home *** CD-ROM | disk | FTP | other *** search
/ NASA Climatology Interdisciplinary Data Collection / NASA Climatology Interdisciplinary Data Collection - Disc 2.iso / readmes / readme.gpcc_prc < prev    next >
Text File  |  1998-03-04  |  27KB  |  590 lines

  1.                               [CIDC FTP Data]
  2.                          [GPCC PCP IDC Data on FTP]
  3.  
  4. Data Access
  5.  
  6.      GPCC Global Rain Gauge Analysis Data
  7.  
  8.                                    [rule]
  9.  
  10. Readme Contents
  11.  
  12.      Data Set Overview
  13.           Sponsor
  14.           Original Archive
  15.           Future Updates
  16.  
  17.      The Data
  18.           Characteristics
  19.           Source
  20.  
  21.      The Files
  22.           Format
  23.           Name and Directory Information
  24.           Companion Software
  25.  
  26.      The Science
  27.           Theoretical Basis of Data
  28.           Processing Sequence and Algorithms
  29.           Scientific Potential of Data
  30.           Validation of Data
  31.  
  32.      Data Access and Contacts
  33.           FTP Site
  34.           Points of Contact
  35.  
  36.      References
  37.  
  38.                                    [rule]
  39.  
  40. Data Set Overview
  41.  
  42.      Precipitation data are main input to global hydrological cycles
  43.      and climate models. The conventional rain-gauge measurements are
  44.      the only direct measure of rain-fall. This dataset is comprised of
  45.      monthly gridded area-mean rainfall totals for the period January
  46.      1986 to June 1997 on a 1 by 1 degree global grid.
  47.  
  48.      The original precipitation data set has been produced at Global
  49.      Precipitation Climatology Centre (GPCC), in an effort to provide
  50.      global data sets of area-averaged and time-integrated
  51.      precipitation fields based on surface rain gauge measurements. The
  52.      GPCC collects monthly precipitation totals received from CLIMAT
  53.      and SYNOP reports via the World Weather Watch GTS (Global
  54.      Telecommunication System) of the World Meteorological Organization
  55.      (WMO ). The GPCC also acquires monthly precipitation data from
  56.      international/national meteorological and hydrological
  57.      services/institutions. An interim database of about 6700
  58.      meteorological stations is defined. Surface rain-gauge based
  59.      monthly precipitation data from these stations are analyzed over
  60.      land areas and a gridded dataset is created (Rudolf, 1996; Rudolf
  61.      et. al. 1994 ; and Rudolf, 1993), using a spatial objective
  62.      analysis method.
  63.  
  64.      GPCC is operated by the Deutscher Wetterdienst (National
  65.      Meteorological Service of Germany) as a contribution to
  66.      international climate observation and research activities. The
  67.      Centre participates in international programs and projects such as
  68.      GEWEX and ACSYS of the World Climate Research Programme, WCP-Water
  69.      and in the development of GCOS. It is member of the GEWEX
  70.      Hydrometeorology Panel and a component of the Global Precipitation
  71.      Climatology Project (GPCP).
  72.  
  73.      The main purpose of the GPCP (for details see WCRP, 1990; WMO
  74.      ,1985; WMO/ICSU,1990) is to evaluate and provide global gridded
  75.      data sets of monthly precipitation based on all suitable
  76.      observation techniques as a basis for:
  77.  
  78.         * verification of climate model simulations,
  79.         * investigations of the global hydrological cycle and
  80.         * climate change detection studies.
  81.  
  82.      Sponsor
  83.      The distribution of this data set is being funded by NASA's Earth
  84.      Science enterprise. The data are not copyrighted; however, we
  85.      request that when you publish data or results using these data
  86.      please acknowledge as follows:
  87.  
  88.           The authors wish to thank the Distributed Active Archive
  89.           Center (Code 902) at Goddard Space Flight Center,
  90.           Greenbelt, MD, 20771, for producing the data in its
  91.           present format and distributing them. The original data
  92.           products were produced by the science investigator Dr.
  93.           Bruno Rudolf at GPCC , Deutscher Wetterdienst, Germany.
  94.           Goddard's share in these activities was sponsored by
  95.           NASA's Earth Science enterprise.
  96.  
  97.      Original Archive
  98.      The global land precipitation data set on the 1x1 degree grid in
  99.      its original format is produced by GPCC . The Goddard DAAC
  100.      transforms the original dataset to a uniform format for inclusion
  101.      in its Climate Interdisciplinary Data Collection (CIDC). To
  102.      maintain the uniform format of the Interdisciplinary data
  103.      collection the original data (in ascii) is put into binary format.
  104.      The global land precipitation dataset is also available on 2.5 x
  105.      2.5 degree grid from the archive WDC-A, NOAA/NCDC NESDIS/National
  106.      Climatic Data Center Climate Analysis Center and the Goddard DAAC
  107.      Hydrology Data Site. By request both the 1x1 and 2.5x2.5 degree
  108.      grid can also be obtained from Dr. Bruno Rudolf at the GPCC.
  109.  
  110.      Future Updates
  111.      The Goddard DAAC will update this data set as new data are
  112.      processed and made available at GPCC.
  113.  
  114. The Data
  115.  
  116.      Characteristics
  117.  
  118.         * Parameters:
  119.  
  120.           pcp: Accumulated surface precipitation in mm/month
  121.           obs: Number of stations per grid
  122.           err: Systematic error estimates (%) based on Legates
  123.           climatology (=100 * Legates climatology corrected for
  124.           systematic error/Legates climatology as measured)
  125.  
  126.         * Temporal Coverage: January 1986 - June 1997
  127.         * Temporal Resolution: Monthly Means
  128.         * Spatial Coverage: Global Land
  129.         * Spatial Resolution: 1 degree x 1 degree
  130.  
  131.      Source
  132.      The GPCC land surface precipitation data set is derived from the
  133.      monthly precipitation totals based on conventional surface
  134.      raingauge measurements.
  135.  
  136.      A large variety of surface rain-gauges are in use world-wide . The
  137.      geometry and size of these instruments vary considerably (Sevruk,
  138.      1982).
  139.  
  140.      Generally, national daily standard-gauges measure precipitation at
  141.      or near the ground, and are observed at least once a day . The
  142.      size of these gauges are made big enough to collect more than the
  143.      average one-day or maximum 1-2 hour precipitation which differs
  144.      according to various climatic conditions. The standard gauges are
  145.      also commonly used to measure both rain and snow, and the latter
  146.      affects fundamentally the form and dimensions of a particular
  147.      national gauge (snow gauges are bigger). Thus, in countries with
  148.      negligible snowfall but much rain or where different gauges are
  149.      used for rain and snow (e.g., Canada), the height of the gauge
  150.      orifice varies between zero and more than 1 m above the ground.
  151.      This is defined by country's national standards. It is
  152.      advantageous if the gauge orifice is small or the collector is
  153.      shallow with a steep funnel. In both cases, the wetting losses
  154.      tend to be relatively small. In areas with little snowfall, gauges
  155.      can be installed so that the rim is near to the ground. This
  156.      reduces losses from wind and consequently the systematic error. In
  157.      contrast, in countries with heavy snowfall the gauges are in
  158.      general large and the collectors deep. Thus the wetting losses for
  159.      rain tend to be relatively large. In addition, the precipitation
  160.      gauges in these countries are set high above ground-level and the
  161.      systematic error for measurement of rain is somewhat greater. In
  162.      some countries or regions which experience heavy snowfall, the
  163.      daily standard precipitation gauges are even equipped with
  164.      windshields or special snow gauges may be used.
  165.  
  166. The Files
  167.  
  168.      The land surface dataset contains global gridded rainfall
  169.      estimates. Data in each file progresses from North to South and
  170.      from West to East beginning at 180 degrees West and 90 degrees
  171.      North. Thus first point represents the grid cell centered at 89.5
  172.      degree North and 179.5 West. Grids over ocean are filled by
  173.      missing value code ( -999.99).
  174.  
  175.      Format
  176.  
  177.      Compressed:
  178.  
  179.      The precipitation error estimate data files have been compressed
  180.      using Lempel-Ziv coding. The .bin filename ending has been
  181.      replaced with the .gz ending, indicating that the files are
  182.      compressed. When decompressing the files use the -N option so that
  183.      the original .bin file name ending is restored. aareadme file in
  184.      the directory:
  185.  
  186.           software/decompression/
  187.  
  188.      Uncompressed:
  189.  
  190.      Data Files
  191.  
  192.         * File Size: 259200 bytes, 64800 data values
  193.         * Data Format: IEEE floating point notation
  194.         * Headers, trailers, and delimiters: none
  195.         * Data Missing Code: -999.99
  196.         * Image orientation: North to South
  197.                Start position: (179.5W, 89.5N)
  198.                End position: (179.5E, 89.5S)
  199.  
  200.      Name and Directory Information
  201.  
  202.      Naming Convention:
  203.  
  204.      The file naming convention for the Global land Precipitation
  205.      Dataset is
  206.           gpcc_gag.pcp.1nmegl.[yymm].ddd
  207.           gpcc_gag.obs.1nmegl.[yymm].ddd
  208.           gpcc_gag.err.1nmegl.[mm].ddd
  209.  
  210.      where:
  211.           gpcc_gag = data product designator: GPCC gauge analysis
  212.           pcp, obs, err = parameter name: precipitation, number of
  213.           observations, error estimates
  214.           1 = number of levels
  215.           n = vertical coordinate, n= not applicable
  216.           m = temporal period, m = monthly
  217.           e = horizontal grid resolution, e = 1 x 1 degree
  218.           gl = spatial coverage, gl = global (land)
  219.           yy = year (xx signifies year independence)
  220.           mm = month
  221.           ddd = file type designation (gz=compressed, bin=binary,
  222.           ctl=GrADS control file)
  223.  
  224.      NOTE: When decompressing the data files be sure to use the -N
  225.      option. This will restore the original .bin filename. For
  226.      additional information on decompression see the format section of
  227.      this readme and the aareadme file in the directory:
  228.  
  229.           software/decompression/
  230.  
  231.      Directory Path to Data Files
  232.  
  233.           For Precipitation estimates and Number of observations:
  234.           /data/inter_disc/hydrology/precip/gpcp/gpcc/yyyy/
  235.           where yyyy refers to year.
  236.           For error estimates :
  237.           /data/inter_disc/hydrology/precip/gpcp/gpcc/systematic_errors/
  238.  
  239.      Companion Software
  240.      Several software packages have been made available on the CIDC
  241.      CD-ROM set. The Grid Analysis and Display System (GrADS) is an
  242.      interactive desktop tool that is currently in use worldwide for
  243.      the analysis and display of earth science data. GrADS meta-data
  244.      files (.ctl) have been supplied for each of the data sets. A GrADS
  245.      gui interface has been created for use with the CIDC data. See the
  246.      GrADS document for information on how to use the gui interface.
  247.  
  248.      Decompression software for PC and Macintosh platforms have been
  249.      supplied for datasets which are compressed on the CIDC CD-ROM set.
  250.      For additional information on the decompression software see the
  251.      aareadme file in the directory:
  252.  
  253.           software/decompression/
  254.  
  255.      Sample programs in FORTRAN, C and IDL languages have also been
  256.      made available to read these data. You may also acquire this
  257.      software by accessing the software/read_cidc_sftwr directory on
  258.      each of the CIDC CD-ROMs
  259.  
  260. The Science
  261.  
  262.      Theoretical Basis of Data
  263.      The algorithm used for estimating the area-average precipitation
  264.      is calculated from the precipitation-gauge point measurements by
  265.      using the spatial objective analysis method. Legates(1987)
  266.      evaluated several interpolation algorithms and Shepard's (1968)
  267.      empirical weighting scheme was found to be reliable. Since the
  268.      region of consideration is entire globe, a spherical adaptation of
  269.      the code (following Willmont et al., 1985 ) was used. This method
  270.      overcomes some deficiencies typical of a pure distance weighting ,
  271.      first by using only the four to 10 nearest stations, second by
  272.      clustering near-neighbor measurements (directional weighting), and
  273.      third by the extrapolation of estimated gradients of the
  274.      precipitation field to yield extremes not covered by measurements.
  275.  
  276.      The Shepard's(1968) weight used is:
  277.  
  278.              W(i) = [S(i) ^ k )] [1 + D(i)]
  279.  
  280.      where S(i) is the distance component for station i and D(i) is the
  281.      directional component. Following Shepard (1968) a value of 2.0 is
  282.      used for the exponent k. In the analysis, the gauge- measured
  283.      precipitation is weighted by 1/w(i).
  284.  
  285.      Interpolation for Antarctica is made separately from the
  286.      interpolation run for the other continents to avoid any influence
  287.      of far distant stations.
  288.  
  289.      Using this code known as SPHEREMAP, the conventionally measured
  290.      monthly precipitation depths from about 6700 stations are
  291.      interpolated on a 0.5 degree grid, and the areal means on a 1x1
  292.      degree grid are calculated by averaging the interpolated values(
  293.      Rudolf et. al. 1994; Rudolf 1993; and Rudolf et. al. 1992).
  294.  
  295.      Processing Sequence and Algorithms
  296.      Since the large errors and biases may exist from station to
  297.      station, the rain-gauge precipitation data are carefully quality
  298.      controlled. In this process, every effort is made to retain as
  299.      much data as possible, in part by correcting many obvious errors
  300.      as described in Schneider, 1993. This procedure avoids
  301.      inadvertently eliminating useful information in data sparse areas
  302.      of the globe. First, the monthly precipitation amounts are checked
  303.      for extreme values and also compared with climatology. Next, the
  304.      point-measured precipitation data from different sources are
  305.      intercompared to check for discrepancies. As a last step in the
  306.      automatic quality-control procedure, the spatial homogeneity of
  307.      the point-measured monthly precipitation data is checked.
  308.      Subsequent to these automatic quality-control checks, data flagged
  309.      as incorrect or questionable during this process are checked
  310.      manually at a graphics workstation which can display all
  311.      station-related information (e.g. geographical coordinates,
  312.      elevation) and overlay topographic fields (such as orography) as
  313.      background information.
  314.  
  315.      The processing steps for the data set are:
  316.  
  317.        1. reformatting of the acquired station-related data,
  318.        2. quality control of the meta-data (station coordinates),
  319.        3. filling the precipitation point data bank (PDB), i.e. merging
  320.           the station-related data from different sources (GTS,
  321.           national data sets, other collections) to one worldwide data
  322.           set,
  323.        4. first objective analysis using the uncontrolled precipitation
  324.           records,
  325.        5. automatic quality control of the precipitation record
  326.           (comparison with area means from step 4 and station-related
  327.           climatic means),
  328.        6. visual expert quality control and interactive correction with
  329.           graphical workstation assistance (comparison with climate
  330.           maps, orographical data, extreme-event-catalogs, etc.),
  331.        7. second objective analysis using the controlled precipitation
  332.           data,
  333.        8. filling the results of the second analysis run (step 7) into
  334.           precipitation grid data bank (GDB),
  335.        9. correction of the results from step 8 with regard to
  336.           systematic measuring errors,
  337.       10. calculation of the grid-related stochastic error of the
  338.           precipitation results (step 8) from station density,
  339.           precipitation variance fields, individual data uncertainties,
  340.           and uncertainty of the systematic measuring error
  341.           corrections.
  342.  
  343.      Sources of errors:
  344.  
  345.      Although analyses of conventional rain-gauge measurements are
  346.      considered to provide the most reliable precipitation information
  347.      over land areas, they can be affected by different sources of
  348.      uncertainty, which can be classified into two major error types:
  349.  
  350.        1. a methodological component in obtaining area-average
  351.           precipitation from point measurements depending on the
  352.           analysis method used ( Bussieres and Hogg, 1989), on the
  353.           spatial density and on the distribution of the point
  354.           measurements ( WMO, 1985; Schneider et al., 1993) and
  355.        2. inaccuracies of the point precipitation measurements
  356.           themselves.
  357.  
  358.      The second error type consists of two parts, the systematic gauge-
  359.      measuring error and a random error component. The systematic error
  360.      generally results in an under measurement of the true
  361.      precipitation mainly due to wind effects, especially on snowfall,
  362.      and wetting as well as evaporative losses (Sevruk, 1982; Legates
  363.      and Willmott, 1990). For rainfall the systematic error is about
  364.      5%, whereas for snowfall it can reach 50% or even more. Random
  365.      errors can be caused by the gauge (e.g., leakage from or damage to
  366.      the gauge), by the observer (e.g., inaccuracies in reading the
  367.      instrument) or can be introduced in the course of data processing
  368.      and transmission (see Groisman and Legates, 1994; Schneider et
  369.      al., 1994).
  370.  
  371.      The systematic error in the measurement of precipitation is
  372.      affected by gauge characteristics, such as dimensions, form and
  373.      material. Differences in the characteristics of various types of
  374.      gauges complicate the comparison of both precipitation
  375.      measurements and correction formulae. There is, as yet, no
  376.      generally accepted theory for the physical nature of the problems
  377.      associated with precipitation gauges. Consequently, if a
  378.      correction formula developed for one type of gauge is to be used
  379.      for another, special field and/or laboratory investigations are
  380.      required. In each case, a review is made of the results of
  381.      comparisons made elsewhere together with an examination of the
  382.      gauges involved.
  383.  
  384.      Scientific Potential of Data
  385.      The spatial distribution of precipitation identifies the regions
  386.      of maximum latent heat release which is a major driving force of
  387.      the atmospheric circulation. The Observed precipitation data need
  388.      to be temporarily and spatially integrated (e.g. monthly mean on a
  389.      grid area) if it is to be used for the assessment of the earth's
  390.      energy, water balance, and monitoring of short-term climate
  391.      variability and long-term trends (Hauschild et al., 1994).
  392.  
  393.      Some of the main applications of these precipitation data sets
  394.      are:
  395.  
  396.         * Initialization and validation of mesoscale and large-scale
  397.           general circulation models ( Hulme, 1992)
  398.         * Verification of monthly satellite based precipitation
  399.           estimates (Janowiak, 1992)
  400.         * Input fields in global hydrological studies ( Lapin, 1994)
  401.         * Simulations of the present-day climate and forecasting of
  402.           global climate (Krishnamurti et al., 1994)
  403.         * Correlation studies, especially during transient events or
  404.           periodic events such as El Nino ( Nicholls, 1988)
  405.         * changes and design of culverts and stream channels
  406.           (Rosenzweig and Parry, 1994 )
  407.  
  408.      Validation of Data
  409.      The rain-gauge analyses (on the 2.5 degree grid) have been
  410.      intercompared to different precipitation climatologies, to
  411.      satellite-based precipitation estimates derived from IR and
  412.      microwave images and to results accumulated from daily forecasts
  413.      of the operational weather prediction model of ECMWF as global,
  414.      continental and zonal averages, as difference fields and in
  415.      regression analyses.
  416.  
  417.      These case studies indicated that at least 2 to 8 stations per 2.5
  418.      degree grid (depending on orographic and climatological conditions
  419.      in the grid) are required to estimate area- average precipitation
  420.      with a relative error of less than 10% ( Schneider et al., 1993).
  421.      An assessment of the other error components is in preparation
  422.      (Schneider et al., 1994).
  423.  
  424.      The rain-gauge measurements have not been corrected for the
  425.      systematic gauge-measuring error (in general an under estimation
  426.      of the true precipitation by about 10% on global average).
  427.  
  428. Contacts
  429.  
  430.      Points of Contact
  431.      For information about or assistance in using any DAAC data,
  432.      contact
  433.  
  434.           EOS Distributed Active Archive Center (DAAC)
  435.           Code 902.2
  436.           NASA Goddard Space Flight Center
  437.           Greenbelt, Maryland 20771
  438.           Internet: daacuso@daac.gsfc.nasa.gov
  439.           301-614-5224 (voice)
  440.           301-614-5268 (fax)
  441.  
  442.      To inquire about or order the original GPCC precipitation data
  443.      set, contact
  444.  
  445.           Dr. Bruno Rudolf
  446.           Global Precipitation Climatology Centre (GPCC)
  447.           at Deutscher Wetterdienst
  448.           Frankfurter Str. 135
  449.           D-63067 Offenbach/Main
  450.           Germany.
  451.           email: brudolf@dwd.d400.de
  452.           Tel: 49-69-8062-2765
  453.           Fax: 49-69-8062-2880
  454.  
  455. References
  456.  
  457.      Bussieres, N., and W.D. Hogg, 1989. The objective analysis of
  458.      daily rainfall by distance weighting schemes on a meso-scale grid.
  459.      Canadian Meteorol. and Oceanographic Society, Atmosphere-Ocean,
  460.      27(3):521-541.
  461.  
  462.      GPCC,1993. Global area-mean monthly precipitation totals for the
  463.      year 1988 (preliminary estimates, derived from rain-gauge
  464.      measurements, satellite observations and numerical weather
  465.      prediction results). Ed. by WCRP and Deutscher Wetterdienst,
  466.      Rep.-No. DWD/K7/WZN-1993/07-1, Offenbach, July 1993.
  467.  
  468.      GPCC, 1992. Monthly precipitation estimates based on gauge
  469.      measurements on the continents for the year 1987 (preliminary
  470.      results) and future requirements. Ed. by WCRP and Deutscher
  471.      Wetterdienst, Rep.-No. DWD/K7 WZN-1992/08-1, Offenbach, August
  472.      1992.
  473.  
  474.      Groisman, P.Y., and D.R. Legates 1994. The accuracy of United
  475.      States precipitation data. Bull. Amer. Met. Soc., 75(2): 215-227.
  476.  
  477.      Hauschild, H., M. Reis, and B. Rudolf, 1994 . Global and
  478.      terrestrial precipitation climatologies: An overview and some
  479.      intercomparisons. Global Precipitations and Climate Change, M.
  480.      Desbois and F. Desalmand, Eds., NATO ASI Series, Vol. 1, No. 26,
  481.      Springer-Verlag, 419-434.
  482.  
  483.      Hulme, M., 1992. A 1951-80 global land precipitation climatology
  484.      for the evaluation of General Circulation Models, Climate
  485.      Dynamics, 7, 57-72.
  486.  
  487.      Janowiak, J. E.,1992: Tropical rainfall: A comparison of
  488.      satellite-derived rainfall estimates with model precipitation
  489.      forecasts, climatologies and observations. Mon. wea. Rev., 120,
  490.      448-462.
  491.  
  492.      Krishnamurti, T.N., G.D. Rohaly, and H. S. Bedi, 1994: Improved
  493.      precipitation forecast skill from the use of physical
  494.      initialization.Global Precipitations and Climate Change, M.
  495.      Desbois and F. Desalmand, Eds., NATO ASI Series, Vol. 1, No. 26,
  496.      Springer-Verlag, 309-324.
  497.  
  498.      Lapin, M., 1994 . Possible impacts of climate change upon the
  499.      water balance in central Europe Global Precipitations and Climate
  500.      Change, M. Desbois and F. Desalmand, Eds., NATO ASI Series, Vol.
  501.      1, No. 26, Springer-Verlag, 161-170.
  502.  
  503.      Legates, D.R., C.J. Willmott, 1990. Mean seasonal and spatial
  504.      variability in gauge-corrected global precipitation. Internat. J.
  505.      Climatol., 9:111-127.
  506.  
  507.      Legates, D.R., 1987. A climatology of global precipitation. Publ.
  508.      in Climatology, 40 (1), Newark, Delaware, 85 pp.
  509.  
  510.      Nicholls, N., 1988. El Nino-Southern Oscillation and rainfall
  511.      variability. J. Climate, 1:418-421.
  512.  
  513.      Rosenzweig, C., and M.L. Parry, 1994. Potential impact of climate
  514.      change on world food supply, Nature, 367, 133-138.
  515.  
  516.      Rudolf, B., 1996. Global Precipitation Climatology Center
  517.      activities. GEWEX News, vol. 6, No. 1.
  518.  
  519.      Rudolf, B., H. Hauschild, W. Rueth, and U. Schneider, 1994.
  520.      Terrestrial Precipitation Analysis: Operational Method and
  521.      Required Density of Point Measurements. Global Precipitations and
  522.      Climate Change, M. Desbois and F. Desalmand, Eds., NATO ASI
  523.      Series, Vol. 1, No. 26, Springer-Verlag, 173-186.
  524.  
  525.      Rudolf, B., 1993. Management and analysis of precipitation data on
  526.      a routine basis. Proc. Internat. WMO/IAHS/ETH Symp. on
  527.      Precipitation and Evaporation. Slovak Hydrometeorol. Inst.,
  528.      Bratislava, Sept. 1993, (Eds. M. Lapin, B. Sevruk), 1:69-76.
  529.  
  530.      Rudolf, B., H. Hauschild, M. Reiss, U. Schneider, 1992. Beitraege
  531.      zum Weltzentrum fuer Niederschlagsklimatologie - Contributions to
  532.      the Global Precipitation Climatology Centre. Meteorol. Zeitschrift
  533.      N.F. , 1(1):7-84 (In German, with Abstracts and Summary in
  534.      English).
  535.  
  536.      Schneider, U., W. Rueth, B. Rudolf, 1994. Estimating the
  537.      error-range associated with area-average monthly precipitation
  538.      analyzed from rain-gauge measurements on a global scale. In
  539.      preparation.
  540.  
  541.      Schneider, U., 1993. The GPCC quality-control system for
  542.      gauge-measured precipitation data. In: Report of a GEWEX workshop
  543.      "Analysis methods of precipitation on a global scale", Koblenz,
  544.      Germany, September 1992, WCRP-81, WMO/TD-No. 558, June 1993,
  545.      A5-A7.
  546.  
  547.      Schneider, U., B. Rudolf, W. Rueth, 1993. The spatial sampling
  548.      error of areal mean monthly precipitation totals analyzed from
  549.      gauge-measurements. Proc. 4th Internat. Conf. on Precipitation
  550.      "Hydrological and meteorological aspects of rainfall measurement
  551.      and predictability", Iowa City, Iowa, April 1993, pg. 80-82.
  552.  
  553.      Sevruk, B., 1982. Methods of correction for systematic error in
  554.      point precipitation measurement for operational use. Operational
  555.      Hydrology ,Rep.-No. 21, World Meteorological Organization, Geneva,
  556.      WMO Rep.-No.589, 91 pp.
  557.  
  558.      Shepard, D., 1968. A two-dimensional interpolation function for
  559.      irregularly spaced data. Proc. 23rd ACM Nat. Conf.,
  560.      Brandon/Systems Press, Princeton, NJ, 517-524.
  561.  
  562.      Willmott, C.J., Rowe, C.M., Philpot, W.D. (1985): Small-Scale
  563.      Climate Maps: A Sensitivity Analysis of Some Common Assumptions
  564.      Associated with Grid-Point Interpolation and Contouring. The
  565.      American Cartographer, 12(1), 5-16.
  566.  
  567.      WMO/ICSU (1990): The Global Precipitation Climatology Project-
  568.      Implementation and Data Management Plan. WMO/TD-No. 367, Geneva,
  569.      June, 1990.
  570.  
  571.      WMO, 1985. Review of requirements for area-averaged precipitation
  572.      data, surface-based and space-based estimation techniques, space
  573.      and time sampling, accuracy and error; data exchange. WCP-100,
  574.      WMO/TD-No. 115, 57 pp. and appendices.
  575.  
  576.      WCRP, 1990. The Global Precipitation Climatology Project -
  577.      Implementation and Data Management Plan. WMO/TD-No. 367, Geneva,
  578.      June 1990, 47 pp. and appendices.
  579.  
  580.   ------------------------------------------------------------------------
  581.  
  582.                  [NASA] [GSFC]  [Goddard DAAC] [cidc site]
  583.  
  584.                   NASA  Goddard      GDAAC        CIDC
  585.  
  586. Last update:Wed Oct 1 12:54:16 EDT 1997
  587. Page Author: Dr. Suraiya Ahmad-- ahmad@daac.gsfc.nasa.gov
  588. Web Curator: Daniel Ziskin -- ziskin@daac.gsfc.nasa.gov
  589. NASA official: Paul Chan, DAAC Manager -- chan@daac.gsfc.nasa.gov
  590.