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: 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
tem Float32 0.025 -9999 月温度
pre Float32 0.025 -9999 月降水

date

string

影像时间

 

代码:

var img = pie.ImageCollection("TPDC/LZU0025")
            .filterDate("2000-01-01", "2006-01-01")
            .select("tem").first()
            //.mean();
print(img);
//设定颜色预览组合
visParams = {min:-30,max:50,
            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");

 

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

 

相关文章
|
6月前
|
数据可视化
R语言分段线性回归分析预测车辆的制动距离
R语言分段线性回归分析预测车辆的制动距离
|
机器学习/深度学习 传感器 算法
使用显著性检测的可见光和红外图像的两尺度图像融合(Matlab代码实现)
使用显著性检测的可见光和红外图像的两尺度图像融合(Matlab代码实现)
|
6月前
|
传感器 移动开发 测试技术
通过卷积公式学习声速重建的成像模型
【1月更文挑战第1篇】通过卷积公式学习声速重建的成像模型
76 2
|
机器学习/深度学习 传感器 算法
【图像误差测量】测量 2 张图像之间的差异,并测量图像质量(Matlab代码实现)
【图像误差测量】测量 2 张图像之间的差异,并测量图像质量(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【图像分割】图像检测(分割、特征提取)、各种特征(面积等)的测量和过滤(Matlab代码实现)
【图像分割】图像检测(分割、特征提取)、各种特征(面积等)的测量和过滤(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【红外与可见光图像融合】离散平稳小波变换域中基于离散余弦变换和局部空间频率的红外与视觉图像融合方法(Matlab代码实现)
【红外与可见光图像融合】离散平稳小波变换域中基于离散余弦变换和局部空间频率的红外与视觉图像融合方法(Matlab代码实现)
|
机器学习/深度学习 传感器 编解码
【图像重建】基于小波变换图像分解重建(PSNR对比)附matlab代码
【图像重建】基于小波变换图像分解重建(PSNR对比)附matlab代码
|
算法 数据挖掘 计算机视觉
使用稀疏性(微球)进行色谱图基线估计和去噪(Matlab代码实现)
使用稀疏性(微球)进行色谱图基线估计和去噪(Matlab代码实现)
142 0
|
算法
基于高分辨率时频分析的单通道地震数据自动噪声衰减方法(Matlab代码实现)
基于高分辨率时频分析的单通道地震数据自动噪声衰减方法(Matlab代码实现)
|
数据挖掘
模糊聚类在负荷实测建模中的应用(Matlab代码实现)
模糊聚类在负荷实测建模中的应用(Matlab代码实现)