five

Bed elevation, bed surface grain size (D50 and D90), and water discharge- Waal, Pannerden Channel, Nederrijn, and IJssel, 1928-2020

收藏
Mendeley Data2024-03-27 更新2024-06-27 收录
下载链接:
https://data.4tu.nl/datasets/c6e7c1ff-44e6-46f9-9b30-e010e91a97dd
下载链接
链接失效反馈
资源简介:
Rijkswaterstaat has measured bed level along the Rhine branches since 1926 (Bovenrijn-Waal), 1928 (Pannerden Canal- Nederrijn), and 1941 (IJssel). The measurements were done using single beam echo sounders until 1999 and multibeam echo sounders since 1999-2002. Single beam measurements were taken at cross-sections spaced roughly 25 m apart and were averaged over 1 km. Multibeam measurements cover the river's entire length, and 100 m averaged data is provided here. Only cross-section averaged data is provided here. The error in bed elevation data (defined as two times the standard deviation) has been estimated to be up to 0.2-0.5 m until 1990; 0.2-0.3 m between 1990-1999, and 0.05-0.1 m since 1999 (Wiegmann, 2002). Water discharge data at Lobith, Waal, and IJssel have been measured by Rijkswaterstaat using Ott current meters until 1999 and acoustic Doppler current profiler (ADCP) since 2000. Uncertainty related to Ott current meter measurement is smaller than 20% and smaller than 10% for ADCP. Rijkswaterstaat has measured grain size data using digging buckets (until 1984) and grab-samplers (since 1984). We have included data from 1966, 1976, 1984, 2008, 2016, 2017, and 2020 measurement campaigns in this dataset. The samples were taken at cross-sections spaced 500 m to 1 km, with three samples (spaced 65 m) at each cross-section. The uncertainty of grain size data is high due to the high natural Spatio-temporal variability and limited spatial and temporal sampling density.
创建时间:
2023-06-28
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

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集,包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述,包括数据来源、图像数量、标注信息等。

github 收录

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

中国近海台风路径集合数据集(1945-2024)

1945-2024年度,中国近海台风路径数据集,包含每个台风的真实路径信息、台风强度、气压、中心风速、移动速度、移动方向。时间为北京时间。

国家海洋科学数据中心 收录

UAV123

从低空无人机捕获的视频与流行的跟踪数据集 (如OTB50,OTB100,VOT2014,VOT2015,TC128和ALOV300) 中的视频本质上不同。因此,我们提出了一个新的数据集 (UAV123),其序列来自空中视点,其子集用于长期空中跟踪 (UAV20L)。我们新的UAV123数据集包含总共123个视频序列和超过110K帧,使其成为仅次于ALOV300的第二大对象跟踪数据集。所有序列都用直立的边界框完全注释。数据集可以很容易地与视觉跟踪器基准集成。它包括无人机数据集的所有边界框和属性注释。还请使用包含序列和跟踪器配置的修改后的文件 “configSeqs.m” 和 “configTrackers.m” 下载修改后的跟踪器基准。另外,请注意,文件 “perfPlot.m” 已根据本文中描述的属性进行了修改以进行评估。

OpenDataLab 收录

TCM-Tongue

TCM-Tongue是一个专门用于人工智能辅助中医舌诊的标准化舌像数据集,包含6719张在标准化条件下捕获的高质量图像,并标注了20种病理症状类别(平均每张图像有2.54个经过临床验证的标签,所有标签均由持有执照的中医执业医师验证)。数据集支持多种标注格式(COCO、TXT、XML),以方便广泛使用,并使用九种深度学习模型进行了基准测试,以展示其在人工智能开发中的实用性。该资源为推进可靠的中医计算工具提供了关键基础,填补了该领域的数据短缺,并通过标准化、高质量的诊断数据促进了人工智能在研究和临床实践中的整合。

arXiv 收录