• AT - 空中三角测量 • ASPRS – 美国摄影测量与遥感学会 • CADD – 计算机辅助设计与制图 • CSDGM – 数字地理空间元数据内容标准 • DEM – 数字高程模型 • ESRI – 环境系统研究所 • FAC – 佛罗里达州行政法规 • FGDC – 联邦地理数据委员会 • FIPS – 联邦信息处理标准 • FCDOP – 佛罗里达县数字正射影像计划 • FDOT – 佛罗里达州交通部 • FPRN – 佛罗里达永久参考网络(由 FDOT 建立和维护) • FS – 佛罗里达州法规 • GeoTIFF – 栅格图像文件。GeoTIFF 完全符合 TIFF 6.0 规范,并且
• AT - 空中三角测量 • ASPRS – 美国摄影测量与遥感学会 • CADD – 计算机辅助设计与制图 • CSDGM – 数字地理空间元数据内容标准 • DEM – 数字高程模型 • ESRI – 环境系统研究所 • FAC – 佛罗里达州行政法规 • FGDC – 联邦地理数据委员会 • FIPS – 联邦信息处理标准 • FCDOP – 佛罗里达县数字正射影像计划 • FDOT – 佛罗里达州交通部 • FPRN – 佛罗里达永久参考网络(由 FDOT 建立和维护) • FS – 佛罗里达州法规 • GeoTIFF – 栅格图像文件。GeoTIFF 完全符合 TIFF 6.0 规范,并且
3 VNP64产品套件7 3.1级别3个月瓷砖产品:VNP64A1。。。。。。。。。。。。。。。。。。。。。。。。。。。8 3.1.1命名约定。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 3.1.2数据层。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 3.1.3元数据。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>10 3.1.4示例代码。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 3.2 GEOTIFF子集用于GIS可视化和分析:VNP64个月。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 3.2.1命名约定。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 3.3用于GIS可视化和分析的Shape File子集:VNP64月。。。。。。。。。。。。。16 3.3.1命名约定。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 3.4 VNP64CMQ气候建模网格燃烧的区域产品。。。。。。。。。。。。。。。。。。16
pyforestscan是一个开源python库,旨在根据光检测和范围(LIDAR)点云数据计算森林结构指标。它计算了关键的生态指标,例如树叶高度多样性(FHD),植物面积密度(PAD),冠层高度,植物面积指数(PAI)和数字地形模型(DTMS),有效地处理大型激光雷达数据集,并支持包括输入格式,包括输入格式,包括Entwine Point Tile(ept)形式(ETT)形式(Mannning)和2024.24和202。文件。除了指标计算外,该库还支持Geotiff输出的产生,并与地理空间库(如Point Cloud Data Abstraction库(PDAL)(PDAL))集成(Butler等,2021,2024),使其成为用于森林,碳核算和生态研究的宝贵工具。
0.5° 24 小时 全球 1976-2013 — NetCDF Warszawski 等人(2014 年)[https://data.isimip.org/10.5880/pik。2019.004] GFD-HYDRO RSG P 0.5° 3 小时 全球 1979-NP 5 d NetCDF Berg 等人(2018、2021 年)[https://zenodo.org/records/387170 7] GRASP RP,T 1.125° 24 小时 全球 1961-2010 — ? Iizumi 等人(2014 年)[可根据要求提供。] GSMaP-RNL RG P 0.1° 24 小时 <60° 2001-2013 — NetCDF Kubota 等人(2007 年),Iguchi 等人(2009 年)[https://thredds-x.ipsl.fr/thredds/catalog/FROGs/GS MAP-gauges-RNLv6.0/catalog.html;https://thredds-x.ipsl.fr/thredds/catalog/FROGs/GS MAP-nogauges-RNLv6.0/catalog.html] GSMaP-std v6 RG P 0.1° 24 小时 <60° 2001-2013 — NetCDF、GeoTIFF
Readme Chelsa - 地球表面积高分辨率的气候。1.1版Chelsa(http://chelsa-climate.org/)是高分辨率(30弧sec,〜1 km)的气候数据集,用于地球地面面积。版本1.0是第一个版本。它包括1979 - 2013年期间的每月和年平均温度和降水模式。chelsa_v1基于ERA临时全球循环模型(http://www.ecmwf.int/en/research/climate/climate-reanalysis/era inersy/ERAS)的准机械统计降低缩减(http://www.ecmwf.int scalime ofera) (https://www.ncdc.noaa.gov/ghcnm/)偏置校正。规格:高分辨率(30 Arcsec,〜1 km)降水量和温度每月覆盖1979 - 2013年掺入topocclimate(例如,地形降雨和风场)。缩小的ERA-Interim模型。允许根据每月值(例如干燥期长度等)计算派生参数。Chelsa的所有产品均位于参考WGS 84水平基准的地理坐标系中,水平坐标为小数为小数。Chelsa层的扩展(最小和最大纬度和经度)是从1- arc-second gmted2010数据继承的坐标系的结果,该数据本身从1- arc-second srtm数据继承了网格范围。请注意,由于输入GMTED2010数据的像素中心引用,每个Chelsa网格的全部范围由像素的外部边缘定义与纬度或经度的整数值不同,而纬度或经度的整数值为0.00013888888度(OR 1/2 Arc-Second)。基于Legacy Gtopo30产品的产品用户应注意,Chelsa(和GMTED2010)和GTOPO30的坐标参考并不相同。在gtopo30中,纬度和经度的整数线直接落在30弧秒的像素的边缘上。因此,当用基于GTOPO30的产品覆盖Chelsa时,将在相应30- arc-second像素的边缘之间观察到1/2弧形 - 第二位。数据集为Geotiff格式。可以使用标准GIS软件(例如:saga gis - (免费)http://www.saga-gis.org/ arcgis -https://wwwww.arcgis.com/ qgis-qgis- qgis-(免费) GIS-(免费)https://grass.osgeo.org/从现在的1.0网格范围变化,现在类似于GMTED2010分辨率(十进制程度)的一个:0.00833333333西范围西范围(最小x配合,x配置,最小值):-180.000.000.000.000.000.000.000.000.000.000.000.000.000.000138888 ymimuimum y mimum y -00 musitive y latitive 8.90 0.90:90.90:90.90。范围(最大X坐标,经度):179.9998611111 NorthExtent(最大Y坐标,纬度):83.9998611111行:20,800 Columsn:43,200 - 每月降水版本1.1现在具有GHCN偏置校正。
气候重新分析和气候投影数据集为研究人员,学生和讲师提供了潜力,可以从20世纪后半叶获得物理知识,全球,时间和空间连续的气候数据,并探索不同的潜在潜在未来气候。尽管这些数据在生物学,环境和社会科学中都具有重要用途,但潜在用户通常会面临处理和访问没有专业知识,设施或帮助的处理和访问无法克服的数据的障碍。因此,在研究和教育社区中,气候重新分析和投射数据目前已实质上不足。为了解决这个问题,我们提出了两个简单的“点击点击”图形用户界面:Google Earth Engine气候工具(Geeclimate),可访问气候重新分析数据产品;和Google Earth Engine CMIP6 Explorer(GeeCe),允许处理和提取CMIP6投影数据,包括创建自定义模型集合的能力。Geeclimt和Geece一起提供了可轻松访问387多个数据的数据,这些数据可以在常用的电子表格(CSV)或栅格(Geotiff)格式中输出,以帮助随后进行平地分析。两个工具中包含的数据包括:20种大气,陆地和海洋重新分析数据产品;根据1950 - 2022年ERA5-Land数据计算出的年度分辨率气候变量(与WorldCLIM相当)的新数据集; 34个模型模拟,SSP2-4.5和SSP5-8.5方案的34个模型模拟的CMIP6气候投影输出。还提供了使用两种工具数据的五个案例研究。新数据产品也可以轻松地添加到工具中,因为它们在Google Earth Engine数据目录中可用。这些表明Geeclimt和Geece是易于扩展的工具,可以删除多个进入的障碍,可以将气候重新分析和投影数据打开到新范围更广泛的用户。