NOAA（美国海洋和大气管理局）气象数据获取与POI点数据获取

NOAA（美国海洋和大气管理局）提供GHCND（全球历史气候学网络）月度摘要数据库，可以满足全球陆地区域历史月度温度，降水和降雪记录的研究需求。

GHCND月度摘要数据库数据源自GHCN-Daily数据库，经过质量审查与二次加工制成，主要包含18个气象要素，包括温度（每月平均值和极端值），降水（每月总数，极端值和满足各种数量阈值的天数），降雪，最大雪深等。GHCND月度摘要数据库与它对应的每日数据库一样，包含分布在各大洲的40000多个站点的数十个观测值。

基于世界气象组织（WMO）第40号决议（Cg-12），世界气象组织（WMO）达成了世界天气监视计划协议，互相交换气象数据，GHCN-Daily数据库提供的数据即基于此计划。WMO成员国可以免费且不受限制的使用或导出数据用于研究，教育和其他非商业活动。

本节以台风山竹期间获取广东省内数据绘制降雨情况为例。点击数据库连接会得到以下文件列表，提供从1901年至今的气象数据，操作步骤如下：

在文件列表中找到ish-history.csv文件，文件提供了29726个气象站点，包含站点ID，站点经纬度，站点高程，站点所在城市，站点所在国家（CH代表中国），站点数据起迄时间。根据需求在excel内进行查找，筛选出想要的数据站点。从中筛选出具有2018年9月16日至9月18日数据的38个广东省范围内数据站。
点进2018年份文件夹，将筛选后的数据站原始数据下载下来并解压。对解压后的文件进行处理，此时解压出来的文件名称格式如“578660-99999-2018”，579570代表站点ID，99999是统一的命名，2018代表数据年份。此时文件并不能直接使用，官方提供了解析脚本ishJava.java，需要安装JDK环境使用，并在同路径下添加ishJava.class类，cmd下执行命令java -classpath . ishJava 578660-99999-2019 578660-99999-2010.out。这里提供了编写好的脚本，调用deal_with_download_file(root_source)函数即可处理路径下所有文件，输出成.out格式。

此时提供的数据是2018年一整年的数据，依据时间条件进行过滤，调用函数filter_time(root_source, 201809160000, 201809170000)筛选出三天的气象数据，得到筛选后的结果result.txt。
依据处理结果进行筛选，Arcgis处理后得到降雨插值图。

代码开源至：https://github.com/yemanzhongting/get_rain_data

POI数据获取

POI是Point of Interest的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。以百度地图为例，将POI分为八类：吃喝、住宿、出行、银行、娱乐、生活、景点、购物，再细一点可以选择大类中的类目。百度地图、高德地图等平台提供了API接口，对接口传入必要的参数，就能返回需要的数据。本节以抓取百度地图广州市医院位置为例进行讲解，主要步骤如下：

百度地图API Key的获取。API Key是百度地图API必要的请求参数，百度地图开发者平台提供申请入口。
请求参数。Query参数，即查询的POI种类，本例参数为医院；bounds参数，即检索的区域，格式为lat1，lng1，lat2，lng2，参数1表示左下角经纬度，参数二表示右下角经纬度；page_size参数，即返回的最大页面数，默认最大为20；page_num参数，即查询第几页的返回数据；region参数，即检索的城市名称；output参数，即查询结果的格式，这里选择json格式；ak参数，即申请的秘钥。一个完整的请求连接格式如下：http://api.map.baidu.com/place/v2/search?query=医院&page_size=20 &page_num={page_index}&region=广州市&&output=json&ak=yourak'，详细的脚本代码参见github。
坐标纠偏。由于百度坐标进行了一定加密处理，直接使用坐标会带来很明显的偏差，需要将经纬度从百度坐标系(BD-09)纠偏至CGCS2000或WGS84（两者均为大地坐标系，差异很小），以成都地铁站店为例，给出了纠偏的效果。

图纠偏对比

图抓取到的POI数据前端交互展示

NOAA（美国海洋和大气管理局）气象数据获取与POI点数据获取相关推荐

POI点数据获取与NOAA（美国海洋和大气管理局）气象数据获取
NOAA(美国海洋和大气管理局)提供GHCND(全球历史气候学网络)月度摘要数据库,可以满足全球陆地区域历史月度温度,降水和降雪记录的研究需求. GHCND月度摘要数据库数据源自GHCN-Daily数 ...
NOAA(美国国家海洋和大气管理局)逐月数据下载文件之官方说明文档（GSOM)
一.简介前段时间因为研究的需要,从NOAA(美国国家海洋和大气管理局)上下载了某区域的气象数据(CSV格式)文件,但是表里面的字段是缩写,并未指明字段具体的含义,而该官方文档对每个字段都进行了非常清 ...
Math之ARIMA：基于statsmodels库利用ARIMA算法对太阳黑子年数据(来自美国国家海洋和大气管理局)实现回归预测(ADF检验+LB检验+DW检验+ACF/PACF图)案例
Math之ARIMA:基于statsmodels库利用ARIMA算法对太阳黑子年数据(来自美国国家海洋和大气管理局)实现回归预测(ADF检验+LB检验+DW检验+ACF/PACF图)案例目录
Google Earth Engine（GEE）——美国近地表高精度实时气象数据集（2500米分辨率）
实时中尺度分析 (RTMA) 是针对近地表天气条件的高空间和时间分辨率分析.该数据集包括 CONUS 在 2.5 公里处的每小时分析. 数据集可用性 2011-01-01T00:00:00Z–2022 ...
基于北斗RDSS短报文的海洋浮标在线水质/气象综合监测系统
一.系统概述全球水资源占百分之七十一,随着经济的发展,特别近海城市的污水排放已成重要的污染源,为了预防水资源的过度污染,海洋水资源监测为国家合理开发利用和保护水土资源提供系统水质资料的一项重要的 ...
气象数据.txt读取与可视化
很多网站上都可以方便的下载到气象数据,如美国海洋和大气管理局NOAA.美国航空航天局NASA和英国气象局哈德利研究中心等,数据格式包括文本(.txt).NetCDF(.nc)和普通的二进制格式(.as ...
最新进展 | 深度学习在天气预测中的应用
谷歌研究员提出使用机器学习方法预测未来短时间内的天气.此方法虽然处于早期发展阶段,但效果已经优于传统模型. 前言天气总是会或轻或重地影响人们的日常生活,而天气预报的准确性会极大影响人们应对天气的方式 ...
万字长文！Jeff Dean亲笔盘点谷歌AI 2019：纵横16大方向，汇集重要开源算法（附链接）...
本文经AI新媒体量子位(公众号 ID: QbitAI)授权转载,转载请联系出处本文约12000字,建议阅读20+分钟本文是Jeff Dean代表Google AI,盘点过去一年AI大趋势. 又一年 ...
Jeff Dean亲笔盘点谷歌AI 2019：日均2篇论文，纵横16大方向，一文汇集重要开源算法...
点击上方"深度学习技术前沿",选择星标或置顶,每天给你送干货! 阅读大概需要16分钟跟随小博主,每天进步一丢丢又一年,Jeff Dean代表Google AI,总结过去一年AI ...

NOAA（美国海洋和大气管理局）气象数据获取与POI点数据获取

POI数据获取

NOAA（美国海洋和大气管理局）气象数据获取与POI点数据获取相关推荐

最新文章

热门文章