加拿大 ANUSPLIN 网格气候数据集

简介: 加拿大 ANUSPLIN 网格气候数据集

ANUSPLIN 网格气候数据集

加拿大 ANUSPLIN 网格气候数据集是使用澳大利亚国立大学样条 (ANUSPLIN) 模型生成的基于站点的插值数据集。它由加拿大农业和农业食品部生产,覆盖加拿大全境。该数据集提供 1950 年至 2015 年期间每日和每月时间步长的最高气温、最低气温和总降水量,分辨率为 10 公里(0.1 度)。加拿大 ANUSPLIN 网格气候数据集是一个基于站点的综合插值数据集,是使用澳大利亚国立大学样条 (ANUSPLIN) 模型精心制作的。该数据集由加拿大农业和农业食品部创建,涵盖了加拿大整个地理区域,为研究人员和气候爱好者提供了宝贵的资源。前言 – 人工智能教程

有兴趣访问该数据集的研究人员和用户可以通过以下外部链接找到该数据集: -每日数据: 加拿大 ANUSPLIN 网格气候数据集(每日) -每月数据: 加拿大 ANUSPLIN 网格气候数据集(每月)

它利用 1950 年至 2015 年的可用数据提供气候条件的详细视图,深入了解最高气温、最低气温和总降水量的每日和每月变化。该数据集为气候研究、环境研究以及需要加拿大和美国部分地区历史气候数据的各种应用提供了宝贵的资源。研究人员可以利用这个综合数据集探索气候趋势,评估气候变化影响,并获得对该地区气候模式的宝贵见解。

加拿大ANUSPLIN网格气候数据集是一个由加拿大国家气象局(Environment Canada)开发和维护的高分辨率气候数据集。这个数据集提供了加拿大全境的气候数据,包括温度、降水、日照时数等多个气象要素。数据集使用ANUSPLIN插值方法将气象站点观测数据插值到高分辨率的网格中,以提供更准确的气候信息。

ANUSPLIN网格气候数据集的分辨率为每个0.01度的网格,时间范围从1900年至今。数据集包括不同时间尺度的数据,如日均值、月均值和年均值。用户可以根据自己的需求下载相应的数据,并用于气候研究、农业、水资源管理、环境保护等领域。

ANUSPLIN网格气候数据集被广泛应用于加拿大的气候研究和应用,如气候模拟、气候变化分析、极端气候事件研究等。该数据集提供了一个可靠的气候基准,可以帮助决策者和研究人员了解加拿大气候的空间和时间变化特征,并制定相应的应对策略。

总之,加拿大ANUSPLIN网格气候数据集是一个高分辨率、全面的气候数据集,为加拿大的气候研究和应用提供了重要的数据支持。

数据集描述

我们一直将澳大利亚国立大学 Michael Hutchinson 博士开发的薄板样条平滑算法(ANUSPLIN) 应用到加拿大和美国的气候数据中。这项工作是与 Hutchinson 博士、加拿大环境部监测策略和数据管理部以及气候研究部和 Custom Climate Services Inc 合作进行的。我们感谢他们获取数据、专门准备台站观测数据以及支持评估我们的空间气候模型的气候学和气象学有效性。我们还要感谢美国国家气候数据中心的工作人员为我们的北美模型提供美国数据的帮助。

薄板样条不应与简单的单变量三次样条混淆。它们可以被认为是一种非参数、多维曲线拟合技术,适用于噪声多变量数据。ANUSPLIN 提供了一种开发空间连续气候模型(“表面”)的高效操作方法。这对于许多森林应用尤其重要,因为在偏远的森林位置很少可以获得气象站数据。

该方法对于绘制气候图也很有用。网格气候数据通常用于运行空间过程模型和其他生态应用。有许多文章详细描述了这些方法和应用。

我们的目标是支持林业的气候影响和气候变化分析,包括物种建模、外来物种风险评估和生产力研究。

我们的许多气候网格可供下载,其他网格则需要特殊许可,因为它们尚未经过完全测试和/或同行评审。根据丹·麦肯尼 (Dan McKenney ) 的要求,也可提供特定位置(例如研究地块、实地位置)的点估计

空间信息

范围 价值
空间范围 美国和加拿大
空间分辨率 10 公里(~0.1 度)
时间分辨率 每日和每月
时间跨度 1950-01-01 至 2015-12-31
更新频率 静止的

变量

多变的 细节
最低温度,2m(“最高”) - 单位:摄氏度
- 比例因子:1.0
最高温度,2m(“薄荷”) - 单位:摄氏度
- 比例因子:1.0
降水量(“五氯苯酚”) - 单位:毫米
- 比例因子:1.0
引文

- Hutchinson, M. F., McKenney, D.W., Lawrence, K., Pedlar, J.H., Hopkinson, R.F., Milewska, E., Papadopol, P. (2009).

"Development and testing of Canada-Wide Interpolated Spatial Models of Daily Minimum-Maximum Temperature and Precipitation for 1961-2003."

American Meteorological Society(April): 725-741.


- McKenney, D. W., Hutchinson, M.F., Papadopol, P., Lawrence, K., Pedlar, J., Campbell, K., Milewska, E., Hopkinson, R., Price, D., Owen, T. (2011).

"Customized spatial climate models for North America." Bulletin of American Meteorological Society-BAMS December: 1612-1622.

地球引擎片段
// Read in daily and monthly Image Collections and get single image from each collection
var anuspline_m_ic = ee.ImageCollection('projects/climate-engine-pro/assets/ce-anusplin-monthly')
var anuspline_m_i = anuspline_m_ic.first()
var anuspline_d_ic = ee.ImageCollection('projects/climate-engine-pro/assets/ce-anusplin-daily')
var anuspline_d_i = anuspline_d_ic.first()
// Print each single image to see bands
print(anuspline_m_i)
print(anuspline_d_i)
// Visualize each band from each single image
var prec_palette = ["#ffffcc", "#c7e9b4", "#7fcdbb", "#41b6c4", "#1d91c0", "#225ea8", "#0c2c84"]
var temp_palette = ["#b2182b", "#ef8a62", "#fddbc7", "#f7f7f7", "#d1e5f0", "#67a9cf", "#2166ac"].reverse()
Map.addLayer(anuspline_m_i.select('pcp'), {min: 0, max: 200, palette: prec_palette}, 'pcp, monthly')
Map.addLayer(anuspline_m_i.select('mint'), {min: -30, max: 30, palette: temp_palette}, 'mint, monthly')
Map.addLayer(anuspline_m_i.select('maxt'), {min: -30, max: 30, palette: temp_palette}, 'maxt, monthly')
Map.addLayer(anuspline_d_i.select('pcp'), {min: 0, max: 10, palette: prec_palette}, 'pcp, daily')
Map.addLayer(anuspline_d_i.select('mint'), {min: -30, max: 30, palette: temp_palette}, 'mint, daily')
Map.addLayer(anuspline_d_i.select('maxt'), {min: -30, max: 30, palette: temp_palette}, 'maxt, daily')

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

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、温度、AAFC、每日、每月、再分析

提供者:加拿大农业和农业食品部

策展人:ClimateEngine.org

相关文章
|
存储 缓存 算法
【计算机网络】数据链路层
【计算机网络】数据链路层
1650 0
【计算机网络】数据链路层
|
存储 人工智能 算法
聚类的k值确定之轮廓系数
聚类的k值确定之轮廓系数
3764 0
|
数据采集 数据可视化 数据挖掘
数据分析案例-汽车客户信息数据可视化分析
数据分析案例-汽车客户信息数据可视化分析
676 0
|
JavaScript Windows 容器
Flutter Web:根据浏览器窗口改变布局大小
之前我们通过flutter开发web应用,然后用electron打包成可执行文件在pc端使用,因为electron可以设置最小宽高,所以布局不会越界,但是如果直接在浏览器中打开,因为浏览器的大小无法控制,如果用户缩小浏览器会导致布局越界。根据大部分网站的经验来看,当窗口缩小到一定程度后,布局就不会再改变,反而是增加了滚动,这样就保证了布局的正确性,所以我们也打算这么做。
1733 0
|
人工智能 自然语言处理 算法
可自主进化的Agent?首个端到端智能体符号化训练框架开源了
【8月更文挑战第13天】近年来,AI领域在构建能自主完成复杂任务的智能体方面取得重大突破。这些智能体通常基于大型语言模型,可通过学习适应环境。为简化设计流程,AIWaves Inc.提出智能体符号化学习框架,使智能体能在数据中心模式下自我优化,以推进通向通用人工智能的道路。该框架将智能体视作符号网络,利用提示、工具及其组合方式定义可学习的权重,并采用自然语言模拟反向传播和梯度下降等学习过程,指导智能体的自我改进。实验显示,此框架能有效促进智能体的自主进化。尽管如此,该框架仍面临高质量提示设计及计算资源需求高等挑战。论文详情参见:https://arxiv.org/pdf/2406.18532。
524 58
|
安全 数据库连接 Linux
深入探索研究FileRun
【10月更文挑战第9天】
604 1
|
前端开发 数据处理 开发者
Flutter应用开发中滚动性能优化与无限列表实现的重要性
本文深入探讨了Flutter应用开发中滚动性能优化与无限列表实现的重要性。首先分析了影响滚动性能的因素,如布局复杂度、重绘频率和数据处理等。接着介绍了优化方法,包括懒加载、简化布局、控制重绘和高效数据处理。最后详细讲解了无限列表的实现原理及步骤,并通过案例分析展示了具体应用,旨在为开发者提供实用的技术指导。
321 5
|
机器学习/深度学习 人工智能 自然语言处理
AIGC多模态学习
7月更文挑战第11天
|
开发者
CMake 命令行使用指南:创建构建目录与编译项目
CMake 命令行使用指南:创建构建目录与编译项目
832 0
|
SQL 缓存 关系型数据库
MySQL(三)SQL优化、Buffer pool、Change buffer
MySQL(三)SQL优化、Buffer pool、Change buffer
463 0