LBA-HMET PC-06 ECMWF 模拟降水和地表通量,巴西朗多尼亚州:1999 年

简介: 该数据集基于ECMWF模型(2000年业务版本),提供1999年巴西朗多尼亚州LBA实验期间的逐日降水、地表通量及热力学变量模拟,含T319分辨率与TESSEL陆面方案,并附实测降水用于偏差检验。(239字)

​LBA-HMET PC-06 ECMWF Modeled Precipitation and Surface Flux, Rondonia, Brazil: 1999

简介

该数据集提供了欧洲中期天气预报中心 (ECMWF) 模型短期预报生成的降水、近地表热力学和地表通量的平均日变化周期。
模型输出为 12 至 36 小时的短期预报,采用 T319 三角截断法,垂直分辨率为 60 层,每日 12:00(UTC)分析数据。用于生成此数据产品的预报模型版本为 2000 年秋季的 ECMWF 业务模型,该模型包含瓦片式陆面方案(TESSEL)(Van den Hurk 等,2000)以及 Gregory 等(2000)描述的对流、辐射和云方案的最新修订。
欧洲中期天气预报中心(ECMWF)模型用于模拟 1999 年 1 月至 2 月在巴西朗多尼亚州开展的两项亚马逊大规模生物圈-大气实验(LBA):湿季大气中尺度实验(WETAMC)和热带降雨测量任务(TRMM)。有关 WETAMC 和 TRMM 实验的更多信息,请参阅 Silva Dias 等人(2002)的文献。
该数据集包含两个以逗号分隔的数据文件:ECMWF 模型输出数据和一个包含平均每小时降水观测数据的文件,用于检查模型输出是否存在偏差。

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/main/nasa_earth_data.tsv"
df = pd.read_csv(url, sep="\t")
df

leafmap.nasa_data_login()

results, gdf = leafmap.nasa_data_search(
short_name="PC06_ECMWF_LBA_1141",
cloud_hosted=True,
bounding_box=(-165.68, 34.59, -98.1, 71.28),
temporal=("2017-07-20", "2017-08-08"),
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
|
1月前
|
人工智能 安全 前端开发
麻了!AI 写个日期选择器也能堆 404 行?8.1 万 Star Ponytail 专治 Agent 过度工程
DietrichGebert/ponytail 是一个给 AI 编码 Agent 用的规则/插件集合,核心思路是让 Claude Code、Codex、Cursor 等工具先复用已有代码、标准库和原生能力,少写不必要的代码,但不牺牲安全校验。
211 0
|
1月前
|
安全 Shell API
DeepSeek Harness保姆级实战教程:Cordis内核解析、从零部署、四种运行模式与插件开发实操、模型接入与落地避坑指南
大模型Agent已经从简单对话工具,逐步转向可以在真实环境中完成复杂任务的自动化系统。行业内有一条广为流传的公式:**Agent = Model + Harness**。大模型是Agent的大脑,而Harness就是给大脑提供感知环境、调用工具、循环执行、任务调度能力的整套运行基座。以往市面上很多Agent产品,底层能力全部被封装在黑盒内部,普通开发者很难修改内部逻辑,只能使用厂商预设好的能力。DeepSeek Harness作为开源Agent运行框架,提出“一切皆插件”的核心理念,依托Cordis插件内核,模型、工具、技能、会话沙箱、调度工作流全部可以自由插拔替换,不需要修改项目源码就可以完
719 0
|
26天前
|
人工智能 自然语言处理 数据挖掘
阿里云千问办公企业版购买流程:填写组织名称、管理员手机号、企业邮箱获取组织ID,并下单全流程
千问办公(QwenWork)是阿里推出的AI智能办公平台,支持自然语言驱动的数据分析、PPT生成、视频剪辑、网页搭建等,直接输出可用成果。企业版含席位与积分包(需绑定有效席位),提供完整购买与管理流程。(239字)
170 2
|
7天前
|
人工智能 JavaScript Shell
一句话搞懂 Agent:模型 + Harness!DeepSeek Harness 手把手带你从安装部署到跑通真实项目
DeepSeek Harness让AI Agent从云端走进了你的本地电脑——它是骨架、是引擎、是让模型"长出手脚"的那套基础设施。而‌阿里云百炼大模型服务平台页面‌则是你把这副骨架武装成军团、把引擎接入云端电网的战略跳板。 ‌本地用Harness快速迭代,云端用百炼规模交付‌——这才是2026年AI Agent落地的最优解。 现在就动手:先 npx @deepseek-ai/dsh web 跑起来,再打开‌阿里云百炼大模型服务平台页面‌规划你的云端版图。两条路,一条心,Agent时代,已经来了。
242 2
|
13天前
|
Ubuntu Linux iOS开发
【保姆级】PowerShell下载和使用教程(所有版本汇总,2026最新实测)
PowerShell 是微软开发的跨平台命令行工具与脚本语言,支持 Windows、macOS 和 Linux。它采用“动词-名词”命名规范(如 Get-Process),功能强大:可管理系统、查询资源、批量操作、自动化运维,并支持管道、筛选、脚本编写与调试。当前主流版本为跨平台的 PowerShell 7.x(推荐 LTS 版),与系统自带的 Windows PowerShell 5.1 共存不冲突。(239 字)
|
15天前
|
人工智能 自然语言处理 API
最近全网爆火的Jev到底是什么?系统一模型原理与使用教程
综合来看,Jev给AI工程带来了新的分层思路,复杂生成任务交给传统大模型,高频简单判断交给Jev,二者组合搭建分层智能架构,兼顾输出能力、响应速度与调用成本。对于做客服系统、Agent智能体、内容审核、批量数据打标签、工单路由的开发者,值得做POC验证;但如果业务以文本生成、深度推理为主,Jev增益有限。接入前建议拿真实业务数据跑对比测试,评估准确率与误判率,同时设置合理概率阈值并配置人工兜底流程,才能充分发挥这套决策模型的价值,构建更稳定高效的AI业务系统。
273 2
|
1月前
|
人工智能 测试技术 定位技术
AI 一次改几十个文件,测试怎么决定回归范围?
AI编码时代,测试不能只看改了多少文件,而应聚焦业务合约影响。本文提出“代码Diff→业务合约→风险等级→测试集”可追溯链路,通过维护`impact-map.yaml`和CI回归选择器,实现精准、可审计的智能回归,让测试成为交付风险的决策者。
|
1月前
|
人工智能 运维 BI
QwenWork 千问办公实战全指南:Qwen3.8 基座六大核心能力,桌面与云端 Agent、API 示例及计费选型解析
本文完整梳理QwenWork产品定位、Qwen3.8基座带来的技术增益、六大核心能力、各行业落地业务场景,提供curl、Python底层API可运行代码,拆解席位+积分混合计费体系,讲解参数调优、业务选型、高频故障排查,帮助个人从业者、企业技术管理者理清产品能力边界,完成POC验证和业务落地。
310 3
|
1月前
|
运维 监控 安全
地理围栏钓鱼驱动的 Guildma (Astaroth) 恶意软件攻击链与防御研究
本文剖析2026年Guildma(Astaroth)木马针对巴西的定向钓鱼攻击:利用地理围栏链接筛选目标,通过LNK快捷方式、NTFS交替数据流隐匿载荷,部署AutoIt恶意脚本,并在公共目录实现持久化。研究揭示多层逃逸对邮件过滤、终端检测与应急响应的挑战,提出行为监控、ADS扫描、跨层协同防御等落地对策。(239字)
121 1

热门文章

最新文章