全球陆地蒸散量数据集(1980-2022年)

2024-08-24 00:28

本文主要是介绍全球陆地蒸散量数据集(1980-2022年),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!

定位分析多源集合陆地蒸散量数据集(1980-2022年)

图片

数据介绍

 陆地蒸散发(ET)在地球的水碳循环中起着至关重要的作用,准确估算全球陆地蒸散发对于促进我们对陆地-大气相互作用的理解至关重要。尽管近几十年来开发了许多蒸散发产品,但由于使用了不同的强迫输入和不完善的模型参数,广泛使用的产品仍然存在固有的不确定性。此外,由于缺乏足够的全球原位观测数据,直接评估蒸散发产品并不现实,从而阻碍了这些产品的利用和同化。因此,建立可靠的全球基准数据集和探索蒸散发产品的评估方法至关重要。

  本研究旨在通过以下方法应对这些挑战:(1)提出一种基于对位的方法,该方法考虑了多源数据合并时的非零误差交叉相关性;(2)采用这种合并方法生成分辨率为 0.1°(2000-2020 年)和 0.25°(1980-2022 年)的长期全球每日蒸散发产品,并纳入 ERA5L、FluxCom、PMLv2、GLDAS 和 GLEAM 的输入。由此产生的产品是定位分析多源集合陆地蒸散量数据(CAMELE)。

采集时间1980/01/01  -  2022/12/31
采集地点全球
数据量37.9 GiB
数据格式nc
数据空间分辨率(/米)0.1度,0.25度
数据时间分辨率
坐标系

数据源描述:

  ERA5-Land:https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-land?tab=overview

  GLDAS:https://disc.gsfc.nasa.gov/datasets?keywords=GLDAS

  Global Land Evaporation Amsterdam Model 3.7 (GLEAM-3.7):https://www.gleam.eu/

  Penman–Monteith–Leuning version 2 global evaporation model (PMLv2):https://developers.google.com/earth-engine/datasets/catalog/CAS_IGSNRR_PML_V2_v017

  FluxCom:http://fluxcom.org/

  Global in situ observation: FluxNet

数据加工方法:

 本研究对产物的融合包括三个步骤:

  (1)采用配准法(IVD和EIVD)计算所选输入产物的随机误差方差,确定区域最优产品,并设置误差阈值;

  (2)以最小均方误差(MSE)为目标,计算各网格上不同产品的权重;

  (3)根据权重融合产品,得到长序列蒸散量产品。由于 IVD 和 EIVD 是通过结合工具变量回归和扩展定位系统开发的,因此还包括对 TC 和 EC 算法的描述。

数据质量描述:

  CAMELE 在各种植被覆盖类型中表现出良好的性能,并与现场观测数据进行了验证。评估过程得出的皮尔逊相关系数(R)分别为 0.63 和 0.65。此外,比较结果表明,CAMELE 能够有效描述蒸散发的多年线性趋势、平均值和极端值。但是,它有高估季节性的倾向。总之,我们提出了一套可靠的蒸散发数据,有助于理解水循环的变化,并有可能作为各种应用的基准。

作者简介

数据贡献者:杨汉波

元数据作者:杨汉波  

数据管理者:杨汉波

数据下载

数据分享:全球陆地蒸散量数据集(1980-2022年)

这篇关于全球陆地蒸散量数据集(1980-2022年)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/1100923

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元