、SSP245 SSP585),模式逐月降水量数据集(2021-2100)

目录

简介

摘要

代码

引用

网址推荐

 知识星球

机器学习

干旱监测平台


中国1km分辨率SSP119情景EC-Earth3模式逐月降水量数据集(2021-2100)

简介

该数据集为中国多情景多模式逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为2021年1月-2100年12月。该数据集是根据IPCC耦合模式比较计划第六阶段(CMIP6)发布的全球>1O0km气候模式数据集以及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地区降尺度生成的。Delta空间降尺度方法已在Peng et l.(2019)中描述,该方法适合气候模式数据的空间降尺度。数据采用IPCC最新发布的SSP情景(SSP119、SSP245 SSP585),且每个情景下包含三个GCMs(EC-Erth3、GFDL-ESM4、MRI-ESM2-0)的气候数据,因而数据集共有9组。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。

摘要

中国1km分辨率SSP119情景EC-Earth3模式逐月降水量数据集提供了从2021年到2100年的具体降水量数据。这个数据集基于EC-Earth3模式,采用SSP119情景,以1km分辨率覆盖了中国的地理区域。

数据集每月提供了中国境内各个1km网格单元的降水量数值。降水量是以毫米为单位表示的,表示每个格网单元每个月的平均降水量。数据集的时间范围为2021年到2100年,覆盖了80年的时间段。

这个数据集对于研究中国的气候变化和水资源管理等方面非常有用。通过分析这个数据集,可以了解未来几十年内中国不同地区的降水情况,帮助做出合理的决策和规划。

需要注意的是,这个数据集基于模型模拟结果,可能存在一定的不确定性。在使用数据时,应该结合其他观测数据和模型验证结果,进行准确性评估和数据的合理解释。同时,由于数据集的分辨率较高,可能需要进行适当的数据处理和空间插值等操作,以满足特定研究需求。

代码


var image = pie.ImageCollection("TPDC/EC_Earth3/SSP119/PRE").filterDate("2021-01-01", "2021-02-01").select(["B1"]).mosaic();var image = pie.ImageCollection("TPDC/GFDL_ESM4/SSP119/PRE").filterDate("2022-01-01", "2022-02-01").select(["B1"]).mosaic();var image == pie.ImageCollection('TPDC/EC_Earth3/SSP585/PRE').filterDate("2022-01-01", "2022-02-01").select(["B1"]).mosaic();var vis = {min:0,max:100,palette: ["#ff0000","#ff500d","#ff6e08","#ff8b13","#ffd611","#fff705","#d6e21f","#b5e22e","#3ae237","#86e26f","#3ff38f","#3be285","#32d3ef","#30c8e2","#269db1","#307ef3","#235cb1","#0602ff","#0502e6","#0502ce","#0502b8","#0502a3","#040281","#040274"]
}
Map.addLayer(image, vis, "image");
Map.setCenter(101.533, 38.685, 3);

引用

国家青藏高原科学数据中心

网址推荐

 知识星球

知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具 (zsxq.com)icon-default.png?t=O83Ahttps://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

干旱监测平台

慧天干旱监测与预警-首页icon-default.png?t=O83Ahttps://www.htdrought.com/

http://www.lryc.cn/news/499845.html

相关文章:

  • 21天掌握javaweb-->第8天:前后端分离架构与Axios请求
  • 基于阻塞队列的生产者消费者模型动画演示
  • DHCP和BOOTP选项及DHCP协议操作详解
  • 数据结构--链表和单链表详解及实现
  • vue3基础知识
  • 【Linux系统】Ubuntu 缓冲区机制
  • ChatGPT 最新推出的 Pro 订阅计划,具备哪些能力 ?
  • 数据结构理论
  • es 3期 第14节-全文文本分词查询
  • 六安市第二届网络安全大赛复现
  • Sarcomere仿人灵巧手ARTUS,20个自由度拓宽机器人作业边界
  • Django drf 基于serializers 快速使用
  • pycharm集成环境中关于安装sklearn库报错问题分析及解决
  • AI - 浅聊一下基于LangChain的AI Agent
  • 《【Linux】深入理解进程管理与 fork 系统调用的实现原理》
  • docker-compose部署skywalking 8.1.0
  • AI 总结的的 AI 学习路线
  • 离散傅里叶级数(DFS)详解
  • Java 类加载机制详解
  • 1.1 Beginner Level学习之“编写简单的发布服务器和订阅服务器”(第十一节)
  • AIQuora:开启论文写作新篇章
  • 【C语言】库函数常见的陷阱与缺陷(1):字符串处理函数
  • Mysql索引原理及优化——岁月云实战笔记
  • AGCRN论文解读
  • Python机器学习笔记(五、决策树集成)
  • Kafka单机及集群部署及基础命令
  • 如何使用 Python 实现链表的反转?
  • react跳转传参的方法
  • Scala:正则表达式
  • 【数电】常见时序逻辑电路设计和分析