分享几个常用的地表温度数据集 |
您所在的位置：网站首页 › 全球温度数据下载 › 分享几个常用的地表温度数据集 |
分享几个常用的地表温度数据集
|
欢迎关注gzh：GEEer成长日记
获取第一个数据集的GEE代码请关注后回复：010501； 获取第二个数据集请关注后回复：010502 ； 获取第三个数据集请关注后回复：010503。 目录 一、ECMWF/ERA5_LAND/MONTHLY 二、中国地区遥感地表温度反演数据集 三、中国区域1km无缝地表温度数据集（2002-2020） 一、ECMWF/ERA5_LAND/MONTHLYECMWF是欧洲中期天气预报中心，他处理得到的ERA5再分析资料官方应用，我们今天介绍的ECMWF/ERA5_LAND/MONTHLY是其中的一种。 先看看官方介绍：ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. This dataset includes all 50 variables as available on CDS. The data presented here is a subset of the full ERA5-Land dataset post-processed by ECMWF. Monthly-mean averages have been pre-calculated to facilitate many applications requiring easy and fast access to the data, when sub-monthly fields are not required. ERA5-Land data is available from 1981 to three months from real-time. More information can be found at the Copernicus Climate Data Store. 更多ERA5气象再分析资料可登录 https://cds.climate.copernicus.eu/#!/home 分辨率：11132ｍ // GEE调用代码 //这次我们以全国陆地区域为研究对象 var geometry = ee.FeatureCollection('users/ZhengkunWang/china_guojie') Map.centerObject(geometry,4) var startDate = '2020-07-01' var endDate = '2020-07-31' var lst = ee.ImageCollection('ECMWF/ERA5_LAND/MONTHLY') .filterDate(startDate,endDate) .filterBounds(geometry) .select('skin_temperature') .mean().subtract(273.15).clip(geometry) //加载影像 Map.addLayer(lst, {min: -20, max:50, palette: [ '040274', '040281', '0502a3', '0502b8', '0502ce', '0502e6', '0602ff', '235cb1', '307ef3', '269db1', '30c8e2', '32d3ef', '3be285', '3ff38f', '86e26f', '3ae237', 'b5e22e', 'd6e21f', 'fff705', 'ffd611', 'ffb613', 'ff8b13', 'ff6e08', 'ff500d', 'ff0000', 'de0101', 'c21301', 'a71001', '911003' ]},'lst'); // 看看整个区域内的最低地表温度 var lstmin = ee.Number(lst.reduceRegion({ reducer: ee.Reducer.min(), geometry: geometry, scale: 1000, maxPixels: 1e9 }).values().get(0)); print(lstmin, 'lstmin'); // 看看整个区域内的最高地表温度 var lstmax = ee.Number(lst.reduceRegion({ reducer: ee.Reducer.max(), geometry: geometry, scale: 1000, maxPixels: 1e9 }).values().get(0)); print(lstmax, 'lstmax'); 二、中国地区遥感地表温度反演数据集这个数据集来自于毛克彪老师团队的成果：
论文摘要（来自谷歌翻译）：地表温度（LST）是高温干旱监测和气候生态环境研究的关键变量。由于地面观测站分布稀少，热红外遥感技术已成为大面积快速获取地温的重要手段。然而，基于卫星的 LST 数据中存在许多缺失和低质量的值，因为云每天覆盖全球 60% 以上的表面。本文提出了一个独特的中国2003-2017年月度时间分辨率的LST数据集，充分利用MODIS数据和气象站数据的优势，通过重建模型克服了云影响的缺陷。我们专门描述了重建模型，它使用了 MODIS 每日数据的组合，月数据和气象站数据对云覆盖区域和LST误差较大的网格单元进行LST重建，然后通过建立回归分析模型进一步提高数据性能。验证表明新的 LST 数据集与原位观测高度一致。对于中国6个不同气候条件的自然子区域，经地面观测数据验证，均方根误差（RMSE）在1.24~1.58之间 ∘ C，平均绝对误差 (MAE) 在 1.23 到 1.37 之间变化 ∘ C 和皮尔逊系数 ( R 2 ) 从 0.93 到 0.99。新数据集充分捕捉了 LST 在年度、季节性和月度尺度上的时空变化。2003年至2017年，中国整体年平均LST呈现微弱增长。此外，积极的趋势在中国分布明显不均衡。西北地区内蒙古高原中西部增温最为显着，年平均气温变化大于0.1 K（ R > 0.71 , P |
【本文地址】
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |