关于ERA5-Land数据的几个问题

  • 1. 关于通量方向
  • 2. 关于scale_factor和add_offset问题

1. 关于通量方向

The ECMWF Integrated Forecasting System convention is that downward fluxes are positive. Therefore, negative values indicate evaporation and positive values indicate condensation"

ECMWF规定以向下的方向为正值(positive),向上为负值(negative),因此对于蒸散发而言,正值表示水汽凝结,负值才是蒸散发。

2. 关于scale_factor和add_offset问题

2.1 由于考虑到数据存储时占用空间的问题,ERA5-Land会采用scale_factor和add_offset来帮助减少文件大小,以下面变量为例

实际蒸散发的计算公式为
ET=ETread∗Scalefactor+addoffsetET=ET_{read} * Scale_{factor} + add_{offset} ET=ETread​∗Scalefactor​+addoffset​

2.2 由于下载的方式可以不同,scale_factor 和 add_offset可能会有变化。
下面的对话可以反映出差异

提问

Hello,
I downloaded snowfall data from 1979 to 2020, once for all months and once for every month separately, as netcdf files; i.e. I have one .nc file containing snowfall data from Jan to Dec for 1979 to 2020 (all_months.nc), and then I have 12 separated .nc files each containing snowfall data of a month from 1979 to 2020 (jan.nc, feb.nc, …, dec.nc).

I have noticed that the scale_factor and add_offset for snowfall data change, such that the unpacked values are slightly different despite looking at the same month (e.g. Values for October from all_month.nc are slightly different from those from oct.nc). I am calculating the yearly trends in snowfall for each month, and in some cases the trend change from having a significant trend to not having one as the p-value changes (even if the values of the slope is close).

What would be the reason for such differences? Sorry if this is a simple question, and thank you in advance.


回答
Hi

The scale_factor and add_offset are adjusted for each request to give an output netCDF file of a similar size to the input GRIB data size. The actual values sldo depend on the data range in the whole grib file, so I would expect some variation between different requests. How large are the differences you see?

Thanks,
Kevin

注意:如果使用matlab的 ncread函数 读取,则数据会被自动修正,无需再考虑上述过程!

请关注 大余海深 公众号,我们一起成长!

关于ERA5-Land数据的几个问题<笔记自用>相关推荐

  1. ERA5气象数据下载经验分享

    近期因为课题要求,需要下载ERA5的月均数据和日数据,因此学习一下网上关于这套数据的下载方法,并进行了一个简单的总结,方便大家学习,有错误的地方欢迎大家交流! 首先大家需要注册一个ERATHDATA的 ...

  2. 获取两个数据的交集_Redis学习笔记统计该如何选择数据类型

    关注爱因诗贤每天进步一点点导读 在业务场景中经常需要统计,如某直播累计观看人数.独立访客人数.历史总观看人数等等,再比如要统计某学生某月的签到情况等,遇到统计的情况,就需要思考如何合理地选择 Redi ...

  3. 在大量数据迁移期间oracle学习笔记

    在数据迁移期间oracle学习笔记 0主键(自增) 1用户代码 2区域代码 3承保公司代码 4理赔编码 5投保确认码 6案件状态 7案件进展 8重开案件进展 9转换后案件状态 需求分析: 1.根据上述 ...

  4. 阿里云大数据助理工程师ACA认证最新笔记(2021)

    阿里云大数据助理工程师ACA认证最新笔记(2020) 首先谈论一下考试相关 本人与最近学习并通过了阿里云云计算助理工程师ACA认证,购买了认证包,有6个月的时间,无数次的观看视频,每个沙箱实验都有两次 ...

  5. pandas读取文件数据、存储详解笔记

    本文是对 <利用Python进行数据分析>中关于数据读取的回顾性总计笔记,包含代码注释等. 目录 pd.read_csv和pd.read_table jsons数据读取 二级制数据读取 读 ...

  6. python segy格式地震数据读写包segyio学习笔记(二)

    python segy格式地震数据读写包segyio学习笔记(二) 最近大致搞明白了segyio读取叠后和叠前segy数据的方法,以及内部存储结构,以两段代码为例: 叠后数据读取.这是一个从给定时窗内 ...

  7. 用matlab代码进行数据探索、数据清洗学习笔记

    目录 1.说明 2.作文目的 3.数据质量分析3个判别方法 3-1.异常值判别 3-1-1.箱型图法 3-1-2.3σ准(原)则(拉依达准则) 3-2.缺失值判别 3-3.不一致的值判别 4.数据清洗 ...

  8. 电子数据取证第二章读书笔记

    电子数据取证第二章读书笔记 1.计算机硬件知识 内存与外存: 内存(Memory)是计算机的重要部件之一,也称内存储器和主存储器,它用于暂时存放CPU中的运算数据,与硬盘等外部存储器交换的数据.它是外 ...

  9. Python脚本使用CDSAPI批量下载ERA5气象数据

    使用Python脚本从 Copernicus Climate Data Store (CDS) 检索气象数据 具体地,需要检索变量(geopotential.relative_humidity.tem ...

  10. Python 批量下载 ERA-5 Reanalysis 数据

    ECMWF大气再分析数据集 ERA-interim 已被 ERA-5 数据集取代,ERA-5 详细信息看这里 下面介绍下载的具体步骤: 1. 要下载 ERA-5 数据集,需要先注册一个 CDS 账号. ...

最新文章

  1. html 标签开发,前端开发入门之HTML基础标签一
  2. 日本“妻子”机器人上线1小时被抢空,AI时代人类可还有未来?
  3. 西瓜说 | 物联网说了好一阵了,你为什么还不懂?
  4. mysql 字符列做日期分区_mysql 根据日期字段做表分区
  5. 程序员的快速成长之路
  6. js/css文件修改后浏览器本地缓存解决
  7. matplotlib画图设置线条透明度
  8. c语言不安全库_C语言中不安全的库函数及解决方案
  9. 傅里叶变换常用公式表_25个常用公式计算表+7套施工测量计算表,全自动计算,测量无压力...
  10. 养一台家庭轿车的年费是多少?有的工薪打工者为什么卖车?
  11. C#程序加密工具.Net Reactor教程
  12. 解决问题#Word导出PDF出现空白页
  13. 如何在python导入包_python如何导入包
  14. 大厂标配的动态化解决方案,高阶技术从未如此简单
  15. easyUI分页中,如何实现页面跳转,再返回时,仍然到跳转前页数。(含页面显示条数)
  16. Centos7,离线yum源下载,搭建
  17. 完美解决丨1. **`SyntaxError: invalid syntax`**
  18. 每天一个---- 吉尔德定律和迈特卡尔定律
  19. 单片机应用编程技巧100问
  20. 云日记结构bug心得

热门文章

  1. 实验吧-密码学-疑惑的汉字(当铺密码)
  2. 20、Docker基础知识-Image Index 和 manifest
  3. 机器学习算法(一): 基于逻辑回归的分类预测③
  4. Ionic+cordova+angularJS 项目实现IPhone 下拉框滚动效果
  5. 绝情且残酷!1780元暴力解聘患癌10年老员工,完美世界心真“硬”
  6. geogebra使用技巧
  7. jquery动态增加多行文本框并计算值
  8. 挖坑指南:如何在引用的外部js文件中获取vue页面实例?(独家)
  9. 安卓 jni 开发之 native 方法的动态注册
  10. 广告行业中那些趣事系列51:超牛的kaggle比赛Favorita Grocery Sales Forecasting冠军方案...