Awesome GEE Community Catalog Browser
У Awesome GEE Community Catalog (https://gee-community-catalog.org/) появился Catalog Browser (https://gee-community-catalog.org/browse).
#GEE #данные
У Awesome GEE Community Catalog (https://gee-community-catalog.org/) появился Catalog Browser (https://gee-community-catalog.org/browse).
#GEE #данные
Глобальная ансамблевая цифровая модель рельефа GEDTM30
Глобальная ансамблевая цифровая модель рельефа (ЦМР) с пространственным разрешением 30 м, GEDTM30, (Global Ensemble Digital Terrain Model 30 m) создана при помощи ЦМР Copernicus, ALOS World3D и модели высот объектов в рамках подхода слияния данных. В рамках глобально-локальной модели трансферного обучения с чередованием 5°×5° использовались глобально распределенные наборы лидарных данных: ICESat-2 ATL08 (наилучшая высота местности) и GEDI02 (наименьшая высота — lowest mode elevation), насчитывающие в общей сложности более 30 миллиардов обучающих точек. Первоначально была подобрана глобальная модель с использованием ICESat-2 и GEDI, а затем локальные оптимизированные модели для каждого тайла, обеспечивающие как глобальную согласованность, так и локальную точность.
Независимая проверка показала, что GEDTM30 снижает среднеквадратичную ошибку (RMSE) ЦМР Copernicus примерно на 25,4% в районах городской застройки, на 10,0% в районах с 10–50% древесного покрова и на 27,3% в районах с более чем 50% древесного покрова. По сравнению с современными ЦМР (MERIT DEM, FABDEM и FathomDEM), GEDTM30 достигает наименьших вертикальных ошибок при оценке с помощью записей GNSS-станций, что дает стандартное отклонение 7,77 м, RMSE 10,69 м и среднюю ошибку 7,34 м.
Затем GEDTM30 использовалась для расчета 15 стандартных параметров поверхности земли — топографии и гидрологии — в шести масштабах (30, 60, 120, 240, 480 и 960 м).
Весь рабочий процесс был реализован на языке Python с использованием GDAL и Whitebox Workflows.
Данные и код GEDTM30 находятся в открытом доступе в виде облачно оптимизированных GeoTIFF
🔗 Скачать GEDTM30 на Zenodo
🖥 Код для создания GEDTM30 на GitHub
📖 Методика создания GEDTM30
🙏 Благодарим за наводку Евгения Матерова, ведущего тг-канал Наука и данные.
#DEM #данные
Глобальная ансамблевая цифровая модель рельефа (ЦМР) с пространственным разрешением 30 м, GEDTM30, (Global Ensemble Digital Terrain Model 30 m) создана при помощи ЦМР Copernicus, ALOS World3D и модели высот объектов в рамках подхода слияния данных. В рамках глобально-локальной модели трансферного обучения с чередованием 5°×5° использовались глобально распределенные наборы лидарных данных: ICESat-2 ATL08 (наилучшая высота местности) и GEDI02 (наименьшая высота — lowest mode elevation), насчитывающие в общей сложности более 30 миллиардов обучающих точек. Первоначально была подобрана глобальная модель с использованием ICESat-2 и GEDI, а затем локальные оптимизированные модели для каждого тайла, обеспечивающие как глобальную согласованность, так и локальную точность.
Независимая проверка показала, что GEDTM30 снижает среднеквадратичную ошибку (RMSE) ЦМР Copernicus примерно на 25,4% в районах городской застройки, на 10,0% в районах с 10–50% древесного покрова и на 27,3% в районах с более чем 50% древесного покрова. По сравнению с современными ЦМР (MERIT DEM, FABDEM и FathomDEM), GEDTM30 достигает наименьших вертикальных ошибок при оценке с помощью записей GNSS-станций, что дает стандартное отклонение 7,77 м, RMSE 10,69 м и среднюю ошибку 7,34 м.
Затем GEDTM30 использовалась для расчета 15 стандартных параметров поверхности земли — топографии и гидрологии — в шести масштабах (30, 60, 120, 240, 480 и 960 м).
Весь рабочий процесс был реализован на языке Python с использованием GDAL и Whitebox Workflows.
Данные и код GEDTM30 находятся в открытом доступе в виде облачно оптимизированных GeoTIFF
🔗 Скачать GEDTM30 на Zenodo
🖥 Код для создания GEDTM30 на GitHub
📖 Методика создания GEDTM30
🙏 Благодарим за наводку Евгения Матерова, ведущего тг-канал Наука и данные.
#DEM #данные
Seabed 2030: общедоступные батиметрические данные
Фонд “Ниппон” (Nippon Foundation) и General Bathymetric Chart of the Oceans (GEBCO) создали проект “Seabed 2030” (https://seabed2030.org) для мобилизации и объединения усилий по созданию общедоступной карты мирового океана к 2030 году.
Некоторые 🛢 данные GEBCO можно загрузить уже сейчас ⬆️. Данные хранятся в форматах netCDF, Esri ASCII raster, а также GeoTiff, и обновляются ежегодно в июне.
🌍 Скачать данные для заданной пользователем области интереса можно в GEBCO Gridded Bathymetry Data Download (https://download.gebco.net/)
#океан #данные
Фонд “Ниппон” (Nippon Foundation) и General Bathymetric Chart of the Oceans (GEBCO) создали проект “Seabed 2030” (https://seabed2030.org) для мобилизации и объединения усилий по созданию общедоступной карты мирового океана к 2030 году.
Некоторые 🛢 данные GEBCO можно загрузить уже сейчас ⬆️. Данные хранятся в форматах netCDF, Esri ASCII raster, а также GeoTiff, и обновляются ежегодно в июне.
🌍 Скачать данные для заданной пользователем области интереса можно в GEBCO Gridded Bathymetry Data Download (https://download.gebco.net/)
#океан #данные
SoilSuite — почвы Европы (2018–2022)
Набор SoilSuite от Немецкого центра авиации и космонавтики (DLR) состоит из слоев данных, содержащих информацию о спектральных и статистических свойствах европейских почв и других обнажений, таких как скалы с пространственным разрешением 20 м. Он создан с помощью Soil Composite Mapping Processor (ScMAP), который использует архив снимков Sentinel-2.
SCMaP — это специализированный процесс обработки спутниковых данных, направленный на обнаружение обнажений в континентальном масштабе. Пиксели обнажений отбираются с помощью комбинированного индекса на основе NDVI и NBR (PVIR2), который оптимизирует исключение фотосинтетически активной и неактивной растительности. Индекс рассчитывается и применяется для каждого отдельного пикселя.
Данные SoilSuite рассчитаны на основе доступных сцен Sentinel-2, зарегистрированных в период с января 2018 по декабрь 2022 года в Европе. Исключены все сцены с облачностью > 80% и высотой солнца < 20 градусов.
Спектральные композитные продукты рассчитываются на основе среднего значения после удаления облаков, дымки и снежных эффектов как на уровне сцены, так и на уровне пикселей.
🛢 Данные
📖 Методика и описание данных
🗺 Mapservice
#почва #данные
Набор SoilSuite от Немецкого центра авиации и космонавтики (DLR) состоит из слоев данных, содержащих информацию о спектральных и статистических свойствах европейских почв и других обнажений, таких как скалы с пространственным разрешением 20 м. Он создан с помощью Soil Composite Mapping Processor (ScMAP), который использует архив снимков Sentinel-2.
SCMaP — это специализированный процесс обработки спутниковых данных, направленный на обнаружение обнажений в континентальном масштабе. Пиксели обнажений отбираются с помощью комбинированного индекса на основе NDVI и NBR (PVIR2), который оптимизирует исключение фотосинтетически активной и неактивной растительности. Индекс рассчитывается и применяется для каждого отдельного пикселя.
Данные SoilSuite рассчитаны на основе доступных сцен Sentinel-2, зарегистрированных в период с января 2018 по декабрь 2022 года в Европе. Исключены все сцены с облачностью > 80% и высотой солнца < 20 градусов.
Спектральные композитные продукты рассчитываются на основе среднего значения после удаления облаков, дымки и снежных эффектов как на уровне сцены, так и на уровне пикселей.
🛢 Данные
📖 Методика и описание данных
🗺 Mapservice
#почва #данные
Новые слои данных FIRMS
Группа специалистов NASA Fire Information for Resource Management System (FIRMS) разработала и внедрила в карты пожаров FIRMS (https://firms.modaps.eosdis.nasa.gov/) новые слои данных программу просмотра карты пожаров FIRMS для выявления тепловых аномалий, не связанных с растительными пожарами.
🔥 Слой Static Thermal Anomalies (STA) - Mask — маска часто наблюдаемой или статической тепловой активности. Она создана на основе данных об обнаружении активных пожаров, полученных с помощью спектрорадиометра MODIS на спутниках Terra и Aqua, а также данных об обнаружении активных пожаров прибора S-NPP VIIRS за 2023 календарный год. Центроиды активных тепловых аномалий суммируются на сетке 400 м. Затем извлекается любая ячейка сетки, содержащая 5 или более активных обнаружений пожаров в течение 2023 года. Центроид ячейки буферизируется до приблизительного размера пикселя 375 м и сглаживается для создания маски часто наблюдаемой или статической тепловой активности. Затем эта маска фильтруется с использованием нескольких источников данных, которые регистрируют местоположение промышленных источников тепла и других естественных источников тепла, не связанных со сжиганием растительности.
🔥 В слое Static Thermal Anomalies - Detections представлены вероятные пожары или другие источники теп
1️⃣ Текущие версии слоев Static Thermal Anomalies (STA) - Mask и Static Thermal Anomalies - Detections представлены в FIRMS в разделе Static Thermal Anomalies, отмеченном как “экспериментальный”. Слои данных, содержащие местоположение промышленных источников тепла и других природных источников тепла, которые использовались для фильтрации слоя Static Thermal Anomalies (STA) - Mask, представлены в разделах INDUSTRIAL PLANTS и POWER PLANTS.
2️⃣ На снимке показано обнаружение в FIRMS пожара Hughes Fire, произошедшего 22 января 2025 года (красный wdtn). Отдельно отмечены статические тепловые аномалии, обнаруженные в ночные часы 22–23 января и связанные со свалкой на юго-западе (голубой цвет), а также полигон границ свалки (розовый цвет).
#пожары #данные
Группа специалистов NASA Fire Information for Resource Management System (FIRMS) разработала и внедрила в карты пожаров FIRMS (https://firms.modaps.eosdis.nasa.gov/) новые слои данных программу просмотра карты пожаров FIRMS для выявления тепловых аномалий, не связанных с растительными пожарами.
🔥 Слой Static Thermal Anomalies (STA) - Mask — маска часто наблюдаемой или статической тепловой активности. Она создана на основе данных об обнаружении активных пожаров, полученных с помощью спектрорадиометра MODIS на спутниках Terra и Aqua, а также данных об обнаружении активных пожаров прибора S-NPP VIIRS за 2023 календарный год. Центроиды активных тепловых аномалий суммируются на сетке 400 м. Затем извлекается любая ячейка сетки, содержащая 5 или более активных обнаружений пожаров в течение 2023 года. Центроид ячейки буферизируется до приблизительного размера пикселя 375 м и сглаживается для создания маски часто наблюдаемой или статической тепловой активности. Затем эта маска фильтруется с использованием нескольких источников данных, которые регистрируют местоположение промышленных источников тепла и других естественных источников тепла, не связанных со сжиганием растительности.
🔥 В слое Static Thermal Anomalies - Detections представлены вероятные пожары или другие источники теп
1️⃣ Текущие версии слоев Static Thermal Anomalies (STA) - Mask и Static Thermal Anomalies - Detections представлены в FIRMS в разделе Static Thermal Anomalies, отмеченном как “экспериментальный”. Слои данных, содержащие местоположение промышленных источников тепла и других природных источников тепла, которые использовались для фильтрации слоя Static Thermal Anomalies (STA) - Mask, представлены в разделах INDUSTRIAL PLANTS и POWER PLANTS.
2️⃣ На снимке показано обнаружение в FIRMS пожара Hughes Fire, произошедшего 22 января 2025 года (красный wdtn). Отдельно отмечены статические тепловые аномалии, обнаруженные в ночные часы 22–23 января и связанные со свалкой на юго-западе (голубой цвет), а также полигон границ свалки (розовый цвет).
#пожары #данные
Данные EarthCARE Level-2 в открытом доступе
Запущенный 28 мая 2024 года спутник ESA Earth Cloud, Aerosol and Radiation Explorer (EarthCARE) на сегодняшний день является самым крупным и сложным космическим аппаратом, запущенным по программе Earth Explorer. Благодаря четырем приборам — радару профилирования облаков (Cloud Profiling Radar, CPR), атмосферному ультрафиолетовому лидару (Atmospheric UV Lidar, ATLID), широкополосному радиометру (Broadband Radiometer, BBR) и мультиспектральной камере (Multispectral Imager, MSI) — EarthCARE проводит множество измерений, которые в совокупности дают уникальную информацию о сложных взаимодействиях между облаками, аэрозолями и радиацией.
🛢 Данные второго уровня EarthCARE находятся в открытом доступе.
Были выпущены два типа продуктов:
• Level 2a, полученные с помощью отдельных приборов EarthCARE,
• комбинированные продукты Level 2b, полученные с помощью двух приборов EarthCARE.
Благодаря объединению измерений, полученных, например, с помощью радара и лидара, продукты Level 2b обеспечивают большую точность и детализацию по сравнению с результатами, полученными при помощи одного прибора. Уже выпущены комбинированные продукты CPR & ATLID, ATLID & MSI, MSI & BBR, а в будущем планируется создать дополнительные комбинации.
📊 Данные EarthCARE показывают шлейф пыли пустыни Сахара.
#атмосфера #лидар #данные
Запущенный 28 мая 2024 года спутник ESA Earth Cloud, Aerosol and Radiation Explorer (EarthCARE) на сегодняшний день является самым крупным и сложным космическим аппаратом, запущенным по программе Earth Explorer. Благодаря четырем приборам — радару профилирования облаков (Cloud Profiling Radar, CPR), атмосферному ультрафиолетовому лидару (Atmospheric UV Lidar, ATLID), широкополосному радиометру (Broadband Radiometer, BBR) и мультиспектральной камере (Multispectral Imager, MSI) — EarthCARE проводит множество измерений, которые в совокупности дают уникальную информацию о сложных взаимодействиях между облаками, аэрозолями и радиацией.
🛢 Данные второго уровня EarthCARE находятся в открытом доступе.
Были выпущены два типа продуктов:
• Level 2a, полученные с помощью отдельных приборов EarthCARE,
• комбинированные продукты Level 2b, полученные с помощью двух приборов EarthCARE.
Благодаря объединению измерений, полученных, например, с помощью радара и лидара, продукты Level 2b обеспечивают большую точность и детализацию по сравнению с результатами, полученными при помощи одного прибора. Уже выпущены комбинированные продукты CPR & ATLID, ATLID & MSI, MSI & BBR, а в будущем планируется создать дополнительные комбинации.
📊 Данные EarthCARE показывают шлейф пыли пустыни Сахара.
#атмосфера #лидар #данные
This media is not supported in your browser
VIEW IN TELEGRAM
Global Administrative Unit Layers (GAUL) 2024
Данные Global Administrative Unit Layers (GAUL) разработаны и принадлежит Продовольственной и сельскохозяйственной организации Объединенных Наций (ФАО). Это глобальные данные о субнациональных административных единицах для всех стран мира в соответствии с установленными Организацией Объединенных Наций (ООН) международными границами.
GAUL 2024 включает два набора данных:
• GAUL 2024 Subnational Level 1 (GAUL_2024_L1)
• GAUL 2024 Subnational Level 2 (GAUL_2024_L2).
Они созданы путем консолидации данных национального уровня из указанных ниже источников, что потребовало редактирования геометрии, стандартизации атрибутов в единую структуру таблиц и подготовки метаданных для каждой страны. 📖 Техническая документация находится здесь.
Источники данных в порядке приоритета:
1. Second Administrative Level Boundaries (SALB)
2. Humanitarian Data Exchange (HDX) от Office for the Coordination of Humanitarian Affairs (OCHA)
3. Данные национальных провайдеров, отобранные ФАО
4. GAUL 2015 — используются, если нет других данных. ❗️Качество этих данных годится только для обзорных работ.
Данные GAUL на:
🛢 сайте ФАО
🌍 Google Earth Engine
Данные доступны по лицензии CC BY 4.0.
#данные #границы
Данные Global Administrative Unit Layers (GAUL) разработаны и принадлежит Продовольственной и сельскохозяйственной организации Объединенных Наций (ФАО). Это глобальные данные о субнациональных административных единицах для всех стран мира в соответствии с установленными Организацией Объединенных Наций (ООН) международными границами.
GAUL 2024 включает два набора данных:
• GAUL 2024 Subnational Level 1 (GAUL_2024_L1)
• GAUL 2024 Subnational Level 2 (GAUL_2024_L2).
Они созданы путем консолидации данных национального уровня из указанных ниже источников, что потребовало редактирования геометрии, стандартизации атрибутов в единую структуру таблиц и подготовки метаданных для каждой страны. 📖 Техническая документация находится здесь.
Источники данных в порядке приоритета:
1. Second Administrative Level Boundaries (SALB)
2. Humanitarian Data Exchange (HDX) от Office for the Coordination of Humanitarian Affairs (OCHA)
3. Данные национальных провайдеров, отобранные ФАО
4. GAUL 2015 — используются, если нет других данных. ❗️Качество этих данных годится только для обзорных работ.
Данные GAUL на:
🛢 сайте ФАО
🌍 Google Earth Engine
Данные доступны по лицензии CC BY 4.0.
#данные #границы
This media is not supported in your browser
VIEW IN TELEGRAM
NASA Worldview: поиск снимков Landsat и Sentinel-2 для области интереса
Снимки Harmonized Landsat и Sentinel-2 (HLS) с разрешением 30 метров доступны в Worldview (https://worldview.earthdata.nasa.gov/) в виде двух слоев данных отражательной способности для: 1) приборов OLI (Operational Land Imager) спутников Landsat 8 и Landsat 9, 2) приборов MSI (Multi-Spectral Instrument) спутников Sentinel-2A, Sentinel-2B и Sentinel-2C. Вот небольшой тур по использованию этих данных в Worldview.
Но: из-за более высокого пространственного разрешения снимков, ширина полосы обзора у Landsat и Sentinel-2 меньше, а временное разрешение ниже, чем у данных MODIS или VIIRS. В результате, для нужной вам области в заданный день может не оказаться снимков.
В этой ситуации на помощь приходит новая функция Worldview — список дат доступных снимков “Available Imagery Dates”:
📹 Выбрав на карте интересующую вас область, вы нажимаете кнопку “View Options” (вверху справа для каждого слоя данных) и выбираете из списка “Available Imagery Dates” дату, на которую имеются снимки этой области. Используя “Available Imagery Dates”, вы найдете снимки, которые покрывают не менее 80% обзора карты [ссылка].
#nrt #данные
Снимки Harmonized Landsat и Sentinel-2 (HLS) с разрешением 30 метров доступны в Worldview (https://worldview.earthdata.nasa.gov/) в виде двух слоев данных отражательной способности для: 1) приборов OLI (Operational Land Imager) спутников Landsat 8 и Landsat 9, 2) приборов MSI (Multi-Spectral Instrument) спутников Sentinel-2A, Sentinel-2B и Sentinel-2C. Вот небольшой тур по использованию этих данных в Worldview.
Но: из-за более высокого пространственного разрешения снимков, ширина полосы обзора у Landsat и Sentinel-2 меньше, а временное разрешение ниже, чем у данных MODIS или VIIRS. В результате, для нужной вам области в заданный день может не оказаться снимков.
В этой ситуации на помощь приходит новая функция Worldview — список дат доступных снимков “Available Imagery Dates”:
📹 Выбрав на карте интересующую вас область, вы нажимаете кнопку “View Options” (вверху справа для каждого слоя данных) и выбираете из списка “Available Imagery Dates” дату, на которую имеются снимки этой области. Используя “Available Imagery Dates”, вы найдете снимки, которые покрывают не менее 80% обзора карты [ссылка].
#nrt #данные
Мониторинг пространственно-временных трендов органического вещества почвы
Мониторинг почв требует информации о тенденциях в изменениях органического углерода (soil organic carbon, SOC) почвы во времени и в пространстве. Пространственно-временные модели SOC, основанные на спутниковых данных наблюдения Земли, могут обеспечивать мониторинг SOC на больших площадях, но часто не имеют достаточной временной валидации на основе долгосрочных почвенных данных. В работе использованы повторяющиеся образцы SOC с 1986 по 2022 год и временной ряд мультиспектральных наблюдений за обнаженной почвой (Landsat и Sentinel-2) для моделирования тенденций SOC пахотных земель с высоким разрешением на протяжении почти четырех десятилетий.
Углубленная проверка временной неопределенности модели и точности полученных трендов SOC была проведена на основе сети из 100 участков долгосрочного мониторинга, на которых каждые 5 лет непрерывно проводились повторные отборы проб. Общая точность прогноза SOC была высокой (R^2 = 0,61; RMSE = 5,6 г/кг), однако прямая проверка полученных трендов SOC выявила значительно большую неопределенность: R^2 = 0,16 (p < 0,0001).
Более высокая точность определения трендов SOC была обнаружена на почвах с более высоким содержанием SOC (R^2 = 0,4) и участках с сокращенной обработкой почвы (reduced tillage) (R^2 = 0,26).
Основываясь на соотношении сигнал/шум и неопределенности временной модели, мы смогли показать, что необходимый временной интервал для обнаружения трендов SOC сильно зависит от абсолютных изменений SOC в почвах.
📊 Область исследований в Баварии (Германия).
📖 Broeg T, Don A, Wiesmeier M, Scholten T, Erasmi S. Spatiotemporal Monitoring of Cropland Soil Organic Carbon Changes From Space. Glob Chang Biol. 2024 Dec;30(12):e17608. doi: 10.1111/gcb.17608. PMID: 39651630; PMCID: PMC11626691.
🛢 Данные SOC на Zenodo
#почва #данные
Мониторинг почв требует информации о тенденциях в изменениях органического углерода (soil organic carbon, SOC) почвы во времени и в пространстве. Пространственно-временные модели SOC, основанные на спутниковых данных наблюдения Земли, могут обеспечивать мониторинг SOC на больших площадях, но часто не имеют достаточной временной валидации на основе долгосрочных почвенных данных. В работе использованы повторяющиеся образцы SOC с 1986 по 2022 год и временной ряд мультиспектральных наблюдений за обнаженной почвой (Landsat и Sentinel-2) для моделирования тенденций SOC пахотных земель с высоким разрешением на протяжении почти четырех десятилетий.
Углубленная проверка временной неопределенности модели и точности полученных трендов SOC была проведена на основе сети из 100 участков долгосрочного мониторинга, на которых каждые 5 лет непрерывно проводились повторные отборы проб. Общая точность прогноза SOC была высокой (R^2 = 0,61; RMSE = 5,6 г/кг), однако прямая проверка полученных трендов SOC выявила значительно большую неопределенность: R^2 = 0,16 (p < 0,0001).
Более высокая точность определения трендов SOC была обнаружена на почвах с более высоким содержанием SOC (R^2 = 0,4) и участках с сокращенной обработкой почвы (reduced tillage) (R^2 = 0,26).
Основываясь на соотношении сигнал/шум и неопределенности временной модели, мы смогли показать, что необходимый временной интервал для обнаружения трендов SOC сильно зависит от абсолютных изменений SOC в почвах.
📊 Область исследований в Баварии (Германия).
📖 Broeg T, Don A, Wiesmeier M, Scholten T, Erasmi S. Spatiotemporal Monitoring of Cropland Soil Organic Carbon Changes From Space. Glob Chang Biol. 2024 Dec;30(12):e17608. doi: 10.1111/gcb.17608. PMID: 39651630; PMCID: PMC11626691.
🛢 Данные SOC на Zenodo
#почва #данные
Данные наблюдений за глобальными изменениями температуры приземного слоя воздуха на суше и в океане, начиная с 1781 года
Данные GloSAT (Global Surface Air Temperature) об изменении температуры воздуха на суше и в океане, начиная с 1780-х годов. Особенности данных: 1) они используют наблюдения за температурой воздуха в море, а не измерения температуры поверхности моря, которые использовались в ранее существовавших данных, 2) охватывают больший период времени, отличие от других подобных данных, которые начинаются с середины или конца XIX века.
📖 Статья с описанием методики создания GloSAT
📊 Источники, на основе которых сформированы данные GloSAT
#климат #данные
Данные GloSAT (Global Surface Air Temperature) об изменении температуры воздуха на суше и в океане, начиная с 1780-х годов. Особенности данных: 1) они используют наблюдения за температурой воздуха в море, а не измерения температуры поверхности моря, которые использовались в ранее существовавших данных, 2) охватывают больший период времени, отличие от других подобных данных, которые начинаются с середины или конца XIX века.
📖 Статья с описанием методики создания GloSAT
📊 Источники, на основе которых сформированы данные GloSAT
#климат #данные