five

GODAS全球海洋再分析资料(1980-2020)|海洋科学数据集|气候研究数据集

收藏
地球大数据科学工程2024-03-04 收录
海洋科学
气候研究
下载链接:
https://data.casearth.cn/sdo/detail/653fb290819aec161b81b4d4
下载链接
链接失效反馈
资源简介:
全球海洋资料同化系统(Global Ocean Data Assimilation System,GODAS)由美国环境预报中心(NCEP)发展,为全球预测系统(global Climate Forecast System, CFS)提供海洋初始场。GODAS数据集即为GODAS同化系统产生的实时的再分析全球海洋资料。GODAS基于GFDL MOM.v3(Geophysical Fluid Dynamics Laboratory’s Ocean Model version 3)准全球海洋模式,该模式覆盖了74°S-65°N的海洋,GODAS的强迫场为动量通量、热通量和淡水通量(NCEP 2大气再分析资料),模式顶层温度为逐周海温分析资料,海表盐度为逐年盐度平均。GODAS不但同化了温度剖面,还同化了合成盐度廓线(通过温-盐关系计算得到),在2007年3月之后,海平面高度计资料也参加了同化。本同化系统采用三维变分,其中参加同化的海温资料包括XBTs、TAO、TRITON和PIRATA系泊和Argo剖面探测浮标。GODAS数据集的缺点在于严重低估了盐度的变率,其速度场也存在很大误差。
提供机构:
中国科学院大气物理研究所
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

中国1km分辨率逐月降水量数据集(1901-2024)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

Wind Turbine Data

该数据集包含风力涡轮机的运行数据,包括风速、风向、发电量等参数。数据记录了多个风力涡轮机在不同时间点的运行状态,适用于风能研究和风力发电系统的优化分析。

www.kaggle.com 收录

SwimXYZ

SwimXYZ是由法国中央高等电力学院等机构创建的大型合成游泳动作和视频数据集,包含340万帧标注了2D和3D关节的图像,以及240个游泳动作序列。数据集通过使用GANimator生成多样化的游泳动作,并在Unity环境中模拟真实的水下环境。SwimXYZ旨在解决传统运动捕捉系统在游泳等水下运动中应用的局限性,特别是在缺乏标注数据的情况下。该数据集适用于游泳动作分析、2D和3D姿态估计等研究领域,有助于提升运动员训练和比赛表现的技术支持。

arXiv 收录

SUN397

SUN397的全称是场景理解,是一个大规模的场景理解数据集。数据集包含899类别和130,519图像。该数据集包含397采样良好的类别,可用于评估许多最先进的场景识别算法。

OpenDataLab 收录

ACPBench Hard

ACPBench Hard数据集是基于ACPBench构建的,由IBM Research创建。该数据集包含7种不同类型的推理任务,旨在将复杂的计划生成任务分解为独立的原子推理任务,以布尔问题或选择题的形式出现。ACPBench Hard是这些任务的生成版本,要求模型回答开放性问题。数据集适用于评估大型语言模型在自动规划器中作为组件的可靠性,涵盖多种规划领域,以帮助构建更高效的规划模型。

arXiv 收录