five

Number of days for Minimum Temperature over 90th percentile for Near Future (2046-2065)|气候变化数据集|气象预测数据集

收藏
Mendeley Data2024-01-31 更新2024-06-28 收录
气候变化
气象预测
下载链接:
https://api.odp.saeon.ac.za/catalog/SAEON/go/10.15493/SARVA.CSAG.10000324
下载链接
链接失效反馈
资源简介:
Model Run: Near future (2046 - 2065) (Near future (2046 - 2065)). The Self-Organizing Map Downscaling (SOMD) was developed at the Climate Systems Analysis Group (CSAG)[1], University of Cape Town. This is a leading empirical downscaled technique and provides meteorological station level response to global climate change forcing (See Hewitson and Crane (2006) for methodological details and Wilby et al. (2004) for a review of this and other statistical downscaling methodologies). Downscaling of a General Circulation Model (GCM) is accomplished by deriving the normative local response from the atmospheric state on a given day, as defined from historical observed data. [1] http://www.csag.uct.ac.za/
创建时间:
2024-01-31
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

LIDC-IDRI

LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。

OpenDataLab 收录

O*NET

O*NET(Occupational Information Network)是一个综合性的职业信息数据库,提供了关于各种职业的详细描述,包括技能要求、工作活动、知识领域、工作环境等。该数据集被广泛用于职业分析、教育和劳动力市场研究。

www.onetonline.org 收录

大学生运动和体质健康数据集(2014-2023)

《大学生运动与体质健康数据集(2014-2023)》涵盖了大学生群体在运动能力、基础身体形态、身体机能及身体素质等多个方面的关键基础数据。该数据集的采集时间跨度为2014年至2023年,样本采集自全国34个省级行政区域,共计123281名大学生参与,平均年龄为20.53岁。建立大学生运动和体质健康数据集可以准确把握学生体质健康的整体水平和变化趋势,了解大学生运动和体质健康状况,对指导个性化健康干预、优化体育教育资源配置、支持促进科学研究以及提高公众健康意识等均具有重要意义。

国家人口健康科学数据中心 收录

中国陆地实际蒸散发数据集(1982-2024)

本数据集为基于蒸散发互补方法研制的中国陆地蒸散发数据产品v2.0。输入数据包括CMFD v2的向下短波辐射、向下长波辐射、气温、湿度、风速、气压,GLASS反照率、发射率等,以及ERA5-Land地表温度等。本数据集时间跨度为1982年-2024年,空间范围为中国陆地。本数据集可为研究长时间尺度水循环和气候变化提供基础。陆地实际蒸散发 (Ea),单位: mm/month。 时间分辨率为逐月;空间分辨率为0.1°。数据类型:NetCDF;本数据仅为陆地实际蒸散发,不含水面。

国家青藏高原科学数据中心 收录

MRMR

MRMR是一个专家级的多学科多模态检索基准,包含1502个经过人类专家仔细验证的查询,涵盖了23个领域。与之前的基准相比,MRMR在三个关键方面取得了进步:首先,它挑战了跨多个专业领域的检索系统,能够在不同领域之间进行细粒度的模型比较;其次,查询是推理密集型的,需要更深入地解释图像,例如诊断显微镜幻灯片;此外,还引入了矛盾检索这一新型任务,要求模型识别冲突的概念。与仅限于单个图像或单模态文档的早期基准不同,MRMR提供了一个具有多图像查询和混合模态语料库文档的现实场景。

arXiv 收录