GEE数据集——全球( 30 弧秒)尺度地下水模型GLOBGM v1.0数据集

全球尺度地下水模型GLOBGM v1.0

GLOBGM v1.0 数据集是全球地下水建模的一个重要里程碑,提供了 30 弧秒 PCR-GLOBWB-MODFLOW 模型的并行实施。该数据集由 Jarno Verkaik 等人开发,以赤道约 1 公里的空间分辨率全面展示了全球地下水动态。该数据集利用两个模型层和 MODFLOW 6 框架,利用现有的 30′′ PCR-GLOBWB 数据进行模拟,使研究人员能够探索全球范围的地下水流动态。计算实现采用消息传递接口并行化,便于在分布式内存并行集群上进行高效处理。

GLOBGM v1.0 数据集覆盖全球(不包括格陵兰岛和南极洲),有助于深入了解地下水行为的各个方面。尽管该数据集未经校准,但它利用美国地质调查局(USGS)国家水信息系统(NWIS)对美国毗连地区(CONUS)的水头观测数据进行了有限的评估。您可以点击此处阅读论文,以便更好地了解该方法。

讨论了在大型分布式内存并行集群上并行化 30′′ 分辨率(30 弧秒;赤道上 ∼ 1 公里)瞬态全球尺度地下水模型的各方面性能。该模型被称为 GLOBGM,是 PCR-GLOBWB 2(PCRaster Global Water Balance Model,PCRaster 全球水平衡模型)5′(5 弧分;赤道 ∼ 10 公里)地下水模型的后继模型,基于具有两个模型层的 MODFLOW。本研究使用的当前版本 GLOBGM(v1.0)也有两个模型层,未经校准,使用的是现有的 30′′ PCR-GLOBWB 数据。将模型分辨率从 5′ 提高到 30′ 会带来一些挑战,包括运行时间、内存使用量和数据存储量的增加,这些都超出了单台计算机的承受能力。我们的研究表明,我们的并行化方法能以相对较低的并行硬件要求解决这些问题,从而满足那些无法独享超级计算机中成百上千个节点的用户或建模人员的需求。

在模拟中,我们使用了非结构化网格和 MODFLOW 6 的原型版本,并利用消息传递接口对其进行了并行化处理。我们构建了总计 2.78 亿个活动单元的独立非结构化网格,以消除所有多余的海洋和陆地单元,同时满足所有必要的边界条件,并将其分布在三个大陆尺度的地下水模型上(1.68 亿个--非洲-欧亚大陆;0.77 亿个--美洲;0.16 亿个--澳大利亚),剩下的一个模型用于较小的岛屿(0.17 亿个)。四个地下水模型中的每个模型都被划分为多个不重叠的子模型,这些子模型在 MODFLOW 线性求解器中紧密耦合,每个子模型被唯一分配给一个处理器内核,相关子模型数据在预处理过程中使用数据块并行写入。为了提前平衡并行工作量,我们以两种方式应用了广泛使用的 METIS 图分割器:直接应用于所有(横向)模型网格单元,并以基于区域的方式应用于 HydroBASINS 集水区,这些集水区被分配给子模型,以便对未来与地表水的耦合进行预排序。我们考虑在荷兰国家超级计算机 Snellius 上进行一次试验,以每日时间步长和每月输入的方式模拟 1958-2015 年,包括 20 年的自旋。鉴于串行模拟需要 4.5 个月的运行时间,我们设定了最多 16 小时模拟运行时间的假设目标。我们的结果表明,12 个节点(每个节点 32 个内核;共 384 个内核)足以实现这一目标,在并行使用 7 个节点(224 个内核)时,最大的非洲-欧亚大陆模型的速度提高了 138 倍。

利用美国地质调查局 (USGS) 国家水信息系统 (NWIS) 对美国毗连地区的水头观测数据,对模型输出结果进行了有限的评估。结果表明,与 5 ′ PCR-GLOBWB 地下水模型相比,将分辨率从 5 ′提高到 30 ′,GLOBGM 在稳态模拟中的效果明显改善。然而,瞬态模拟的结果非常相似,还有很大的改进余地。不过,GLOBGM 和 PCR-GLOBWB 模型得出的月度和多年陆地总蓄水量异常值与 GRACE 卫星的观测结果相比还是比较理想的。要进一步改进下一版全球陆地水文地理信息模型,需要更详细的(水文)地质示意图和有关取水井位置、深度和抽水量的更多信息。

数据结构

本表提供了 GLOBGM 数据集模型栅格输出的结构概述,包括文件路径和每个文件的说明。

File PathDescription
/steady-state/globgm-heads-lower-layer-ss.tifComputed steady-state groundwater head [m] for the lower model layer
/steady-state/globgm-heads-lower-layer-ss.tifComputed steady-state groundwater head [m] for the upper model layer
/steady-state/globgm-wtd-ss.tifComputed water table depth [m] (sampled from upper to lower layer)
/transient_1958-2015/globgm-wtd-.tifComputed water table depth [m] (sampled from upper to lower layer)
/transient_1958-2015/globgm-wtd-bot-*.tifComputed water table depth [m] (lower layer only)

文章引用

Verkaik, Jarno, Edwin H. Sutanudjaja, Gualbert HP Oude Essink, Hai Xiang Lin, and Marc FP Bierkens. "GLOBGM v1. 0: a parallel implementation of a 30
arcsec PCR-GLOBWB-MODFLOW global-scale groundwater model." Geoscientific Model Development 17, no. 1 (2024): 275-300.

数据引用

Verkaik, J., Hughes J.D., Langevin, C.D., (2021). Parallel MODFLOW 6.2.1 prototype release 0.1 (6.2.1_0.1). Zenodo.

数据代码

var wtd = ee.ImageCollection("projects/sat-io/open-datasets/GLOBGM/TRANSIENT/WTD");
var wtd_bt = ee.ImageCollection("projects/sat-io/open-datasets/GLOBGM/TRANSIENT/WTD-BOTTOM");
var globgm_wtd_ss = ee.Image("projects/sat-io/open-datasets/GLOBGM/STEADY-STATE/globgm-wtd-ss");
var globgm_heads_lower_layer_ss = ee.Image("projects/sat-io/open-datasets/GLOBGM/STEADY-STATE/globgm-heads-lower-layer-ss");
var globgm_heads_upper_layer_ss = ee.Image("projects/sat-io/open-datasets/GLOBGM/STEADY-STATE/globgm-heads-upper-layer-ss");

Sample code: https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:hydrology/GLOBGM-GROUNDWATER-MODEL

License¶

GLOBGM v1.0 is open source and distributed under the terms of GNU General Public License v3.0, or any later version, as published by the Free Software Foundation.

Created by: Verkaik et al. 2024

Curated in GEE by : Samapriya Roy

Keywords: GLOBGM,groundwater,global-scale modeling,PCR-GLOBWB,MODFLOW,high performance computing

Last updated in GEE: 2024-02-04

 网址推荐

0代码在线构建地图应用 

https://sso.mapmost.com/#/login?source_inviter=nClSZANO

机器学习
https://www.cbedai.net/xg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://xiahunao.cn/news/2869943.html

如若内容造成侵权/违法违规/事实不符,请联系瞎胡闹网进行投诉反馈,一经查实,立即删除!

相关文章

【UE5】非持枪趴姿移动混合空间

项目资源文末百度网盘自取 创建角色在非持枪状态趴姿移动的动画混合空间 在BlendSpace文件夹中单击右键选择 动画(Animation) 中的混合空间(Blend Space) 选择SK_Female_Skeleton 命名为BS_NormaProne 打开BS_NormaProne 水平轴表示角色的方向,命名为Directi…

AI - 支持向量机算法

🧨概念 支持向量机(Support Vector Machine, SVM)是一种强大的机器学习算法,主要用于解决二分类问题。 SVM的核心思想是找到一个超平面,这个超平面能够最好地将数据分为两类,即在保证分类准确的情况下&am…

如何在Ubuntu中查看编辑lvgl的demo和examples?

如何在Ubuntu中查看编辑lvgl的demo和examples? 如何在 Ubuntu系统中运行查看lvgl 1、拉取代码 在lvgl的github主页面有50多个仓库,找到lv_port_pc_eclipse这个仓库,点进去 拉取仓库代码和子仓库代码 仓库网址:https://github…

15 个最佳免费照片恢复软件快速恢复已删除的图像

这篇文章重点介绍了适用于 Windows 10 的 15 款最佳免费照片恢复软件。阅读整篇文章,了解理想的图像恢复软件。 照片可以带回所有的回忆,回忆起与我们所爱的人和亲密的人度过的每一个“时刻”。照片是我们永远不想失去的东西,但有时我们会无…

YOLOv9改进策略:注意力机制 | 极化自注意力Polarized Self-Attention,效果秒杀CBAM、SE

💡💡💡本文改进内容:本文针对Pixel-wise regression的任务,提出了一种更加精细的双重注意力机制——极化自注意力(Polarized Self-Attention),效果优于CBAM、SE等经典注意力。 yolo…

【ESP32接入国产大模型之MiniMax】

1. MiniMax 讲解视频: ESP32接入语言大模型之MiniMax MM智能助理是一款由MiniMax自研的,没有调用其他产品的接口的大型语言模型。MiniMax是一家中国科技公司,一直致力于进行大模型相关的研究。 随着人工智能技术的不断发展,自然语…

PTA L2-014 列车调度

火车站的列车调度铁轨的结构如下图所示。 两端分别是一条入口(Entrance)轨道和一条出口(Exit)轨道,它们之间有N条平行的轨道。每趟列车从入口可以选择任意一条轨道进入,最后从出口离开。在图中有9趟列车&am…

python 爬取人民新闻

基础信息获取: 要闻url:https://www.gov.cn/yaowen/liebiao/home.htm 下一页的url:https://www.gov.cn/yaowen/liebiao/home_1.htm 基础代码: import re import openpyxl import requests from lxml import etree import osdef …

【运维】StarRocks数据迁移到新集群(针对于集群互通、不互通的情况)

文章目录 一. 迁移整体思路1. 对于新旧集群互通的情况2. 对于新旧集群不互通的情况 二、迁移过程(两个集群互通的情况)1. 备份过程1.1. 通过mysqlclient与starrocks进行关联1.2. 创建仓库与minio建立联系1.3. 备份数据到minio 2. 迁移过程2.1. 通过mysql…

win10 + cpu + pycharm + mindspore

MindSpore是华为公司自研的最佳匹配昇腾AI处理器算力的全场景深度学习框架。 1、打开官网: MindSpore官网 2、选择以下选项: 3、创建conda 环境,这里python 选择3.9.0,也可以选择其他版本: conda create -c conda-…

计算机设计大赛 题目:基于机器视觉opencv的手势检测 手势识别 算法 - 深度学习 卷积神经网络 opencv python

文章目录 1 简介2 传统机器视觉的手势检测2.1 轮廓检测法2.2 算法结果2.3 整体代码实现2.3.1 算法流程 3 深度学习方法做手势识别3.1 经典的卷积神经网络3.2 YOLO系列3.3 SSD3.4 实现步骤3.4.1 数据集3.4.2 图像预处理3.4.3 构建卷积神经网络结构3.4.4 实验训练过程及结果 3.5 …

SQLiteC/C++接口详细介绍之sqlite3类(十八)

返回目录:SQLite—免费开源数据库系列文章目录 上一篇:SQLiteC/C接口详细介绍之sqlite3类(十七) ​ 56.sqlite3_update_hook 函数功能:向应用程序通知每一个 INSERT、UPDATE 或 DELETE 语句。 当INSERT、UPDATE或D…

HarmonyOS(二十)——管理应用拥有的状态之LocalStorage(页面级UI状态存储)

LocalStorage是页面级的UI状态存储,通过Entry装饰器接收的参数可以在页面内共享同一个LocalStorage实例。LocalStorage也可以在UIAbility实例内,在页面间共享状态。 本文仅介绍LocalStorage使用场景和相关的装饰器:LocalStorageProp和LocalS…

【模电技术从入门到精通到放弃】半导体基础知识

目录 🤩🤩🤩前言 Hello,大家好。我是CSDN厉昱辰。很高兴能够跟大家再次探索模电知识,那就让我们在接下来的日子里,一起去分享模电的相关知识,共同去讨论关于模电的相关问题! &#…

第七篇【传奇开心果系列】Python自动化办公库技术点案例示例:深度解读数据分析数据挖掘的几个重要算法为代表的核心技术

传奇开心果博文系列 系列博文目录Python自动化办公库技术点案例示例系列 博文目录前言一、重要算法介绍二、回归分析示例代码三、聚类分析示例代码四、决策树示例代码五、关联规则挖掘示例代码六、神经网络示例代码七、支持向量机示例代码八、聚类分析示例代码九、主成分分析示…

React低代码平台实战:构建高效、灵活的应用新范式

文章目录 每日一句正能量前言一、React与低代码平台的结合优势二、基于React的低代码平台开发挑战三、基于React的低代码平台开发实践后记好书推荐编辑推荐内容简介作者简介目录前言为什么要写这本书 读者对象如何阅读本书 赠书活动 每日一句正能量 人生之美,不在争…

【机器学习】分类模型的评价方法

🌻个人主页:相洋同学 🥇学习在于行动、总结和坚持,共勉! #学习笔记# 目录 一、混淆矩阵(Confusion Matrix) 二、评估指标(Evaluation metrics) 1.正确率(accuracy) …

Type-C接口CC连接过程

1、CC线连接过程 DFP和UFP会实时监控CC1和CC2引脚的电压,来评估DFP和UFP是否都已经在位。同时DFP可以根据电压确定自己所能提供的电流的大小 2、连接过程 Source端使用一个MOS管去控制Vbus,初始状态下,FET为关闭状态,Vbus不通。S…

在Windows上编译QGC 4.3.0

软件版本: QGC4.3.0QT6.6.1VSvs2019 1. 下载和安装 QT 官网安装包下载地址 qt-unified-windows-x64-4.6.1-online.exehttps://download.qt.io/official_releases/online_installers/命令行中运行: .\qt-unified-windows-x64-4.6.1-online.exe --mirro…

NeRF学习——NeRF-Pytorch的源码解读

学习 github 上 NeRF 的 pytorch 实现项目(https://github.com/yenchenlin/nerf-pytorch)的一些笔记 1 参数 部分参数配置: 训练参数: netdepth:神经网络的层数。默认值为8 netwidth:每层的通道数。默认…