北美干旱监测 (NADM)数据集

news2024/9/25 21:27:06

北美干旱监测 (NADM) 栅格数据集由国家环境信息中心 (NCEI) 和国家海洋和大气管理局 (NOAA) 国家综合干旱信息系统 (NIDIS) 生成。该数据集是加拿大、墨西哥和美国作者制作的北美干旱监测 (NADM) 的网格版本,其中对于每个 2.5 公里网格单元,该值由该地区当前的 NADM 干旱分类给出:

干旱类别在图像中编码为以下值:

  • NoData 值 = -1 = 无干旱或潮湿
  • 0=异常干燥
  • 1 = 中度干旱
  • 2 = 严重干旱
  • 3 = 极度干旱
  • 4 = 异常干旱

北美干旱监测 (NADM) 是加拿大、墨西哥和美国干旱专家之间的合作项目,旨在持续监测整个非洲大陆的干旱。该计划于 2002 年 4 月下旬在一次为期三天的研讨会上启动,是改善非洲大陆极端气候监测的更大努力的一部分。NADM(Lawrimore 等人,2002 年)以非常成功的美国干旱监测仪 (USDM) 为基础,因此正在开发中,以对所有三个国家的干旱情况提供持续的全面综合评估。前言 – 人工智能教程

自 1999 年成立以来,美国干旱监测系统(Svoboda 等,2002)在每周评估和通报美国干旱状况方面取得了巨大成功。与美国干旱监测一样,北美干旱监测融合了科学与艺术。没有一种“正确”的方法来衡量干旱。干旱指数用于检测和衡量干旱,但不同的指数以不同的方式衡量干旱,没有一个指数在所有情况下都有效(Heim,2002)。因此,干旱监测概念(由国家气象局、国家干旱缓解中心和美国农业部 联合农业气象设施 于 20 世纪 90 年代末联合开发)是一个将多个指数、前景和当地影响综合起来的过程。最能代表当前干旱状况的评估。每个干旱监测的最终结果都是联邦、州和学术科学家的共识。

干旱监测已成为国家、区域和地方各级干旱规划、备灾和缓解工作的一个组成部分。干旱可能在非洲大陆的所有地区发生,其影响可能是毁灭性的。自1980年以来,仅美国境内的严重干旱和热浪就造成了超过1000亿美元的损失,很容易成为当时非洲大陆损失最惨重的天气相关灾害之一(Lott和Ross,2000)。

但在当今的全球经济中,干旱的成本和影响往往超越国际边界。2002年,美国西南部大部分地区持续干旱,墨西哥长期干旱,引发了两国之间关于共享水权的争论。在北部,落基山脉北部和大平原西部的多年干旱一直延伸到加拿大的农业大草原,极大地影响了这两个提供世界大部分粮食生产的国家的农业生产力。

尽管这三个国家都有积极的气候和干旱监测计划,但直到最近,各国干旱专家之间的合作与协调仍然有限。过去的干旱评估通常只在各国边界进行,因为资源和政策目标的差异以及各国监测干旱的方法不同,有效地阻碍了对整个非洲大陆干旱状况的综合了解。NADM 计划旨在克服过去的这些限制,目标是在 2003 年晚些时候提供整个非洲大陆干旱的业务评估,届时每月的 DM 业务地图和讨论将向公众提供。

美国 NADM 计划的主要参与者包括 NOAA 国家环境信息中心、NOAA 气候预测中心、美国农业部和国家干旱缓解中心。加拿大和墨西哥的主要参与者包括加拿大农业和农业食品部、加拿大气象局和墨西哥国家气象局(SMN - Servicio Meteorologico Nacional)。

其他详细信息可以在此处找到,有关此数据集的信息也可以在Climate Engine org上找到。

数据集详细信息¶
空间范围北美
空间分辨率2.5 公里(0.025 度)
时间分辨率每月
时间跨度2001年11月1日至今
更新频率每月更新

变量

多变的干旱类别('nadm')
单位干旱分级
比例因子1.0
引文¶
Heim, Jr., R. R., 2002. A review of Twentieth-Century drought indices used in the United States. Bulletin of the American Meteorological Society, 83, 1149-1165.

Lawrimore, J., et al., 2002. Beginning a new era of drought monitoring across North America. Bulletin of the American Meteorological Society, 83, 1191-1192.

Lott, N., and T. Ross, 2000. NCDC Technical Report 2000-02, A Climatology of Recent Extreme Weather and Climate Events. [Asheville, N.C.]: National Climatic Data Center.

Svoboda, M., et al., 2002. The Drought Monitor. Bulletin of the American Meteorological Society, 83, 1181-1190.
地球引擎片段¶
// Read in Image Collection and mosaic to single image
var nadm_ic = ee.ImageCollection('projects/climate-engine/nadm/monthly')
var nadm_i = nadm_ic.first()

// Print image to see bands
print(nadm_i)

// Visualize a single image
var nadm_palette = ["#ffffff", "#ffff00", "#fcd37f", "#ffaa00", "#e60000", "#730000"]
Map.addLayer(nadm_i, {min:-1, max:4, palette: nadm_palette}, 'nadm_i')

// Read in Image Collection and mosaic to single image
var nadm_ic = ee.ImageCollection('projects/climate-engine/nadm/monthly')
var nadm_i = ee.Image(nadm_ic.sort('system:time_start',false).first())

// Print image to see bands
print(nadm_i)

// Visualize a single image
var nadm_palette = ["#ffffff", "#ffff00", "#fcd37f", "#ffaa00", "#e60000", "#730000"]


// Define a dictionary which will be used to make legend and visualize image on map
var dict = {
  "names": [
    "No drought or wet",
    "Abnormally Dry",
    "Moderate Drought",
    "Severe Drought",
    "Extreme Drought",
    "Exceptional Drought",
  ],
  "colors": [
    "#ffffff",
    "#FFFF00", 
    "#FCD37F", 
    "#FFAA00",
    "#E60000", 
    "#730000"
  ]};

// Create a panel to hold the legend widget
var legend = ui.Panel({
  style: {
    position: 'bottom-left',
    padding: '8px 15px'
  }
});

// Function to generate the legend
function addCategoricalLegend(panel, dict, title) {
  
  // Create and add the legend title.
  var legendTitle = ui.Label({
    value: title,
    style: {
      fontWeight: 'bold',
      fontSize: '18px',
      margin: '0 0 4px 0',
      padding: '0'
    }
  });
  panel.add(legendTitle);
  
  var loading = ui.Label('Loading legend...', {margin: '2px 0 4px 0'});
  panel.add(loading);
  
  // Creates and styles 1 row of the legend.
  var makeRow = function(color, name) {
    // Create the label that is actually the colored box.
    var colorBox = ui.Label({
      style: {
        backgroundColor: color,
        // Use padding to give the box height and width.
        padding: '8px',
        margin: '0 0 4px 0'
      }
    });
  
    // Create the label filled with the description text.
    var description = ui.Label({
      value: name,
      style: {margin: '0 0 4px 6px'}
    });
  
    return ui.Panel({
      widgets: [colorBox, description],
      layout: ui.Panel.Layout.Flow('horizontal')
    });
  };
  
  // Get the list of palette colors and class names from the image.
  var palette = dict['colors'];
  var names = dict['names'];
  loading.style().set('shown', false);
  
  for (var i = 0; i < names.length; i++) {
    panel.add(makeRow(palette[i], names[i]));
  }
  
  Map.add(panel);
  
}


/*
  // Display map and legend ///
*/

// Add the legend to the map
addCategoricalLegend(legend, dict, 'North America Drought Monitor(NADM) Monthly');

Map.addLayer(nadm_i, {min:-1, max:4, palette: nadm_palette}, 'NADM '+ee.Date(nadm_i.get('system:time_start')).format('YYYY-MM-dd').getInfo())

示例代码:https://code.earthengine.google.com/? scriptPath=users/sat-io/awesome-gee-catalog-examples:weather-climate/NADM-MONTHLY

执照¶

NOAA 数据、信息和产品,无论采用何种交付方式,均不受版权保护,并且公众后续使用不受限制。一旦获得,它们就可以用于任何合法用途。上述数据属于公共领域,提供时不受使用和分发限制。欲了解更多信息,请访问 NWS 免责声明网站。

关键词:干旱、NADM、北美、美国、加拿大、墨西哥

创建和提供:NOAA、NIDIS、NCEI

策展人:气候引擎组织

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.coloradmin.cn/o/1142893.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

hdlbits系列verilog解答(32位加法器)-25

文章目录 一、问题描述二、verilog源码三、仿真结果 一、问题描述 您将获得一个执行 16 位加法的模块 add16 。实例化其中两个以创建一个 32 位加法器。一个 add16 模块在接收到第一个加法器的进位结果后&#xff0c;计算加法结果的低 16 位&#xff0c;而第二个 add16 模块计…

大厂面试题-什么是JVM

JVM全称是Java虚拟机&#xff0c;在聊什么是JVM之前&#xff0c;我们不妨看⼀下这张图。 从这张图中可以看出JVM所处的位置&#xff0c;同时也能看出它两个作用&#xff1a; 1、运⾏并管理Java源码⽂件所⽣成的Class⽂件&#xff0c; 2、在不同的操作系统上安装不同的JVM&#…

搭建微信小程序环境及项目结构介绍

一、注册 访问微信公众平台&#xff0c;将鼠标的光标置于账号分类中的小程序上&#xff0c; 点击‘查看详情’ 点击“前往注册” 下方也可以点击注册&#xff1a; 小程序注册页面&#xff1a; 步骤a:进入小程序注册页&#xff0c;根据指引填写信息和提交相应的资料&#x…

VR步进式漫游,轻松构建三维模型,带来展示新形式!

引言&#xff1a; 虚拟现实&#xff08;Virtual Reality&#xff0c;简称VR&#xff09;已经成为当今科技领域的一项创新力量&#xff0c;它正在逐渐渗透到不同的领域&#xff0c;其中步进式漫游是VR技术的一项重要应用&#xff0c;它能在各个行业的宣传中发挥重要作用。 一&a…

20.1 OpenSSL 字符BASE64压缩算法

OpenSSL 是一种开源的加密库&#xff0c;提供了一组用于加密和解密数据、验证数字证书以及实现各种安全协议的函数和工具。它可以用于创建和管理公钥和私钥、数字证书和其他安全凭据&#xff0c;还支持SSL/TLS、SSH、S/MIME、PKCS等常见的加密协议和标准。 OpenSSL 的功能非常…

驱动作业10.28

驱动程序 #include <linux/init.h> #include <linux/module.h> #include<linux/of.h> #include<linux/of_gpio.h> #include<linux/gpio.h> #include<linux/timer.h> #include <linux/fs.h> #include <linux/io.h> #include &…

SpringCloud复习:(7)@EnableZuulProxy注解的作用

使用zuul时&#xff0c;需要加EnableZuulProxy注解&#xff0c;这个注解定义如下&#xff1a; 可以看到&#xff0c;它引入了一个配置类ZuulProxyMarkerConfiguration,这个类代码如下&#xff1a; 其中定义了一个类型为ZuulProxyMarkerConfiguration.Marker类型的bean. 这个…

QPushButton样式设置

QPushButton样式设置 Chapter1 QPushButton样式设置无样式的按钮改变字体颜色改变字体改变字号改变背景颜色设置上边框为2个像素&#xff0c;样式为实线&#xff0c;颜色为黑色设置所有边框为2个像素&#xff0c;样式为实线&#xff0c;颜色为黑色设置左上角圆角为&#xff1a;…

使用一个Series序列减去另一个Series序列Series.subtract()

【小白从小学Python、C、Java】 【计算机等考500强证书考研】 【Python-数据分析】 求两个序列中对应位置 的各元素的差 a.subtract(b) [太阳]选择题 关于以下代码的说法中正确的是? import pandas as pd a pd.Series([1,2,3]) print("【显示】a:\n",a) b pd.Seri…

服务运营 |文章精选:运筹学视角下的众包竞赛

作者&#xff1a; Guo 编者按&#xff1a;众包竞赛&#xff08;Crowdsourcing Contests&#xff09;是一种利用大规模在线社群或平台来解决问题、完成任务或创新的方法。众包竞赛通常在在线平台上进行&#xff0c;这些平台提供任务发布、参与者注册、提交作品、评审等功能。一…

向量数据库Weaviate Cloud 和 Milvus Cloud:性能大比拼

最近,随着检索增强生成系统(RAG)的持续火爆,开发者对于“如何选择一个向量数据库”的疑惑也越来越多。过去几周,我们从性能和特性能力两个方面对 Weaviate Cloud 和 MilvusCloud 进行了详细的对比。在对比过程中,我们使用了开源的性能基准测试套件 VectorDBBench,围绕诸…

高精度数字电容传感芯片-MDC04

高精度数字电容传感芯片-MDC04 简介引脚说明PCBA板寄存器说明代码实现单总线通讯时序代码单总线通讯时序代码头文件MDC04驱动代码MDC04驱动代码头文件用户APP调用函数main主程序 简介 MDC04以低成本等优势&#xff0c;可用于智能小家电液位、水箱液位、油液液位、水浸传感、食…

配置Super-VLAN下的DHCP服务器示例

组网需求 如图1所示&#xff0c;某公司拥有两个部门&#xff0c;为了节省IP地址&#xff0c;部门A和部门B规划为同一网段&#xff1b;为了提升业务安全性&#xff0c;将不同部门的用户划分到不同VLAN中。企业管理员为了方便统一管理&#xff0c;希望部门内终端通过DHCP服务器动…

4.4 审计

思维导图&#xff1a; 4.4 审计理解笔记&#xff1a; 1. 审计的重要性&#xff1a; 除了用户身份验证和访问控制&#xff0c;审计是实现数据库安全的关键组成部分。审计是达到高安全标准&#xff08;如TDI/TCSEC的C2级别&#xff09;的必要功能。 2. 审计功能的核心&#xf…

【密评】商用密码应用安全性评估从业人员考核题库(十四)

商用密码应用安全性评估从业人员考核题库&#xff08;十四&#xff09; 国密局给的参考题库5000道只是基础题&#xff0c;后续更新完5000还会继续更其他高质量题库&#xff0c;持续学习&#xff0c;共同进步。 3251 单项选择题 根据GB/T 39786《信息安全技术 信息系统密码应用…

07.K8S高可用集群节点规划

K8S高可用集群节点规划 1、部署拓扑图 2、master节点数(物理机数) 总数最少存活失败容忍说明110单个主节点时使用220不推荐321推荐431不推荐532推荐642不推荐743可以考虑&#xff0c;但会导致确定集群成员和仲裁的开销加大853不推荐954可以考虑&#xff0c;但会导致确定集群成…

[论文笔记]GTE

引言 今天带来今年的一篇文本嵌入论文GTE, 中文题目是 多阶段对比学习的通用文本嵌入。 作者提出了GTE,一个使用对阶段对比学习的通用文本嵌入。使用对比学习在多个来源的混合数据集上训练了一个统一的文本嵌入模型,通过在无监督预训练阶段和有监督微调阶段显著增加训练数…

Java电商平台 - API 接口设计之 token、timestamp、sign 具体架构与实现|电商API接口接入

一&#xff1a;token 简介 Token&#xff1a;访问令牌access token, 用于接口中, 用于标识接口调用者的身份、凭证&#xff0c;减少用户名和密码的传输次数。一般情况下客户端(接口调用方)需要先向服务器端申请一个接口调用的账号&#xff0c;服务器会给出一个appId和一个key, …

Python 算法高级篇:归并排序的优化与外部排序

Python 算法高级篇&#xff1a;归并排序的优化与外部排序 引言 1. 归并排序的基本原理2. 归并排序的优化2.1 自底向上的归并排序2.2 最后优化 3. 外部排序4. 性能比较5. 结论 引言 在计算机科学中&#xff0c;排序是一项基本的任务&#xff0c;而归并排序&#xff08; Merge S…

轻量封装WebGPU渲染系统示例<2>-彩色立方体(源码)

当前示例源码github地址: https://github.com/vilyLei/voxwebgpu/blob/version-1.01/src/voxgpu/sample/VertColorCube.ts 此示例渲染系统实现的特性: 1. 用户态与系统态隔离。 2. 高频调用与低频调用隔离。 3. 面向用户的易用性封装。 4. 渲染数据和渲染机制分离。 5. …