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

簡介

本數據集包含北美陸地數據同化系統(NLDAS-2)第二階段的主要逐時強迫數據“文件 A”。數據採用 1/8 度網格間距,時間範圍從 1979 年 1 月至今,時間分辨率為小時。文件格式為 netCDF(由 GRIB 數據文件轉換而來)。NLDAS-2 的非降水陸面強迫場源自 NCEP 北美區域再分析(NARR)的分析場。NARR 分析場的空間分辨率為 32 公里,時間頻率為 3 小時。用於生成 NLDAS-2 強迫場的 NARR 場經過空間插值,達到 NLDAS 1/8 度網格的更精細分辨率,然後時間分解為 NLDAS 的逐時頻率。此外,為了補償 NARR 和 NLDAS 地形高度場之間的垂直差異,地表氣壓場、地表向下長波輻射場、近地表氣温場和近地表比濕場均進行了垂直方向的調整。該垂直調整採用了傳統的氣温垂直遞減率 6.5 K/km。空間插值、時間分解和垂直調整的詳細信息參見 Cosgrove 等人(2003)的論文。文件“A”中的地表向下短波輻射場是一個經過偏差校正的場,其中對 NARR 地表向下短波輻射應用了偏差校正算法。該偏差校正使用了 Pinker 等人(2003)提供的五年(1996-2000 年)基於 GOES 衞星的 1/8 度逐小時地表向下短波輻射場數據。文件“A”中的潛在蒸發場是使用 Mahrt 和 Ek(1984)提出的改進 Penman 方案在 NARR 中計算得到的。“文件 A”中的降水場並非 NARR 降水強迫數據,而是基於僅使用雨量計的 CPC 日降水分析數據,直接在 NLDAS 網格上進行時間尺度分解,並結合了基於廣泛應用的 PRISM 氣候學數據的地形調整。降水數據通過以下三種方式分解為小時尺度降水場:首先,根據 WSR-88D 多普勒雷達降水估算值、8 公里 CMORPH 小時降水分析數據或 NARR 模擬降水數據(按可用性順序)計算小時尺度分解權重。後三種降水場(雷達、CMORPH 和 NARR)僅用於計算分解權重,不會改變日總降水量。 “文件 A”中表示對流降水佔總降水比例的字段,是根據以下兩個 NARR 降水場(在“文件 B”中提供)估算得出的:NARR 總降水量和 NARR 對流降水量(後者小於或等於 NARR 總降水量,且可以為零)。對流有效位能 (CAPE) 是強迫數據集中的最後一個變量,也是通過 NARR 數據插值得到的。NLDAS-2 的逐時陸面強迫場分為兩個文件:“文件 A”和“文件 B”。“文件 A”是主要(默認)強迫文件,包含 11 個氣象強迫場。有關 NLDAS-2 生成的詳細信息,請參閲相關文檔。Xia 等人 (2012) 中可以找到 0 個強迫數據集。

NLDAS 主要強迫數據 L4 小時 0.125 x 0.125 度 V2.0 (NLDAS_FORA0125_H) 位於 GES DISC_#機器學習

摘要

NLDAS 主要強迫數據 L4 小時 0.125 x 0.125 度 V2.0 (NLDAS_FORA0125_H) 位於 GES DISC_插值_02

代碼

!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")