R| worldmet

worldmet是一个R包,可简便访问NOAA综合地面数据库(ISD)的气象观测数据,该数据库含全球35000多个地点的详细地面气象数据。其输出能与openair包配合,可通过devtools从GitHub安装,还介绍了搜索气象站点及获取数据的方法。

https://github.com/davidcarslaw/worldmet

https://blog.youkuaiyun.com/kMD8d5R/article/details/81160916

worldmet  -  R包,用于访问NOAA综合地面数据库(ISD)气象观测

worldmet提供了一种从NOAA集成表面数据库(ISD)访问数据的简便方法。 ISD包含来自世界各地的35,000多个地点的详细地面气象数据。 另见地图。

包装输出(通常是每小时的气象数据)与openair包很好地配合。

安装

使用devtools软件包可以轻松地从GitHub安装worldmet。

require(devtools)
install_github('davidcarslaw/worldmet')

简要例子


为了搜索气象站点,用户可以通过大写或小写的站点名称或部分名称进行搜索。 getMeta函数将返回与搜索字符串匹配的所有站点名称。 返回的最重要信息是代码,然后可以将代码提供给下载数据的importNOAA函数。

例如,要搜索网站“希思罗机场”:

library(worldmet)
## user getMeta function to search for sites
## note code to be used in importNOAA

getMeta(site = "heathrow")
##        USAF  WBAN  STATION CTRY ST CALL latitude longitude ELEV(M)
## 1669 037720 99999 HEATHROW   UK    EGLL   51.478    -0.461    25.3
##           BEGIN        END         code dist
## 1669 1948-12-01 2017-12-15 037720-99999   NA


我们经常有一个纬度/经度。 可以基于提供的十进制坐标进行搜索,并返回前n个最近的站点。 地图显示用户搜索的位置(红点)和显示最近的气象站的标记。 单击站标记以获取代码和其他基本信息。

## search for near a specified lat/lon - near Beijing airport
## returns 'n' nearest by default
info <- getMeta(lat = 40, lon = 116.9)

map of Beijing area

 

要获得数据,用户必须提供代码(见上文)和感兴趣的年份或年份。 例如,要在2010年下载希思罗机场的数据(代码037720-99999):

dat <- importNOAA(code = "037720-99999", year = 2010)
head(dat)
## # A tibble: 6 x 23
##                  date   usaf  wban         code  station    lat   lon
##                <dttm>  <chr> <int>        <chr>    <chr>  <dbl> <dbl>
## 1 2010-01-01 00:00:00 037720 99999 037720-99999 HEATHROW 51.483 -0.45
## 2 2010-01-01 01:00:00 037720 99999 037720-99999 HEATHROW 51.483 -0.45
## 3 2010-01-01 02:00:00 037720 99999 037720-99999 HEATHROW 51.483 -0.45
## 4 2010-01-01 03:00:00 037720 99999 037720-99999 HEATHROW 51.483 -0.45
## 5 2010-01-01 04:00:00 037720 99999 037720-99999 HEATHROW 51.483 -0.45
## 6 2010-01-01 05:00:00 037720 99999 037720-99999 HEATHROW 51.483 -0.45
## # ... with 16 more variables: elev <dbl>, wd <dbl>, ws <dbl>,
## #   ceil_hgt <dbl>, visibility <dbl>, air_temp <dbl>, dew_point <dbl>,
## #   atmos_pres <dbl>, RH <dbl>, cl_1 <dbl>, cl_1_height <dbl>, cl_2 <dbl>,
## #   cl_2_height <dbl>, cl_3 <dbl>, cl_3_height <dbl>, cl <dbl>
【unet改进实战】基于unet+SCSE注意力机制改进实现的【自动驾驶】图像语义分割+项目说明书+数据集+完整代码 项目概述 本项目基于PyTorch框架构建了一个通用图像分割系统,全面支持二分类及多类别分割任务。 系统功能 该系统提供从数据预处理到模型训练、验证评估的全流程解决方案,具备高度可配置性和实用性: 数据处理:支持自定义图像和掩码文件格式(如.jpg、.png等),自动处理不连续标签值,集成多种数据增强技术提升模型泛化能力 模型架构:基于UNet实现,可通过参数灵活调整输入尺寸、卷积通道数等,兼容不同类别数量的分割任务(通过--num_classes参数指定) 训练功能:支持GPU加速,提供学习率、批次大小等超参数配置选项,实时记录损失曲线和评估指标(如IoU、Dice系数),自动保存最优模型权重 使用流程 按规范组织数据集(图像与掩码文件需名称对应,分别存放在images/masks子目录) 通过命令行参数启动训练,可指定: 数据路径(--data_dir) 学习率(--learning_rate) 标签映射规则(--label_mapping)等 系统输出包含: 模型权重文件(.pth) 训练曲线可视化图表 指标日志文件 注意事项 掩码图像应为单通道灰度图,标签值为整数 多分类任务推荐使用one-hot编码掩码 项目依赖主流科学计算库(PyTorch、NumPy)及可视化工具(Matplotlib),安装简便 应用领域 该系统适用于医学影像、遥感等领域的语义分割任务,兼顾易用性与扩展性。用户可通过调整UNet深度或添加注意力机制等方式进一步优化性能。 【项目说明书】包含完整代码实现与原理讲解。https://blog.youkuaiyun.com/qq_44886601/category_12858320.html
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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