中國高分辨率高質量地面NO2數據集(2008-2023)

  • 時間分辨率:日
  • 空間分辨率:1km - 10km
  • 共享方式:開放獲取
  • 數據大小:15.36 GB
  • 數據時間范圍:2008-01-01 — 2023-12-31
  • 元數據更新時間:2024-08-19

?

數據集摘要

ChinaHighNO2數據集是中國高分辨率高質量近地表空氣污染物數據集(ChinaHighAirPollutants, CHAP)中地面NO2數據集。該數據集利用人工智能技術,考慮了空氣污染的時空異質特性,從大數據(如地基觀測、衛星遙感產品、大氣再分析和模式模擬資料等)中生產得到2008年至今全國無縫隙地面NO2數據,主要范圍為整個中國地區,空間分辨率2019年之前為10 km,2019年之后為1 km,10公里數據十折交叉驗證決定系數R2為0.84,均方根誤差RMSE為7.99 μg/m3;1公里數據十折交叉驗證決定系數R2為0.93,均方根誤差RMSE為4.89 μg/m3,時間分辨率為日、月、年,單位為μg/m3。注意:該數據集持續更新,如需要更多數據,請發郵件聯系作者(weijing_rs@163.com; weijing@umd.edu)。 數據文件中包含NC轉GeoTiff的四種代碼(Python、Matlab、IDL和R語言)nc2geotiff codes。

數據文件命名方式和使用方法

文件命名:該數據以NetCDF文件格式存儲,文件的名稱為CHAP_NO2_ab_yyyymmdd_V1.nc,其中a表示時間分辨率(D表示日數據,M表示月數據,Y表示年數據),b表示空間分辨率(1K表示1km),yyyy代表年,mm表示月,dd表示日。數據讀取方式:可用Python、Matlab、IDL等編程實現文件從nc到tif的轉換。數據坐標系為WGS-1984,背景值為65535。

本數據要求的引用方式數據引用必讀

數據的引用

韋晶, 李占清. (2023). 中國高分辨率高質量地面NO2數據集(2008-2023). 國家青藏高原科學數據中心.?https://doi.org/10.5281/zenodo.4571660.

Wei, J., Li, Z. (2023). ChinaHighNO2: High-resolution and High-quality Ground-level NO2 Dataset for China (2008-2023). National Tibetan Plateau / Third Pole Environment Data Center.?https://doi.org/10.5281/zenodo.4571660.

(下載引用:?RIS格式?RIS英文格式?Bibtex格式?Bibtex英文格式?)

文章的引用

1、Wei, J., Liu, S., Li, Z., Liu, C., Qin, K., Liu, X., Pinker, R., Dickerson, R., Lin, J., Boersma, K., Sun, L., Li, R., Xue, W., Cui, Y., Zhang, C., & Wang, J. (2022). Ground-level NO2 surveillance from space across China for high resolution using interpretable spatiotemporally weighted artificial intelligence. Environmental Science & Technology, 56(14), 9988–9998. https://doi.org/10.1021/acs.est.2c03834?(?查看?下載?Bibtex格式?)

2、Wei, J., Li, Z., Wang, J., Li, C., Gupta, P., & Cribb, M. (2023). Ground-level gaseous pollutants (NO2, SO2, and CO) in China: daily seamless mapping and spatiotemporal variations. Atmospheric Chemistry and Physics, 23, 1511–1532. https://doi.org/10.5194/acp-23-1511-2023?(?查看?下載?Bibtex格式?)

?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/907802.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/907802.shtml
英文地址,請注明出處:http://en.pswp.cn/news/907802.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Redis實戰-基于redis和lua腳本實現分布式鎖以及Redission源碼解析【萬字長文】

前言: 在上篇博客中,我們探討了單機模式下如何通過悲觀鎖(synchronized)實現"一人一單"功能。然而,在分布式系統或集群環境下,單純依賴JVM級別的鎖機制會出現線程并發安全問題,因為這…

剪枝中的 `break` 與 `return` 區別詳解

在回溯算法的剪枝操作中: if (sum candidates[i] > target) break;這個 break 既不等效于 return,也不會終止整個回溯過程。它只會終止當前層循環的后續迭代,而不會影響其他分支的回溯。讓我用圖解和示例詳細說明: &#x1…

計算機網絡第1章(下):網絡性能指標與分層模型全面解析

目錄 一、計算機網絡的性能指標1.1 性能指標1:速率1.2 性能指標2:帶寬1.3 性能指標3:吞吐量1.4 性能指標4:時延1.5 性能指標5:時延帶寬積1.6 性能指標6:往返時延1.7 性能指標7:信道利用率 二、計…

C#數字圖像處理(二)

文章目錄 1.灰度直方圖1.1 灰度直方圖定義1.2 灰度直方圖編程實例 2.線性點運算2.1線性點運算定義2.2 線性點運算編程實例 3.全等級直方圖灰度拉伸3.1 灰度拉伸定義3.2 灰度拉伸編程實例 4.直方圖均衡化4.1 直方圖均衡化定義4.2 直方圖均衡化編程實例 5.直方圖匹配5.1 直方圖匹…

訓練中常見的運動強度分類

概述 有氧運動是耐力基礎,乳酸閾值是耐力突破的關鍵,提升乳酸閾值可以延緩疲勞,無氧運動側重速度和力量,混氧和最大攝氧量用于細化訓練強度和評估潛力。 分類強度供能系統乳酸濃度訓練目標有氧運動低(60%-80% HR&…

數智管理學(十五)

第五章 數智化時代的組織結構模型 第一節 傳統金字塔型結構向分布式網絡型的演變 在當今數智化時代,企業所處的市場環境發生了翻天覆地的變化,技術創新日新月異,客戶需求日益多樣化和個性化,市場競爭愈發激烈。傳統的金字塔型組…

AAA基礎配置

文章目錄 組網需求組網拓撲實驗步驟測試結果配置文件 組網需求 為組網安全,經常會使用AAA技術,本次以CE12800交換機Window為例,實現AAA本地認證登錄 組網拓撲 實驗步驟 配置接口IP,連通終端進入AAA視圖配置用戶名密碼配置賬戶權…

基于微信小程序的云校園信息服務平臺設計與實現(源碼+定制+開發)云端校園服務系統開發 面向師生的校園事務小程序設計與實現 融合微信生態的智慧校園管理系統開發

博主介紹: ?我是阿龍,一名專注于Java技術領域的程序員,全網擁有10W粉絲。作為CSDN特邀作者、博客專家、新星計劃導師,我在計算機畢業設計開發方面積累了豐富的經驗。同時,我也是掘金、華為云、阿里云、InfoQ等平臺…

RV1126-OPENCV Mat理解和AT函數

一.Mat概念 Mat 是整個圖像存儲的核心也是所有圖像處理的最基礎的類,Mat 主要存儲圖像的矩陣類型,包括向量、矩陣、灰度或者彩色圖像等等。Mat由兩部分組成:矩陣頭,矩陣數據。矩陣頭是存儲圖像的長度、寬度、色彩信息等頭部信息&a…

23、Swift框架微調實戰(3)-Qwen2.5-VL-7B LORA微調OCR數據集

一、模型介紹 Qwen2.5-VL 是阿里通義千問團隊開源的視覺語言模型,具有3B、7B和72B三種不同規模,能夠識別常見物體、分析圖像中的文本、圖表等元素,并具備作為視覺Agent的能力。 Qwen2.5-VL 具備作為視覺Agent的能力,可以推理并動態使用工具,初步操作電腦和手機。在視頻處…

能按需拆分 PDF 為多個文檔的工具

軟件介紹 彩鳳 PDF 拆分精靈是一款具備 PDF 拆分功能的軟件。 功能特點 PDF 拆分功能較為常見,很多 PDF 軟件都具備,例如 DC 軟件提取 PDF 較為方便,但它不能從一個 PDF 里提取出多個 PDF。據印象,其他 PDF 軟件也似乎沒有能從…

Apache Kafka 實現原理深度解析:生產、存儲與消費全流程

Apache Kafka 實現原理深度解析:生產、存儲與消費全流程 引言 Apache Kafka 作為分布式流處理平臺的核心,其高吞吐、低延遲、持久化存儲的設計使其成為現代數據管道的事實標準。本文將從消息生產、持久化存儲、消息消費三個階段拆解 Kafka 的核心實現原…

【Vue 3全棧實戰】從組合式API到企業級架構設計

目錄 🌟 前言🏗? 技術背景與價值🩹 當前技術痛點🛠? 解決方案概述👥 目標讀者說明 🧠 一、技術原理剖析📊 核心概念圖解💡 核心作用講解🔧 關鍵技術模塊說明?? 技術選…

支持功能安全ASIL-B的矩陣管理芯片IS32LT3365,助力ADB大燈系統輕松實現功能安全等級

隨著自動駕駛技術的快速發展,汽車前燈智能化也越來越高。自適應遠光燈 (ADB) 作為一種智能照明系統,在提升駕駛安全性和舒適性方面發揮著重要作用。ADB 系統通過攝像頭和傳感器獲取前方道路信息,例如來車的位置、距離和速度,并根據…

基于 Flickr30k-Entities 數據集 的 Phrase Localization

以下示例基于 Flickr30k-Entities 數據集中的標注,以及近期(以 TransVG (Li et al. 2021)為例)在短語定位(Phrase Grounding)任務上的評測結果,展示了單張圖片中若干名詞短語的定位情…

Java Spring Boot 自定義注解詳解與實踐

目錄 一、自定義注解的場景與優勢1.1 場景1.2 優勢 二、創建自定義注解2.1 定義注解2.2 創建注解處理器 三、使用自定義注解3.1 在業務方法上使用注解3.2 配置類加載注解 四、總結 在 Spring Boot 中,自定義注解為我們提供了一種靈活且強大的方式來簡化開發、增強代…

YOLOv5 環境配置指南

系統要求 Windows/Linux/MacOSNVIDIA GPU (推薦) 或 CPUPython 3.8CUDA 11.8 (如果使用 GPU) 安裝步驟 1. 安裝 Conda 如果還沒有安裝 Conda,請先從官網下載并安裝 Miniconda。 2. 創建虛擬環境 # 創建名為 yolov5 的新環境,使用 Python 3.8 conda…

標準精讀:2025 《可信數據空間 技術架構》【附全文閱讀】

《可信數據空間 技術架構》規范了可信數據空間的技術架構,明確其作為國家數據基礎設施的定位,以數字合約和使用控制技術為核心,涵蓋功能架構(含服務平臺與接入連接器的身份管理、目錄管理、數字合約管理等功能)、業務流程(登記、發現、創建空間及數據流通利用)及安全要求…

02.上帝之心算法用GPU計算提速50倍

本文介紹了上帝之心的算法及其Python實現,使用Python語言的性能分析工具測算性能瓶頸,將算法最耗時的部分重構至CUDA C語言在純GPU上運行,利用GPU核心更多并行更快的優勢顯著提高算法運算速度,實現了結果不變的情況下將耗時縮短五…

Elasticsearch的集群管理介紹

Elasticsearch 集群管理是確保分布式環境下系統穩定運行、高可用和高性能的關鍵。以下從集群架構、節點類型、故障轉移到監控優化,全面解析 Elasticsearch 集群管理的核心要點: 一、集群架構與節點類型 1. 基本概念 集群(Cluster):由一個或多個節點組成,共同存儲數據并…