雪数据同化系统Snow Data Assimilation System数据集

简介: 雪数据同化系统Snow Data Assimilation System数据集

雪数据同化系统(SNODAS)

雪资料同化系统(SNODAS)是国家水文遥感业务中心(NOHRSC)精心开发的综合建模和资料同化系统。其主要目标是提供高度准确的积雪和相关参数估计,作为水文建模和分析的重要资源。SNODAS 通过吸收各种来源的数据来实现这一目标,包括卫星观测、地面测量和数值天气预报模型。这些不同的数据流在雪质量和能量平衡模型中经过彻底处理,最终产生雪水当量(SWE)、雪深、雪覆盖范围和雪反照率的估计值。

SNODAS数据集拥有1公里的空间分辨率和24小时的时间分辨率,确保准确、及时的洞察。该数据集每天更新,涵盖美国大陆、阿拉斯加和夏威夷,为各种应用程序的用户提供全面的覆盖。SNODAS 数据面向广泛的受众,包括水资源管理者、应急响应人员和气候科学家。这些宝贵的数据在各种应用中发挥着关键作用,包括估计融雪径流、预测雪崩、监测干旱和洪水管理的积雪状况,以及研究气候变化对雪动态的影响。SNODAS 数据可通过国家冰雪数据中心 (NSIDC) 免费访问,进一步增强了广大用户群的可访问性和实用性。前言 – 人工智能教程

该数据集描述提供了 SNODAS 的全面概述,强调了其在支持跨领域水文研究和决策方面的重要性。您可以在此处找到更多信息,还可以在此处找到气候引擎组织中数据集的链接

数据集详细信息
空间范围 美国本土
空间分辨率 1000 m(1/120 度)
时间分辨率 日常的
时间跨度 2003年10月1日至今
更新频率 每日更新,滞后 1 天

变量

多变的 单位 比例因子
雪水当量 1.0
雪深 1.0
引文

Barrett, Andrew. 2003. National Operational Hydrologic Remote Sensing Center Snow Data Assimilation System (SNODAS) Products at NSIDC. NSIDC Special

Report 11. Boulder, CO USA: National Snow and Ice Data Center. 19 pp.


Barrett, A. P., R. L. Armstrong, and J. L. Smith. 2001. The Snow Data Assimilation System (SNODAS): An overview.

Journal of Hydrometeorology 2(3):288-306.

地球引擎片段

// Read in Image Collection and get image
var snodas_ic = ee.ImageCollection('projects/earthengine-legacy/assets/projects/climate-engine/snodas/daily')
var snodas_i = snodas_ic.filterDate('2022-01-01', '2022-01-05').first()
// Print first image to see bands
print(snodas_i)
// Visualize select bands from first image
var prec_palette = ["#ffffcc", "#c7e9b4", "#7fcdbb", "#41b6c4", "#1d91c0", "#225ea8", "#0c2c84"]
Map.addLayer(snodas_i.select('Snow_Depth'), {min: 0, max: 1, palette: prec_palette}, 'Snow_Depth')
Map.addLayer(snodas_i.select('SWE'), {min: 0, max: 1, palette: prec_palette}, 'SWE')

示例代码:https://code.earthengine.google.com/? scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/SNODAS-DAILY

执照

NOAA 数据、信息和产品,无论采用何种交付方式,均不受版权保护,并且公众后续使用不受限制。一旦获得,它们就可以用于任何合法用途。上述数据属于公共领域,提供时不受使用和分发限制。欲了解更多信息,请访问 NWS 免责声明网站。

关键词:雪、气候、近实时、CONUS、美国、NOAA、每日

创建和提供:NOAA、NSIDC

策展人:气候引擎组织

相关文章
|
5月前
|
数据可视化
如何用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据
如何用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据
|
5月前
|
传感器
GEE——使用cart机器学习方法对Landsat影像条带修复以NDVI和NDWI为例(全代码)
GEE——使用cart机器学习方法对Landsat影像条带修复以NDVI和NDWI为例(全代码)
91 0
|
机器学习/深度学习 人工智能 计算机视觉
|
机器学习/深度学习 数据采集 人工智能
有人一周内清理了PASCAL数据集中的17120张图像,将mAP提高了13%
有人一周内清理了PASCAL数据集中的17120张图像,将mAP提高了13%
|
机器学习/深度学习 计算机视觉
LBP+GLCM+SVM对开源数据集kth_tips_col_200x200进行简单分类
LBP+GLCM+SVM对开源数据集kth_tips_col_200x200进行简单分类
529 0
LBP+GLCM+SVM对开源数据集kth_tips_col_200x200进行简单分类
|
机器学习/深度学习 算法 数据可视化
Kaggle系列-Mechanisms of Action (MoA) Prediction[表格数据多标签]第一名方案
Kaggle系列-Mechanisms of Action (MoA) Prediction[表格数据多标签]第一名方案
354 0
Kaggle系列-Mechanisms of Action (MoA) Prediction[表格数据多标签]第一名方案
|
算法 ice
Google Earth Engine ——MYD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分率和质量评估(QA)数据归一化差异积雪指数数据集
Google Earth Engine ——MYD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分率和质量评估(QA)数据归一化差异积雪指数数据集
191 0
Google Earth Engine ——MYD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分率和质量评估(QA)数据归一化差异积雪指数数据集
|
开发工具 ice
Google Earth Engine ——美国LANDIFRE火灾数据集LANDFIRE MFRI (Mean Fire Return Interval) v1.2.0数据集内包含多种数据要素
Google Earth Engine ——美国LANDIFRE火灾数据集LANDFIRE MFRI (Mean Fire Return Interval) v1.2.0数据集内包含多种数据要素
227 0
Google Earth Engine ——美国LANDIFRE火灾数据集LANDFIRE MFRI (Mean Fire Return Interval) v1.2.0数据集内包含多种数据要素
|
算法 ice
Google Earth Engine ——MOD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分量和质量评估(QA)数据和NDSI指数数据集
Google Earth Engine ——MOD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分量和质量评估(QA)数据和NDSI指数数据集
412 0
Google Earth Engine ——MOD10A1 V6 Snow Cover Daily Global 500m产品包含雪盖、雪反照率、雪盖分量和质量评估(QA)数据和NDSI指数数据集
|
机器学习/深度学习 数据挖掘 定位技术
Google Earth Engine ——数据全解析专辑(Global Map of Oil Palm Plantations)全球油棕种植园数据集!
Google Earth Engine ——数据全解析专辑(Global Map of Oil Palm Plantations)全球油棕种植园数据集!
143 0
Google Earth Engine ——数据全解析专辑(Global Map of Oil Palm Plantations)全球油棕种植园数据集!