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

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码(使用select实现)代码解释总结在 linux 系统里,我们可以借助 select、

C#使用iText获取PDF的trailer数据的代码示例

《C#使用iText获取PDF的trailer数据的代码示例》开发程序debug的时候,看到了PDF有个trailer数据,挺有意思,于是考虑用代码把它读出来,那么就用到我们常用的iText框架了,所... 目录引言iText 核心概念C# 代码示例步骤 1: 确保已安装 iText步骤 2: C# 代码程

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda

C++中处理文本数据char与string的终极对比指南

《C++中处理文本数据char与string的终极对比指南》在C++编程中char和string是两种用于处理字符数据的类型,但它们在使用方式和功能上有显著的不同,:本文主要介绍C++中处理文本数... 目录1. 基本定义与本质2. 内存管理3. 操作与功能4. 性能特点5. 使用场景6. 相互转换核心区别

python库pydantic数据验证和设置管理库的用途

《python库pydantic数据验证和设置管理库的用途》pydantic是一个用于数据验证和设置管理的Python库,它主要利用Python类型注解来定义数据模型的结构和验证规则,本文给大家介绍p... 目录主要特点和用途:Field数值验证参数总结pydantic 是一个让你能够 confidentl

JAVA实现亿级千万级数据顺序导出的示例代码

《JAVA实现亿级千万级数据顺序导出的示例代码》本文主要介绍了JAVA实现亿级千万级数据顺序导出的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 前提:主要考虑控制内存占用空间,避免出现同时导出,导致主程序OOM问题。实现思路:A.启用线程池

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

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