CHIRPS Daily: Climate Hazards Center InfraRed Precipitation With Station Data (Version 2.0 Final)

UCSB-CHG/CHIRPS/DAILY
در دسترس بودن مجموعه داده
1981-01-01T00:00:00Z–2025-08-31T00:00:00Z
ارائه دهنده مجموعه داده
قطعه موتور زمین
ee.ImageCollection("UCSB-CHG/CHIRPS/DAILY")
آهنگ
1 روز
برچسب ها
chg آب و هوا بارش ژئوفیزیکی ucsb آب و هوا

توضیحات

بارش مادون قرمز مرکز مخاطرات اقلیمی با داده های ایستگاه (CHIRPS) مجموعه داده بارشی شبه جهانی بیش از 30 سال است. CHIRPS از تصاویر ماهواره‌ای با وضوح 0.05 درجه با داده‌های ایستگاه درجا برای ایجاد سری‌های زمانی بارندگی شبکه‌ای برای تحلیل روند و پایش خشکسالی فصلی استفاده می‌کند.

باندها

اندازه پیکسل
5566 متر

باندها

نام واحدها حداقل حداکثر اندازه پیکسل توضیحات
precipitation mm/d 0* 1444.34* متر

بارش

* حداقل یا حداکثر مقدار تخمینی

شرایط استفاده

شرایط استفاده

این مجموعه داده ها در حوزه عمومی هستند. تا آنجایی که طبق قانون ممکن است، پیت پترسون از کلیه حق چاپ و حقوق مرتبط یا همسایه در مورد بارش مادون قرمز مرکز مخاطرات آب و هوا با ایستگاه ها (CHIRPS) چشم پوشی کرده است.

نقل قول ها

نقل قول ها:
  • فانک، کریس، پیت پترسون، مارتین لندسفلد، دیگو پدرروس، جیمز وردین، شراداناند شوکلا، گریگوری هوساک، جیمز رولند، لورا هریسون، اندرو هول و جوئل مایکلسن. "خطرات آب و هوایی بارش مادون قرمز با ایستگاه ها - یک رکورد جدید زیست محیطی برای نظارت بر افراط". Scientific Data 2, 150066. doi:10.1038/sdata.2015.66 2015.

با Earth Engine کاوش کنید

ویرایشگر کد (جاوا اسکریپت)

var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY')
                  .filter(ee.Filter.date('2018-05-01', '2018-05-03'));
var precipitation = dataset.select('precipitation');
var precipitationVis = {
  min: 1,
  max: 17,
  palette: ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
};
Map.setCenter(17.93, 7.71, 2);
Map.addLayer(precipitation, precipitationVis, 'Precipitation');

راه اندازی پایتون

برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY').filter(
    ee.Filter.date('2018-05-01', '2018-05-03')
)
precipitation = dataset.select('precipitation')
precipitation_vis = {
    'min': 1,
    'max': 17,
    'palette': ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
}

m = geemap.Map()
m.set_center(17.93, 7.71, 2)
m.add_layer(precipitation, precipitation_vis, 'Precipitation')
m
در ویرایشگر کد باز کنید