GEE数据集——美国干旱监测数据集(更新)

简介: GEE数据集——美国干旱监测数据集(更新)

美国干旱监测

美国干旱监测》是每周四发布的地图,显示美国部分地区的干旱情况。该地图采用五种分级:异常干旱(D0),显示可能进入或即将摆脱干旱的地区;四级干旱:中度(D1)、严重(D2)、极度(D3)和异常(D4)。前言 – 人工智能教程

干旱监测仪自 1999 年推出以来,一直由内布拉斯加大学林肯分校的国家干旱缓解中心 (NDMC)、美国国家海洋与大气管理局 (NOAA) 和美国农业部 (USDA) 联合制作。内布拉斯加大学林肯分校的 NDMC 负责管理干旱监测网站和相关数据,并向 NOAA、USDA 和其他机构提供地图和数据。可在 droughtmonitor.unl.edu 免费获取。

与人们在新闻中看到的大多数天气图不同,《美国干旱监测》不是预报。事实上,它是向后看的。它是根据截至地图发布前的周二上午的降水量,每周对干旱状况进行的评估。这就给了作者大约两个工作日来查看最新数据。如果干旱地区在周三降下大量降雨,最快也要到下周才能从地图上消除干旱。干旱是一种移动缓慢的灾害,因此可以肯定,如果某个地区没有降雨,它仍将处于干旱状态。但也可能需要不止一场好雨才能结束干旱,特别是如果一个地区已经干旱了很长时间。

 

预处理

干旱监测 GIS 数据以矢量文件的形式提供。为了创建一致的数据结构,从 2000 年开始,以每周为周期,摄取所有年份的形状文件。这些数据有 5 个不同的干旱等级/类别,并以 DM(干旱监测等级/类别值)作为栅格属性转换成栅格。这使得数据的收集和分析更加容易。添加了开始和结束日期,以发布周日期作为结束日期,一周前作为开始日期。目前,我们的目标是不断更新该数据集,使其与源数据集保持同步。

地球引擎片段

 

var usdm = ee.ImageCollection("projects/sat-io/open-datasets/us-drought-monitor");

波段信息

代码样例:

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/UNITED-STATES-DROUGHT-MONITOR

Earth Engine App:


usdm-explorer

License

The work is licensed under an Open data license for use.

The U.S. Drought Monitor is jointly produced by the National Drought Mitigation Center
at the University of Nebraska-Lincoln, the United States Department of Agriculture
and the National Oceanic and Atmospheric Administration. Map courtesy of NDMC.

Produced by : National Drought Mitigation Center at the University of Nebraska-Lincoln, the United States Department of Agriculture, and the National Oceanic and Atmospheric Administration. Map courtesy of NDMC

Processed secondary/formatted & Curated by: Samapriya Roy

Keywords: "National Drought Mitigation Center, NDMC, Drought, University of Nebraska-Lincoln, United States Department of Agriculture, USDA, National Oceanic and Atmospheric Administration, NOAA, USDM"

Last updated: 2021-04-24

 

相关文章
|
测试技术
性能场景之压测策略设计
【2月更文挑战第19天】性能场景之压测策略设计
1129 4
性能场景之压测策略设计
|
人工智能 数据可视化 算法
计算机设计大赛信息可视化设计的获奖经验剖析解读—助力4C大赛【全网最全万字攻略-获奖必读】
计算机设计大赛信息可视化设计的获奖经验剖析解读—助力4C大赛【全网最全万字攻略-获奖必读】
|
算法 安全 Java
CobaltStrike windows7 无法上线
CobaltStrike windows7 无法上线
562 0
|
机器学习/深度学习 编解码
1975 年至 2020 年全球居住人口估计值以 5 年为间隔,2025 年和 2030 年的人口预测值
该数据集描述了1975年至2020年全球居住人口的空间分布,以5年为间隔提供估计值,并预测2025年和2030年的人口分布。数据来自CIESIN GPWv4.11,基于普查数据分解到网格单元,结合GHSL全球建成区地表图层。分辨率为100米,支持研究和应用。项目由欧盟委员会和联合研究中心支持。
626 8
|
机器学习/深度学习 传感器 编解码
全球降水测量 全球降水测量(GPM)07 版
全球降水测量(GPM)07版是由NASA和JAXA合作的国际卫星任务,提供每三小时一次的全球雨雪观测数据。该数据集使用IMERG算法整合多颗卫星的微波和红外数据,提供高精度的降水量估算。GPM 07版涵盖2000年6月至2025年1月的数据,适用于气象预报、洪水预警等领域。数据以二进制格式提供,分辨率约为11公里,时间分辨率为半小时。NASA免费提供这些数据供公众使用。
816 22
|
11月前
|
存储 缓存 Java
JUC并发—3.volatile和synchronized原理
本文介绍了volatile关键字的使用、主内存和CPU的缓存模型、CPU高速缓存的数据不一致问题、总线锁和缓存锁及MESI缓存一致性协议、Java的内存模型JMM、JMM如何处理并发中的原子性可见性有序性、volatile如何保证可见性、volatile为什么无法保证原子性、volatile如何保证有序性、volatile的原理(Lock前缀指令 + 内存屏障)、双重检查单例模式的volatile优化、基于volatile优化微服务的优雅关闭机制、优化微服务存活状态检查机制等 14.i++的多线程安全问题演示 1
|
存储 分布式计算 Hadoop
【产品升级】Dataphin V4.4重磅发布:开发运维提效、指标全生命周期管理、智能元数据生成再升级
Dataphin V4.4版本引入了多项核心升级,包括级联发布、元数据采集扩展、数据源指标上架、自定义属性管理等功能,大幅提升数据处理与资产管理效率。此外,还支持Hadoop集群管理、跨Schema数据读取、实时集成目标端支持Hudi及MaxCompute delta等技术,进一步优化用户体验。
1192 3
【产品升级】Dataphin V4.4重磅发布:开发运维提效、指标全生命周期管理、智能元数据生成再升级
|
存储 SQL 关系型数据库
MySQL存储过程与触发器:提升数据库操作效率与数据一致性
本文深入探讨了MySQL数据库中的存储过程与触发器,通过丰富的代码示例,详细介绍了存储过程的定义与调用、参数与变量的应用,以及触发器的创建、使用和实际案例。存储过程作为预定义的一组SQL语句,能够提高数据库操作的效率,实现数据逻辑和复杂计算。同时,触发器作为在特定事件触发时自动执行的SQL语句,能够保障数据一致性和逻辑完整性。通过代码实例,读者将了解如何创建、调用存储过程,如何利用参数和变量进行数据处理,以及如何创建触发器并应用于实际场景。这些技术将使读者能够在数据库管理中更高效地进行操作和保障数据的完整性,为应用程序提供可靠的数据支持。
1429 0
|
Java Docker 容器
Java演进问题之ZGC的优点和缺点如何解决
Java演进问题之ZGC的优点和缺点如何解决
253 1
|
机器学习/深度学习 数据采集 人工智能
构建高效AI模型:深度学习优化策略和实践
【5月更文挑战第26天】 在人工智能的浪潮中,深度学习作为一项核心技术,其模型构建与优化一直是研究的热点。本文旨在探讨如何通过一系列创新性的优化策略提升深度学习模型的性能及效率。我们将从理论与实践两个维度出发,详细阐述包括数据预处理、网络结构设计、损失函数选择、正则化技巧以及超参数调整等方面的优化措施。通过这些策略的综合运用,可以显著提高模型的准确性,降低过拟合风险,并缩短训练时间,为AI领域的研究者和工程师提供有价值的参考。