यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है. बग की शिकायत करने के लिए, oya-team@google.com पर संपर्क करें या Oya कैटलॉग से अन्य डेटासेट देखें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
- कैटलॉग का मालिक
- Oya
- डेटासेट की उपलब्धता
- 2004-01-01T00:00:00Z–2026-05-10T00:00:00Z
- डेटासेट बनाने वाली कंपनी
- केडेंस
- 30 मिनट
- टैग
ब्यौरा
Oya, दुनिया भर में बारिश या बर्फ़बारी की संभावना का अनुमान लगाने वाला एक हाई रिज़ॉल्यूशन डेटासेट है. इसे जियोस्टेशनरी (GEO) सैटलाइट से मिले डेटा के आधार पर तैयार किया गया है.
Oya मॉडल, GEO सैटलाइट के तारामंडल से मिले विज़िबल और इन्फ़्रारेड (वीआईएस-आईआर) चैनलों के पूरे स्पेक्ट्रम का इस्तेमाल करता है. इसमें GOES-16/18, Meteosat-9/10, और Himawari-8/9 शामिल हैं. इनकी मदद से, 60°N से 60°S तक के इलाकों में बारिश या बर्फ़बारी की संभावना का अनुमान लगाया जाता है.
बारिश या बर्फ़बारी होने और न होने के इवेंट के बीच डेटा के असंतुलन को दूर करने के लिए, Oya डीप लर्निंग के दो चरणों वाले तरीके का इस्तेमाल करता है. इसमें दो U-Net मॉडल शामिल हैं: एक मॉडल, बारिश या बर्फ़बारी का पता लगाने के लिए और दूसरा, बारिश या बर्फ़बारी की मात्रा का अनुमान लगाने के लिए. इन मॉडल को, GPM कंबाइंड रडार-रेडिओमीटर एल्गोरिदम (CORRA) v07 के हाई रिज़ॉल्यूशन डेटा का इस्तेमाल करके ट्रेन किया जाता है. इसे ग्राउंड ट्रुथ के तौर पर इस्तेमाल किया जाता है. साथ ही, इन्हें IMERG-Final से मिले डेटा के आधार पर पहले से ही ट्रेन किया जाता है, ताकि इनकी परफ़ॉर्मेंस बेहतर हो.
Oya, बारिश या बर्फ़बारी की सभी इंटेंसिटी के लिए, मौजूदा GEO-आधारित बेसलाइन की तुलना में बेहतर परफ़ॉर्मेंस दिखाता है. जैसे, PERSIANN DynamicInfrared Rain Rate (PDIR-Now) और Convective Rainfall Rate (CRR). यह पैसिव माइक्रोवेव (पीएमडब्ल्यू) पर आधारित प्रॉडक्ट से भी बेहतर परफ़ॉर्म करता है. जैसे, GPM (IMERG) Early के लिए इंटिग्रेटेड मल्टीसैटलाइट रिट्रीवल. साथ ही, यह IMERG Final जैसे रिसर्च-ग्रेड प्रॉडक्ट के मुकाबले भी बेहतर है. IMERG Final में 3.5 महीने की लेटेन्सी होती है. इस डेटासेट में, 2004 से हर आधे घंटे का ऐतिहासिक रिकॉर्ड शामिल है. इसका स्पेस रिज़ॉल्यूशन 5 कि॰मी॰ है.
सीमाएं:
- भौगोलिक गिरावट: डेटा पाने की सटीक दर, ट्रॉपिकल ज़ोन में सबसे ज़्यादा होती है. वहीं, ज़्यादा अक्षांश वाले इलाकों में यह कम हो जाती है. इसकी वजह, जियोस्टेशनरी सैटलाइट के व्यूइंग ऐंगल के इफ़ेक्ट हैं. खास तौर पर, लिंब डार्केनिंग और पैरेलेक्स शिफ़्ट.
- टपोग्राफ़िक चुनौतियां: यह मॉडल, सूखे और ज़्यादा ऊंचाई वाले इलाकों में कम परफ़ॉर्म करता है. खास तौर पर, तिब्बती पठार में.
- अप्रत्यक्ष निगरानी: Oya, आईआर/वीआईएस पर आधारित प्रॉडक्ट है. इसलिए, यह बारिश या बर्फ़बारी का अनुमान, बादलों की ऊपरी सतह की प्रॉपर्टी के आधार पर लगाता है. यह सीधे तौर पर बारिश की बूंदों को सेंस नहीं करता. जैसे, रडार या पैसिव माइक्रोवेव इंस्ट्रूमेंट करते हैं.
Google, इस डेटासेट के आने वाले अपडेट के बारे में कोई वादा नहीं करता.
ध्यान दें: Oya: Deep Learning for Accurate Global Precipitation Estimation से जुड़े पेपर की फ़िलहाल, फ़ॉर्मल पीयर रिव्यू नहीं किया गया है. इसे जल्द ही arxiv पर रिलीज़ किया जाएगा.
बैंड
बैंड
पिक्सल का साइज़: 5,000 मीटर (सभी बैंड)
| नाम | इकाई | पिक्सल का साइज़ | ब्यौरा |
|---|---|---|---|
precipitation |
मिमी/घंटा | 5,000 मीटर | बारिश या बर्फ़बारी की संभावना का अनुमान |
इमेज प्रॉपर्टी
इमेज प्रॉपर्टी
| नाम | टाइप | ब्यौरा |
|---|---|---|
| ingestion_time_utc | STRING | डेटा को शामिल करने का समय. |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
Earth Engine की मदद से एक्सप्लोर करें
कोड एडिटर (JavaScript)
var imageCollection = ee.ImageCollection( "projects/global-precipitation-nowcast/assets/global_estimation" ); // Select a single estimate. var singleEstimate = imageCollection.filterDate('2022-12-30T12-00').first(); // mask to remove 0 values var masked = singleEstimate.selfMask(); // Display on map. var visParams = { min: 0, max: 15, palette: [ '000096','0064ff', '00b4ff', '33db80', '9beb4a', 'ffeb00', 'ffb300', 'ff6400', 'eb1e00', 'af0000' ] }; Map.addLayer( masked, visParams, "Preciptation retrieval for 2022-12-30T12-00 in mm/hr" );