2017年云南蒋家沟东川站观测楼日降雨观测数据
  • 2020/12/19 00:43
  • 6394
  • 12
中文名称
2017年云南蒋家沟东川站观测楼日降雨观测数据
英文名称
Daily Rainfall Observation Data of the Observation Building at Dongchuan Station in Jiangjiagou, Yunnan in 2017
CSTR
CSTR:11738.11.ncdc.DDFORS.2020.102
DOI
10.12072/DDFORS.023.2019.db
数据共享方式
在线下载
数据分类
泥石流
来源站点
东川泥石流观测站
数据贡献者
洪勇
数据集摘要

本数据集为云南蒋家沟东川站观测楼（N26°14′43.7″，E103°08′1.7″）2017年日降雨观测数据。观测数据来自翻斗式自动雨量计，为连续观测数据，必须经过统计分析处理后才能使用。观测数据可以与蒋家沟泥石流暴发资料配合使用，是研究泥石流形成和泥石流预报的珍贵资料。

基本信息
采集时间 2017/01/01  -  2017/12/31
采集地点 云南省昆明市东川区蒋家沟
数据量 23.9 KiB
数据格式 docx
数据时间分辨率 日
坐标系 WGS84
数据缩略图
数据源描述

自动观测、人工搜集

数据加工方法

原始数据，未经加工处理

数据质量描述

原始观测数据，数据质量良好

引用和标注
为保障平台科技资源的权益、扩展平台中心的服务、提升科技资源的应用潜力，请资源使用者在使用资源所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），请按以下方式规范标注和引用。

中文发表的成果中参考以下规范注明： 数据来源于黄河数据中心 (http://huanghe.ncdc.ac.cn)。
英文发表的成果中参考以下规范注明： The dataset is provided by Yellow River Data Center. (http://huanghe.ncdc.ac.cn).

数据引用
洪勇. 2017年云南蒋家沟东川站观测楼日降雨观测数据. 黄河数据中心(http://huanghe.ncdc.ac.cn), 2018. https://cstr.cn/CSTR:11738.11.ncdc.DDFORS.2020.102.
洪勇. 2017年云南蒋家沟东川站观测楼日降雨观测数据. 黄河数据中心(http://huanghe.ncdc.ac.cn), 2018. https://www.doi.org/10.12072/DDFORS.023.2019.db.
许可协议
知识共享许可协议   本作品采用 知识共享署名 4.0 国际许可协议进行许可。
# 标题 文件大小
1 2017年观测楼日降雨.docx 23.9 KiB
最近10条服务记录如下
# 时间 姓名 用途
1 2024/09/03 00:08 杨*炆
自学的模型运行需要申请该数据，确保结果准确
2 2024/08/19 23:21 魏*莲
论文题目：小江流域泥沙连通性研究 数据在研究中的作用：研究降雨和泥沙连通性的关系 论文类型：硕士论文 导师姓名：黄江成
3 2024/07/24 23:56 陈*莹
此数据用于研究蒋家沟泥石流事件与降雨的关系。
4 2024/07/13 23:34 李*米
该数据用于对蒋家沟泥石流的研究与泥石流形成规律的学习
5 2024/06/14 16:27 闻*希
本人对泥石流相关的地质灾害有着非常浓厚的兴趣，希望申请蒋家沟的雨量观测数据用于学习研究。
6 2023/07/20 22:15 周*建
宁波大学岩石力学研究所团队关于滑坡研究科研的需要。
7 2023/03/21 03:12 柯*喜
验证特征提取算法，对冰川数据进行提取、建模、制作专题
8 2022/10/15 21:18 杨*飞
研一新生，对数据进行分析，为数据建模做准备
9 2022/09/02 03:02 刘*
论文中算法的复现与研究，研究方向为高维地理时空数据可视分析。
10 2022/04/26 01:09 邓*宣
Bayesian Learning of Multivariate Gaussian Mixture Model for Quantitative Risk Assessment of Debris Flow 摘要：In quantitative risk assessment and management of debris flow, it is necessary to develop the probabilistic model of debris flow quantities and calculate the exceedance probability (EP) of debris flow to provide reliable references for hazard assessment and/or the design of mitigation strategies. This is a nontrivial task because observational data is affected by various uncertainties (e.g., rainfall uncertainties, inherent variability of geotechnical properties and measurement errors), which will cause fluctuation or uncertainty in the estimated exceedance probability, and the number of observation data is generally limited, particularly for extreme events that are of great interest in practice. This paper proposes a Bayesian learning framework to learn GMM, and further identified the probabilistic model for quantitative risk assessment of debris flow based on observational data of debris flow parameters. 期刊论文 导师姓名：曹子君
如何获取数据 
东: 103.02
西: 103.12
南:  26.22
北:  26.22
导出元数据
数据服务信息
联系人：
敏玉芳
服务电话：
0931-4967596
服务邮箱：
ncdc@lzb.ac.cn
联系信息
数据贡献者：
洪勇
元数据作者：
洪勇
数据管理者：
洪勇

©2024 中国科学院西北生态环境资源研究院 备案号：陇ICP备2021001824号-34

兰州市东岗西路320号 730000 电话：0931-4967592, 0931-4967596