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。
研究区域:水资源管理从根本上依赖于我们监测气候强迫变化的能力,尤其是在热带山区环境中,降雨的时间和空间变化强烈控制着水资源的动态。在西爪哇岛,降雨的时间和空间分布因区域气候和火山形态而存在显著差异,而可达性问题和气候现象的复杂性是可靠降雨地面仪器的限制因素。研究重点:在这里,我们评估了气候再分析(CHELSA 和 TerraClimate)和卫星产品(CHIRPS)在捕捉降雨高分辨率空间变化方面的能力。使用 Kling-Gupta 效率得分的三个组成部分来估计每个全球产品的降雨量、变化和动态的准确性。由于直接统计比较受分辨率问题的影响,我们的方法是通过基于过程的方法完成的。根据已知的气候现象分析全球产品的空间和地形降雨模式。水文见解:看来,TerraClimate 为时间监测提供了最准确和稳定的估计。 CHIRPS 显示的降雨模式与大气环流和火山形态一致,但高估了总体降雨量。本研究提出了一种评估仪器匮乏地区的全球气候产品的方法
秘鲁安第斯山脉农村农民经常有不稳定的生计,并且已经经历了比最近几十年的可预测天气状况。的目的是研究一个具有不确定气候未来的地区的水文和农业弹性(关于温度和降水量),我们在这里介绍了从使用Aquacrop软件来模拟农作物生长和随之而来的收获产量,从而在秘密和秘密的山谷中产生收获的产量,包括秘密和秘书的收获产量。使用RCP2.6&RCP8.5区域气候模型(RCMS)以0.22度的空间分辨率提出了1970 - 2099年(气候变化期间的历史与未来)(在气候变化期间的历史与未来)。我们选择了从CMIP5 GCMS动态降低的CORDEX RCM数据,而不是Chelsa统计上缩减的数据,因为Cordex RCM数据的降低尺度会产生更局部的气候平均值,这与可变的平台更加一致。cordex RCM模型数据随后被偏向于1981 - 2005年的ANCASH地区(包括Yungay and Aija)的每月chirps降水和每月ECMWF ERA-INTERIM温度极端。对于我们建模的各种农作物(玉米/玉米,土豆,干豆,藜麦,小麦),我们发现了重要的年际
研究区域:水资源管理从根本上依赖于我们监测气候强迫变化的能力,特别是在热带山区环境中,降雨的时间和空间变化强烈控制着水资源的动态。在西爪哇岛,降雨的时间和空间分布因区域气候学和火山形态而存在显着差异,而可达性问题和气候现象的复杂性是可靠降雨地面仪器的限制因素。研究重点:在这里,我们评估气候再分析(CHELSA 和 TerraClimate)和卫星产品(CHIRPS)在捕捉降雨高分辨率空间变化方面的能力。使用 Kling-Gupta 效率得分的三个组成部分来估计每个全球产品的降雨量、变化和动态的准确性。由于直接统计比较受分辨率问题的影响,我们的方法是通过基于过程的方法完成的。根据已知的气候现象分析全球产品的空间和地形降雨模式。水文见解:看来,TerraClimate 为时间监测提供了最准确和稳定的估计。CHIRPS 显示的降雨模式与大气环流和火山形态一致,但高估了总体降雨量。本研究提出了一种评估仪器不足地区的全球气候产品的方法。结果表明,高分辨率全球产品对水资源管理颇具吸引力。然而,一些时间和空间偏差仍然限制了它们在操作目的上的整合。
研究区域:水资源管理从根本上依赖于我们监测气候强迫变化的能力,特别是在热带山区环境中,降雨的时间和空间变化强烈控制着水资源的动态。在西爪哇岛,降雨的时间和空间分布因区域气候学和火山形态而存在显着差异,而可达性问题和气候现象的复杂性是可靠降雨地面仪器的限制因素。研究重点:在这里,我们评估气候再分析(CHELSA 和 TerraClimate)和卫星产品(CHIRPS)在捕捉降雨高分辨率空间变化方面的能力。使用 Kling-Gupta 效率得分的三个组成部分来估计每个全球产品的降雨量、变化和动态的准确性。由于直接统计比较受分辨率问题的影响,我们的方法是通过基于过程的方法完成的。根据已知的气候现象分析全球产品的空间和地形降雨模式。水文见解:看来,TerraClimate 为时间监测提供了最准确和稳定的估计。CHIRPS 显示的降雨模式与大气环流和火山形态一致,但高估了总体降雨量。本研究提出了一种评估仪器不足地区的全球气候产品的方法。结果表明,高分辨率全球产品对水资源管理颇有吸引力。然而,一些时间和空间偏差仍然限制了它们在操作目的上的整合。
nfwf及其当地联络承包商加拉德集团(Galate Group),感谢个人和组织提供的时间,知识和支持,通过其投入,审查,讨论和专业知识为该实施计划做出了重大贡献。虽然我们不能单独命名每个贡献者,但我们承认(没有特别顺序)的贡献:詹妮弗·奥利克·法利(Jennifer Oelke Farley),环境规划和保护,海军副助理秘书办公室(环境和任务准备就绪); NAVFAC MARIANAS(NAVFACMAR)的环境总监Albert Thomas T. Borja公共工程部的Blaz公共工程部; Adrienne Loerzel,Navfacmar MCB Camp Blaz森林增强计划经理;詹姆斯·沃特森(James C. Watterson),自然/海洋资源,纳维法克总部Rick Salas,MCB Camp Blaz,Navfacmar; NAVFACMAR计划与保护产品线协调员Dana T. Lujan,EV2; NAVFACMAR保护资源计划经理Jennifer Horeg; Mario Martinez,Navfacmar生物学家;关岛农业部(DOAG)主任ChelsaMuña -Brecht; Christine Camacho Fejeran,林业部长,林业和土壤资源部门; Ruddy Estoy Jr.,Forester II,Doag,林业和土壤资源部;水生和野生动植物资源部门酋长Jay Gutierrez; Jeffery Quitugua,计划协调员III,DOAG,水生和野生动植物资源部;关岛土地管理部(DLM)董事Joseph M. Borja;美国岛队经理Jacqueline Flores鱼类和野生动物服务(USFWS); USFWS鱼类和野生动植物生物学家Toni Mizerek;关岛南部土壤和节水区主席Michael Aguon;小约翰·雷耶斯(John F. USDA自然资源保护服务局代理地区保护主义者Jay Doronila。