本文件为本人的“用python画含有主次坐标轴的折线图，以降水-径流图为例”这一博客对应的文件，运行此博客中的程序需要用到此文件。
2021-09-01 21:02:18
927B
1
使用神经网络（REGN）可靠地估算全球降水
首字母缩略词REGN代表使用神经网络对全球降水进行稳健估计。 同时，瑞格（[rɛŋn]）是瑞典语中的雨。 REGN项目的目的是开发基于神经网络的GPROF算法实现。
该存储库用于收集该项目的所有代码和结果。
AGU介绍
REGN项目的中间结果已在2020年AGU的演讲中介绍
H206-07-使用神经网络从GPM被动微波观测中获取贝叶斯降水
作为会议H206的一部分-天基降水观测和估算：科学和应用的创新I。
演示文稿的幻灯片可以在找到。
运行代码
重现显示的结果所需的代码由两部分组成：
regn Python程序包，该程序包实现基于QRNN的GPROF检索
和文件夹中包含的，其中包含执行数值分析的Python代码。
Python依赖项
注意：在安装任何这些依赖项之前，最好使用Python venv或conda创建一个新环境。
我们的工作基于
2021-08-27 15:43:18
23.9MB
1
采用Vicente-Serrano等在标准化降水指标基础上提出的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index, SPEI），研究了云南省的旱情。利用云南省境内32个站点逐月的气象统计数据，分别计算出1998至2012年各站点3、6、12和24个月的SPEI，组成云南省标准化降水蒸散指数数据集（1998-2012）。结果表明，SPEI3、SPEI6、SPEI12和SPEI24随时间推移均呈现降低趋势，即区域内干旱趋势逐渐加强。数据集包括两部分：（1）标准化降水蒸散指数计算站点的地理位置数据；（2）各点1998-2012年的标准化降水蒸散指数（SPEI）
2021-07-21 19:06:02
3KB
采用Vicente-Serrano等在标准化降水指标基础上提出的标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index, SPEI），研究了云南省的旱情。利用云南省境内32个站点逐月的气象统计数据，分别计算出1998至2012年各站点3、6、12和24个月的SPEI，组成云南省标准化降水蒸散指数数据集（1998-2012）。结果表明，SPEI3、SPEI6、SPEI12和SPEI24随时间推移均呈现降低趋势，即区域内干旱趋势逐渐加强。数据集包括两部分：（1）标准化降水蒸散指数计算站点的地理位置数据；（2）各点1998-2012年的标准化降水蒸散指数（SPEI）
2021-07-21 19:06:02
210KB