GPCC全球降水数据集下载并使用MATLAB进行读取分析--以长江流域为例

这篇具有很好参考价值的文章主要介绍了GPCC全球降水数据集下载并使用MATLAB进行读取分析--以长江流域为例。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.GPCC降水数据集的下载

GPCC(全球降水气候中心)于1989年应世界气象组织(World Meteorological Organization,WMO)的要求成立,由德国国家气象局(Deutscher Wetterdienst)运营。提供基于全球约86100个雨量计、站点构建的降水数据集,主要是通过世界气象组织(WMO)和全球电信系统(Global Telecommunication System,GTS)提供的台站数据库(SYNOP与CLIMAT)所产生。其任务为基于观测降雨数据对全球地表日和月降水进行分析,是世界上最大的降水数据库。GPCC的所有产品均为基于观测的全球陆地表面网格降水数据集,空间分辨率为1.0°,并根据产品的不同,可提供0.25°、0.5°和2.5°的额外空间分辨率。GPCC优势在于使用大量站点观测数据,计算网格数量较大。但随着时间推移,可能会受到每个网格中站点数量变化的限制(知乎)。

下载链接:https://opendata.dwd.de/climate_environment/GPCC/html/download_gate.html

matlab降水,数据分析,大数据

 我们可以看到有不同的产品,其具有不同的空间分辨率和时间覆盖度,并且可用于干旱监测、极端气候分析、卫星数据标定、以及水文学研究。另外还有一个可视化的操作界面,点击表格内的GPCC Visualizer,进入可视化界面,设置好全球的范围,投影方式,导出的图片格式,点击开始可视化即可生成图片。

matlab降水,数据分析,大数据

导出某一个月的降水数据。

matlab降水,数据分析,大数据

 2.降水数据集的读取与分析

此处我们选择1°×1°空间分辨率的 Monitoring Version 2022数据,其数据时间范围为1982-present。我本人使用的是早些时间下载的 monitoring_v2020_10_2003_01版本,此处换成重新下载的monitoring_v2022_10_2003_01即可。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% GPCP PRECIPITATION
% CHISTRONG WEN
% 2023-2-2   
%%
IN_ADDRESS = 'D:\SCI_E\数据\gmt\GMT_new\Yangtze_Yellow_water_consumption\yangtze_river_runoff_discharge_v2\GPCC\';
GFA = dir(fullfile(IN_ADDRESS,'*.nc'));
ncdisp([IN_ADDRESS,GFA(1).name])
lon = ncread([IN_ADDRESS,GFA(1).name],'lon');
lat = ncread([IN_ADDRESS,GFA(1).name],'lat');

[lon,lat] = meshgrid(lon,lat);
GPCC.lon = lon;
GPCC.lat = lat;

for ii = 1:length(GFA)
    file_name = [IN_ADDRESS,GFA(ii).name];
    A_ecco = ncread(file_name,'p');
    time = ncread([IN_ADDRESS,GFA(ii).name],'time');
    strtime = num2str(time);
    year  = str2num(strtime(1:4));
    month = str2num(strtime(5:6));
    day   = str2num(strtime(7:8));
    tout = time_transfer([year,month,day],1);
    A_ecco(isnan(A_ecco))=0;
    GPCC.rg(:,:,ii) = A_ecco';
    GPCC.tt(:,ii) = tout;
end

得到的输出结果

matlab降水,数据分析,大数据

下面以长江流域为例,绘制时间序列

%% ACQUIRE TIME SERIES
GRID = GPCC.rg;
rg_plot(GPCC,GPCC.rg(:,:,12))
dir_msk = 'C:\GRACE_Matlab_Toolbox\GRACE_data\boundary_files\yangtze.bln';
type = 'line';
bound = 90;
[plot_region]=gmt_grid2series(GRID,dir_msk,type,bound);
plot_region = plot_region; % CONVERT M TO CM
%% PLOT
figure('position',[500,500,1000,300]);
plot(GPCC.tt,plot_region,'-','color','r')
hold on
bar(GPCC.tt,plot_region)
grid on; 
% ylim([min(plot_region)-5,max(plot_region)+5])
set(gca,'gridlinestyle',':','LineWidth',0.5,'GridAlpha',0.5)
xlabel('year', 'Fontname', 'Times New Roman', 'Fontsize',14);  
ylabel('Precipitation mm/month', 'Fontname', 'Times New Roman', 'Fontsize',14);

 matlab降水,数据分析,大数据

同时进行周年振幅、相位、趋势项的分析。【注意此处的代码有所修改,主要是代码读取的tt1.txt文件,之前是存放缺失的年份,此处我全部替换为0。具体参考本人的B站专栏】

%% ANALYSIS OF THE TIME SERIES
tt = load('tt1.txt');
% [Amplitude1, Amplitude1_std, Phase1,...
%     Phase1_std, Amplitude2, Amplitude2_std,...
%     Phase2, Phase2_std, Trend, Trend_std,...
%     Trend_line, Resid, Interp] = gmt_harmonic(GPCC.tt,tt,GRID);
lon = -179.5:1:179.5;
lat = -89.5:1:89.5;
[lon,lat] = meshgrid(lon,lat);
am.lon = lon;
am.lat = lat;
am.rg  = flipud(Amplitude1);
figure
wzq_plot(am)

 结果图

【周年振幅】 

matlab降水,数据分析,大数据

【周年相位】

matlab降水,数据分析,大数据

 

【线性趋势】

matlab降水,数据分析,大数据

@期待您的点赞、收藏、转发@文章来源地址https://www.toymoban.com/news/detail-537970.html

到了这里,关于GPCC全球降水数据集下载并使用MATLAB进行读取分析--以长江流域为例的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 使用IIC进行多数据读取测试

    IIC系列文章: (1)I2C 接口控制器理论讲解 (2)I2C接口控制设计与实现 (3)I2C连续读写实现 (4) 使用IIC进行多数据读取测试 使用已完成的IIC模块,将256个数据写入,然后将256个数据读出,测试该模块写入与读取是否正常。 提示:以下是本篇文章正文内容,下面案例可供参考 该模块

    2024年02月12日
    浏览(26)
  • huggingface下载的.arrow数据集读取与使用说明

    将数据集下载到本地:( 此处下载的是一个物体目标检测的数据集 ) huggingface可以把处理好的数据保存成下面的格式: 下载到本地后的数据结构如下: 数据以类似于表格的形式存储,包含以下列名:[‘image_id’, ‘image’, ‘width’, ‘height’, ‘objects’] image_id: 图片id imag

    2024年02月08日
    浏览(37)
  • 全球海洋测深DEM(GEBCO)数据集 下载

    GEBCO(General Bathymetric Chart of the Oceans)全球 DEM数据集(Geo-Engineering Digital Savage)是基于“全球地球系统计划”(Global Earth System Project)的最新数据集。 GEBCO 数据包括了从格网尺度到流域尺度的全球 DEM数据,覆盖了从海平面变化和海洋地形等,将格网 DEM与高分辨率卫星遥感影

    2024年02月08日
    浏览(36)
  • 使用matlab里的SVM进行数据分类预测

    在MATLAB中使用支持向量机(SVM)进行数据分类预测的示例代码如下: 该示例代码假设您已经拥有特征矩阵X和对应的标签向量Y。首先,将数据集划分为训练集和测试集。然后,使用 fitcsvm 函数建立支持向量机(SVM)模型,并设置相关参数,如核函数。接下来,使用训练好的模型对测

    2024年02月16日
    浏览(43)
  • 使用matlab中的SVM进行数据回归预测

    在MATLAB中使用支持向量机(SVM)进行数据回归预测,你可以遵循以下步骤: 准备数据集: 将你的特征矩阵X和目标变量向量y加载到MATLAB工作空间中。确保X和y的维度匹配。 拆分数据集: 将数据集划分为训练集和测试集,可以使用 cvpartition 函数进行拆分,一个常见的比例是将

    2024年02月16日
    浏览(35)
  • 后端:使用easyExcel实现解析Excel文件读取数据。前端:Excel模板下载、前端上传文件

            本篇是EasyExcel快速入门知识,讲解如何读取Excel文件,对Excel中错误信息如空字符、必填项为空、表格格式校验做到处理 ,并给出了实际项目中示例代码;为什么要使用easyexcel;原因是相比于poi,easyexcel更加轻量级,读取写入API方便,并且在工作中占用内存较小;

    2024年02月05日
    浏览(69)
  • 使用matlab里的集成树进行数据分类预测

    当使用MATLAB时,您可以使用集成学习方法中的决策树来进行数据分类预测。决策树是一种基于树状结构的机器学习算法,它通过对训练数据进行分层次的决策来进行预测。 MATLAB提供了一个称为ClassificationTree的集成树分类器。以下是一个使用MATLAB进行数据分类预测的基本示例:

    2024年02月16日
    浏览(36)
  • 使用matlab里的神经网络进行数据分类预测

    在MATLAB中使用神经网络进行数据分类预测,你可以按照以下步骤进行: Step 1: 准备数据 首先,准备用于训练和测试神经网络的数据。将数据集分为输入特征和相应的目标类别。确保数据已经进行了适当的预处理和标准化。 Step 2: 创建并训练神经网络模型 使用MATLAB的Neural Net

    2024年02月16日
    浏览(44)
  • Google Earth Engine(GEE)下载全球土壤砂粒(Sand)含量数据

    SoilGrids,是一个全球土壤属性地图,现在可以通过GEE下载。 SoilGrids是ISRIC–世界土壤信息的一个项目,旨在提供一个全球一致的、由数据驱动的系统,以预测土壤性质,并将其作为一项重要指标。该项目旨在提供一个全球一致的、由数据驱动的系统,使用全球协变量和全球拟

    2024年02月08日
    浏览(60)
  • 全球、全国遥感土地利用数据产品下载(1m、10m、30m分辨率,内含链接与详细教程)

         土地利用/覆被数据能够获取地表覆被信息,同时也是地球系统科学学科的基础数据(如生态、水文、地质等)吗,目前,基于遥感生成的土地利用/覆被数据产品比较多样,本文整理了目前应用比较多的7种数据产品进行介绍,数据主要为全球数据与全国数据,分辨率为

    2024年02月08日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包