GEE训练教程——ECMWF/ERA5_LAND/DAILY_AGGR数据的地表温度的时序分析

简介

数据

代码解释

代码

结果

简介

GEE训练教程------ECMWF/ERA5_LAND/DAILY_AGGR数据的地表温度的时序分析

数据

ECMWF/ERA5_LAND/DAILY_AGGR数据集是由欧洲中期天气预报中心（ECMWF）提供的地表分辨率为9 km的ERA5_LAND数据集的一部分。

该数据集包含了多个地球观测变量，包括但不限于温度、降水、风速、相对湿度、植被指数等。这些变量在每天的分辨率下提供了全球范围的数据。

数据集中的每个像元代表了特定时间段（通常是一天）内该地区的平均观测值。它们是基于多个数据源的模型分析和观测数据进行插值计算得出的。

对于每个地球观测变量，数据集提供了相应的时间序列，允许用户进行时间序列分析和研究。

ECMWF/ERA5_LAND/DAILY_AGGR数据集是公开可用的，并在Google Earth Engine平台上提供了方便的访问和使用。可以通过使用EE的API来访问和处理这些数据，并进行各种地理分析和可视化。

代码解释

这段代码使用Google Earth Engine平台进行地理数据处理和可视化。下面是代码的解释：

创建了一个几何点对象geometry，该点的经纬度为[-3.5742187499999867, 39.90973623453719]。
使用FAO/GAUL_SIMPLIFIED_500m/2015/level0数据集，过滤出包含上述几何点的区域roi，并将该区域添加到地图中。
使用ECMWF/ERA5_LAND/DAILY_AGGR数据集，选择了温度变量temperature_2m，并进行了一系列筛选条件：选择2015年到2018年的数据，以及3月到6月的数据。然后对每个图像进行了处理，将温度转换为摄氏度，并添加了一些属性。最后打印出符合特定条件的图像。
使用ui.Chart.image.doySeriesByYear函数，根据每年的天数（doy）对温度数据进行了时间序列可视化，并计算了每天的平均温度和每年的平均温度，并在指定的区域roi上绘制了图表。
类似地，对降雪融化数据进行了类似的处理和可视化，使用的变量是snowmelt_sum。
最后打印出了降雪融化数据集的信息。

这段代码的目的是分析特定区域的温度和降雪融化情况，并在地图上进行可视化。

代码

javascript 复制代码

var geometry = /* color: #d63000 */ee.Geometry.Point([-3.5742187499999867, 39.90973623453719]);

var roi = ee.FeatureCollection("FAO/GAUL_SIMPLIFIED_500m/2015/level0")
.filterBounds(geometry)

Map.centerObject(roi)
Map.addLayer(roi)

var temp = ee.ImageCollection("ECMWF/ERA5_LAND/DAILY_AGGR")
.select('temperature_2m')
.filterDate('2015', '2018')
.filter(ee.Filter.calendarRange(3,6,'month'))
.map(function(img){
  var date = img.date()
  var acqu = date.format('YYYY-MM-dd')
  var doy = date.getRelative('day', 'year').add(1)
  return img.subtract(273.15)
  .copyProperties(img, img.propertyNames())
  .set('date', acqu)
  .set('doy', doy)
  })
  
print(temp.filter(ee.Filter.calendarRange(2016, 2016, 'year'))
.filter(ee.Filter.eq('doy',118)))  

print(
  ui.Chart.image.doySeriesByYear(temp, 'temperature_2m', roi,
  ee.Reducer.mean(), 10000, ee.Reducer.mean(), 1, 365)
  )


var snowmelt = ee.ImageCollection("ECMWF/ERA5_LAND/DAILY_AGGR")
.select('snowmelt_sum')
.filterDate('2015','2018')
.filter(ee.Filter.calendarRange(3, 6, 'month'))
.map(function(img){
  var date = img.date()
  var acqu = date.format('YYYY-MM-dd')
  var doy = date.getRelative('day', 'year').add(1)
  return img
  .copyProperties(img, img.propertyNames())
  .set('date', acqu)
  .set('doy', doy)
  })


print(
  ui.Chart.image.doySeriesByYear(snowmelt, 'snowmelt_sum', roi, ee.Reducer.mean(),
  10000, ee.Reducer.mean(), 1, 365)
  )


print(snowmelt)