各省、市、县逐年降水量数据（1950-2022年）

已于 2025-01-11 16:33:08 修改
阅读量4.6k 收藏
点赞数 3
文章标签： 数据分析
于 2024-11-30 21:34:52 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/xiaozhuzhu1995/article/details/144161522
版权

资源介绍

1950-2022全国各省、市、县逐年水文数据（降水量）

数据年份：1950-2022年，年度数据

数据范围：

省级数据：全国33省份（含直辖市，香港/台湾）；

城市数据：全国371城市地级市、直辖市、地区州盟 ；

区县数据：全国2876区县、市辖区、自治县、县域县级市；

数据来源：欧盟及欧洲中期天气预报中心等组织发布的ERA5-Land数据集！

单位：m

单位换算到mm：需要换算*1000*365

【下载→

方式一（推荐）：主页 个人 简介

经管数据集-CSDN博客

方式二：数据下载方式汇总-CSDN博客

降雨量等值线图（一）——底图整饬
wjd4530的博客
01-23 1万+
首先 你要有数据 （可向小编索取或到网站下载）   一、底图数据（http://pan.baidu.com/share/link?shareid=54856&uk=352462598） bou2_4l.shp：中国政区的线文件，在这个线文件里包含了南海的九段线 bou2_4p.shp：中国政区的面文件 rivers.shp：世界主要河流 cntry02.shp：世界国家面文...
全国各省、市、县平均降水量（1950-2022年）
11-26
一、数据介绍 数据名称：全国各省、市、县平均降水量 数据年份：1950-2022年 样本数量：3279条 数据格式：面板数据 二、指标说明 主要包括：省份，城市，区县，每年降水量等指标 三、数据文件 全国各地级市逐年平均降水数据.xlsx；全国各区县逐年平均降水数据.xlsx；全国各省份逐年平均降水数据.xlsx
1950-2022年 全国各省份、各地级市、各区县逐年平均降水数据
06-24
全国各省份、各地级市、各区县的逐年平均降水数据是指当年的日降水量的年平均值，不是累计值，单位是m, 逐年平均降水数据是一项重要的气象指标，对于了解各地的降水情况、气候变化以及制定相应的农业、水资源管理、城市规划等政策具有重要意义。 数据名称：全国各省份、各地级市、各区县逐年平均降水数据 相关数据 PR、PR_ID、PR_TYPE、CITY、CITY_ID、CITY_TYPE、各省、各地级市、各县、1950~2022年
1901-2023年各省、市、县月度降水数据
paperdata666的博客
01-28 523
本次我们分享的数据是全国省市月度降水数据，包含各省市县月度降水总和数据。原始数据为NC格式的数据，考虑到该格式使用起来并不方便，团队将其转换整理成省市的Excel面板数据，方便大家研究使用。月度降水数据作为气候研究的重要指标，能够揭示区域气候特征及其变化趋势。通过分析这些数据，我们可以更好地理解气候变化对生态系统、农业生产和水资源管理的影响，从而为制定科学的应对策略提供依据。数据来源于国家青藏高原科学数据中心，人工整理，全部内容真实有效。方式一（推荐）：主页↓个人↓简介。区域、时间、单位、降水总和。
1950-2022年各省逐年平均降水量数据/
02-21
1950-2022年各省逐年平均降水量数据 1、时间：1950-2022年 2、指标：省逐年平均降水量 3、范围：33省（不含澳门） 指标解释：逐年平均降水数据是指当年的日降水量的年平均值，不是累计值，单位是m, 逐年平均降水数据是一项重要的气象指标，对于理解各地区的水资源状况、农业灌溉需求、以及防洪措施的制定等方面至关重要。 不同省份的降水量可能会因其所处的地理位置、地形特征、气候条件等因素而有显著差异。 4、用途：可用于地理研究、以及经管研究方面的工具变量
更新！全国各省、市、县逐年水文数据（降水量）1950-2022年-最新出炉.zip
最新发布
02-24
更新！全国各省、市、县逐年水文数据（降水量）1950-2022年-最新出炉 数据年份：1950-2022年，年度数据 数据范围： 省级数据：全国33省份（含直辖市，香港/台湾）； 城市数据：全国371城市地级市、直辖市、地区州盟 ； 区县数据：全国2876区县、市辖区、自治县、县域县级市； 数据来源：欧盟及欧洲中期天气预报中心等组织发布的ERA5-Land数据集！ 单位：m 单位换算到mm：需要换算*1000*365
某城市的历史降水量在哪里查询？
WheatA_XMY的博客
08-29 5337
当然很多时候我们会发现有些地方没有气象站或者拿不到这个站的数据。此时可以用到再分析资料，这类数据的特点是要素全、连续性好、分辨率高。如图3所示，以上海闵行区为例，调用该地历年的气象数据。逐年数据就是对每一年的汇总，逐月则是对每一月的汇总。图2所示即上海的逐年气象数据，题主需要的降水量，2019年上海为1576.83mm。举个例子，比如想知道上海历年的降水量，如图1所示，先找到位于上海的一处气象站（绿圈圈出来的）。渠道很多，一般思路是先查地面站的，气象站没有可以用再分析数据。...
在哪里可以查询中国某一地区的历史气象数据（过去15年，如降雪，降雨等）？
WheatA_XMY的博客
08-22 8015
其实数据获取渠道有很多，差别就是有些渠道要花很多钱比如直接问当局购买，有些渠道虽然免费但要耗费很多时间精力来处理数据比如NOAA提供的全球气象站点数据，点开链接就能看到里面有数以万计的气象站，如图1所示。图3中我们选择了一个位于山东青岛的气象站点，调出了它的历年气象数据，可以看到1982年的时候该地区年降水量为525.27mm，总积雪量238.每个文件都代表某地的一处气象站，这么多的气象文件我们无从下手，所以这个时候还需要一样工具，如图2所示。参考资料：WheatA小麦芽 - 农业气象大数据系统。
在哪可以查询某一地区的历史气象数据（如气温、湿度、降雨、风速、太阳辐射等）？
热门推荐
m0_71040069的博客
09-23 1万+
历史气象数据查询
【数据分享】1981-2023年全国各城市逐日、逐月、逐年降水量（Excel格式）
weixin_63042008的博客
03-28 2017
【数据分享】1981-2023年全国各城市逐日、逐月、逐年降水量（Excel格式）
1950-2022年全国各地级市逐年平均降水数据.xlsx
02-21
1950-2022年各地级市逐年平均降水数据/ 1、时间：1950-2022年 2、指标：地级市逐年平均降水量 3、范围：360+地级市 指标解释：逐年平均降水数据是指当年的日降水量的年平均值，不是累计值，单位是m, 逐年平均降水数据是一项重要的气象指标，对于理解各地区的水资源状况、农业灌溉需求、以及防洪措施的制定等方面至关重要。 不同城市的降水量可能会因其所处的地理位置、地形特征、气候条件等因素而有显著差异。 4、用途：可用于地理研究、以及经管研究方面的工具变量
历史每日天气数据
09-29
历史每日天气数据，，，历史每日天气数据，历史每日天气数据
上海市2005-2025年近20年历史气象数据下载
12-17
上海市2005-2025年近20年的历史气象数据，每3小时更新一次数据，参数包含气温、气压、降水量、云层、能见度、风向、湿度等，几万条数据
最新更新！！！全国各省、市、县逐年水文数据（降水量）1950-2022
12-27
数据范围： 省级数据：全国33省份（含直辖市，香港/台湾）； 城市数据：全国371城市地级市、直辖市、地区州盟 ；...1950-2022全国各省、市、县逐年水文数据（降水量） 数据年份：1950-2022年，年度数据
1950-2022年各地级市逐年平均降水量数据
m0_71334485的博客
03-03 746
1950-2022年各地级市逐年平均降水量数据/
全国各省、市、县平均降水量
weixin_55561616的博客
04-17 1355
气象数据是在各项研究中都经常使用的数据，欧洲中期天气预报中心等组织发布的ERA5-Land数据集提供了多种气象指标的下载，降水是一个非常常用的气象指标！数据同样来源于欧洲中期天气预报中心等组织发布的ERA5-Land数据集！数据来源：欧盟及欧洲中期天气预报中心等组织发布的ERA5-Land数据集！区县数据：全国2876区县、市辖区、自治县、县域县级市；城市数据：全国371城市地级市、直辖市、地区州盟；省级数据：全国33省份（含直辖市，香港/台湾）；数据年份：1950-2022年，年度数据。
历史天气数据每小时温度/降水量/湿度/aqi/气压/风向/风力/风速/能见度/露点/云量/太阳辐射在那里可以查询？
lcuiandlc_8的博客
04-25 7308
世界气象组织（World Meteorological Organization，WMO）是联合国的专门机构之一，是联合国系统有关地球大气现状和特性，它与海洋的相互作用，它产生的气候及由此形成的水资源的分布方面的权威机构。作为中国知名的天气信息服务网站，它提供了丰富的天气信息和数据服务，包括历史天气数据的查询。很多需要查询历史天气数据的，及每小时温度/降水量/湿度/aqi/气压/风向/风力/风速/能见度，这些数据用于分析未来的天气情况，以下列出一些可能会用得上的平台。2：您可以尝试使用数据分享平台，如（
Python爬取天气网历史天气数据
haha_point的博客
08-15 1万+
我的第一篇博客，哈哈哈，记录一下我的Python进阶之路！今天写了一个爬取天气网历史数据的小爬虫。主要使用Python的requests 和BeautifulSoup模块，核心是利用BeautifulSoup的select语句获取需要的信息。
pytorch 降水
01-06
### PyTorch实现降水预测模型 #### 构建网络结构 为了构建一个有效的降水预测模型，可以采用卷积神经网络(CNN)与长短时记忆(LSTM)相结合的方式。CNN用于提取空间特征，而LSTM则负责捕捉时间序列上的依赖关系。这种组合能够更好地理解气象数据中的复杂模式。 ```python import torch from torch import nn class CNN_LSTM(nn.Module): def __init__(input_channels, hidden_size, num_layers, output_dim): super().__init__() self.cnn = nn.Sequential( nn.Conv2d(input_channels, 64, kernel_size=3), nn.ReLU(), nn.MaxPool2d(kernel_size=2), nn.Conv2d(64, 128, kernel_size=3), nn.ReLU(), nn.MaxPool2d(kernel_size=2) ) self.lstm = nn.LSTM(128 * 7 * 7, hidden_size, num_layers, batch_first=True) self.fc = nn.Linear(hidden_size, output_dim) def forward(x): out = cnn(x).view(-1, seq_len, 128*7*7) lstm_out, _ = lstm(out) final_output = fc(lstm_out[:, -1, :]) return final_output ``` 此部分定义了一个基础架构来处理输入图像并输出预测值[^1]。 #### 数据准备与预处理 对于降水预测任务来说，高质量的数据集至关重要。通常情况下会涉及到卫星云图、地面观测站记录等多种类型的资料。这些原始数据往往需要经过清洗、标准化等一系列操作才能被用来训练机器学习算法。 - **归一化**: 将所有的数值调整到相同的尺度上。 - **填充缺失值**: 使用插值法或者其他统计手段填补空白处。 - **划分时间段**: 根据实际需求选取适当长度的历史窗口作为输入X，并指定未来某个时刻的目标Y。 #### 训练过程 一旦完成了上述准备工作之后就可以着手于模型的实际训练工作了： ```python criterion = nn.MSELoss() optimizer = optim.Adam(model.parameters(), lr=learning_rate) for epoch in range(num_epochs): model.train() running_loss = 0. for i, (inputs, labels) in enumerate(train_loader): outputs = model(inputs.float()) loss = criterion(outputs.squeeze(), labels.float()) optimizer.zero_grad() loss.backward() optimizer.step() running_loss += loss.item() print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {running_loss/len(train_loader)}') ``` 这段代码展示了如何设置损失函数以及优化器，并通过循环迭代完成整个训练流程[^4]。 #### 测试评估 当训练完成后还需要对模型的效果做出评价，在测试集中挑选一些样本进行验证是非常必要的步骤之一。此时应该调用`model.eval()`切换至推理状态以获得更稳定的性能表现；同时记得关闭梯度计算从而节省内存资源消耗。 ```python with torch.no_grad(): predictions = [] actuals = [] for inputs, targets in test_loader: pred = model(inputs.float()).squeeze().numpy() act = targets.numpy() predictions.extend(pred.tolist()) actuals.extend(act.tolist()) ``` 最后可以通过绘制图表对比两者之间的差异程度直观感受模型的好坏[^2]。
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