企业官网建设流程全解析

培训网站免费,建设集团公司,网站建设合同性质,类似wordpress的cms2003-2021近全球月度农业气候干旱监测数据集 一、数据介绍 全球干旱发生频率不断上升且严重程度日益加剧#xff0c;这给农业和气候资源管理带来了严峻挑战#xff0c;凸显了对全面干旱数据的迫切需求。为应对这一问题#xff0c;我们推出了近全球农业气候干旱监测数据集。…2003-2021近全球月度农业气候干旱监测数据集一、数据介绍全球干旱发生频率不断上升且严重程度日益加剧这给农业和气候资源管理带来了严峻挑战凸显了对全面干旱数据的迫切需求。为应对这一问题我们推出了近全球农业气候干旱监测数据集。该数据集整合了关键的农业气候变量能够提供可靠的干旱洞察信息。数据集的时间跨度为2002年至2021年空间分辨率为0.25度时间尺度为月度。它将土壤湿度SM和植被含水量VWC相结合以捕捉农业面临的压力状况同时纳入降雨量和温度数据为气候背景提供参考。该数据集为近全球地区提供月度干旱数据数据的延迟发布取决于输入数据集的可获取情况。数据集通过主成分分析方法构建该方法能够客观地为每个变量分配权重从而确保该数据集在进行历史干旱监测以及潜在的近实时应用时都具有可靠性。通过与独立的基于卫星和实地测量的方法包括标准化降水指数SPI、归一化植被指数NDVI和地理编码灾害数据集进行对比验证证实了NEC - DROMO数据集能够准确捕捉全球干旱模式具有较高的可靠性。数据集基于生态水文陆地再分析数据集构建并使用了该数据集中的植被含水量、土壤湿度和温度数据。它是全球干旱监测领域的一项重大进展能够为政策制定和灾害风险评估提供有力支持。数据集基本信息•时间范围2003年1月 - 2021年12月•空间分辨率0.25度约25公里•时间分辨率月度•覆盖范围近全球无积雪且非茂密森林覆盖的陆地地区关于数据集是一个全球干旱监测数据集它通过整合四个关键的农业气候变量开发而成•降雨量•温度•土壤湿度SM•植被含水量VWC该数据集运用主成分分析PCA方法为每个输入变量分配随时间和空间动态变化的权重进而生成综合干旱指数CDI。最终产品呈现了2003 - 2021年期间每月的干旱严重程度。数据来源•土壤湿度和植被含水量来自日本宇宙航空研究开发机构JAXA的ECHLA数据集该数据集基于高级微波扫描辐射计 - EAMSR - E2002 - 2011年和高级微波扫描辐射计 - 2AMSR22012 - 2021年的数据并使用CLVDAS同化系统生成。•温度ECHLA温度数据集可按要求提供•降雨量欧洲中期天气预报中心ECMWF的ERA5月度降雨量数据文件结构与命名规则所有数据集均以GeoTIFF.tif格式提供。命名规则[指数名称]_[YYYYMM].tif示例•CDI_201507.tif 表示2015年7月的综合干旱指数•SPI_200903.tif 表示2009年3月的标准化降水指数•Wt_SPI_Jan.tif 表示1月份标准化降水指数的主成分分析权重文件类别•CDI综合干旱指数月度•SPI标准化降水指数•STI标准化温度指数•SSI标准化土壤湿度指数•SVWC标准化植被含水量指数•Weights每个变量的主成分分析月度权重共12×4 48个文件数据解读•CDI值为标准化Z分数典型取值范围为 - 3至 3。•干旱分类•CDI - 2严重干旱•2 ≤ CDI - 1中度干旱•1 ≤ CDI 0轻度干旱•0 ≤ CDI正常至湿润状况空间与时间空白•时间方面数据集从2002年6月开始。由于高级微波扫描辐射计 - E卫星于2002年开始运行2002年1 - 5月的数据不可用。•空间方面由于ECHLA在这些区域无法可靠获取植被含水量/土壤湿度数据因此排除了积雪覆盖和茂密森林覆盖的地区。应用场景可用于以下方面•干旱监测与预警•农业风险评估与作物规划•粮食与水资源安全分析•保险与风险建模•政策决策与气候适应二、数据信息数据格式TIF数据容量560MB数据获取https://mp.weixin.qq.com/s/UdOPdLVsRlOUnue_sIO5bQ