中国1km分辨率逐月降水数据集(1901-2020)

简介: 中国1km分辨率逐月降水数据集(1901-2020)

佳节

中国逐月降水量数据集(1901-2021)是根据CRU发布的全球0.5°气候数据集以及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。使用了496个独立气象观测点数据进行验证,验证结果可信。数据集的空间分辨率为0.0083333°(约1km),降水单位为0.1mm,包含全国主要陆地(包含港澳台地区),不含南海岛礁等区域。

逐月降水数据观测有以下几个重要意义:

1. 研究气候变化:逐月降水数据观测可以帮助我们了解气候的长期趋势和变化,从而预测未来气候的趋势和变化。

2. 水资源管理:逐月降水数据观测可以提供有关水资源的信息,例如水文循环、水库储备和水灾预警。

3. 农业生产:逐月降水数据观测可以帮助农民预测降雨量和灌溉需求,从而指导农业生产活动。

4. 生态环境保护:逐月降水数据观测可以帮助我们了解不同地区的降水量和降水季节,从而指导生态环境保护工作。

5. 交通运输:逐月降水数据观测可以帮助交通部门预测天气状况,从而指导路面养护和交通管理。

数据集ID:

TPDC/CHINA_1KM_PRE_MONTH

时间范围: 1901年-2021年

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/CHINA_1KM_PRE_MONTH")

名称 单位(mm) 类型 分辨率(km) 无效值 描述信息
B1 0.1 int16 1 -32768 月降水量

 

名称 单位(mm) 类型 分辨率(km) 无效值 描述信息
B1 0.1 int16 1 -32768 月降水量

代码:

var img = pie.ImageCollection("TPDC/CHINA_1KM_PRE_MONTH")
            .filterDate("2000-01-01", "2006-01-01")
            .select("B1").first()
            //.mean();
print(img);
//设定颜色预览组合
visParams = {
            palette: ['#0D0887','#5B02A3','#9A179B','#CB4678','#EB7852','#FBB32F','#F0F921']};
//定位地图中心
Map.centerObject(img, 3);
//加载影像
Map.addLayer(img, visParams, "img");

数据引用:

彭守璋. 中国1km分辨率逐月降水量数据集(1901-2017). 国家青藏高原科学数据中心, 2020. DOI: 10.5281/zenodo.3185722.

文章引用:

1. Ding, Y.X., & Peng, S.Z. (2020). Spatiotemporal trends and attribution of drought across China from 1901–2100. Sustainability, 12(2), 477.

2. Peng, S.Z., Ding, Y.X., Wen, Z.M., Chen, Y.M., Cao, Y., & Ren, J.Y. (2017). Spatiotemporal change and trend analysis of potential evapotranspiration over the Loess Plateau of China during 2011–2100. Agricultural and Forest Meteorology, 233, 183–194.

3. Peng, S.Z., Ding, Y.X., Liu, W.Z., & Li, Z. (2019). 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. Earth System Science Data, 11, 1931–1946. https://doi.org/10.5194/essd-11-1931-2019.

4. Peng, S. , Gang, C. , Cao, Y. , & Chen, Y. . (2017). Assessment of climate change trends over the loess plateau in china from 1901 to 2100. International Journal of Climatology.

 

相关文章
|
3月前
|
编解码 人工智能 定位技术
中国1km土壤特征数据集(2010年)
中国1km土壤特征数据集(2010年)
39 1
中国1km土壤特征数据集(2010年)
|
3月前
|
编解码 人工智能 数据中心
中国1km分辨率月最低温和最高温度数据集(1901-2020)
中国1km分辨率月最低温和最高温度数据集(1901-2020)
56 0
|
3月前
|
数据采集 编解码 人工智能
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
99 2
|
3月前
|
机器学习/深度学习 编解码 人工智能
1951 年以来的美国ACIS 气候地图数据集(5 公里空间分辨率)
1951 年以来的美国ACIS 气候地图数据集(5 公里空间分辨率)
56 2
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取铁,预测平均值和标准偏差数据集
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取铁,预测平均值和标准偏差数据集
102 1
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取铁,预测平均值和标准偏差数据集
|
编解码
Google Earth Engine ——MYD14A1/A2 V6数据集提供了从MODIS 4米和11米辐射值得出的1公里分辨率的每日火灾掩码合成,火灾识别数据集
Google Earth Engine ——MYD14A1/A2 V6数据集提供了从MODIS 4米和11米辐射值得出的1公里分辨率的每日火灾掩码合成,火灾识别数据集
203 0
Google Earth Engine ——MYD14A1/A2 V6数据集提供了从MODIS 4米和11米辐射值得出的1公里分辨率的每日火灾掩码合成,火灾识别数据集
|
编解码 区块链 知识图谱
Google Earth Engine——美国1950-2099年降水、气温含预测数据集(1km)分辨率
Google Earth Engine——美国1950-2099年降水、气温含预测数据集(1km)分辨率
195 0
Google Earth Engine——美国1950-2099年降水、气温含预测数据集(1km)分辨率
|
编解码 区块链 知识图谱
Google Earth Engine——NASA NEX-DCP30数据集(降水和气温)由美国本土的降尺度气候情景组成1km分辨率
Google Earth Engine——NASA NEX-DCP30数据集(降水和气温)由美国本土的降尺度气候情景组成1km分辨率
199 0
Google Earth Engine——NASA NEX-DCP30数据集(降水和气温)由美国本土的降尺度气候情景组成1km分辨率
|
编解码 定位技术
Google Earth Engine——热带国家500米处地面活木生物量密度的国家级数据集。这个数据集是由同地的实地测量、LiDAR观测和中分辨率成像光谱仪(MODIS)记录的图像组合而成。
Google Earth Engine——热带国家500米处地面活木生物量密度的国家级数据集。这个数据集是由同地的实地测量、LiDAR观测和中分辨率成像光谱仪(MODIS)记录的图像组合而成。
136 0
Google Earth Engine——热带国家500米处地面活木生物量密度的国家级数据集。这个数据集是由同地的实地测量、LiDAR观测和中分辨率成像光谱仪(MODIS)记录的图像组合而成。
|
机器学习/深度学习
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取粘土含量,预测平均值和标准偏差数据集
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取粘土含量,预测平均值和标准偏差数据集
126 0
Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取粘土含量,预测平均值和标准偏差数据集