【数据分享】1929-2023年全球站点的逐日平均能见度(Shp\Excel\免费获取)

本文主要是介绍【数据分享】1929-2023年全球站点的逐日平均能见度(Shp\Excel\免费获取),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!

气象数据是在各项研究中都经常使用的数据,气象指标包括气温、风速、降水、湿度等指标,说到常用的降水数据,最详细的降水数据是具体到气象监测站点的降水数据!

有关气象指标的监测站点数据,之前我们分享过1929-2023年全球气象站点的逐日平均气温数据、逐日最高气温数据、逐日最低气温数据和逐日降雪深度数据(均可查看之前的文章获悉详情)。本次我们为大家继续带来具体到气象监测站点的数据——1929-2023年全球气象站点的逐日平均能见度数据!

原始数据来源于美国国家海洋和大气管理局(NOAA)下设的国家环境信息中心(NCEI),原始数据以英寸为单位,数据格式为csv,缺失数据用999.9表示。为了方便大家使用,我们对原始数据进行了一些处理,包括:①能见度单位转为米(m);②处理得到了shp和excel两种数据格式;③对于excel格式,将缺失数据表示为空值,对于shp格式,缺失值仍用999.9表示。该数据的其他重要信息包括数据坐标为GCS_WGS_1984,以2023年为例全球有12311个气象观测站点,具体的数据处理方式会在下文详细介绍!

大家可以在公众号回复关键词 130 免费获取该数据!无需转发文章,直接获取!以下为数据的详细介绍:

01 数据预览

该数据提供Shp和Excel两种数据格式,由于是逐日平均能见度数据,又有95多个年份,数据条数非常多,难以将所有年份保存在一个文件中。我们将每一年的数据保存为一个Shp文件和一个Excel文件,一共有95个年份,也就是有95个Shp文件和95个Excel文件。

我们先来看一下Excel格式的数据,每个Excel文件中包含有该年365天每天的全球所有气象站点的平均能见度。

数据字段包括气象观测站点的编号(STATION)气象观测站点的名称(NAME)、纬度(LATITUDE)经度(LONGITUDE)以及每日平均能见度数据(例如2023-01-01)。我们来预览一下:

接下来我们来看一下Shp格式的数据,同样每个Shp文件中都包含该年365天每天的全球所有气象站点的平均能见度。

Shp格式数据的具体属性和Excel数据相同,我们以2023年气象观测站点的每日平均能见度数据为例来预览一下:

2023年气象观测站点空间分布

02 数据来源

数据来源于美国国家海洋和大气管理局(NOAA)下设的国家环境信息中心(NCEI),网址为:https://www.ncei.noaa.gov/data/global-summary-of-the-day/archive/,包括了1929—2023年的气象数据,大家可以自己去该网站下载原始数据!

03 数据处理说明

1.合并处理:

从NCEI网站下载到的原始csv数据,每一个csv是某个特定站点1年内所有日期的平均能见度数据,按天记录,但并不全是365天,有的300多天,有的只有十几天。我们按照年份将每年涉及到的所有气象观测站点的每日平均能见度数据进行合并处理,最终得到以年份命名的1929-2023年全球范围气象站点的逐日平均能见度数据。

2.单位换算:

原始数据单位为英里(mile),根据公式1英里=1609.344米,将英里换算为米(meter)。

3.空值处理:

原始csv数据中的缺失值用数字999.9表示!在处理时,Excel格式文件用空值表示数据缺失;由于Shp文件会自动把空值识别为0,为区分空值与0米能见度,Shp中仍保留数字999.9表示数据缺失,特此说明!

4.站点数量说明:

每一年的站点数并不相同,基本是越新的年份全球气象站点数越多,2023年有12311个,早些年份的气象站点较少。有一点需要注意,对于缺失经纬度信息的站点,Excel中进行保留,其经纬度信息为空值。Shp中则将缺失经纬度信息的站点进行了删除。所以存在Excel和Shp中站点数量不一致的情况,例如2023年Shp中的站点个数为12270,Excel中的站点数量为12311。

03 数据获取

这篇关于【数据分享】1929-2023年全球站点的逐日平均能见度(Shp\Excel\免费获取)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/680434

相关文章

C#借助Spire.XLS for .NET实现在Excel中添加文档属性

《C#借助Spire.XLSfor.NET实现在Excel中添加文档属性》在日常的数据处理和项目管理中,Excel文档扮演着举足轻重的角色,本文将深入探讨如何在C#中借助强大的第三方库Spire.... 目录为什么需要程序化添加Excel文档属性使用Spire.XLS for .NET库实现文档属性管理Sp

MySQL快速复制一张表的四种核心方法(包括表结构和数据)

《MySQL快速复制一张表的四种核心方法(包括表结构和数据)》本文详细介绍了四种复制MySQL表(结构+数据)的方法,并对每种方法进行了对比分析,适用于不同场景和数据量的复制需求,特别是针对超大表(1... 目录一、mysql 复制表(结构+数据)的 4 种核心方法(面试结构化回答)方法 1:CREATE

详解C++ 存储二进制数据容器的几种方法

《详解C++存储二进制数据容器的几种方法》本文主要介绍了详解C++存储二进制数据容器,包括std::vector、std::array、std::string、std::bitset和std::ve... 目录1.std::vector<uint8_t>(最常用)特点:适用场景:示例:2.std::arra

springboot的controller中如何获取applicatim.yml的配置值

《springboot的controller中如何获取applicatim.yml的配置值》本文介绍了在SpringBoot的Controller中获取application.yml配置值的四种方式,... 目录1. 使用@Value注解(最常用)application.yml 配置Controller 中

C#实现将Excel工作表拆分为多个窗格

《C#实现将Excel工作表拆分为多个窗格》在日常工作中,我们经常需要处理包含大量数据的Excel文件,本文将深入探讨如何在C#中利用强大的Spire.XLSfor.NET自动化实现Excel工作表的... 目录为什么需要拆分 Excel 窗格借助 Spire.XLS for .NET 实现冻结窗格(Fro

使用Python实现高效复制Excel行列与单元格

《使用Python实现高效复制Excel行列与单元格》在日常办公自动化或数据处理场景中,复制Excel中的单元格、行、列是高频需求,下面我们就来看看如何使用FreeSpire.XLSforPython... 目录一、环境准备:安装Free Spire.XLS for python二、核心实战:复制 Exce

pandas批量拆分与合并Excel文件的实现示例

《pandas批量拆分与合并Excel文件的实现示例》本文介绍了Pandas中基于整数位置的iloc和基于标签的loc方法进行数据索引和切片的操作,并将大Excel文件拆分合并,具有一定的参考价值,感... 目录一、Pandas 进行索引和切编程片的iloc、loc方法二、Pandas批量拆分与合并Exce

MySQL中的DELETE删除数据及注意事项

《MySQL中的DELETE删除数据及注意事项》MySQL的DELETE语句是数据库操作中不可或缺的一部分,通过合理使用索引、批量删除、避免全表删除、使用TRUNCATE、使用ORDERBY和LIMI... 目录1. 基本语法单表删除2. 高级用法使用子查询删除删除多表3. 性能优化策略使用索引批量删除避免

MySQL 数据库进阶之SQL 数据操作与子查询操作大全

《MySQL数据库进阶之SQL数据操作与子查询操作大全》本文详细介绍了SQL中的子查询、数据添加(INSERT)、数据修改(UPDATE)和数据删除(DELETE、TRUNCATE、DROP)操作... 目录一、子查询:嵌套在查询中的查询1.1 子查询的基本语法1.2 子查询的实战示例二、数据添加:INSE

Linux服务器数据盘移除并重新挂载的全过程

《Linux服务器数据盘移除并重新挂载的全过程》:本文主要介绍在Linux服务器上移除并重新挂载数据盘的整个过程,分为三大步:卸载文件系统、分离磁盘和重新挂载,每一步都有详细的步骤和注意事项,确保... 目录引言第一步:卸载文件系统第二步:分离磁盘第三步:重新挂载引言在 linux 服务器上移除并重新挂p