CHIRPS Daily: Climate Hazards Center InfraRed Precipitation With Station Data (Version 2.0 Final)

UCSB-CHG/CHIRPS/DAILY
Dataset-Verfügbarkeit
1981-01-01T00:00:00Z–2025-06-30T00:00:00Z
Dataset-Anbieter
Earth Engine-Snippet
ee.ImageCollection("UCSB-CHG/CHIRPS/DAILY")
Cadence
1 Tag
Tags
chg climate geophysical precipitation ucsb weather

Beschreibung

CHIRPS (Climate Hazards Center InfraRed Precipitation with Station data) ist ein quasi-globaler Datensatz mit Niederschlagsdaten, der mehr als 30 Jahre umfasst. CHIRPS kombiniert Satellitenbilder mit einer Auflösung von 0,05° mit In-situ-Stationsdaten, um gerasterte Zeitreihen für Niederschläge für die Trendanalyse und die saisonale Dürreüberwachung zu erstellen.

Bänder

Pixelgröße
5566 Meter

Bänder

Name Einheiten Min. Max. Pixelgröße Beschreibung
precipitation mm/d 0* 1444,34* Meter

Niederschlag

* geschätzter Mindest- oder Höchstwert

Nutzungsbedingungen

Nutzungsbedingungen

Diese Datasets sind gemeinfrei. Soweit gesetzlich zulässig, hat Pete Peterson auf alle Urheberrechte und verwandten oder benachbarten Rechte an CHIRPS (Climate Hazards Center Infrared Precipitation with Stations) verzichtet.

Zitate

Quellenangaben:
  • Funk, Chris, Pete Peterson, Martin Landsfeld, Diego Pedreros, James Verdin, Shraddhanand Shukla, Gregory Husak, James Rowland, Laura Harrison, Andrew Hoell & Joel Michaelsen. „The climate hazards infrared precipitation with stations – a new environmental record for monitoring extremes“ Scientific Data 2, 150066. doi:10.1038/sdata.2015.66 2015.

Earth Engine nutzen

Code-Editor (JavaScript)

var dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY')
                  .filter(ee.Filter.date('2018-05-01', '2018-05-03'));
var precipitation = dataset.select('precipitation');
var precipitationVis = {
  min: 1,
  max: 17,
  palette: ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
};
Map.setCenter(17.93, 7.71, 2);
Map.addLayer(precipitation, precipitationVis, 'Precipitation');

Python einrichten

Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.ImageCollection('UCSB-CHG/CHIRPS/DAILY').filter(
    ee.Filter.date('2018-05-01', '2018-05-03')
)
precipitation = dataset.select('precipitation')
precipitation_vis = {
    'min': 1,
    'max': 17,
    'palette': ['001137', '0aab1e', 'e7eb05', 'ff4a2d', 'e90000'],
}

m = geemap.Map()
m.set_center(17.93, 7.71, 2)
m.add_layer(precipitation, precipitation_vis, 'Precipitation')
m
Im Code-Editor öffnen