. k% J5 s% _ R; o5 S. F 混合坐标海洋模式（HYCOM）是一个数据同化的混合等压-西格玛-压力（广义）坐标海洋模式。在EE中托管的HYCOM数据子集包含了盐度、温度、速度和海拔等变量。它们被内插到南纬80.48°和北纬80.48°之间的统一的0.08度网格中。盐度、温度和速度变量已被内插到40个标准Z级。
$ G" e9 Z: W* H0 V# d% O
HYCOM联盟，包括国家海洋合作伙伴计划（NOPP），是美国全球海洋数据同化实验（GODAE）的一部分。
( H; |% S; O4 Y# H* j
由国家海洋伙伴计划、海军研究办公室（ONR）和国防部高性能计算现代化计划资助。
2 h4 e/ Q/ k2 L. q 数据：
! M7 i0 d# y8 g9 E3 X
ee.ImageCollection("HYCOM/sea_temp_salinity")
/ |7 m. {4 b& d4 v 数据集可用性
- Q% A0 S7 {9 J3 k/ t
1992-10-02T00:00:00 -
6 @1 T, d8 r6 T+ u7 w 数据集提供者
8 z, j& V1 F4 ] 诺普
/ M& Y" ]/ B" Y- q
解析度
% G5 r7 X' r8 Y/ @ 8905.6米
w+ v1 e/ f0 C 波段表
姓名描述最小*最大限度*单位规模抵消water_temp_00m深度海水温度-3276832763°C0.00120盐度_0海水盐度，实际盐度单位，深度为 0m-2000932767电源0.00120water_temp_22m深度海水温度-3276832755°C0.00120盐度_2海水盐度，实际盐度单位，深度为 2m-2000232767电源0.00120water_temp_44m深度的海水温度-3276832746°C0.00120盐度_4海水盐度，实际盐度单位，深度为 4m-2000132767电源0.00120water_temp_66m深度海水温度-3276832742°C0.00120盐度_6海水盐度，实际盐度单位，深度为 6m-1999132767电源0.00120water_temp_88m深度海水温度-3276832741°C0.00120盐度_8海水盐度，实际盐度单位，深度为 8m-1979532767电源0.00120water_temp_1010m深度的海水温度-3276832738°C0.00120盐度_10海水盐度，实际盐度单位，深度为 10m-1962432767电源0.00120water_temp_1212m深度海水温度-3276832735°C0.00120盐度_12海水盐度，实际盐度单位，深度为 12m-1962432767电源0.00120water_temp_1515m深度的海水温度-3276832763°C0.00120盐度_15海水盐度，实际盐度单位，深度为 15m-1962432767电源0.00120water_temp_2020m深度海水温度-3276832715°C0.00120盐度_20海水盐度，实际盐度单位，深度为 20m-1860632767电源0.00120water_temp_2525m深度的海水温度-3276832737°C0.00120盐度_25海水盐度，实际盐度单位，深度为 25m-1813132767电源0.00120water_temp_3030m深度海水温度-3276832754°C0.00120盐度_30海水盐度，实际盐度单位，深度为 30m-1789232767电源0.00120water_temp_3535m深度海水温度-3276832754°C0.00120盐度_35海水盐度，实际盐度单位，深度为 35m-1787432767电源0.00120water_temp_4040m深度的海水温度-3276832674°C0.00120盐度_40海水盐度，实际盐度单位，深度为 40m-1783132767电源0.00120water_temp_4545m深度海水温度-3276832701°C0.00120盐度_45海水盐度，实际盐度单位，深度为 45m-1783132767电源0.00120water_temp_5050m深度的海水温度-3276832237°C0.00120盐度_50海水盐度，实际盐度单位，深度为 50m-1773832767电源0.00120water_temp_6060m深度海水温度-3276832630°C0.00120盐度_60海水盐度，实际盐度单位，深度为 60m-1773332767电源0.00120water_temp_7070m深度的海水温度-3276823172°C0.00120盐度_70海水盐度，实际盐度单位，深度为 70m-1742324303电源0.00120water_temp_8080m深度海水温度-3276827875°C0.00120盐度_80海水盐度，以实际盐度单位计算，深度为 80m-1732625320电源0.00120water_temp_9090m深度的海水温度-3276832393°C0.00120盐度_90海水盐度，实际盐度单位，深度为 90m-1678726604电源0.00120water_temp_100100m深度的海水温度-3276831847°C0.00120盐度_100海水盐度，实际盐度单位，深度为 100m-1671727143电源0.00120water_temp_125125m深度的海水温度-3276831469°C0.00120盐度_125海水盐度，实际盐度单位，深度为 125m-1489630131电源0.00120water_temp_150150m深度的海水温度-3276831335°C0.00120盐度_150海水盐度，实际盐度单位，深度为 150m-1471231215电源0.00120water_temp_200200m深度海水温度-3276830029°C0.00120盐度_200海水盐度，实际盐度单位，深度为 200m-1456730979电源0.00120water_temp_250250m深度的海水温度-3276821629°C0.00120盐度_250海水盐度，实际盐度单位，深度为 250m-1319827945电源0.00120water_temp_300300m深度海水温度-3276822796°C0.00120盐度_300海水盐度，实际盐度单位，深度为 300m-22027712电源0.00120water_temp_350350m深度的海水温度-3276818501°C0.00120盐度_350海水盐度，实际盐度单位，深度 350m-13621866电源0.00120water_temp_400400m深度海水温度-3276823875°C0.00120盐度_400海水盐度，实际盐度单位，深度为 400m024711电源0.00120water_temp_500500m深度的海水温度-3276818663°C0.00120盐度_500海水盐度，实际盐度单位，深度为 500m024929电源0.00120water_temp_600600m深度海水温度-3276814251°C0.00120盐度_600海水盐度，实际盐度单位，深度为 600m024128电源0.00120water_temp_700700m深度的海水温度-3276811300°C0.00120盐度_700海水盐度，实际盐度单位，700m 深度022350电源0.00120water_temp_800800m深度的海水温度-327688630°C0.00120盐度_800海水盐度，实际盐度单位，深度为 800m021959电源0.00120water_temp_900900m深度海水温度-327689544°C0.00120盐度_900海水盐度，实际盐度单位，深度为 900m021965电源0.00120water_temp_10001000m深度的海水温度-327687050°C0.00120盐度_1000海水盐度，实际盐度单位，深度为 1000m021982电源0.00120water_temp_12501250m深度的海水温度-327688837°C0.00120盐度_1250海水盐度，实际盐度单位，深度为 1250m022075电源0.00120water_temp_15001500m深度海水温度-2306912933°C0.00120盐度_1500海水盐度，实际盐度单位，深度为 1500m020937电源0.00120water_temp_20002000m深度海水温度-256704925°C0.00120盐度_2000海水盐度，实际盐度单位，深度为 2000m020936电源0.00120water_temp_25002500m深度海水温度-327680°C0.00120盐度_2500海水盐度，实际盐度单位，深度为 2500m019073电源0.00120water_temp_30003000m深度海水温度-220620°C0.00120盐度_3000海水盐度，实际盐度单位，深度为 3000m019057电源0.00120water_temp_40004000m深度海水温度-215640°C0.00120盐度_4000海水盐度，实际盐度单位，深度为 4000m019012电源0.00120water_temp_50005000m深度的海水温度-214690°C0.00120盐度_5000Sea water salinity, in practical salinity units, at a depth of 5000m015583psu0.00120NameTypeDescriptionexperimentStringExperiment number正常的代码：
) |* L7 x# d7 L6 X) {2 e- @
// Import the time series of global images, filter 15 days in August, 2018.
9 E- M x) R p' Z var dataset = ee.ImageCollection(HYCOM/sea_temp_salinity), h# y1 F; @$ {, M
.filter(ee.Filter.date(2018-08-01, 2018-08-15));
; t3 M8 N5 A' \( y* t) `9 i; L7 U/ l5 J2 R9 e
// Select water temperature at 0 meters and scale to degrees C.
% W3 Y8 W5 h4 [" r var seaWaterTemperature = dataset.select(water_temp_0)! Q% l, ~" T: |. O; l
.map(function scaleAndOffset(image) {/ B) ?0 I- E1 ~. h* w
return ee.Image(image).multiply(0.001).add(20);6 z/ z3 G7 P& ?% _: d9 \8 f
});
" Q$ z/ `* E! C- J" d8 ]; V' \$ X- O) K1 r
// Define visualization parameters.9 n8 c9 \9 W" l! Q% P f5 b# C
var visParams = {
9 f* z. Z e A min: -2.0, // Degrees C+ h; R4 H6 e5 y
max: 34.0,
/ H3 r' b7 J f8 \5 g8 Q2 y8 `/ I palette: [000000, 005aff, 43c8c8, fff700, ff0000],6 X) v5 O# V! B5 a0 e9 k+ k
};, b9 j3 r& L8 o8 _: y# T$ u |
S. W6 K; T1 a* Z) x$ ^, s: O2 q
// Display mean 15-day temperature on the map.
; J4 `/ j4 q1 _& h" ? H% O Map.setCenter(-88.6, 26.4, 1);
, J5 @, B. G+ G. k3 B Map.addLayer(seaWaterTemperature.mean(), visParams, Sea Water Temperature);
`$ W$ Z7 S, v) H/ _ A8 \! k& F4 B) f0 c @& c
$ H# O; U1 ]/ u6 D+ y% ^. h
4 t4 _ U$ A0 |+ G) J: n7 R$ g2 Q
, i. p4 |) t S. S# d5 j
% h. P- P3 R6 U7 i, U6 D 数据引用：
# Y1 q4 t% c. Z7 i1 F
J. A. Cummings and O. M. Smedstad. 2013: Variational Data Assimilation for the Global Ocean. Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications vol II, chapter 13, 303-343.
% {* x4 v, d; _
错误的代码：这个时间段有一半的影像
8 q8 f/ e' c/ Y; w- K Q
// Import the time series of global images, filter 15 days in August, 2018.
3 U. `6 M9 {; o3 C$ L! ^ var dataset = ee.ImageCollection(HYCOM/sea_temp_salinity)7 R* w0 t- i5 Y% s' L
.filter(ee.Filter.date(2013-06-01, 2013-08-15));% O4 S" i* o8 Q9 v+ Y" e# ?
: S3 i ?- X: E5 s
// Select water temperature at 0 meters and scale to degrees C.
6 I4 }' J3 ~6 i% [! i# U var seaWaterTemperature = dataset.select(water_temp_0)
" |9 v% e; S& D .map(function scaleAndOffset(image) {& ? Y- r, }- V$ n
return ee.Image(image).multiply(0.001).add(20);
6 \- y9 t3 d6 E });
! Z/ W4 U* w$ u5 V
^1 h" L7 }* h; \: ^2 t // Define visualization parameters.
- D s* I, G$ G1 A, C1 l var visParams = {
. R- I6 S0 P, ? min: -2.0, // Degrees C
9 Z4 h! [5 w6 |# b2 l# }9 [& {( Z max: 34.0,
7 Y# T W+ E1 B palette: [000000, 005aff, 43c8c8, fff700, ff0000],
# E8 L4 D4 Z! G: n J };0 n) b! p8 Z+ D" z, G6 u8 k& i
8 H4 T/ W4 a# ^5 f/ u4 n& v // Display mean 15-day temperature on the map.; I: U8 {/ d: _; b3 w1 |
Map.setCenter(-88.6, 26.4, 1);
; t% O/ S& T- f4 Q* O2 l7 Y Map.addLayer(seaWaterTemperature.mean(), visParams, Sea Water Temperature);) w; b, @$ s; A% X( l4 P z
- u" w$ q& f% Q3 L
1 s# ?4 J: K+ A- s( v 往期推荐：
. b2 x* j! U' J# K* q# Q
7 S2 f' v% n8 J. h$ G' r Google Earth Engine（GEE）——神级辅助插件（开放地球引擎扩展 (OEEex)）
- M, G# c5 P$ y! @3 h" g" @7 S
新文速递| 1980—2020年中国雪水当量遥感数据集
8 z, l- s8 p+ S9 g1 u1 C9 z9 m 全球森林损失量数据集Hansen Global Forest Change v1.8 (2000-2020)
& P6 N+ u" a; Z1 ^2 F+ f3 O
GEE超限解决方案：besteffect!
/ b* A6 X' Y# U8 x- K P( b& s7 x GEEer的快乐|是为了白嫖影像吧！分析挖掘，NDVI、非监督分类等
1 t" u" W7 A* |- w% E 巨牛的人工智能学习网站：床长人工智能教程
B( l% ~. r* F+ T' {5 L GEE—以MCD19A2为例批量下载逐天AOD数据逐天的均值、最大值、最小值、标准差、方差统计分析和CSV下载（北京市各区为例）
0 _ \6 i8 w3 K; U0 k9 G7 u6 L GHSL 全球人口网格数据集250米分辨率
# p1 {8 B4 V" x8 o7 s% m z 1999-2019年墨累全球潮汐湿地变化 v1 数据集
. {" \6 b- L6 K3 H h" m Google Earth Engine（GEE）——哥白尼大气监测 (CAMS) 全球气溶胶AOI近实时观测数据集
+ G q T4 `! g. ]
0 U, O7 P0 S1 b- |3 ]
7 Z- q; h; B9 a( c9 D& o5 F
2 p8 ~# G" b; w 满天星
$ j4 |, ^: e% {% ?4 @6 ~$ @
4 次咨询, T5 j) m* ?, ]) i1 p& n+ `) a
5.0
6 a6 ~: H( e; T1 D
, [8 g" `$ D& V: i4 ~: u5 G4 P 中国矿业大学（北京） 地图制图学与地理信息工程博士在读
9 H0 g0 E$ S% H/ ^" h* x% ^
913 次赞同
! Y2 P. Z; _% d! m0 n / o4 D& c- [. ?8 V) N
去咨询
{, }! F* U- L0 c : ]3 t+ `1 \8 F# ?2 @' |4 d
