GEE数据集——1961-2020年巴西每日气象网格数据(BR-DWGD)

简介: GEE数据集——1961-2020年巴西每日气象网格数据(BR-DWGD)
简介

巴西每日气象网格数据(BR-DWGD),1961-2020

巴西综合气象网格数据集是气象研究的一大进步,它满足了人们对精确、广泛的气象数据日益增长的需求。该数据集在前一个数据集的基础上,将空间分辨率提高到 0.1° x 0.1°,并将时间覆盖范围从 1961 年 1 月扩大到 2020 年 7 月。数据集纳入了海拔高度和温度变化率,改进了最低和最高温度的网格插值,同时还包括降水、太阳辐射、风速和相对湿度等其他重要变量。


该数据集将 11,473 个雨量计和 1,252 个气象站的数据进行了细致的融合,从而实现了精确的插值。通过排序交叉验证统计确定的最佳插值方法的选择,彰显了该数据集对精确性的承诺。由于提供了两类网格控制,研究人员获得了根据站点数据评估插值精度的工具。作为一种综合资源,巴西综合气象网格数据集可促进气候、气象和农业研究的进步,为多方面的科学研究提供细致入微的见解。


这些数据集展示了巴西的日气象网格数据集(BR-DWGD)。变量包括降水量(pr,毫米);最高和最低温度(Tmax,tmin,℃);太阳辐射(Rs,兆焦耳/平方米);相对湿度(RH,%);2 米处风速(u2,米/秒)和蒸散量(ETo,毫米)。时间覆盖范围为 1961/01/01-2020/07/31(降水除外:1961/01/01-2022/12/31),空间分辨率为 0.1° x 0.1°,仅针对巴西领土。您可在此处找到该数据集的链接


数据集后处理

数据集以多波段 netcdf

相关文章
|
3月前
|
人工智能 数据库
GEE数据集——USGS全球地震数据集
GEE数据集——USGS全球地震数据集
127 2
|
3月前
|
数据可视化 定位技术 索引
GEE数据集——美国地质调查局历史地形图数据
GEE数据集——美国地质调查局历史地形图数据
70 0
|
3月前
|
传感器 编解码 人工智能
中国雪深长时间序列数据集(1979-2020)
中国雪深长时间序列数据集(1979-2020)
107 0
|
3月前
|
机器学习/深度学习 传感器 算法
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
158 0
|
3月前
|
人工智能 定位技术
GEE数据集——美国干旱监测数据集(更新)
GEE数据集——美国干旱监测数据集(更新)
54 4
|
3月前
Google Earth Engine(GEE) ——世界人口网格化第4版行政单位中心点与人口数据集
Google Earth Engine(GEE) ——世界人口网格化第4版行政单位中心点与人口数据集
56 1
|
3月前
|
机器学习/深度学习 数据采集 编解码
基于MODIS数据的2000-2021年中国植被生物量数据集
基于MODIS数据的2000-2021年中国植被生物量数据集
106 0
|
编解码
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)人口数量和密度数据集
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)人口数量和密度数据集
407 0
Google Earth Engine ——数据全解析专辑(世界第 4 版网格化人口 (GPWv4) 修订版30 弧秒1公里格网)人口数量和密度数据集
|
ice
Google Earth Engine(GEE)——基于s2影像的实时全球10米土地利用/土地覆盖(LULC)数据集
Google Earth Engine(GEE)——基于s2影像的实时全球10米土地利用/土地覆盖(LULC)数据集
498 0
Google Earth Engine(GEE)——基于s2影像的实时全球10米土地利用/土地覆盖(LULC)数据集
|
机器学习/深度学习 编解码 人工智能
Google Earth Engine(GEE)——Sentinel-1 和 2 数据的融合,水稻范围识别和水稻种植季节区分地图绘制—马来西亚为例
Google Earth Engine(GEE)——Sentinel-1 和 2 数据的融合,水稻范围识别和水稻种植季节区分地图绘制—马来西亚为例
836 0
Google Earth Engine(GEE)——Sentinel-1 和 2 数据的融合,水稻范围识别和水稻种植季节区分地图绘制—马来西亚为例