全球二氧化碳排放数据1deg产品(ODIAC)数据

简介: 全球二氧化碳排放数据1deg产品(ODIAC)数据

简介

全球二氧化碳排放数据1deg产品(ODIAC)是一个空间分辨率为1deg*1deg的全球化石燃料燃烧产生的二氧化碳空间分布产品。它率先将基于空间的夜间灯光数据与单个发电厂的排放/位置相结合来估计化石燃料二氧化碳的排放。该产品被国际研究界广泛用于各种研究应用(例如 CO2通量反演、城市排放估算和观测系统设计实验)前言 – 人工智能教程

以下是一些二氧化碳数据:

  • 2019年,全球平均二氧化碳浓度达到了408.5ppm,较工业化前水平增加了约147%。
  • 二氧化碳是最主要的温室气体,占温室气体总量的76%。
  • 中国是全球最大的二氧化碳排放国家,占全球总排放量的28%。
  • 每年约有40亿吨二氧化碳被排放到大气中,其中约30%被吸收到陆地和海洋中,剩余部分则会在大气中滞留几个世纪。
  • 根据IPCC的报告,全球温度若升高2°C,将会对环境、社会、经济产生巨大影响,而这需要将全球二氧化碳排放量减少50%以上。

数据集ID:

ODIAC/CO2_1DEG

时间范围: 2000年-2019年

范围: 全球

来源: ODIAC

复制代码段:

var images = pie.ImageCollection("ODIAC/CO2_1DEG")

波段

名称 类型 无效值 空间分辨率(km) 描述信息
land Float32 -1 1度 陆地二氧化碳排放数据,tonne carbon/cell (monthly total)
intl_bunker Float32 -1 1度 国际航线二氧化碳排放数据,tonne carbon/cell (monthly total)

date

string

影像日期

 

代码:

/**
* @File    :   全球二氧化碳排放数据1deg产品(ODIAC)数据
* @Time    :   2022/06/2
* @Author  :   piesat
* @Version :   1.0
* @Contact :   400-890-0662
* @License :   (C)Copyright 航天宏图信息技术股份有限公司
* @Desc    :   加载全球二氧化碳排放数据1deg产品(ODIAC)数据
*/
//引用全球二氧化碳排放数据1deg产品(ODIAC)数据,通过时间范围筛选,选择波段进行中值合成
var images = pie.ImageCollection("ODIAC/CO2_1DEG")
                .filterDate("2019-02-01", "2019-03-01")
                .select("land")
                .median();
print(images)
// 设置图层显示参数并加载
var visParams = {
    min: 0,
    max: 1,
    palette: ["#000000",
        "#78F34A",
        "#DEFF51",
        "#F7D941",
        "#FC9624",
        "#FF0000"]
}
Map.centerObject(images, 3)
Map.addLayer(images, visParams, "img")

数据引用:

1.ODIAC2013a and later.

Tomohiro Oda, Shamil Maksyutov (2015), ODIAC Fossil Fuel CO2 Emissions Dataset (Version name*1 : ODIACYYYY or ODIACYYYYa), Center for Global Environmental Research, National Institute for Environmental Studies, doi:10.17595/20170411.001. (Reference date*2 : YYYY/MM/DD).

*1 The version name is indicated in the name of each data file.

*2 As the reference date, please indicate the date you downloaded the files.

2.ODIAC v1.7.

Tomohiro Oda, Shamil Maksyutov (2015), ODIAC Fossil Fuel CO2 Emissions Dataset (ODIAC v1.7), Center for Global Environmental Research, National Institute for Environmental Studies, Downloaded from http://db.cger.nies.go.jp/dataset/ODIAC/. (Reference date*1 : YYYY/MM/DD).

*1 As the reference date, please indicate the date you downloaded the files.

文章引用:

1.Oda and Maksyutov (2011)–ODIAC grand paper/1km ODIAC emission data.

Oda, T. and Maksyutov, S.: A very high-resolution(1km x 1km) global fossil fuel CO2 emission inventory derived using a point source database and satellite observations of nighttime lights, Atmos. Chem. Phys., 11, 543-556, doi:10.5194/acp-11-543-2011, 2011.

2. Oda et al. (2010) – ODIAC with improved nightlight data.

Oda, T., Maksyutov, S. and Elvidge, C.: Disaggregation of national fossil fuel CO2 emissions using a global power plant database and DMSP nightlight data, Proc. of the 30th Asia-Pacific Advanced Network Meeting, 220-229, 2010.http://journals.sfu.ca/apan/index.php/apan/article/view/94.

3.Oda et al. (2018) – Recent versions of 1km and 1-degree ODIAC emission data and modeling framework.

Oda, T., Maksyutov, S., and Andres, R. J.: The Open-source Data Inventory for Anthropogenic CO2, version 2016 (ODIAC2016): a global monthly fossil fuel CO2 gridded emissions data product for tracer transport simulations and surface flux inversions, Earth Syst.Sci. Data,doi:10.5194/essd-10-87-2018, 2018.

4.Nassar et al.(2013)–Temporal scaling factor.

Nassar, R.,Napier-Linton, L.,Gurney, K.R.,Andres, R.J., Oda, T., Vogel, F.R. and Deng, F.: Improving the temporal and spatial distribution of CO2 emissions from global fossil fuel emission datasets, Journal of Geophysical Research: Atmospheres, 118, 917-933, doi:10.1029/2012JD018196, 2013.

相关文章
|
数据库
|
云计算 数据中心
未来"云计算"碳足迹将超过整个航空业
本文讲的是未来"云计算"碳足迹将超过整个航空业,在计算领域,目前最时髦的就是云计算。云计算代表了一个真正的趋势:计算越来越多的被作为通过互联网供应的服务。
1497 0