- Dataset-Verfügbarkeit
- 1981-01-01T00:00:00Z–2026-09-26T00:00:00Z
- Ersteller des Datasets
- UCSB/CHG
- Cadence
- 1 Custom_time_unit
- Tags
Beschreibung
Climate Hazards Center InfraRed Precipitation with Station data (CHIRPS) ist ein über 30 Jahre alter, quasi-globaler Niederschlagsdatensatz. CHIRPS kombiniert Satellitenbilder mit einer Auflösung von 0,05° mit In-situ-Stationsdaten, um gerasterte Niederschlagszeitreihen für Trendanalysen und saisonales Dürremonitoring zu erstellen.
Bänder
Bänder
Pixelgröße: 5.566 Meter (alle Bänder)
| Name | Einheiten | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|---|
precipitation |
mm/Pentade | 0* | 1072.43* | 5.566 Meter | Niederschlag |
Bildattribute
Bildeigenschaften
| Name | Typ | Beschreibung |
|---|---|---|
| Monat | DOUBLE | Monat |
| Pentade | DOUBLE | Pentad |
| Jahr | DOUBLE | Jahr |
Nutzungsbedingungen
Nutzungsbedingungen
Diese Datasets sind frei von Urheberrechten. Soweit gesetzlich möglich, hat Pete Peterson auf alle Urheberrechte und verwandten Schutzrechte für Climate Hazards Center Infrared Precipitation with Stations (CHIRPS) verzichtet.
Zitationen
Funk, Chris, Pete Peterson, Martin Landsfeld, Diego Pedreros, James Verdin, Shraddhanand Shukla, Gregory Husak, James Rowland, Laura Harrison, Andrew Hoell und 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.
Die Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/PENTAD') .filter(ee.Filter.date('2018-05-01', '2018-05-05')); var precipitation = dataset.select('precipitation'); var precipitationVis = { min: 0, max: 112, 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/PENTAD').filter( ee.Filter.date('2018-05-01', '2018-05-05') ) precipitation = dataset.select('precipitation') precipitation_vis = { 'min': 0, 'max': 112, '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