Google Earth Engine——陆地数据同化系统(LDAS)结合多种来源的观测数据(如降水表数据、卫星数据和雷达降水测量)

简介: Google Earth Engine——陆地数据同化系统(LDAS)结合多种来源的观测数据(如降水表数据、卫星数据和雷达降水测量)

Land Data Assimilation System (LDAS) combines multiple sources of observations (such as precipitation gauge data, satellite data, and radar precipitation measurements) to produce estimates of climatological properties at or near the Earth''s surface.

This dataset is the primary (default) forcing file (File A) for Phase 2 of the North American Land Data Assimilation System (NLDAS-2). The data are in 1/8th-degree grid spacing; the temporal resolution is hourly.

NLDAS is a collaboration project among several groups: NOAA/NCEP''s Environmental Modeling Center (EMC), NASA''s Goddard Space Flight Center (GSFC), Princeton University, the University of Washington, the NOAA/NWS Office of Hydrological Development (OHD), and the NOAA/NCEP Climate Prediction Center (CPC). NLDAS is a core project with support from NOAA''s Climate Prediction Program for the Americas (CPPA).

Documentation:


陆地数据同化系统(LDAS)结合多种来源的观测数据(如降水表数据、卫星数据和雷达降水测量),以产生地球表面或附近的气候学特性估计。

该数据集是北美陆地数据同化系统(NLDAS-2)第二阶段的主要(默认)强迫文件(文件A)。数据的网格间距为1/8度;时间分辨率为每小时。

NLDAS是一个由几个小组合作的项目。NOAA/NCEP的环境模拟中心(EMC)、NASA的戈达德太空飞行中心(GSFC)、普林斯顿大学、华盛顿大学、NOAA/NWS的水文发展办公室(OHD)和NOAA/NCEP的气候预测中心(CPC)。NLDAS是一个核心项目,得到了NOAA's Climate Prediction Program for the Americas(CPPA)的支持。

Dataset Availability

1979-01-01T00:00:00 - 2021-09-25T00:00:00

Dataset Provider

NASA GES DISC at NASA Goddard Space Flight Center

Collection Snippet

ee.ImageCollection("NASA/NLDAS/FORA0125_H002")

Resolution

13915 meters

Bands Table

Name Description Min* Max* Units
temperature Air temperature at 2 meters above the surface -49.79 51.2 °C
specific_humidity Specific humidity at 2 meters above the surface 0 0.02 kg/kg
pressure Surface pressure 61847.58 105337.62 Pa
wind_u U wind component at 10 meters above the surface -27.93 27.54 m/s
wind_v V wind component at 10 meters above the surface -27.45 35.13 m/s
longwave_radiation Surface downward longwave radiation 72.18 545.11 W/m^2
convective_fraction Fraction of total precipitation that is convective: from NARR 0 1
potential_energy Convective available potential energy (J/kg): from NARR 0 76666.17 J/kg
potential_evaporation Potential evaporation: from NARR 0 2.76 kg/m^2
total_precipitation Hourly total precipitation 0 124.19 kg/m^2
shortwave_radiation Surface downward shortwave radiation - bias corrected 0 1368.54 W/m^2

* = Values are estimated

影像属性:

Name Type Description
end_hour Double End hour
start_hour Double Start hour

数据引用:

The data set source should be properly cited when the data are used. A formal reference of the form: <authors>, 2012, last updated 2013: <dataset name>. NASA/GSFC, Greenbelt, MD, USA, NASA Goddard Earth Sciences Data and Information Services Center (GES DISC). Accessed <enter user data access date> at <DOI> is suggested following Parsons et al. (2010), doi:10.1029/2010EO340001.

代码:

var dataset = ee.ImageCollection('NASA/NLDAS/FORA0125_H002')
                  .filter(ee.Filter.date('2018-07-01', '2018-07-30'));
var temperature = dataset.select('temperature');
var temperatureVis = {
  min: -5.0,
  max: 40.0,
  palette: ['3d2bd8', '4e86da', '62c7d8', '91ed90', 'e4f178', 'ed6a4c'],
};
Map.setCenter(-110.21, 35.1, 4);
Map.addLayer(temperature, temperatureVis, 'Temperature');


相关文章
|
7月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
2698 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
7月前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
101 0
|
7月前
|
编解码 人工智能 数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
165 0
|
7月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
253 0
|
3月前
|
SQL 监控 大数据
通过Google Dataflow,我们能够构建一个高效、可扩展且易于维护的实时数据处理系统
【9月更文挑战第7天】随着大数据时代的到来,企业对高效数据处理的需求日益增加,特别是在实时分析和事件驱动应用中。Google Dataflow作为Google Cloud Platform的一项服务,凭借其灵活、可扩展的特点,成为实时大数据处理的首选。本文将介绍Dataflow的基本概念、优势,并通过一个电商日志分析的实际案例和示例代码,展示如何构建高效的数据处理管道。Dataflow不仅支持自动扩展和高可用性,还提供了多种编程语言支持和与GCP其他服务的紧密集成,简化了整个数据处理流程。通过Dataflow,企业可以快速响应业务需求,优化用户体验。
90 3
|
7月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
666 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
7月前
|
数据处理
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
Google Earth Engine(GEE)——sentinel-1数据处理过程中出现错误Dictionary does not contain key: bucketMeans
124 0
|
7月前
|
数据采集 编解码 人工智能
Google Earth Engine(GEE)——全球每日近地表空气温度(2003-2020年)
Google Earth Engine(GEE)——全球每日近地表空气温度(2003-2020年)
243 0
|
7月前
|
人工智能
Google Earth Engine(GEE)——1984-2019年美国所有土地上的大火烧伤严重程度和范围数据集
Google Earth Engine(GEE)——1984-2019年美国所有土地上的大火烧伤严重程度和范围数据集
76 0
|
7月前
Google Earth Engine(GEE)——当你无法进行两个图像相减的时候发生错误lst2020.subtract is not a function
Google Earth Engine(GEE)——当你无法进行两个图像相减的时候发生错误lst2020.subtract is not a function
90 0