NLDAS 主要强迫数据 L4 小时 0.125 x 0.125 度 V2.0 (NLDAS_FORA0125_H) 位于 GE

举报
此星光明 发表于 2025/12/02 17:52:48 2025/12/02
【摘要】 ​NLDAS Primary Forcing Data L4 Hourly 0.125 x 0.125 degree V2.0 (NLDAS_FORA0125_H) at GES DISC简介本数据集包含北美陆地数据同化系统(NLDAS-2)第二阶段的主要逐时强迫数据“文件 A”。数据采用 1/8 度网格间距,时间范围从 1979 年 1 月至今,时间分辨率为小时。文件格式为 netCDF(...

NLDAS Primary Forcing Data L4 Hourly 0.125 x 0.125 degree V2.0 (NLDAS_FORA0125_H) at GES DISC

简介

本数据集包含北美陆地数据同化系统(NLDAS-2)第二阶段的主要逐时强迫数据“文件 A”。数据采用 1/8 度网格间距,时间范围从 1979 年 1 月至今,时间分辨率为小时。文件格式为 netCDF(由 GRIB 数据文件转换而来)。NLDAS-2 的非降水陆面强迫场源自 NCEP 北美区域再分析(NARR)的分析场。NARR 分析场的空间分辨率为 32 公里,时间频率为 3 小时。用于生成 NLDAS-2 强迫场的 NARR 场经过空间插值,达到 NLDAS 1/8 度网格的更精细分辨率,然后时间分解为 NLDAS 的逐时频率。此外,为了补偿 NARR 和 NLDAS 地形高度场之间的垂直差异,地表气压场、地表向下长波辐射场、近地表气温场和近地表比湿场均进行了垂直方向的调整。该垂直调整采用了传统的气温垂直递减率 6.5 K/km。空间插值、时间分解和垂直调整的详细信息参见 Cosgrove 等人(2003)的论文。文件“A”中的地表向下短波辐射场是一个经过偏差校正的场,其中对 NARR 地表向下短波辐射应用了偏差校正算法。该偏差校正使用了 Pinker 等人(2003)提供的五年(1996-2000 年)基于 GOES 卫星的 1/8 度逐小时地表向下短波辐射场数据。文件“A”中的潜在蒸发场是使用 Mahrt 和 Ek(1984)提出的改进 Penman 方案在 NARR 中计算得到的。“文件 A”中的降水场并非 NARR 降水强迫数据,而是基于仅使用雨量计的 CPC 日降水分析数据,直接在 NLDAS 网格上进行时间尺度分解,并结合了基于广泛应用的 PRISM 气候学数据的地形调整。降水数据通过以下三种方式分解为小时尺度降水场:首先,根据 WSR-88D 多普勒雷达降水估算值、8 公里 CMORPH 小时降水分析数据或 NARR 模拟降水数据(按可用性顺序)计算小时尺度分解权重。后三种降水场(雷达、CMORPH 和 NARR)仅用于计算分解权重,不会改变日总降水量。 “文件 A”中表示对流降水占总降水比例的字段,是根据以下两个 NARR 降水场(在“文件 B”中提供)估算得出的:NARR 总降水量和 NARR 对流降水量(后者小于或等于 NARR 总降水量,且可以为零)。对流有效位能 (CAPE) 是强迫数据集中的最后一个变量,也是通过 NARR 数据插值得到的。NLDAS-2 的逐时陆面强迫场分为两个文件:“文件 A”和“文件 B”。“文件 A”是主要(默认)强迫文件,包含 11 个气象强迫场。有关 NLDAS-2 生成的详细信息,请参阅相关文档。Xia 等人 (2012) 中可以找到 0 个强迫数据集。

摘要

代码

!pip install leafmap
!pip install pandas
!pip install folium
!pip install matplotlib
!pip install mapclassify
 
import pandas as pd
import leafmap
 
url = "https://github.com/opengeos/NASA-Earth-Data"
df = pd.read_csv(url, sep="\t")
df
 
leafmap.nasa_data_login()
 
 
results, gdf = leafmap.nasa_data_search(
    short_name="NLDAS_FORA0125_H",
    cloud_hosted=True,
    bounding_box=(-125, 25, -67, 53),
    temporal=("1979-01-01", "1979-01-07"),
    count=-1,  # use -1 to return all datasets
    return_gdf=True,
)
 
 
gdf.explore()
 
#leafmap.nasa_data_download(results[:5], out_dir="data")

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。