【数据分享】2013-2022年全国范围逐日SO2栅格数据

2024-03-09 14:44

本文主要是介绍【数据分享】2013-2022年全国范围逐日SO2栅格数据,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!

空气质量数据是在我们日常研究中经常使用的数据!之前我们给大家分享了2013-2022年全国范围逐月SO2栅格数据和逐年SO2栅格数据(均可查看之前的文章获悉详情)。

本次我们给大家带来的是2013-2022年全国范围的逐日的SO2栅格数据,原始数据格式为NetCDF (.nc),空间分辨率为1km和10km两种(其中:2013-2018年为10km,2019-2022年为1km),单位为µg/m3,坐标系为WGS_1984。为了方便大家使用,我们将数据格式转换为了栅格格式(.tif)。

数据来源于韦晶博士、李占清教授团队发布在国家青藏高原科学数据中心网站上的中国高分辨率高质量近地表空气污染物数据集(ChinaHighAirPollutants, CHAP),SO2数据是该数据集的主要指标之一。该数据是利用人工智能技术,考虑了空气污染的时空异质特性,从大数据(如地基观测、卫星遥感产品、大气再分析和模式模拟资料等)中生产得到2013年至2022年全国无缝隙地面SO2数据。另外,该数据持续更新,如有需要大家可持续关注!

大家可以自己去国家青藏高原科学数据中心下载nc格式的原始数据,也可以在本公众号回复关键词 158 按照转发要求获取nc格式,以及我们转换出的tif格式两种格式的数据!以下为数据的详细介绍:

01 数据预览

该数据包括nc和tif两种格式!两种数据格式的命名规则不同:

(1)nc.格式:CHAP_SO2_ab_yyyymmdd_V2.nc

  • CHAP:表示数据集名称
  • SO2:表示空气污染物的指标名称
  • ab:表示时间和空间分辨率,其中a表示时间分辨率(D表示为逐日数据),b表示空间分辨率(1K表示1km,10K表示10km)
  • yyyymmdd:表示数据时间,其中yyyy代表年,mm表示月,dd表示日
  • V2:表示数据版本
  • .nc:表示数据格式

例如:CHAP_SO2_D1K_20221201_V2.nc,表示为2022年12月1日的1km分辨率的逐日的SO2数据。

(2).tif格式:按照年月日的日期格式(yyyymmdd.tif)命名栅格文件

例如:20210101.tif,表示为2021年1月1日的SO2栅格数据。

我们以2022年12月1日全国范围的SO2数据为例来预览一下:

2022年12月1日全国SO2

02 数据详情

时间范围

2013-2022年(逐日)

空间范围:

全国

数据格式:

NetCDF [.nc] 和.tif

空间分辨率:

2013-2018年:10km

2019-2022年:1km

数据单位:

ug/m3

数据坐标:

WGS_1984

原始数据的下载网站:

数据来源于美国马里兰大学韦晶博士、李占清教授团队在国家青藏高原科学数据中心平台上分享的数据,网址为:https://data.tpdc.ac.cn/zh-hans/data/7630b0a2-58d7-4093-bd48-bbe69ddec7fd

数据引用:

韦晶, 李占清. (2023). 中国高分辨率高质量地面SO2数据集(2013-2022). 国家青藏高原数据中心. https://doi.org/10.5281/zenodo.4641538.

Wei, J., Li, Z. (2023). ChinaHighSO2: High-resolution and High-quality Ground-level SO2 Dataset for China (2013-2022). National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.5281/zenodo.4641538.

相关论文引用:

Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., & Cribb, M. (2023). Ground-level gaseous pollutants (NO2, SO2, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023

如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

这篇关于【数据分享】2013-2022年全国范围逐日SO2栅格数据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!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/790988

相关文章

OpenCV在Java中的完整集成指南分享

《OpenCV在Java中的完整集成指南分享》本文详解了在Java中集成OpenCV的方法,涵盖jar包导入、dll配置、JNI路径设置及跨平台兼容性处理,提供了图像处理、特征检测、实时视频分析等应用... 目录1. OpenCV简介与应用领域1.1 OpenCV的诞生与发展1.2 OpenCV的应用领域2

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

Mysql实现范围分区表(新增、删除、重组、查看)

《Mysql实现范围分区表(新增、删除、重组、查看)》MySQL分区表的四种类型(范围、哈希、列表、键值),主要介绍了范围分区的创建、查询、添加、删除及重组织操作,具有一定的参考价值,感兴趣的可以了解... 目录一、mysql分区表分类二、范围分区(Range Partitioning1、新建分区表:2、分

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文