• 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:

    1. var img = pie.ImageCollection("TPDC/LZU0025")
    2. .filterDate("2000-01-01", "2006-01-01")
    3. .select("tem").first()
    4. //.mean();
    5. print(img);
    6. //设定颜色预览组合
    7. visParams = {min:-30,max:50,
    8. palette: ['#0D0887','#5B02A3','#9A179B','#CB4678','#EB7852','#FBB32F','#F0F921']};
    9. //定位地图中心
    10. Map.centerObject(img, 3);
    11. //加载影像
    12. 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

     

  • 相关阅读:
    数据中心的“灾备”
    【目标检测】目标检测算法-从OverFeat到YOLO
    了解一下拉绳位移编码器还有哪些功能特点?
    数据结构与算法之时间复杂度和空间复杂度(C语言版)
    【Linux】进度条和git命令行
    nginx配置负载均衡--实战项目(适用于轮询、加权轮询、ip_hash)
    【操作系统】IO管理
    【附源码】计算机毕业设计java自习室管理系统设计与实现
    select函数介绍
    Flutter | bloc 之 state 使用优化
  • 原文地址:https://blog.csdn.net/qq_31988139/article/details/133439542