GEE开发之降雨(CHIRPS)数据获取和分析

已于 2023-03-04 13:30:26 修改
阅读量4.2k 收藏 70
点赞数 11
分类专栏： GEE系列 文章标签： GEE GEE降雨 GEE降雨月数据 GEE降雨年数据 GEE开发CHIRPS
于 2023-03-04 13:25:36 首次发布
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。
本文链接：https://blog.csdn.net/qq_32306361/article/details/129333118
版权
本文介绍了如何使用GoogleEarthEngine(GEE)来获取和分析ClimateHazardsGroupInfraRedPrecipitationwithStationData(CHIRPS)的逐日、逐月和逐年降雨数据。通过提供代码示例，展示了对2020年的CHIRPS数据进行过滤、可视化以及导出为TIFF文件的方法，适用于气候变化和干旱监测的研究。
摘要由CSDN通过智能技术生成

GEE开发之降雨CHIRPS数据获取和分析

前言：主要获取和分析UCSB-CHG/CHIRPS/DAILY的日数据、月数据和年数据。

1.数据介绍

  • 数据集： CHIRPS Daily: Climate Hazards Group InfraRed Precipitation With Station Data (Version 2.0 Final)
  • 数据说明： Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) 是一个记录了1981年到当前全球降雨量的数据集。CHIRPS将0.05°分辨率的卫星图像与in-situ站点数据结合，创建网格化的降雨时间序列，用于趋势分析和季节性干旱监测。

2.初识CHIRPS

2.1 代码一

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY')
.filterDate('2020-01-01', '2020-12-31')
.filterBounds(geometry)
.select('precipitation');
print(dataset)

在这里插入图片描述

2.2 代码二

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
Map.centerObject(geometry,7);
var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY')
.filterDate('2020-01-01', '2020-12-31')
.filterBounds(geometry)
.select('precipitation');
var precipitationVis = {
    min: 1.0,
    max: 17.0,
    palette: ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
};
Map.addLayer(dataset.mean().clip(geometry), precipitationVis, 'pre');

在这里插入图片描述

3.逐日数据分析和获取

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
Map.centerObject(geometry,7);
var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY')
.filterDate('2020-05-01', '2020-05-31')
.filterBounds(geometry)
.select('precipitation');
print(ui.Chart.image.series(dataset, geometry, ee.Reducer.mean(), 1000));
function exportImageCollection(imgCol) {
  var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");
  indexList.evaluate(function(indexs) {
    for (var i=0; i<indexs.length; i++) {
      var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();
      image = image.clip(geometry);
      //tif数据下载
      Export.image.toDrive({
        image: image,
        description: 'pre_'+indexs[i],
        fileNamePrefix: 'pre_'+indexs[i],
        folder: 'pre',
        region: geometry,
        scale: 1000,
        crs: "EPSG:4326",
        maxPixels: 1e13
      });
    }
  });
}
exportImageCollection(dataset);

在这里插入图片描述
在这里插入图片描述

4.逐月数据分析和获取

4.1 代码一

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY').filterBounds(geometry).select('precipitation');
//时间范围
var years = ee.List.sequence(2020, 2020);
var months = ee.List.sequence(1, 12);

//将逐日数据生成月平均数据
var monthlysum =  ee.ImageCollection.fromImages(
  years.map(function (y) {
    return months.map(function(m) {
      return dataset.filter(ee.Filter.calendarRange(y,y, 'year'))
      .filter(ee.Filter.calendarRange(m, m, 'month'))
      .sum().set('year', y).set('month', m).set('system:time_start', ee.Date.fromYMD(y, m, 1));
    });
  }).flatten());

print(monthlysum);
print(ui.Chart.image.series(monthlysum, geometry, ee.Reducer.mean(), 1000));

function exportImageCollection(imgCol) {
  var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");
  indexList.evaluate(function(indexs) {
    for (var i=0; i<indexs.length; i++) {
      var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();
      image = image.clip(geometry);
      //tif数据下载
      Export.image.toDrive({
        image: image,
        description: 'pre_2020_'+indexs[i],
        fileNamePrefix: 'pre_2020_'+indexs[i],
        folder: 'pre',
        region: geometry,
        scale: 1000,
        crs: "EPSG:4326",
        maxPixels: 1e13
      });
    }
  });
}
exportImageCollection(monthlysum);

在这里插入图片描述
在这里插入图片描述

4.2 代码二(简洁)

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
Map.centerObject(geometry,6);
var dataset =ee.ImageCollection("UCSB-CHG/CHIRPS/DAILY");
for(var i=2018;i<=2020;i++){
  for(var j=1;j<=12;j++){
    var data_collection = null;
    switch(j){
      case 1:
      case 3:
      case 5:
      case 7:
      case 8:
      case 10:
      case 12:
        data_collection = dataset.filterDate(i+'-'+j+'-01',i+'-'+j+'-31').select('precipitation');
        break;
      case 4:
      case 6:
      case 9:
      case 11:
        data_collection = dataset.filterDate(i+'-'+j+'-01',i+'-'+j+'-30').select('precipitation');
        break;
      case 2:
        data_collection = dataset.filterDate(i+'-'+j+'-01',i+'-'+j+'-28').select('precipitation');
        break;
    }
    var YR_collection = data_collection.sum().clip(geometry);
    Export.image.toDrive({
      image: YR_collection,
      description: i+'-'+j,
      fileNamePrefix: i+'-'+j,
      scale: 1000,
      region: geometry,
      maxPixels: 1e13,
      folder: 'pre'
    })
  }
}

在这里插入图片描述

5.逐年数据分析和获取

5.1 代码一

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
// 选择数据集并进行波段比例换算
var collection = ee.ImageCollection("UCSB-CHG/CHIRPS/DAILY").filterDate('2000-01-01', '2020-12-31').select("precipitation");

//进行年平均值的计算
var years = ee.List.sequence(2000, 2020);
var collectYear = ee.ImageCollection(years
  .map(function(y) {
    var start = ee.Date.fromYMD(y, 1, 1);
    var end = start.advance(12, 'month');
    return collection.filterDate(start, end).reduce(ee.Reducer.sum()).float().set('system:time_start',y).set('year',y);
}));
print(collectYear);
//年均值的时间序列展示
var Yearly_chart = ui.Chart.image.series({
    imageCollection: collectYear.select('precipitation_sum'),
    region: geometry,
    reducer: ee.Reducer.mean(),
    scale: 500,
    xProperty: 'year',
    }).setOptions({
      interpolateNulls: true,
      lineWidth: 2,
      title: 'pre Yearly Seires',
      vAxis: {title: 'pre'},
      hAxis: {title: 'Date'},
    });
print(Yearly_chart);

function exportImageCollection(imgCol) {
  var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");
  indexList.evaluate(function(indexs) {
    for (var i=0; i<indexs.length; i++) {
      var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();
      image = image.clip(geometry);
      //tif数据下载
      Export.image.toDrive({
        image: image,
        description: 'pre_'+indexs[i],
        fileNamePrefix: 'pre_'+indexs[i],
        folder: 'pre',
        region: geometry,
        scale: 1000,
        crs: "EPSG:4326",
        maxPixels: 1e13
      });
    }
  });
}
exportImageCollection(collectYear);

在这里插入图片描述
在这里插入图片描述

5.2 代码二(简洁)

var geometry = ee.FeatureCollection('users/www1573979951/luyixian');
Map.centerObject(geometry,6);
var dataset =ee.ImageCollection("UCSB-CHG/CHIRPS/DAILY");

for(var i=2018;i<=2020;i++){
  var data_collection = dataset.filterDate(i+'-01-01',i+'-12-31').select('precipitation');
  print(data_collection)
  var YR_collection = data_collection.sum().clip(geometry);
  Export.image.toDrive({
    image: YR_collection,
    description: i,
    fileNamePrefix: i,
    scale: 1000,
    region: geometry,
    maxPixels: 1e13,
    folder: 'pre'
  });
}

在这里插入图片描述

等待着冬天的风
关注
  • 11
    点赞
  • 踩
  • 70
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
Google Earth Engine ——在 GEE 中处理网格降雨数据
qq_31988139的博客
09-23 1340
许多有用的气候和天气数据集都以网格栅格形式出现。使用它们的技术与其他遥感数据集略有不同。在这篇文章中，我将展示如何在 Google Earth Engine 中处理网格降雨数据。这篇文章还提供了一个示例，说明如何使用map/reduce编程风格有效地处理如此大的数据集。 我们将使用的线性调频脉冲（çlimateħazards组我NFRAř编P与recipitation小号塔季翁）数据在本教程。这是一个高分辨率的全球网格降雨数据集，它将卫星测量的降雨量与地面站数据结合在一个一致的长时间序列数据集中。...
Google Earth Engine（GEE）——NASA 和UCSB对比两种降水数据的降水差异分析
qq_31988139的博客
02-05 1093
本文需要以下几个步骤： 第 1 步：选择您的区域并导入数据 第 2 步：筛选感兴趣的期间 第 3 步：计算平均降雨量 第 4 步：将数据添加到他们的地图 数据1：GPM: Global Precipitation Measurement (GPM) v6 Dataset Availability 2000-06-01T00:00:00 - 2021-11-14T00:00:00 Dataset Provider NASA GES DISC at NASA Goddard Space Fli
GEE数据集：CHIRPS Pentad高分辨率的全球网格降雨数据集
GEE水生态空间
02-10 7301
​CHIRPS Pentad:Climate Hazards Group InfraRed Precipitation With Station Data。数据集是一个记录了1981年到当前全球降雨量的数据集。CHIRPS将0.05°分辨率的卫星图像与in-situ站点数据结合，创建网格化的降雨时间序列。 ​
Google Earth Engine（GEE）——逐年逐月CHIRPS降水数据批量统计并下载CSV（含错误提示）
qq_31988139的博客
06-10 961
很多时候我们需要进行降水数据的逐年统计，我们使用的一个降水数据：气候危害组红外降水与站点数据（CHIRPS）是一个30年以上的准全球降水数据集。CHIRPS结合了0.05°分辨率的卫星图像和原位站数据，以创建网格化的降雨时间序列，用于趋势分析和季节性干旱监测。这里我们就选择指定的年月然后建立循环分别统计，然后reduceRegions进行统计。
GEE代码实例教程详解：降水量异常分析
最新发布
weixin_29742557的博客
07-16 28
简介在本篇博客中，我们将通过Google Earth Engine (GEE) 分析特定区域内的降水量异常。利用UCSB-CHG提供的CHIRPS（Climate Hazards Group InfraRed Precipitation with Station data）数据集，我们可以监测2000年至2020年期间的降...
Google Earth Engine——气候危害组红外降水与站点数据（CHIRPS）是一个30年以上的全球降水数据集
qq_31988139的博客
11-19 1409
Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) is a 30+ year quasi-global rainfall dataset. CHIRPS incorporates 0.05° resolution satellite imagery with in-situ station data to create gridded rainfall time series for trend analysis
GEE中使用降水数据集求年平均降水（1）
weixin_64898072的博客
12-30 576
使用此数据集计算一个区域（roi）的年平均降水（注意：1、这里需要自己定义一个感兴趣区域roi。2、使用此数据集不可超出它的可用时间范围。鼠标左键点击柱状图右上角的箭头图标，可以保存为三种格式，分别是csv表格格式、svg和png图片格式，如图3所示。这里roi以湖南省（如图1）为例，运行结果如图2所示。将鼠标移到柱状图上就可以显示年平均降水量。从文件开始时间开始的相对时间到微波辐射计（成像仪/测深仪）观测的时间。根据雨量计调整的每小时降水率快照。
GEE图表——利用chirps降水数据进行某个区域累计降水量的图表绘制
qq_31988139的博客
10-23 792
以下是在GEE云平台利用chirps降水数据进行某个区域累计降水量的图表绘制的具体步骤：1. 打开GEE云平台的网站（https://code.earthengine.google.com）并登录账户。2. 在左上角的搜索栏中输入“Chirps”，点击回车以搜索Chirps降水数据集。3. 点击搜索结果中的Chirps数据集并导入到GEE的工作区中。4. 在左侧的图层面板中，选择Chirps降水数据集，并利用Region of interest（ROI）工具来选定一个你感兴趣的区域。
Google Earth Engine（GEE）——全球降水量 (GPM)数据集
qq_31988139的博客
05-19 7932
今天给大家介绍数据集全球降水数据，每30分钟更新一次的数据集，适合全球大尺度计算，毕竟分辨率10Km有点太粗了。 全球降水测量 (GPM) 是一项国际卫星任务，每三个小时提供一次全球雨雪观测。GPM 综合多卫星检索 (IMERG) 是一种统一算法，它结合来自 GPM 星座中所有无源微波仪器的数据提供降雨估计。 该算法旨在在 TRMM 和 GPM 时代的精细时间和空间尺度上对所有卫星微波降水估计值以及微波校准红外 (IR) 卫星估计值、降水量规分析以及可能的其他降水估计量进行相互校准、合并和插值在全球范围
Google Earth Engine（GEE）——逐月降水数据下载和直方图表展示
qq_31988139的博客
12-15 2414
本案例的主要目的是实现逐月降水数据的下载和直方图可视化展示。本文主要用到的循环不是for而是用到map函数，用于遍历年和月，每一个map中都是由一个函数组成，而作用于map的对象就是集合，文中举例了如何建立函数裁剪影像，如何用双map函数实现逐月的提取等，以及最终直方图的展示。。。
GEE下载逐月降雨量影像数据
07-28
您好！...请注意，逐月降雨量影像数据的下载可能需要一定时间，具体取决于数据集的大小和您的网络连接速度。此外，您可能需要在GEE中了解更多关于数据集的详细信息，以便正确选择并下载所需的数据。
chirps_demo
03-03
自述文件 该自述文件通常会记录启动和运行应用程序所需的所有步骤。 您可能要讲的内容： Ruby版本 系统依赖 配置 数据库创建 数据库初始化 如何运行测试套件 服务（作业队列，缓存服务器，搜索引擎等） 部署说明 ...
Climate_cliams2
02-13
海洋酸化-Maya-Rajasingham
GEE案例——如何利用CHIRPS数据进行某一个区域的逐年逐月长时序降水量统计、绘制和下载（4种模式代码）
qq_31988139的博客
03-03 570
使用UCSB-CHG/CHIRPS/DAILY数据进行逐月或者逐年，或者多个样本点矢量集合的统计和长时序图表绘制和CSV文件导出。
GEE应用（1）—降雨数据时间序列分析
Promising_GEO的博客
02-10 1020
基于GEE的降水数据分析
Google Earth Engine（GEE）分析降水量趋势
guaicaicexu的博客
07-27 1858
今天北京下了很大的雨，来分享下如何在GEE进行降水量的趋势分析
GEE下载长时间序列的逐月降水数据，并将合成年降水量栅格数据
2301_77925375的博客
06-07 1463
然后，我们使用`ee.ImageCollection()`函数导入全球气候数据集（CRU TS4.03），并仅选择其中的总降雨量（tp）。接着，我们使用`.filter()`函数将时间序列数据集进行切分，使其返回一个包含每月平均降水量的图像集合。在这里，我们使用了`ee.ImageCollection.fromImages()`函数即合成所有逐月数据后过滤出与所期望结果相匹配的图像进行求和，同时还可以乘以合理的系数（如此例中的31），然后重命名输出的数据为"precipitation"。
GEE实战2：利用GEE获取流域内的年总降水量【降水量分析】
GEE水生态空间
02-19 5445
利用GEE，获取流域内的年降水量
求年降水量python
10-07
求年降水量可以通过以下步骤实现： 1. 首先，导入所需的库，包括netCDF4库用于读取.nc文件和numpy库用于数据处理。 2. 使用netCDF4库打开.nc文件，并获取需要的数据块，包括经纬度、时间和降水量。 3. 根据给定的经纬度坐标，通过插值方法找到最近的四个像元，以获取该点的12个月降水量。 4. 对于每个像元，将其12个月的降水量相加，得到该点的年降水量。 5. 重复步骤3和4，计算其他点的年降水量。
评论 7
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

打赏作者

等待着冬天的风

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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