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

批量导入txt数据到的redis过程

《批量导入txt数据到的redis过程》用户通过将Redis命令逐行写入txt文件,利用管道模式运行客户端,成功执行批量删除以Product*匹配的Key操作,提高了数据清理效率... 目录批量导入txt数据到Redisjs把redis命令按一条 一行写到txt中管道命令运行redis客户端成功了批量删除k

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式(传统格式)1.

解决pandas无法读取csv文件数据的问题

《解决pandas无法读取csv文件数据的问题》本文讲述作者用Pandas读取CSV文件时因参数设置不当导致数据错位,通过调整delimiter和on_bad_lines参数最终解决问题,并强调正确参... 目录一、前言二、问题复现1. 问题2. 通过 on_bad_lines=‘warn’ 跳过异常数据3

C#监听txt文档获取新数据方式

《C#监听txt文档获取新数据方式》文章介绍通过监听txt文件获取最新数据,并实现开机自启动、禁用窗口关闭按钮、阻止Ctrl+C中断及防止程序退出等功能,代码整合于主函数中,供参考学习... 目录前言一、监听txt文档增加数据二、其他功能1. 设置开机自启动2. 禁止控制台窗口关闭按钮3. 阻止Ctrl +

java如何实现高并发场景下三级缓存的数据一致性

《java如何实现高并发场景下三级缓存的数据一致性》这篇文章主要为大家详细介绍了java如何实现高并发场景下三级缓存的数据一致性,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 下面代码是一个使用Java和Redisson实现的三级缓存服务,主要功能包括:1.缓存结构:本地缓存:使

在MySQL中实现冷热数据分离的方法及使用场景底层原理解析

《在MySQL中实现冷热数据分离的方法及使用场景底层原理解析》MySQL冷热数据分离通过分表/分区策略、数据归档和索引优化,将频繁访问的热数据与冷数据分开存储,提升查询效率并降低存储成本,适用于高并发... 目录实现冷热数据分离1. 分表策略2. 使用分区表3. 数据归档与迁移在mysql中实现冷热数据分

C#解析JSON数据全攻略指南

《C#解析JSON数据全攻略指南》这篇文章主要为大家详细介绍了使用C#解析JSON数据全攻略指南,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、为什么jsON是C#开发必修课?二、四步搞定网络JSON数据1. 获取数据 - HttpClient最佳实践2. 动态解析 - 快速

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核