由于大气中温室气体浓度的增加而逐渐形成的气候和天气异常可能对农民和资源管理者构成威胁。 越来越需要量化温度升高和气候变化对作物产量的影响，并在更精细的规模上评估影响，以便可以制定与该地点有关的具体适应战略。 我们的工作旨在使用不同的一般环流模型（GCM）及其集成的降尺度气候预测，在代表性浓度途径6.0和8.5下量化和评估未来气候异常对冬小麦（Triticum aestivum L.）产量的影响。 来自不同耦合模型比较项目GCM（CMIP5 GCM）的Marksim缩减的最高（TMax）和最低（TMin）气温，降雨量和太阳辐射（SRAD）每日数据用于模拟水和氮限制下和非限制条件下的小麦产量-未来2040-2060年的限制条件。 调查了气候变化对俄克拉荷马州冬小麦产量的潜在影响。 降级的GCM对气候变化的预测表明，气温升高，年降水量减少。 在俄克拉荷马州一个雨养半干旱的农业生态地区，这将是至关重要的。 与1980-2014年的基准年相比，在气候变化的预测下，2040-2060年的小麦平均预测产量增加。 我们的结果表明，缩小的GCM可以用于未来区域作物产量评估的气候预测方案。

世界气候 ClimateChange.xlsx

NCDC天气数据集Hadoop MapReduce猪蜂巢 国家气候数据中心（NCDC）是世界上最大的实时气象数据存档。 我下载了1930年的NCDC数据并将其加载到HDFS系统中。 我实现了MapReduce程序和Pig，Hove脚本，以找到不同站点的Min，Max，avg温度。 编译了Java文件：javac -classpath /home/student3/hadoop-common-2.6.1.jar:/home/student3/hadoop-mapreduce-client-core-2.6.1.jar:/home/student3/commons-cli -2.0.jar -d MaxTemperature.java MaxTemperatureMapper.java MaxTemperatureReducer.java 创建了JAR文件：jar -cvf hadoop-

BestiaPop：一个python软件包，用于自动化气候数据的提取和处理以进行作物建模 气候数据是使用特定地点（点）或网格化气候数据预测作物生长和发育的作物模型的重要输入。 但是， Crop Models期望输入数据以自定义文件格式（ MET ， WTH等）封装，这些格式不符合通用标准，需要各种自定义，具体取决于生成作物模型的预测引擎。 此外，像或这样的源数据提供者通常在它们作为API服务的一部分提供的数据输出文件的类型中保持中立，这导致源原始数据与作物建模套件开发其模型所需的已处理数据之间存在差距。 我们开发了BestiaPop （一个西班牙语单词，翻译为pop beast ），这是一个Python软件包，允许模型用户自动下载SILO（土地所有者的科学信息）或NASAPOWER网格化的气候数据，并将此数据转换为作物模型可以提取的文件如APSIM或DSSAT。 该软件包提供了选择一定

prism:根据PRISM气候数据计算GDD

地级市气候数据（平均温度、降水量、日照时数、相对湿度等指标）.zip

中国气象数据-更新到2021.08

该脚本从气候研究部门获取 1900-2013 年 0.5x0.5 网格化的月度天气数据，并将其转换为网格上的年度气候数据。 当前脚本针对温度和 20 年平均值执行此操作，但可以轻松调整其他参数（只需更改加载的文件）和时间段（只需查看您的指数）。

matlab开发-高分辨率气候数据的空间相关性。高分辨率气候数据相关性的空间模式特征

气候分析 该项目的目标是使用Python和SQLAlchemy进行基本的气候分析和数据集的数据探索。 数据包含在SQLite数据库中。 使用SQLAlchemy ORM查询，Pandas和Matplotlib完成了所有分析。 数据集 使用的工具 PyCharm-Python IDE Jupyter笔记本 Python-熊猫，NumPy，Matplotlib，SQLAlchemy，Datetime，Flask，Scipy 任务 将sqlite表反映到SQLAlchemy中 使用SQLAlchemy create_engine连接到sqlite数据库。 使用SQLAlchemy automap_base（）将表反映到类中，并保存对这些名为Station和Measurement的类的引用。 降水分析 设计了一个查询以检索最近12个月的降水数据。 从数据集中的最后日期算起的一年后的日期。