matlab读取hdf5格式的全球火灾排放数据库Global Fire Emissions Database(GFED)数据

1.引言

        火灾是大气中痕量气体和气溶胶的重要来源,并且是全球尺度上最重要的干扰因素。此外,森林砍伐和热带泥炭地火灾以及火灾频率增加的地区,都会增加大气中二氧化碳的积累。烧毁面积提供了生物质燃烧事件期间受火灾影响土地的估算,而碳排放量量化了释放到大气中的碳量。GFED4.1s包括了以前版本中没有系统量化的小型火灾的贡献[Randerson et al., 2012],它由四个组成部分构成:(1)烧毁面积,(2)碳排放量,(3)生物圈通量,以及(4)一些其他辅助数据集(例如,每个网格单元的面积)。GFED4.1s的月碳排放量是从各种来源估算的,包括北方森林、温带森林、热带森林、泥炭、草原(稀树草原和灌木地)以及农业废物的燃烧。

数据网址:Global Fire Emissions Database, Version 4.1 (GFEDv4)

图片来源:Global Fire Emissions Database, Version 4.1 (GFEDv4)

        此数据集提供全球范围内的月烧毁面积、月排放量和不同火灾类型的分数贡献,以及将月排放量提升到更高时间分辨率的每日或每3小时的数据场,还包括月生物圈通量的数据。数据的空间分辨率为0.25度纬度乘以0.25度经度,根据不同数据集的不同,数据覆盖时间从1995年6月到2016年。排放数据包括碳(C)、干物质(DM)、二氧化碳(CO2)、一氧化碳(CO)、甲烷(CH4)、氢(H2)、一氧化二氮(N2O)、氮氧化物(NOx)、非甲烷烃(NMHC)、有机碳(OC)、黑碳(BC)、小于2.5微米的颗粒物(PM2.5)、总颗粒物(TPM)和二氧化硫(SO2)等。这些数据按地区、全球以及每个地区的火源分别给出了年度总量。

2.数据特点

空间覆盖范围:研究区域覆盖以下14个地区:北方林地、温带和中美洲、南美洲的北半球和南半球、欧洲、中东、非洲的北半球和南半球、亚洲的北方林地、中部、东南部和赤道地区、澳大利亚和新西兰。每个文件的左上角中心位于西经179.875度,北纬89.875度,右下角位于东经179.875度,南纬89.875度。

空间分辨率:数据以0.25度纬度×0.25度经度进行网格化。

时间覆盖范围:年度数据和排放估算涵盖1997年至2016年。月度数据涵盖期间为1995年6月至2016年12月。每日/每3小时数据可用于2000年至2015年。2000年的日数据从第214天开始至第366天。所有其他年份均有完整记录。日数据包括闰日,结果是1 - 366天。

时间分辨率:大多数数据是月度的。

3.matlab数据读取

下面我们使用matlab读取2015年的NPP数据:

h5info('GFED4.1s_2015.hdf5')
file = 'GFED4.1s_2015.hdf5';
lon = h5read(file,'/lon');
lat = h5read(file,'/lat');
fire = h5read('GFED4.1s_2015.hdf5','/burned_area/01/source');
O.lon = lon;O.lat = lat;O.rg = fire;

rg_plot(O),caxis([0,40])

使用matlab读取hdf文件,使用函数h5info可以显示变量信息,h5read读取对应的变量,注意hdf文件的变量有不同的层级,使用/表示下一级数据即可。

数据里面包含很多层级的变量,需要按需读取。下图表明数据中有bioshpere、burned_area和emissions三种类型的变量,我们点击/emissions下的Groups,可以看到12个月的数据,再次进入下一层及的Groups,比如我们点击第一个月的,可以得到3个变量,因此如果我们需要使用matlab读取,需要复制这一层级的Name,即使用如下的语句:读取2015、1月份的燃烧比例。

h5read('GFED4.1s_2015.hdf5','/burned_area/01/burned_fraction'')

下面是显示2015年全年的燃烧比例空间分布:

h5info('GFED4.1s_2015.hdf5')
file = 'GFED4.1s_2015.hdf5';
lon = h5read(file,'/lon');
lat = h5read(file,'/lat');
for i = 1:12
    subplot(3,4,i)
    fire = h5read('GFED4.1s_2015.hdf5',['/burned_area/',num2str(i,'%02d'),'/burned_fraction']);
    O.lon = lon;O.lat = lat;O.rg = double(fire);
    rg_plot(O),caxis([0,0.2])
end

参考文献

Randerson, J.T., G.R. van der Werf, L. Giglio, G.J. Collatz, and P.S. Kasibhatla. 2018. Global Fire Emissions Database, Version 4.1 (GFEDv4). ORNL DAAC, Oak Ridge, Tennessee, USA.  Global Fire Emissions Database, Version 4.1 (GFEDv4), https://doi.org/10.3334/ORNLDAAC/1293

♥欢迎点赞收藏♥

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/435066.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

实时智能应答数字人搭建

语音驱动口型的算法 先看效果: 你很快就可以帮得上我了 FACEGOOD 决定将语音驱动口型的算法技术正式开源,这是 AI 虚拟数字人的核心算法,技术开源后将大程度降低 AI 数字人的开发门槛。FACEGOOD是一家国际领先的3D基础软件开发商,…

分类算法(Classification algorithms)

逻辑回归(logical regression): 逻辑回归这个名字听上去好像应该是回归算法的,但其实这个名字只是在历史上取名有点区别,但实际上它是一个完全属于是分类算法的。 我们为什么要学习它呢?在用我们的线性回归时会遇到一…

Xss-labs-master 1-16关

第一关 <?php ini_set("display_errors", 0); $str $_GET["name"]; echo "<h2 aligncenter>欢迎用户".$str."</h2>"; ?> <center><img srclevel1.png></center> <?php echo "&l…

OpenAI-Sora学习手册

通过Sora看2024红利&#xff1a;文生视频&#xff0c;虽然AI不一定是风口&#xff0c;但一定是未来深入到生活工作&#xff0c;乃至思考的必备工具。 目录 Sora介绍 Sora基础介绍 Sora官方网址 Sora的价值 1.物理世界的交互 2.创意世界的绽放 3.多角色、更精准、更细节…

两天学会微服务网关Gateway-Gateway网关限流

锋哥原创的微服务网关Gateway视频教程&#xff1a; Gateway微服务网关视频教程&#xff08;无废话版&#xff09;_哔哩哔哩_bilibiliGateway微服务网关视频教程&#xff08;无废话版&#xff09;共计17条视频&#xff0c;包括&#xff1a;1_Gateway简介、2_Gateway工作原理、3…

shell脚本一键部署docker

Docker介绍 Docker 是一个开源的平台&#xff0c;用于开发、交付和运行应用程序。它利用容器化技术&#xff0c;可以帮助开发人员更轻松地打包应用程序及其依赖项&#xff0c;并将其部署到任何环境中&#xff0c;无论是开发工作站、数据中心还是云中。以下是 Docker 的一些关键…

ChatGPT提问技巧——控制温度和TOP-P样本

ChatGPT提问技巧——控制温度和TOP-P样本 “控制温度和Top-P抽样”在自然语言处理中&#xff0c;控制温度是指通过调整生成文本的随机性和多样性&#xff0c;而Top-P抽样是一种生成文本的策略&#xff0c;它选择概率最高的前P个词作为候选词汇。这两个技术常用于生成文本的质量…

ChatGPT在地学、GIS、气象、农业、生态、环境等领域中的应用

以ChatGPT、LLaMA、Gemini、DALLE、Midjourney、Stable Diffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮&#xff0c;可以面向科研选题、思维导图、数据清洗、统计分析、高级编程、代码调试、算法学习、论文检索、写作、翻译、润色、文献辅助…

DataFunSummit 2023:洞察现代数据栈技术的创新与发展(附大会核心PPT下载)

随着数字化浪潮的推进&#xff0c;数据已成为企业竞争的核心要素。为了应对日益增长的数据挑战&#xff0c;现代数据栈技术日益受到业界的关注。DataFunSummit 2023年现代数据栈技术峰会正是在这样的背景下应运而生&#xff0c;汇聚了全球数据领域的精英&#xff0c;共同探讨现…

Android应用开发data android:schemes标签的作用

文章目录 data android:schemesAndroidManifest.xml 中 <data> 元素的属性详解 data android:schemes 在 AndroidManifest.xml 文件中&#xff0c; 标签的作用是指定该应用可以处理的 URI 方案。 URI 是统一资源标识符&#xff0c;它是一种用于标识资源的标准方法。URI…

【三】【SQL Server】如何运用SQL Server中查询设计器通关数据库期末查询大题

数据库学生选择1122 数据库展示 course表展示 SC表展示 student表展示 数据库学生选课1122_1 第一题 第二题 第三题 第四题 第五题 数据库学生选课1122_2 第六题 第七题 第八题 第九题 第十题 结尾 最后&#xff0c;感谢您阅读我的文章&#xff0c;希望这些内容能够对您有所启…

列表吸顶分组之按首字母分组国家选区号

列表粘性分组之按首字母分组国家选区号 Android原生版本 直接先看UI图,效果如下 本来看起来也不难,我就想着上面常用区号那块不动,下面的列表滑动就行,但IOS说他滑动的时候上面也滑上去了,好吧,这也行;但最终效果做出来后,IOS滑动后会有按照国家名称首字母进行粘性分…

mysql从旧表 取出部分列并保存到新表几种方式介绍

在MySQL中&#xff0c;从旧表取出部分列并保存到新表有多种方式&#xff0c;主要包括以下几种&#xff1a; 1. 使用INSERT INTO ... SELECT语句&#xff1a; 这是最常用的方法。通过SELECT语句从旧表中选择需要的数据&#xff0c;然后使用INSERT INTO语句将数据…

cesium-切分地图

在cesium中只看想看到的部分地图&#xff0c;其他的隐藏。 做法如下 import {ArrowRight} from element-plus/icons-vue import {onMounted, ref, watch} from "vue"; import * as Cesium from "cesium"; import InitCesium from "../js/InitCesiumH…

快速了解Redis

Redis是什么&#xff1f; Redis是一个数据库&#xff0c;是一个跨平台的非关系型数据库&#xff0c;Redis完全开源&#xff0c;遵守BSD协议。它通过键值对(Key-Value)的形式存储数据。 它与mysql数据库有什么区别&#xff1f; redis通过键值对(Key-Value)的形式存储数据&…

【AI视野·今日Robot 机器人论文速览 第八十三期】Wed, 6 Mar 2024

AI视野今日CS.Robotics 机器人学论文速览 Wed, 6 Mar 2024 Totally 30 papers &#x1f449;上期速览✈更多精彩请移步主页 Interesting: &#x1f4da;SpaceHopper,外星探索多功能三足机器人 (from Robotic Systems Lab, ETH Zurich) Daily Robotics Papers A Safety-Criti…

《探索虚拟与现实的边界:VR与AR谁更能引领未来?》

引言 在当今数字时代&#xff0c;虚拟现实&#xff08;VR&#xff09;和增强现实&#xff08;AR&#xff09;技术正以惊人的速度发展&#xff0c;并逐渐渗透到我们的日常生活中。它们正在重新定义人与技术、人与环境之间的关系&#xff0c;同时也为各行各业带来了全新的可能性。…

LeetCode刷题---填充每个节点的下一个右侧节点指针 II

题解:LeetCode题解 解题思想&#xff1a; 通过创建辅助指针来解决该问题 当当前节点cur不为空的时候&#xff0c;创建辅助节点dummy&#xff0c;使其一直作为每一层的第一个节点的前一个节点。 创建辅助指针pre&#xff0c;pre初始指向dummy&#xff0c;之后通过pre来填充当前层…

JVM-整体结构原理深度解析

JVM定义 JVM是Java Virtual Machine&#xff08;Java虚拟机&#xff09;的缩写&#xff0c;JVM是一种用于计算设备的规范&#xff0c;它是一个虚构出来的计算机&#xff0c;是通过在实际的计算机上仿真模拟各种计算机功能来实现的。 引入Java语言虚拟机后&#xff0c;Java语言在…

Tensorflow2.0笔记 - 常见激活函数sigmoid,tanh和relu

本笔记主要记录常见的三个激活函数sigmoid&#xff0c;tanh和relu&#xff0c;关于激活函数详细的描述&#xff0c;可以参考这里&#xff1a; 详解激活函数&#xff08;Sigmoid/Tanh/ReLU/Leaky ReLu等&#xff09; - 知乎 import tensorflow as tf import numpy as nptf.__ve…