NCEP/DOE Reanalysis II|气候研究数据集|气象数据数据集
收藏
- NCEP/DOE Reanalysis II项目启动,旨在通过整合全球观测数据和先进的数值天气预报模型,生成高分辨率的大气再分析数据集。
- NCEP/DOE Reanalysis II首次发布,覆盖1979年至1996年的数据,为气候研究和天气预报提供了重要的数据支持。
- NCEP/DOE Reanalysis II数据集扩展至2000年,进一步丰富了气候变化和极端天气事件的研究数据。
- NCEP/DOE Reanalysis II数据集更新至2004年,引入了新的观测数据和改进的模型算法,提高了数据集的准确性和可靠性。
- NCEP/DOE Reanalysis II数据集被广泛应用于气候变化研究、极端天气事件分析和天气预报模型验证等领域,成为全球气候研究的重要基础数据。
- 1The NCEP/DOE AMIP-II Reanalysis (R-2)National Centers for Environmental Prediction (NCEP) · 2004年
- 2Evaluation of the NCEP/DOE Reanalysis 2 Using Global Surface Temperature ObservationsNational Oceanic and Atmospheric Administration (NOAA) · 2006年
- 3The NCEP Climate Forecast System ReanalysisNational Centers for Environmental Prediction (NCEP) · 2011年
- 4A Comparison of the North American Regional Reanalysis and the NCEP–DOE Global Reanalysis 2National Oceanic and Atmospheric Administration (NOAA) · 2007年
- 5The NCEP Climate Forecast System Version 2National Centers for Environmental Prediction (NCEP) · 2015年
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey(CHNS)是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目,旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响,以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体,采用多阶段随机抽样方法,收集了家庭、个体以及社区层面的详细数据,包括饮食、健康、经济和社会因素等信息。自2011年起,CHNS不断扩展,新增多个城市和省份,并持续完善纵向数据链接,为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
福建省龙岩市长汀县2002年森林分类经营图
该数据为福建省龙岩市长汀县2002年森林分类经营图,数据为矢量数据,包括行政单元、行政代码、类型、类型代码、标准类型、标准类型代码等属性字段,该数据为森林资源清查、规划设计等提供数据支撑服务。
国家林业和草原科学数据中心 收录
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
China Air Quality Historical Data
该数据集包含了中国多个城市的空气质量历史数据,涵盖了PM2.5、PM10、SO2、NO2、CO、O3等污染物浓度以及空气质量指数(AQI)等信息。数据按小时记录,提供了详细的空气质量监测数据。
www.cnemc.cn 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录
