NLDAS Noah 陆面模型 L4 小时分辨率 0.125 x 0.125 度 V2.0 位于 GES DISC

简介: NLDAS_NOAH0125_H数据集由NLDAS-2系统基于Noah陆面模型生成,提供自1979年起北美地区0.125°小时分辨率的53个地表变量。数据涵盖土壤温湿度、蒸散发等,用于气象与水文研究,格式为netCDF,由GRIB转换而来,支持通过NASA Earth Data平台访问与下载。

​NLDAS Noah Land Surface Model L4 Hourly 0.125 x 0.125 degree V2.0 (NLDAS_NOAH0125_H) at GES DISC

简介

该数据集包含 53 个场,这些场由北美陆地数据同化系统(NLDAS-2)第二阶段的 Noah 陆面模型(LSM)模拟得出。数据采用 1/8 度网格间距,时间范围从 1979 年 1 月至今,时间分辨率为小时。文件格式为 netCDF(由 GRIB 格式转换而来)。Noah 模型是作为 NOAA NCEP 中尺度 Eta 模型的陆地分量而开发的[Betts et al. (1997); Chen et al. (1997); Ek et al. (2003)]。在 NLDAS-2 中,Noah 模型的冷季[Livneh et al. (2010)]和暖季[Wei et al. (2011)]参数均进行了修改。 (2012)] parameterizations. Noah 陆面模型是不断发展的天气研究与预报 (WRF) 区域大气模型、NOAA NCEP 耦合气候预报系统 (CFS) 和全球预报系统 (GFS) 中的陆面组件。该模型模拟土壤冻融过程及其对土壤加热/冷却和蒸腾作用的影响,其模拟方法遵循 Koren 等人 (1999) 的研究。该模型包含四个土壤层,厚度分别为 10、30、60 和 100 厘米,且空间上保持不变。前三层构成非森林区域的根系层,第四层则包含在森林区域。关于 Noah 陆面模型的 NLDAS-2 配置的详细信息,请参见 Xia 等人 (2012)。

摘要

代码
!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify

import pandas as pd
import leafmap

url = "https://github.com/opengeos/NASA-Earth-Data/raw"
df = pd.read_csv(url, sep="\t")
df

leafmap.nasa_data_login()

results, gdf = leafmap.nasa_data_search(
short_name="NLDAS_NOAH0125_H",
cloud_hosted=True,
bounding_box=(-125, 25, -67, 53),
temporal=("21979-01-02", "1979-01-08"),
count=-1, # use -1 to return all datasets
return_gdf=True,
)

gdf.explore()

leafmap.nasa_data_download(results[:5], out_dir="data")

相关文章
|
2月前
|
编解码 Python
NSCAT 2 级海洋风矢量模糊消除叠加图(Hoffman,AER)
本数据集为NSCAT二级海洋风矢量模糊度去除结果,基于Hoffman等人(2003)提出的二维变分分析方法(VAM),结合ECMWF背景场,优选最接近分析场的风向解,提升复杂风场结构的精度,适用于高分辨率海洋风场研究。
61 10
|
3月前
|
Python
NPP 热带森林:马来西亚姆鲁山,1977-1978 年,R1
本数据集包含1977-1978年马来西亚姆鲁山国家公园低地雨林的净初级生产力(NPP)与气候数据。涵盖冲积林、石楠林、龙脑香林和石灰岩林四种森林类型,海拔50-300米,面积共544平方公里。提供地上生物量、凋落物、土壤养分及气象记录,揭示热带雨林生态系统生产力与环境关系。
136 7
|
数据采集 监控 供应链
ERP系统在大型企业中的实施案例研究
ERP系统在大型企业中的实施案例研究
993 0
|
定位技术 数据库 知识图谱
Google Earth Engine(GEE)——土壤网格250m v2.0
Google Earth Engine(GEE)——土壤网格250m v2.0
928 0
|
资源调度 监控 API
开源API网关APISIX分析与使用
开源API网关APISIX分析与使用
1552 0
|
5月前
|
人工智能 搜索推荐 算法
用AI提示词搞定基金定投:技术人的理财工具实践
本文将AI提示词工程应用于基金定投,为技术人打造一套系统化、可执行的理财方案。通过结构化指令,AI可生成个性化定投策略,覆盖目标设定、资产配置、风险控制与动态调整,帮助用户降低决策门槛,规避情绪干扰,实现科学理财。
1831 13
|
编解码
Google Earth Engine(GEE)——监督分类出现ConfusionMatrix (Error) User memory limit exceeded.解决方案
Google Earth Engine(GEE)——监督分类出现ConfusionMatrix (Error) User memory limit exceeded.解决方案
749 0
|
机器学习/深度学习 人工智能 数据挖掘
AI概率学预测足球大小球让球数据分析
在足球数据分析中,AI概率学预测主要用于大小球和让球盘口的分析。大小球预测通过历史数据、机器学习和实时数据动态调整进球数;让球分析则利用Elo评分等评估实力差距,结合盘口数据预测比赛结果。数据来源包括历史比赛、球队和球员信息及外部因素。模型选择涵盖回归、分类和时间序列模型,并通过交叉验证、误差分析进行优化。实际应用包括制定投注策略、风险管理及开发自动化系统。代码示例展示了使用随机森林回归模型预测进球数的过程。
|
JavaScript
Vue 父子组件传参、插槽
Vue 父子组件传参、插槽
226 2
|
Ubuntu Go Docker
24-Docker-常用命令详解-docker search
24-Docker-常用命令详解-docker search

热门文章

最新文章