این مجموعه داده بخشی از «کاتالوگ ناشر» است و توسط Google Earth Engine مدیریت نمی‌شود. برای گزارش اشکال، با oya-team@google.com تماس بگیرید یا مجموعه داده‌های بیشتری از «کاتالوگ Oya» مشاهده کنید. درباره مجموعه‌داده‌های «ناشر» بیشتر بدانید.
- مالک کاتالوگ
- Oya
- دردسترس بودن مجموعه داده
- 2004-01-01T00:00:00Z–2026-05-26T05:00:00Z
- تولیدکننده مجموعه داده
- توالی
- ۳۰ دقیقه
- برچسب‌ها
شرح
Oya یک مجموعه داده تخمین بارش با وضوح بالا و شبه‌جهانی است که از مشاهدات ماهواره‌ای زمین‌ایستا (GEO) به‌دست آمده است.
مدل Oya از طیف کامل کانال‌های مرئی و فروسرخ (VIS-IR) از منظومه‌ای از ماهواره‌های GEO (ازجمله GOES-16/18، Meteosat-9/10، و Himawari-8/9) برای تولید برآوردهای بارش پوشش‌دهنده ۶۰ درجه شمالی تا ۶۰ درجه جنوبی استفاده می‌کند.
برای رفع عدم توازن ذاتی داده‌ها بین رویدادهای بارانی و غیربارانی، Oya از رویکرد یادگیری عمیق دو مرحله‌ای استفاده می‌کند. این مدل دو مدل U-Net را ترکیب می‌کند: یکی برای تشخیص بارش و دیگری برای «برآورد کمی بارش» (QPE). این مدل‌ها بااستفاده از داده‌های با وضوح بالای GPM Combined Radar-Radiometer Algorithm (CORRA) v07 به‌عنوان واقعیت عینی آموزش داده شده‌اند و برای افزایش استحکام، روی بازیابی‌های IMERG-Final پیش‌آموزش دیده‌اند.
Oya در مقایسه با خطوط پایه عملیاتی موجود مبتنی بر GEO، مانند نرخ باران مادون قرمز دینامیکی PERSIANN (PDIR-Now) و نرخ بارندگی همرفتی (CRR)، در تمام شدت‌های بارش عملکرد برتری نشان می‌دهد. همچنین عملکرد بهتری نسبت‌به محصولات مبتنی‌بر «مایکروویو غیرفعال» (PMW) مانند «بازیابی‌های چندماهواره‌ای یکپارچه برای GPM» (IMERG) اولیه دارد و با محصولات درجه تحقیقاتی مانند IMERG نهایی که تأخیر ۳٫۵ ماهه دارد، رقابت می‌کند. این مجموعه داده شامل سابقه نیم‌ساعته‌ای است که از سال ۲۰۰۴ با وضوح فضایی ۵ کیلومتر تولید شده است.
محدودیت‌ها:
- کاهش جغرافیایی: دقت بازیابی در مناطق گرمسیری بالاترین است و در عرض‌های جغرافیایی بالاتر کاهش می‌یابد. این امر به اثرات زاویه دید ماهواره زمین‌ایستا، به‌ویژه تاریک شدن لبه و جابه‌جایی اختلاف منظر، نسبت داده می‌شود.
- چالش‌های توپوگرافی: این مدل در مناطق خشک و مرتفع، به‌ویژه فلات تبت، عملکرد ضعیف‌تری نشان می‌دهد.
- مشاهده غیرمستقیم: Oya به‌عنوان محصولی مبتنی بر IR/VIS، بارش را از ویژگی‌های بالای ابر استنباط می‌کند، نه ازطریق حس کردن مستقیم قطرات باران (مانند رادار یا ابزارهای مایکروویو غیرفعال).
Google هیچ تعهدی درباره به‌روزرسانی‌های آتی این مجموعه داده ندارد.
توجه: مقاله مرتبط با عنوان «Oya: Deep Learning for Accurate Global Precipitation Estimation» هنوز تحت بازبینی رسمی همتا قرار نگرفته است. به‌زودی در arxiv منتشر می‌شود.
باند
باند
اندازه پیکسل: ۵۰۰۰ متر (همه باندها)
| نام | واحدها | اندازه پیکسل | شرح |
|---|---|---|---|
precipitation |
میلی‌متر در ساعت | ۵۰۰۰ متر | تخمین بارش |
مشخصات تصویر
ویژگی‌های تصویر
| نام | نوع | شرح |
|---|---|---|
| ingestion_time_utc | رشته | زمان دریافت. |
شرایط استفاده
شرایط استفاده
کاوش با Earth Engine
ویرایشگر کد (جاوا اسکریپت)
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" );