CHIRPS Daily: Climate Hazards Center InfraRed Precipitation With Station Data (Version 2.0 Final)

UCSB-CHG/CHIRPS/روزانه
در دسترس بودن مجموعه داده‌ها
1981-01-01T00:00:00Z–2025-09-30T00:00:00Z
ارائه دهنده مجموعه داده
قطعه کد موتور زمین
ee.ImageCollection("UCSB-CHG/CHIRPS/DAILY")
کادانس
۱ روز
برچسب‌ها
آب و هوای chg ، بارش ژئوفیزیکی، آب و هوای ucsb

توضیحات

مرکز مخاطرات اقلیمی بارش مادون قرمز با داده‌های ایستگاه (CHIRPS) یک مجموعه داده بارش شبه جهانی 30+ ساله است. CHIRPS تصاویر ماهواره‌ای با وضوح 0.05 درجه را با داده‌های ایستگاه‌های مستقر در محل ترکیب می‌کند تا سری‌های زمانی بارش شبکه‌ای را برای تجزیه و تحلیل روند و پایش خشکسالی فصلی ایجاد کند.

باندها

اندازه پیکسل
۵۵۶۶ متر

باندها

نام واحدها حداقل مکس اندازه پیکسل توضیحات
precipitation میلی‌متر/روز 0* ۱۴۴۴.۳۴* متر

بارش

* حداقل یا حداکثر مقدار تخمینی

شرایط استفاده

شرایط استفاده

این مجموعه داده‌ها در مالکیت عمومی هستند. تا حد امکان طبق قانون، پیت پترسون از تمام حق چاپ و حقوق مرتبط یا مجاور به مرکز خطرات آب و هوایی بارش مادون قرمز با ایستگاه‌ها (CHIRPS) صرف نظر کرده است.

نقل قول‌ها

نقل قول ها:
  • فانک، کریس، پیت پترسون، مارتین لندسفلد، دیه‌گو پدرروس، جیمز وردین، شرادهاناند شوکلا، گرگوری هوساک، جیمز رولند، لورا هریسون، اندرو هول و جوئل مایکلسن. «خطرات آب و هوایی ناشی از بارش مادون قرمز با ایستگاه‌ها - یک رکورد زیست‌محیطی جدید برای نظارت بر شرایط حدی». داده‌های علمی ۲، ۱۵۰۰۶۶. doi:10.1038/sdata.2015.66 2015.

با موتور زمین کاوش کنید

ویرایشگر کد (جاوااسکریپت)

var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY')
                  .filter(ee.Filter.date('2018-05-01', '2018-05-03'));
var precipitation = dataset.select('precipitation');
var precipitationVis = {
  min: 1,
  max: 17,
  palette: ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
};
Map.setCenter(17.93, 7.71, 2);
Map.addLayer(precipitation, precipitationVis, 'Precipitation');

تنظیمات پایتون

برای اطلاعات بیشتر در مورد API پایتون و استفاده از geemap برای توسعه تعاملی، به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY').filter(
    ee.Filter.date('2018-05-01', '2018-05-03')
)
precipitation = dataset.select('precipitation')
precipitation_vis = {
    'min': 1,
    'max': 17,
    'palette': ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
}

m = geemap.Map()
m.set_center(17.93, 7.71, 2)
m.add_layer(precipitation, precipitation_vis, 'Precipitation')
m
باز کردن در ویرایشگر کد