【RSGIS数据资源】1981-2021年中国陆地生态系统蒸腾蒸散比数据集

2024-05-30 06:28

本文主要是介绍【RSGIS数据资源】1981-2021年中国陆地生态系统蒸腾蒸散比数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 摘要
  • 基本信息
  • 数据结构和内容
  • 采集方法信息
  • 数据处理方法与数据质量

摘要

本数据集涵盖了中国陆地生态系统蒸腾蒸散比(T/ET)、蒸腾(T)及蒸散(ET)三组数据。基于模型-数据融合方法,集成PT-JPL模型及多源观测数据生成。空间分辨率为0.05°,时间分辨率为8天及年,数据范围自1981年至2021年。
image.png

基本信息

最新发布日期: 2020-10-27存储量: 5.09GB
存储类型: 栅格图像学科分类: 地球科学>水文学;地球科学>大气科学;生物学>生态学
时间范围: 1981年-2021年空间范围: 中国

数据结构和内容

本数据产品包含以下 4 个文件,文件具体名称及内容描述见下表:

序号文件名称内容描述
1T_ET.zip1981-2015 年日尺度和年尺度的中国陆地生态系统蒸腾蒸散比
2T.zip1981-2015 年日尺度和年尺度的中国陆地生态系统蒸腾
3ET.zip1981-2015 年日尺度和年尺度的中国陆地生态系统蒸散
4关联说明文档.zip关联的发表论文及数据集的简要描述

采集方法信息

本数据集基于模型数据融合方法,结合 PT-JPL 模型及多源观测数据提供了较为准确的 中国陆地生态系统蒸腾蒸散比(T/ET)、蒸散(T)及蒸腾(ET)数据,为深入理解陆地- 大气交互作用,全球变化和生态演变具有重要的参考意义。

数据处理方法与数据质量

基于站点观测数据对数据集进行验证,表明 T/ET 数据集模拟精度较高,R2 为 0.73, RMSE 为 0.07(12.41%)。进一步与相关研究及其他 T/ET 产品(GLEAM V3.3、FLDAS V1、 GLDAS V1、GLDAS V2.1、MsTMIP V1)进行比较,发现本数据集 T/ET 大小及趋势与相关 研究和产品基本一致,同时本数据集表现出更好的空间异质性。具体构建方法和精度评价以 及时空变化分析请参考和引用论文:
Zhongen Niu, Honglin He, Gaofeng Zhu, et al. A spatial-temporal continuous dataset of the transpiration to evapotranspiration ratio in China from 1981–2015. Sci Data 7, 369 (2020). https://doi.org/10.1038/s41597-020-00693-x

注意:请数据使用者在基于本数据所产生的研究成果中标注数据来源,
并按照[文献引用方式]标注需引用的参考文献。


仅供学习交流,不能用于商业通途,资料数据来源于网络
本公众号只负责数据的搜集和整理工作
不能保证资料的精度和准确度以及时效性
如有侵权请联系删除

欢迎批评指正
关注微信公众号:【GeoLearning】
CSND 同号
欢迎关注
在这里插入图片描述

这篇关于【RSGIS数据资源】1981-2021年中国陆地生态系统蒸腾蒸散比数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1015814

相关文章

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro

Python利用GeoPandas打造一个交互式中国地图选择器

《Python利用GeoPandas打造一个交互式中国地图选择器》在数据分析和可视化领域,地图是展示地理信息的强大工具,被将使用Python、wxPython和GeoPandas构建的交互式中国地图行... 目录技术栈概览代码结构分析1. __init__ 方法:初始化与状态管理2. init_ui 方法:

Python实现数据可视化图表生成(适合新手入门)

《Python实现数据可视化图表生成(适合新手入门)》在数据科学和数据分析的新时代,高效、直观的数据可视化工具显得尤为重要,下面:本文主要介绍Python实现数据可视化图表生成的相关资料,文中通过... 目录前言为什么需要数据可视化准备工作基本图表绘制折线图柱状图散点图使用Seaborn创建高级图表箱线图热

MySQL数据脱敏的实现方法

《MySQL数据脱敏的实现方法》本文主要介绍了MySQL数据脱敏的实现方法,包括字符替换、加密等方法,通过工具类和数据库服务整合,确保敏感信息在查询结果中被掩码处理,感兴趣的可以了解一下... 目录一. 数据脱敏的方法二. 字符替换脱敏1. 创建数据脱敏工具类三. 整合到数据库操作1. 创建服务类进行数据库