基于加拿大降水分析 (CaPA) 系统的北美区域确定性降水数据集

简介: 基于加拿大降水分析 (CaPA) 系统的北美区域确定性降水数据集

区域确定性降水分析 (RDPA)

基于加拿大降水分析 (CaPA) 系统的区域确定性降水分析 (RDPA) 的域与业务区域模式相对应,即区域确定性预报系统 (RDPS-LAM3D),但太平洋地区除外其中 RDPA 域的西边边界相对于区域模型域稍微向东移动。RDPA 分析的分辨率与运行区域系统 RDPS LAM3D 的分辨率相同。RDPA GRIB2 数据集中的字段位于覆盖北美和邻近水域的极地立体 (PS) 网格上,分辨率为 10 公里,北纬 60 度,2003 年至今。您可以在此处找到有关该数据集的其他信息,此外,除了气候引擎组织页面之外,您还可以在此处找到有关该数据集的更多信息。前言 – 人工智能教程

区域确定性降水分析(RDPA)是对最近 6 或 24 小时降水量的最佳估计。该估算综合了现场降水量计测量、天气雷达、卫星图像和数值天气预报模型的数据。地理覆盖范围为北美洲(加拿大、美国和墨西哥)。数据的水平分辨率为 10 公里。仅提供地表数据。分析数据每天提供四次,每次间隔 6 小时,每天提供两次,每次间隔 24 小时。在累积期结束约 1 小时后可提供初步估计数据,并在 7 小时后进行修订,以吸收随后到达的测量数据。

10公里分辨率的降水数据是大气科学、气象学、水文学等领域中重要的数据之一,它具有以下作用:

1. 气象预报和预警:降水是天气预报和预警中的重要因素之一。10公里分辨率的降水数据可以提供地面降水的实时监测和预测,从而帮助决策者制定有效的应对措施。

2. 水文预测和水资源管理:降水是地表径流的主要来源,对水文过程和水资源管理具有重要影响。10公里分辨率的降水数据可以用于水文模型的参数输入和水资源评估。

3. 灾害监测和救援:降水过多或过少都会引发灾害,如洪涝、干旱等。10公里分辨率的降水数据可以用于监测和预测降雨量,及时进行灾害预警和救援。

4. 气候变化研究:降水是气候变化的重要指标之一。10公里分辨率的降水数据可以用于分析和预测全球和区域气候的变化规律,为应对气候变化制定政策提供科学依据。

综上所述,10公里分辨率的降水数据在气象、水文、环境和气候等领域中具有广泛的应用和重要的作用。

空间范围 空间分辨率 时间分辨率 时间跨度 更新频率
美国和加拿大 10.0公里网格(1/11度) 日常的 2003年1月1日至今 每日更新,滞后 5 个月

变量

多变的 单位 比例因子
降水(“降水”) 毫米 1.0
引文

[Canadian Precipitation Analysis (CaPA)](https://collaboration.cmc.ec.gc.ca/cmc/cmoi/product_guide/docs/lib/capa_information_leaflet_20141118_en.pdf) Methodology system


Fillion, Luc, Monique Tanguay, Ervig Lapalme, Bertrand Denis, Michel Desgagne, Vivian Lee, Nils Ek et al. "The Canadian regional data assimilation and forecasting system." Weather and Forecasting 25, no. 6 (2010): 1645-1669.


Environment and Climate Change Canada. (2023). Regional Deterministic Precipitation Analysis (RDPA) dataset [Version 2.0]. [Dataset]. Retrieved from https://open.canada.ca/data/en/dataset/fdd3446a-dc20-5bad-9755-0855e3ec9b19

地球引擎片段

// Read in Image Collections and get single image
var rdpa_ic = ee.ImageCollection('projects/climate-engine-pro/assets/ce-rdpa-daily')
var rdpa_i = rdpa_ic.first()
// Print single image to see bands
print(rdpa_i)
// Visualize precipitation for single image
var prec_palette = ["#ffffcc", "#c7e9b4", "#7fcdbb", "#41b6c4", "#1d91c0", "#225ea8", "#0c2c84"]
Map.addLayer(rdpa_i.select('precip'), {min: 0, max: 200, palette: prec_palette}, 'precip')

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

执照

数据受加拿大政府开放数据许可协议的约束:Open Government Licence - Canada | Open Government - Government of Canada。本协议的条款管辖您对数据的使用和复制,而不是加拿大农业和农业食品网站上的重要通知中的版权复制声明。

关键词:气候、降水、加拿大、美国、每日

提供者:加拿大环境与气候变化

GEE 策划者:Climate Engine Org

相关文章
|
7月前
|
传感器 编解码 人工智能
中科星图——MCD43A4 V6天底双向反射率分布函数调整反射率(NBAR)数据集
中科星图——MCD43A4 V6天底双向反射率分布函数调整反射率(NBAR)数据集
182 8
|
7月前
|
算法 数据挖掘
R语言面板数据回归:含时间固定效应混合模型分析交通死亡率、酒驾法和啤酒税
R语言面板数据回归:含时间固定效应混合模型分析交通死亡率、酒驾法和啤酒税
|
7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)
85 2
|
7月前
|
编解码 人工智能 算法
加拿大 ANUSPLIN 网格气候数据集
加拿大 ANUSPLIN 网格气候数据集
66 1
|
7月前
|
编解码 人工智能
北美区域性确定性预测系统平均温度数据
北美区域性确定性预测系统平均温度数据
49 0
|
编解码 Java BI
10米精度NPP净初级生产力数据/NDVI数据/植被类型数据/土地利用数据/降雨气温分布数据/太阳辐射分布数据
10米精度NPP净初级生产力数据/NDVI数据/植被类型数据/土地利用数据/降雨气温分布数据/太阳辐射分布数据
10米精度NPP净初级生产力数据/NDVI数据/植被类型数据/土地利用数据/降雨气温分布数据/太阳辐射分布数据
|
编解码 BI 定位技术
中国GDP空间分布数据集、中国人口空间分布数据集、GDP密度分布、人口密度分布数据、夜间灯光分布数据、土地利用数据、道路网分布数据、乡镇边界分布
中国GDP空间分布数据集、中国人口空间分布数据集、GDP密度分布、人口密度分布数据、夜间灯光分布数据、土地利用数据、道路网分布数据、乡镇边界分布
中国GDP空间分布数据集、中国人口空间分布数据集、GDP密度分布、人口密度分布数据、夜间灯光分布数据、土地利用数据、道路网分布数据、乡镇边界分布
|
编解码 BI 定位技术
自然保护区边界数据(国家级、省级、县市级)/乡镇区划边界/村界/植被类型分布/土地利用数据/NPP数据/NDVI数据
自然保护区边界数据(国家级、省级、县市级)/乡镇区划边界/村界/植被类型分布/土地利用数据/NPP数据/NDVI数据
自然保护区边界数据(国家级、省级、县市级)/乡镇区划边界/村界/植被类型分布/土地利用数据/NPP数据/NDVI数据
|
知识图谱 ice
Google Earth Engine——美国国家环境预测中心(NCEP)的气候预测系统再分析(CFSR)是作为一个全球性的、高分辨率的、大气-海洋-陆地表面-海冰耦合系统设计和执行的数据集
Google Earth Engine——美国国家环境预测中心(NCEP)的气候预测系统再分析(CFSR)是作为一个全球性的、高分辨率的、大气-海洋-陆地表面-海冰耦合系统设计和执行的数据集
793 0
Google Earth Engine——美国国家环境预测中心(NCEP)的气候预测系统再分析(CFSR)是作为一个全球性的、高分辨率的、大气-海洋-陆地表面-海冰耦合系统设计和执行的数据集
|
编解码
Google Earth Engine——气候危害组红外降水与站点数据(CHIRPS)是一个30年以上的准全球降水数据集
Google Earth Engine——气候危害组红外降水与站点数据(CHIRPS)是一个30年以上的准全球降水数据集
752 0
Google Earth Engine——气候危害组红外降水与站点数据(CHIRPS)是一个30年以上的准全球降水数据集