- Disponibilité de l'ensemble de données
- 1981-01-01T00:00:00Z–2026-03-31T00:00:00Z
- Producteur de l'ensemble de données
- UCSB/CHG
- Fréquence de mise à jour
- 1 jour
- Tags
Description
L'ensemble de données CHIRPS (Climate Hazards Center InfraRed Precipitation with Station data) est un ensemble de données de précipitations quasi mondial couvrant plus de 30 ans. Il intègre des images satellite d'une résolution de 0,05° avec des données de stations in situ pour créer des séries temporelles de précipitations quadrillées pour l'analyse des tendances et la surveillance des sécheresses saisonnières.
Bandes
Bandes
Taille des pixels : 5 566 mètres (toutes les bandes)
| Nom | Unités | Min | Max | Taille des pixels | Description |
|---|---|---|---|---|---|
precipitation |
mm/j | 0* | 1 444,34* | 5 566 mètres | Précipitations |
Conditions d'utilisation
Conditions d'utilisation
Cet ensemble de données appartient au domaine public. Dans la mesure où la loi le permet, Pete Peterson a renoncé à tous les droits d'auteur et droits voisins ou connexes sur l'ensemble de données CHIRPS (Climate Hazards Center Infrared Precipitation with Stations).
Citations
Funk, Chris, Pete Peterson, Martin Landsfeld, Diego Pedreros, James Verdin, Shraddhanand Shukla, Gregory Husak, James Rowland, Laura Harrison, Andrew Hoell &Joel Michaelsen. "The climate hazards infrared precipitation with stations-a new environmental record for monitoring extremes". Scientific Data 2, 150066. doi:10.1038/sdata.2015.66 2015.
Explorer avec Earth Engine
Éditeur de code (JavaScript)
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');
import ee import geemap.core as geemap
Colab (Python)
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