雪数据同化系统Snow Data Assimilation System数据集

简介: 雪数据同化系统Snow Data Assimilation System数据集

雪数据同化系统(SNODAS)

雪资料同化系统(SNODAS)是国家水文遥感业务中心(NOHRSC)精心开发的综合建模和资料同化系统。其主要目标是提供高度准确的积雪和相关参数估计,作为水文建模和分析的重要资源。SNODAS 通过吸收各种来源的数据来实现这一目标,包括卫星观测、地面测量和数值天气预报模型。这些不同的数据流在雪质量和能量平衡模型中经过彻底处理,最终产生雪水当量(SWE)、雪深、雪覆盖范围和雪反照率的估计值。

SNODAS数据集拥有1公里的空间分辨率和24小时的时间分辨率,确保准确、及时的洞察。该数据集每天更新,涵盖美国大陆、阿拉斯加和夏威夷,为各种应用程序的用户提供全面的覆盖。SNODAS 数据面向广泛的受众,包括水资源管理者、应急响应人员和气候科学家。这些宝贵的数据在各种应用中发挥着关键作用,包括估计融雪径流、预测雪崩、监测干旱和洪水管理的积雪状况,以及研究气候变化对雪动态的影响。SNODAS 数据可通过国家冰雪数据中心 (NSIDC) 免费访问,进一步增强了广大用户群的可访问性和实用性。前言 – 人工智能教程

该数据集描述提供了 SNODAS 的全面概述,强调了其在支持跨领域水文研究和决策方面的重要性。您可以在此处找到更多信息,还可以在此处找到气候引擎组织中数据集的链接

数据集详细信息
空间范围 美国本土
空间分辨率 1000 m(1/120 度)
时间分辨率 日常的
时间跨度 2003年10月1日至今
更新频率 每日更新,滞后 1 天

变量

多变的 单位 比例因子
雪水当量 1.0
雪深 1.0
引文

Barrett, Andrew. 2003. National Operational Hydrologic Remote Sensing Center Snow Data Assimilation System (SNODAS) Products at NSIDC. NSIDC Special

Report 11. Boulder, CO USA: National Snow and Ice Data Center. 19 pp.


Barrett, A. P., R. L. Armstrong, and J. L. Smith. 2001. The Snow Data Assimilation System (SNODAS): An overview.

Journal of Hydrometeorology 2(3):288-306.

地球引擎片段

// Read in Image Collection and get image
var snodas_ic = ee.ImageCollection('projects/earthengine-legacy/assets/projects/climate-engine/snodas/daily')
var snodas_i = snodas_ic.filterDate('2022-01-01', '2022-01-05').first()
// Print first image to see bands
print(snodas_i)
// Visualize select bands from first image
var prec_palette = ["#ffffcc", "#c7e9b4", "#7fcdbb", "#41b6c4", "#1d91c0", "#225ea8", "#0c2c84"]
Map.addLayer(snodas_i.select('Snow_Depth'), {min: 0, max: 1, palette: prec_palette}, 'Snow_Depth')
Map.addLayer(snodas_i.select('SWE'), {min: 0, max: 1, palette: prec_palette}, 'SWE')

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

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:雪、气候、近实时、CONUS、美国、NOAA、每日

创建和提供:NOAA、NSIDC

策展人:气候引擎组织

相关文章
|
定位技术 数据库 数据格式
ArcSWAT报错:-2147217385;创建栅格数据集失败
ArcSWAT报错:-2147217385;创建栅格数据集失败
|
10月前
|
机器学习/深度学习 计算机视觉 知识图谱
YOLOv11改进策略【注意力机制篇】| SENet V2 优化SE注意力机制,聚合通道和全局信息
YOLOv11改进策略【注意力机制篇】| SENet V2 优化SE注意力机制,聚合通道和全局信息
424 1
YOLOv11改进策略【注意力机制篇】| SENet V2 优化SE注意力机制,聚合通道和全局信息
|
Web App开发 移动开发 定位技术
15款得心应手的思维导图软件
15款得心应手的思维导图软件
752 6
|
Ubuntu 虚拟化
Ubuntu安装VMtools实现与主机之间复制粘贴
一、安装 VMware Tools 右键点击你创建的系统,然后出现菜单下滑找到安装 VMware Tools(T) 这个点击安装; 右键点击你创建的系统,然后出现菜单下滑找到设置; 然后弹出虚拟机设置-->点击选项-->客户机隔离-->启用复制粘贴; 二、Ubuntu命令 这些命令假设你的Ubuntu系统已连接到互联网并且已配置为使用apt软件包管理器; 如果你的网络环境有限,你可能需要提前配置好网络或更换软件源; Ubuntu上安装和配置VMtools以实现与主机之间的文本复制粘贴功能; 1、打开终端(Terminal)。 2、运行以下命令以卸载旧版本的open-vm-tools: su
4213 1
|
机器学习/深度学习 算法 数据处理
【MATLAB】史上最全的17种信号分解+FFT+HHT组合算法全家桶
【MATLAB】史上最全的17种信号分解+FFT+HHT组合算法全家桶
459 0
|
Python
python安装osgeo库并解决is not a supported wheel on this platform 问题
python安装osgeo库并解决is not a supported wheel on this platform 问题
3873 0
GEE:获取sentinel2指定区域多个单景影像的值(样本点提取)
GEE:获取sentinel2指定区域多个单景影像的值(样本点提取)
408 0
|
机器学习/深度学习 开发者 Python
Normalized RMSE
Normalized RMSE(Root Mean Square Error)是一种常用的用于评估预测模型的指标,它是在 RMSE 的基础上进行了归一化处理,使得不同数据集之间的 RMSE 可以进行比较。
1675 2
|
Ubuntu 数据安全/隐私保护 虚拟化
Ubuntu18.04.6镜像下载及虚拟机安装
Ubuntu18.04.6镜像下载及虚拟机安装
2584 0
|
Linux API Python
wrf模式学习记录--使用ERA5数据驱动WRF模式三层嵌套:数据下载以及模式处理
wrf模式学习记录--使用ERA5数据驱动WRF模式三层嵌套:数据下载以及模式处理
wrf模式学习记录--使用ERA5数据驱动WRF模式三层嵌套:数据下载以及模式处理