Google Earth Engine(GEE)——基于粮农组织秘鲁Penman-Monteith的参考ET网格化数据库(PISCOeo_pm)

简介: Google Earth Engine(GEE)——基于粮农组织秘鲁Penman-Monteith的参考ET网格化数据库(PISCOeo_pm)

基于粮农组织秘鲁Penman-Monteith的参考ET网格化数据库(PISCOeo_pm)

PISCOeo_pm是为1981-2016年秘鲁整个大陆领土开发的,空间分辨率约为1公里(0.01°)。PISCOeo_pm的开发框架是基于之前生成的气象子变量网格化数据,如气温(最高和最低)、日照时间、露点温度和风速。前言 – 人工智能教程

不同的步骤,即(i)质量控制,(ii)填补空白,(iii)同质化,和(iv)空间插值,被应用于这些子变量。PISCOeo_pm对于更好地理解秘鲁的陆地水和能量平衡,以及在气候学、水文学和农学等领域的应用是非常有用的。点击这里阅读论文全文PISCOeo_pm, a reference evapotranspiration gridded database based on FAO Penman-Monteith in Peru | Scientific Data

Citation

Huerta, A., Bonnesoeur, V., Cuadros-Adriazola, J., Gutierrez, L. F., Ochoa-Tocachi, B. F., Román-Dañobeytia, F., & Lavado-Casimiro, W.. (2022). PISCOeo_pm, a
reference evapotranspiration gridded database based on FAO Penman-Monteith in Peru. Nature Scientific Data. https://doi.org/10.1038/s41597-022-01373-8

Data Citation

Huerta, A., Bonnesoeur, V., Cuadros-Adriazola, J., Gutierrez, L. F., Ochoa-Tocachi, B. F., Román-Dañobeytia, F., & Lavado-Casimiro, W.. (2022). Reference
evapotranspiration gridded database based on FAO Penman-Monteith for Peru (PISCOeo_pm) V.1.0. SENAMHI-Perú. https://doi.org/10.6084/m9.figshare.c.5633182.v3

 

Currently included layers are:

Earth Engine Snippet: Yearly mean data

var PISCOeo_pm_yearly = ee.ImageCollection('users/lgutierrezlf/PISCOeo_pm/yearly')

Earth Engine Snippet: Monthly climatology data

var PISCOeo_pm_climatology = ee.ImageCollection('users/lgutierrezlf/PISCOeo_pm/climatology')

Earth Engine Snippet: Monthly data

var PISCOeo_pm_monthly = ee.ImageCollection('users/lgutierrezlf/PISCOeo_pm/monthly')

Earth Engine Snippet: Daily data

var PISCOeo_pm_daily = ee.ImageCollection('users/lgutierrezlf/PISCOeo_pm/daily')

Web Application PISCOeo_pm in GEE

PISCOeo_pm_ts

Resolution: 0.01° (or roughly 1km x 1km)

app code : https://code.earthehttps://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/REFERENCE-ET-GRIDDED-PERU

License:

This work is licensed under a Creative Commons Attribution 4.0 International License. You are free to copy and redistribute the material in any medium or format, and to transform and build upon the material for any purpose, even commercially. You must give appropriate credit, provide a link to the license, and indicate if changes were made.

Curated by: Gutierrez Leonardo & Samapriya Roy

Keywords: reference evapotranspiration, FAO Penman Monteith, Peru, hydrology, satellite data, Earth observation, GIS.

Last updated: 27/06/2022

 

相关文章
|
2月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
481 0
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
2月前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
24 0
|
2月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
103 0
|
2月前
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
41 0
|
1月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
255 0
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
2月前
|
API Go 网络架构
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
GEE Colab——如何从本地/Google云盘/Google Cloud Storage (GCS)上传和下载
86 4
|
2月前
|
机器学习/深度学习 存储 人工智能
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
GEE Colab——初学者福音快速入门 Google Colab(Colaboratory)
71 3
|
2月前
|
数据处理
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
29 0
|
2月前
|
数据采集 编解码 人工智能
Google Earth Engine(GEE)——全球每日近地表空气温度(2003-2020年)
Google Earth Engine(GEE)——全球每日近地表空气温度(2003-2020年)
64 0
|
6天前
|
关系型数据库 MySQL 分布式数据库
《MySQL 简易速速上手小册》第6章:MySQL 复制和分布式数据库(2024 最新版)
《MySQL 简易速速上手小册》第6章:MySQL 复制和分布式数据库(2024 最新版)
35 2