中国4 km日网格平均气温数据集(2000-2020)

最新推荐文章于 2025-12-16 16:32:45 发布
原创 最新推荐文章于 2025-12-16 16:32:45 发布 · 301 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #python #人工智能 #大数据 #机器学习

D259 中国4 km日网格平均气温数据集(2000-2020)

数据简介

      今天我们分享的是中国日度的网格，原始数据为NC格式，但考虑到NC格式使用起来对大家并不方便，我们将转换为Tif格式，并按照年份放于单独的文件夹中，全部分享给大家。

      该数据集提供的4km高分辨率日平均气温数据，对于深入研究中国区域气候变化规律、评估生态环境响应、支撑农业规划及城市热岛效应治理具有不可替代的价值。其长时间序列（2000-2020年）为揭示升温趋势、极端高温事件及陆气相互作用机制提供了关键数据基础，能显著提升气候模型精度与防灾减灾决策能力。

数据详情

数据来源：Zhang, J., & Peng, S. (2024). CDMet: 4 km daily gridded meteorological dataset for China from 2000 to 2020 [Data set]. Zenodo.

数据精度：4KM

数据时间：2000-2020

数据范围：中国

数据格式：NC/Tif

数据概览

原始数据为NC格式，为便于使用，我们将其转为了分为年份的日度Tif数据，数据概览如下：

图片

图片

数据引用

[1]Zhang, J., & Peng, S. (2024). CDMet: 4 km daily gridded meteorological dataset for China from 2000 to 2020 [Data set]. Zenodo.

【数据集】2000-2020年中国4 km日尺度气象数据集 (CDMet)
WW、forever的博客
12-10 684
2000-2020年中国4 km日尺度气象数据集 (CDMet)
中国1km分辨率逐月平均气温数据集 - matlab按shp批量裁剪
weixin_43339605的博客
07-16 273
本文介绍了利用MATLAB对中国1km分辨率逐月平均气温数据集进行批量裁剪处理的方法。数据集源自国家青藏高原科学数据中心，包含1901-2024年0.008333°（约1km）分辨率的NETCDF格式气温数据。处理流程包括：1）导入原始温度数据和shp文件进行四至裁剪；2）利用已有掩膜文件进行二次裁剪；3）对数据进行单位转换（0.1℃→℃）和无效值插值处理；4）计算相对平均温度并保存结果。通过该流程可实现研究区域内气温数据的精确提取，为后续分析提供基础数据支持。文中提供了完整的MATLAB代码实现方案。
1960-2020中国1km分辨率年均气温数据
大气环境数据屋
08-12 680
中国1km分辨率年均气温数据是在中国大陆2400多个站点的气温年统计结果的基础上，融合了NOAA Gsod中包括港澳台在内亚洲地区1300个站点的数据，使用Ansuplin插值软件生成的1960-2020年0.01°（约1km）的网格数据。Ansuplin基于薄盘样条函数理论，引入多个影响因子作为协变量进行气象要素空间插值，大大提高插值精度,且能同时进行多个表面的空间插值，对时间序列的气象要素更加适合。在温度计算时，引入高程数据作为协变量以提高数据精度。
【免费数据】2000-2020年中国4km分辨率逐日气象栅格数据（含9个气象变量）
weixin_63042008的博客
04-30 1000
【免费数据】2000-2020年中国4km分辨率逐日气象栅格数据（含9个气象变量）
1991-2020年中国气候月度历史-未来数据集
国科大硕士在读，分享Python/GEE/Matlab/R专业代码实践，涵盖数据分析、算法开发与应用技巧等，以代码会友。
04-23 1880
高分辨率气候数据对于了解气候变化对全球多个部门的影响非常重要。该研究利用1991—2020年的最新气象记录和最近更新的大气环流模式（GCMs），利用ANUSPLIN软件、delta校正（DC）降尺度和三次样条重采样方法，建立了一个30年平均0.01°（≈1 km）的气候数据集，包括5个基本气候变量和23个生物气候变量。该新数据集具有可靠的数据质量，并进一步为生态和气候影响研究提供高分辨率和偏差校正的中国长期平均历史和未来气候数据。
1960-2020中国1km分辨率年均风速数据
大气环境数据屋
08-13 1154
中国1km分辨率年均风速数据是在中国大陆2400多个站点的气温年统计结果的基础上，融合了NOAA Gsod中包括港澳台在内亚洲地区1300个站点的数据，使用Ansuplin插值软件生成的1960-2020年0.01°（约1km）的网格数据。Ansuplin基于薄盘样条函数理论，引入多个影响因子作为协变量进行气象要素空间插值，大大提高插值精度，且能同时进行多个表面的空间插值，对时间序列的气象要素更加适合。在风速计算时，引入高程数据作为协变量以提高数据精度。
【数据集】中国日尺度1 km全天候地表温度数据集（2000-2022）
WW、forever的博客
05-29 513
【数据集】中国日尺度1 km全天候地表温度数据集（2000-2022）
(全新整理)1901-2023年1km分辨率全国逐年平均气温栅格数据
2301_79696294的博客
11-02 1284
该逐年平均气温数据是基于逐月平均气温数据计算得来的。逐月平均气温数据来源于彭守璋学者在国家青藏高原科学数据中心平台上分享的数据，基于1901-2023年1km分辨率的逐月平均气温栅格数据，通过对当年12个月逐月平均气温栅格计算平均数得到逐年平均气温栅格！来源于网络的资源版权归出版社或原作者所有，仅供学习，请勿用于商业。空间分辨率：0.0083333°（约1km）时间范围：1901-2023年（逐年）数据坐标：GCS_WGS_1984。数据格式：栅格格式（.tif）数据单位：摄氏度（ ℃）
【数据分享】1901-2022年1km分辨率逐月平均气温栅格数据（全国/分省/免费获取）
weixin_63042008的博客
07-26 1157
【数据分享】1901-2022年1km分辨率逐月平均气温栅格数据（全国/分省/免费获取）
精选资源
2000-2020年中国逐日气象数据：（气温、降水、日照等9个要素，4KM分辨率网格）
06-24
本数据集为中国逐日多要素气象数据，包括2m最高气温（K）、最低气温（K）、平均气温（K）、降水量（mm）、平均地表温度（K）、10m平均风速（m/s）、相对湿度（%）、表面压力（hPa）和日照时数（h），空间分辨率为0....
精选资源
2019中国1km分辨率逐月平均气温数据集..rar
07-22
标题中的“2019中国1km分辨率逐月平均气温数据集”指的是一个气候学相关的数据资源，包含的是2019年中国境内每个1公里网格的月度平均气温数据。这种数据通常由气象部门或者科研机构通过长时间的观测和数据分析得到，...
2018中国1km分辨率逐月平均气温数据集..rar
07-22
标题中的“2018中国1km分辨率逐月平均气温数据集”是一个气候学和地理信息系统（GIS）相关的数据资源，包含了2018年中国境内每个1公里网格区域的逐月平均气温数值。这种类型的数据集对于研究气候变化、气象预报、...
【文献阅读】DP-Site：一种基于双重深度学习的蛋白质-肽相互作用位点预测方法
weixin_42038527的博客
12-16 465
研究团队开发了一款名为DP-Site的AI工具，仅需分析蛋白质的氨基酸序列（“设计图”），就能精准锁定小分子药物的潜在“靶点”。DP-Site的核心创新在于其 “双专家会诊”模式。一位是“图像专家”，擅长分析序列的局部结构特征；另一位是“语义专家”，擅长理解序列的全局上下文信息。两者协同工作，使其预测综合性能（F1分数）达到0.661，超越此前所有方法。
基于深度学习的肾结石检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
最新发布
ningfoshao8678的博客
12-16 675
本文介绍了基于YOLO目标检测算法开发的肾结石检测系统。该系统支持图片、视频、文件夹批量及摄像头实时检测，包含用户登录、多模型切换等功能。技术栈采用Python3.10、PyQt5和SQLite，对比了YOLOv5/v8/v11/v12四种模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。系统在17000张肾脏影像数据集上训练，mAP@0.5达90%，F1值0.86，能有效识别肾结石位置并显示置信度。
深度学习中 z-score 标准化理解
musk1212的博客
12-11 1128
摘要： z-score标准化是深度学习中关键的数据预处理方法，通过将数据转换为均值为0、标准差为1的分布，有效提升模型训练效率并消除特征量纲差异。其核心公式为z=(x-μ)/σ，适用于加速收敛、平衡多特征权重及异常值检测等场景。与Min-Max归一化相比，z-score对异常值更鲁棒，是神经网络训练的首选方法。需注意避免数据泄露问题（测试集必须使用训练集的μ和σ），并处理标准差为0的特殊情况。批量归一化(BatchNorm)是z-score的动态扩展版本。
深度学习理论与实战：反向传播、参数初始化与优化算法全解析
2501_92613722的博客
12-16 658
深度学习训练核心闭环：精准算梯度、合理初始化参数、高效更参数 反向传播：链式求导为基，从损失反向回溯算梯度，附 Sigmoid 实例 参数初始化：讲手动 / 经典方法，Module 初始化技巧与核心原则、选择 优化算法：SGD 为基，动量法 / Adagrad/RMSProp/Adadelta/Adam 解析与对比 核心总结：反向传播、初始化、优化算法要点及训练细节
RNN（循环神经网络）原理
weixin_45776000的博客
12-12 490
RNN的突破：引入"记忆"概念，让网络可以记住之前的信息来处理当前输入。无法建模时间依赖：比如语言中"我今天吃了__"的预测需要前面信息。无记忆性：每个输入独立处理，忽略序列中元素的时间/顺序关系。关键：所有时间步共享相同的权重参数 W, U, V。主要问题：梯度消失/爆炸，通过LSTM/GRU缓解。W: 隐藏状态权重 (h_t-1 → h_t)应用场景：NLP、时间序列、语音识别等序列任务。输入：序列 → 编码 → 解码 → 输出序列。U: 输入权重 (x_t → h_t)
基于深度学习的网络流量异常检测系统
XiaoMu_001的博客
12-11 985
本项目旨在构建一个基于深度学习的高效网络流量异常检测系统。系统采用 **B/S 架构**，前后端分离设计。后端基于 **Django** 框架，前端采用 **Vue 3** + **Element Plus**。核心检测引擎利用 **PyTorch** 构建深度学习模型（MLP 和 1D-CNN），能够对网络流量数据进行实时或离线分析，精准识别良性流量及多种类型的网络攻击（如 DoS, PortScan, Web Attack 等）
授权委托书识别技术：利用深度学习和NLP实现纸质文档的智能解析
智能图像识别
12-12 778
摘要：授权委托书识别技术利用深度学习和NLP实现纸质文档的智能解析，通过OCR和NER技术精准提取关键字段，准确率达98%以上。该系统具备批量处理、自适应学习、风险预警等功能，处理效率较人工提升数十倍，已广泛应用于政务、金融、法律等领域。该技术不仅大幅提升业务办理效率，还通过本地化部署确保数据安全，正推动多行业数字化转型，未来将与区块链等技术进一步融合，构建更完善的数字化授权解决方案。（149字）
中国1km分辨率多尺度SPEI干旱数据集生成源码
该数据集聚焦于2001年至2020年中国大陆地区的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index, SPEI），在空间分辨率达到1公里，显著优于传统全球或区域尺度干旱指数产品的空间细节表现...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值