黑河流域30弧秒分辨率月尺度地表水及地下水灌溉量数据集(1981-2013)

article/2025/7/6 9:16:35
  • 时间分辨率:月
  • 空间分辨率:<= 0.01º
  • 共享方式:开放获取
  • 数据大小:573.97 MB
  • 数据时间范围:1981-01-13 — 2014-01-12
  • 元数据更新时间:2021-04-19

 

数据集摘要

农业灌溉占人类用水量的80%左右, 是人类水资源管理中最主要的一环,与人类生存和发展息息相关。灌溉也是水循环中重要的一环,大规模灌溉会通过影响蒸散发从而影响水循环,甚至影响局地的气候。灌溉引水取水过度会导致水资源不可持续利用,同时,会减少河道流量和含水层水储量从而危害生态环境。 因此,确定空间和时间上灌溉量的分布和变化,对于研究过去人类水资源利用情况,灌溉对于生态水文过程,环境和气候的影响,以及制定未来灌溉计划至关重要。 通过融合不同数据源的河道引水灌溉量和地下水取水灌溉量,结合陆面模式CLM4.5模拟和遥感反演的蒸散发数据,制作了一套黑河流域1981-2013年月尺度空间分辨率为30弧秒(0.0083度)的时空连续的地表水和地下水灌溉量数据集。 经过验证,该数据集在2000-2013年可信度较高,1981-1999年由于无遥感数据支持且未考虑土体利用变化,可信度较2000-2013年段为低。 文件说明如下: 每月地表水灌溉量文件命名:Monthly_surfacewater_irrigation_1981-2013.nc 每月地下水灌溉量文件命名:Monthly_groundwater_irrigation_1981-2013.nc 数据为netcdf格式。有3个维度,依次为month, lat, lon. 其中month为月份,数值为0-395,代表1981-2013年逐个月份,lat为网格纬度信息,lon为网格经度信息。 灌溉量数据储存在data变量中,单位为m^3/month 为了方便使用,还提供对应的网格面积数据Heihe_area_size.nc,面积数据储存于该文件data变量中,单位为m^2

数据文件命名方式和使用方法

文件命名:每月地表水灌溉量文件命名:Monthly_surfacewater_irrigation_1981-2013.nc、每月地下水灌溉量文件命名:Monthly_groundwater_irrigation_1981-2013.nc 数据读取方式:数据为netcdf栅格格式,有3个维度,依次为month, lat, lon.可以用arcgis或者编程打开

本数据要求的引用方式

数据的引用

谢正辉. (2016). 黑河流域30弧秒分辨率月尺度地表水及地下水灌溉量数据集(1981-2013). 国家青藏高原科学数据中心. https://doi.org/10.11888/Hydro.tpdc.270573. https://cstr.cn/18406.11.Hydro.tpdc.270573.

Xie, Z. (2016). Monthly irrigation dataset (for both surface water and groundwater) with 30 sec spatial resolution over the Heihe River Basin (1981-2013). National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.11888/Hydro.tpdc.270573. https://cstr.cn/18406.11.Hydro.tpdc.270573.

(下载引用: RIS格式 RIS英文格式 Bibtex格式 Bibtex英文格式 )

文章的引用

1、Zeng, Yujin, Xie, Zhenghui, Yu, Yan, Liu, Shuang, Wang, Linying, Zou, Jing, Qin, Peihua, Jia, Binghao. Effects of anthropogenic water regulation and groundwater lateral flow on land processes. Journal of Advances in Modeling Earth Systems, 2016, :n/a-n/a. doi:10.1002/2016MS000646 ( 查看 Bibtex格式 )

2、Yujin Zeng, Zhenghui Xie, Yan Yu, Shuang Liu, Linying Wang, Binghao Jia, Peihua Qin, Yaning Chen. Ecohydrological effects of stream–aquifer water interaction: a case study of the Heihe River basin, northwestern China, 2016. Hydrology and Earth System Sciences, 20, 2333-2352, doi:10.5194/hess-20-2333-2016. ( 查看 Bibtex格式 )

 


http://www.hkcw.cn/article/xdlGGsAPJe.shtml

相关文章

反对内卷式恶性竞争 中国汽车工业协会发布倡议

反对“内卷式”恶性竞争 中国汽车工业协会发布重要倡议记者从中国汽车工业协会获悉,针对行业“内卷式”竞争,协会发布重要倡议,企业不应采取无序“价格战”,应维护公平竞争秩序。协会提出的四项倡议包括:一是所有企业严格遵从公平竞争原则,依法依规开展经营活动;二是优势…

时间序列数据如何转化为动态图实践笔记

文章目录 1 时间序列的状态的定义2 时序转化的实际案例解析2.1 步骤一&#xff1a;数据准备与特征提取2.2 步骤二&#xff1a;状态识别与节点构建2.3 步骤三&#xff1a;演化状态图构建2.4 步骤四&#xff1a;图神经网络&#xff08;GNN&#xff09;建模2.5 配套代码实践 看到 …

对COM组件的调用返回错误 HRESULT E_FAIL

方法1 网上的加载DLL到缓存&#xff0c;我通过GPT写了个批处理 1.bat 放到 Common7\IDE\PublicAssemblies 下 2. 添加环境变量 Path 按这个&#xff0c;DLL加入了缓存 但是 VS创建MFC项目还是失败 方法2&#xff1a;项目创建失败了&#xff0c;其实这个项目已经创建出来了…

Odoo OWL 框架深度研究(VIP10万字版)

一、核心理念、架构定位与实践价值 前言:为什么需要一份新的前端框架? 在Odoo的漫长发展历程中,其前端部分长期依赖于一个基于Backbone.js的自定义Widget系统。这个系统在当时是有效的,但随着前端技术的飞速发展(以React, Vue, Svelte等框架为代表),其固有的命令式编程…

TiDB 发布 MCP Server:引领国产数据库迈向智能 AI 代理新应用范式

随着人工智能&#xff08;AI&#xff09;技术的迅猛发展&#xff0c;我们已经进入了Agentic AI 时代——一个由大型语言模型&#xff08;LLM&#xff09;推动的智能化阶段。这个阶段不仅要求 LLM 理解指令&#xff0c;还要求其能主动做出决策并执行任务。在这个进化过程中&…

深入理解Transformer架构:从原理到实践

深入理解Transformer架构&#xff1a;从原理到实践 引言 Transformer架构自2017年由Google在论文《Attention Is All You Need》中提出以来&#xff0c;已经彻底改变了自然语言处理(NLP)领域&#xff0c;并逐渐扩展到计算机视觉、语音识别等多个领域。本文将深入解析Transfor…

Live Helper Chat 安装部署

Live Helper Chat(LHC)是一款开源的实时客服聊天系统,适用于网站和应用,帮助企业与访问者即时沟通。它功能丰富、灵活、可自托管,常被用于在线客户支持、销售咨询以及技术支持场景。 🧰 系统要求 安装要求 您提供的链接指向 Live Helper Chat 的官方安装指南页面,详细…

[定昌linux开发板]设定屏幕锁屏时间

点击左下角的图标 选择【preferences】->【screensaver】

技术原理简析:卫星遥感如何感知水体环境?

近年来&#xff0c;随着我国城镇化进程加快和经济社会快速发展&#xff0c;水环境治理特别是黑臭水体治理已成为河湖管理和城市治理的重点攻坚领域。随着治理工作的深入推进&#xff0c;如何实现从"治标"向"治本"转变&#xff0c;构建长效保持机制&#xf…

Oracle数据类型AnyType与AnyData

Any类型为过程参数和表列提供了高度灵活的建模&#xff0c;AnyType、AnyData与AnyDataSet是Oracle的3个新的数据类型&#xff0c;用于定义在现有数据类型之外的数据结构。其中每种数据类型必须用程序单元来定义&#xff0c;以便Oracle数据库知道如何处理这些类型的特定实现。 …

【笔记】Suna 部署之获取 RapidAPI key

#工作记录 Rapid API Marketplace & Management Tools 一、前期准备 在 Suna 部署过程中&#xff0c;部分功能依赖 RapidAPI 提供的 API 服务&#xff0c;因此需要获取 RapidAPI key 来完成配置。确保已拥有 RapidAPI 账号&#xff0c;若没有则需提前注册。 二、登录 Rapid…

企业数字化转型的6大核心要素:从战略到落地的系统方法论

企业数字化转型常因对核心要素认知偏差陷入 “工具替代战略” 的误区&#xff0c;如单纯采购系统却忽视数据治理或组织适配&#xff0c;导致转型低效甚至失败。本文聚焦转型本质&#xff0c;解析战略规划、业务技术融合、数据治理等 6 大关键要素&#xff0c;提供从认知到落地的…

STM32 I2C通信外设

1、外设简介 可变多主机 7位/10位寻址 10位寻址&#xff1a;起始之后的两个字节都作为寻址&#xff0c;第一个字节前5位是11110作为10位寻址的标志位 SMBus&#xff1a;系统管理总线&#xff0c;主要用于电源管理&#xff0c;与I2C类似 2、外设结构框图 比较器、自身地址寄…

AI书签管理工具开发全记录(六):前端管理基础框框搭建 Vue3+Element Plus

文章目录 AI书签管理工具开发全记录&#xff08;五&#xff09;&#xff1a;前端管理基础框框搭建&#xff08;Vue3Element Plus&#xff09;前言 &#x1f4dd;1. 前端技术选型 &#x1f6e0;️2. 项目创建与初始化 &#x1f680;2.1 创建项目2.2 配置路径别名2.3 配置代码格式…

Paraformer语音模型:一种语音模型加速方法

随着智能语音技术的普及&#xff0c;语音识别&#xff08;ASR&#xff09;、语音合成&#xff08;TTS&#xff09;、声纹识别等应用场景对模型推理效率提出了极高要求&#xff0c;本文介绍将Paraformer语音模型从预训练模型导出为ONNX格式&#xff0c;并使用ONNX Runtime进行推…

Spring,SpringMVC,SpringBoot

1.Spring最核心包括aop和ioc概念 AOP 能够将将哪些于业务无关的&#xff0c;并且大量重复的业务逻辑进行封装起来&#xff0c;便于减少重复代码&#xff0c;降低模块之间的耦合度&#xff0c;给未来的系统更好的可用性和可维护性。 Spring中AOP是采用动态代理&#xff0c;JDK代…

浏览器的渲染原理

浏览器的渲染原理 掘金 整个过程 网络 网络线程: 收到html,css,js 文件资源. 产生一个渲染任务,并将其传递给渲染主线程的消息队列. 渲染 在事件循环机制下, 渲染主线程取出消息队列中的渲染任务,开启渲染流程. 整个过程 渲染主线程 完成 绘制之前的所有工作合成线程和…

【30万像素实时调控!石墨烯“魔镜”突破毫米波极限】

12厘米见方的超表面&#xff0c;藏着30万个比头发丝还细的像素单元&#xff0c;正在无声地操控着无形的太赫兹波束。曼彻斯特大学的科学家们将石墨烯的非凡电学特性与现代显示技术巧妙融合&#xff0c;创造出世界上最大规模的可编程智能超表面。想象一下&#xff0c;只需轻轻点…

线性调频波形测距测速信号处理——全代码+注释

clear all close all clc %% 参数设置 fs600e6;%采样率 fc10.45e9;% 波形发射载频 t10e-6;%脉宽 f050e6;%波形中频频率 B10e6;%带宽 uB/(2*t);%调频斜率 Tv100e-6;% 脉冲重复周期 Num64;% 测速脉冲数 lamdfs/B;% 抽取带宽 Nsround(fs*t); NTvround(fs*Tv); tt0:1/fs:t-1/fs; ff…

Spine工具入门教程2之导入

1、导入定义 从原画转化为Spine的环节。 &#xff08;1&#xff09;选择路径&#xff0c;拖动图片导入方式 缺点&#xff1a;定位不准 【使用批量导出的方式】 在PS工具中&#xff0c;选择所有图层后右键选择导出。 在Spine工具中&#xff0c;选择路径导入图片。 然后再拖…