本贡献中包含的脚本计算再分析数据的谱经验正交函数 (SEOF) 分解。 这些示例包括参考文献 [1] 中讨论的天气和气候模式，即马登-朱利安涛动 (MJO)、准双年涛动 (QBO) 和厄尔尼诺-南方涛动 (ENSO)。 这些模式是从必须单独下载的 ERA-Interim 和 ERA-20C 数据中推导出来的。 相应的 Python 脚本位于“data/EI”（ERA-Interim）和“data/E20C”（ERA 20C）文件夹中。 请参阅https://confluence.ecmwf.int/display/WEBAPI/Access+ECMWF+Public+Datasets了解如何在 ECMWF 上设置帐户并下载其公共数据集的详细信息。 执行 SEOF 分解的核心例程 spod()（在经验正交函数分析被称为适当正交分解的领域中的 SPOD）位于“utils”文件夹中。 最新版本以
2021-11-06 19:35:54
94KB
1
Python中的气候指数
该项目包含各种气候指数算法的Python实现，这些算法提供了对于气候监测和研究有用的降水和温度异常严重程度的地理和时间图。
提供以下索引：
利用γ和Pearson III型分布的标准降水指数
，利用γ和Pearson III型分布进行的标准化降水蒸散指数
，潜在的蒸散量，利用或方程式
，帕尔默干旱指数
，自校准帕尔默干旱指数
，水文帕尔默干旱指数
，帕尔默湿度异常指数（Z指数）
，帕尔默修改干旱指数
PNP ，正常降水百分比
考虑到以下目标，正在开发上述气候指数算法的Python实现：
提供一个开放源代码软件包，以计算通常用于气候监测的一组气候指数，其文件记录完备，忠实于相关文献，并能产生可科学验证的结果
为气候指数的研究人员，开发人员和用户提供一个参与和协作的中央开放场所
促进对最佳气候指数算法以及Python中相应的兼容实现的标准化和共识
2021-11-03 20:27:28
732KB
1
了解海洋表面风的模式及其随时间的变化非常重要。 在这项研究中，通过使用NCEP / NCAR数据再分析，对印度洋的月表风场进行了为期35年（1981-2015年）的研究和分析。 结果表明，从冷模式到暖模式的转变发生在五月，夏季季风模式从六月开始，一直持续到八月。 从11月开始，风速趋于冬季季风。 6月的最大平均风速为13 m / s，10月的最小平均风速为2 m / s。 夏季的盛行风向是西南。 最高风速发生在10-15度的纬度。 对风分布的分析表明，大约60％的情况下发生2-5 m / s的风速。 所有月份都有可能吹0.5-4 m / s的风； 但是秋天（10月和11月）的概率要比夏天（7月和8月）的概率高。 每月5 m / s以上风的概率显示出绝对相反的分布； 也就是说，7月和8月的风速高于10月。 对地表水风速和海面温度的长期调查显示，在55年的统计期内，风速和海面温度的变化趋势相反。 风速降低，而海面温度升高。 大气层高层图中的风速梯度一直在增加； 这一现象证实了全球变暖和海洋变暖对印度洋季风系统模式的影响。 北关键字
2021-11-01 13:29:28
5.24MB
1
商务八年级地理上册气候基本特征富源县大河镇第一中学宋阳梅PPT课件.pptx
2021-10-28 13:03:22
1.91MB