该数据集共包含717个文件,其中station.txt文件主要描述716个站的站点信息,每列分别对应为:经度、纬度和高程;另外以站号命名的716个文件对应716个站的数据,文件中每列分别为:年、月、日和日平均太阳辐射。 该数据是基于中国气象局常规气象观测要素:温度、湿度、气压和日照时数等估算得到的。估算方法采用两个模型得到,分别为:人工神经网络模型和Yang混合模型。Yang混合模型在晴天情况下考虑了气溶胶散射和吸收、瑞利散射、水汽吸收、臭氧吸收和均一混合气体吸收五中衰减过程,云天情况下通过日照时数来参数化云对辐射的影响;而人工神经网络模型利用ANN模型在每个辐射站上建立了辐射和地面常规气象变量的关系。由于人工神经网络模型精度要比Yang混合模型估算精度高,因此通过人工神经网络模型估算值在月尺度上动态校正Yang混合模型估算值最终得到数据集合。
唐文君
该数据集包含2007-2014年地表太阳辐射数据,时间分辨率为逐小时,空间分辨率为5km。每个小时对应一个文件,文件命名方式为: RAD_yyyymmddhh.dat,其中yyyy表示年,mm表示月,dd表示日,hh表示小时(世界时)。经度(X轴)格点:70.025:0.05:140.025,纬度(Y轴)格点:59.975:-0.05:14.975。文件为二进制文件,格式为float格式(real*4),没有头文件。 该数据集的获取分为三步:(1)融合极轨卫星MODIS 和日本静止气象卫星MTSAT 资料,发展适合MTSAT的云检测算法及MTSAT云属性信息(有效粒子半径和路径含水量)的估算方法;(2)发展以云属性、气溶胶、水汽和臭氧等信息为输入的宽波段辐射模型,形成高效快速的地表太阳辐射反演技术;(3)将获取的高分辨率云参数信息和其他要素(气溶胶、水汽、臭氧等)输入宽波段辐射传输模型,最终得到中国高时空地表太阳辐射数据集。 经验证,瞬时辐射均方根误差(RMSE)一般小于 100 W/㎡,日平均辐射均方根误差(RMSE)一般小于 35 W/㎡。
唐文君
该数据集共包含717个文件,其中station.txt文件主要描述716个站的站点信息,每列分别对应为:经度、纬度和高程;另外以站号命名的716个文件对应716个站的数据,文件中每列分别为:年、月、日和日平均光合有效辐射。 该数据是基于中国气象局常规气象观测要素:温度、湿度、气压和日照时数等估算得到的。(1)算法和模型介绍:该模型发展了光合有效辐射(PAR)波段大气宽波段透过率参数化方案,在晴天情况下考虑了四种衰减过程,分别是:气溶胶的吸收和散射,水汽的吸收,臭氧的吸收和瑞利散射。在此基础上建立了晴空条件下地表PAR估算方案,同时利用日照时数作为衡量云对辐射影响的指标,参数化其对地表PAR的影响,进而估算全天空条件下地表PAR。经验证,估算结果数据集的均方根误差小于14W/m² 。
唐文君
2008年全国遥感年平均地表温度和冻结指数是冉有华等(2015)基于MODIS Aqua/Terra逐日四次的5公里瞬时地表温度数据产品,发展了新的年平均地表温度和冻结指数估计方法,该方法利用上下午LST观测的平均获取日平均地表温度,方法的核心是如何恢复LST产品的缺失数据,该方法有两个特点:(1)将遥感观测到的日地表温度变幅进行了空间插值,利用插值获取的空间连续的日地表温度变幅,使一天只有一次的卫星观测数据得到应用;(2)利用了一个新的缺失数据时间序列滤波方法,即基于离散余弦变换的惩罚最小二乘回归方法。 验证表明,年平均地表温度与冻结指数的精度只与原始MODIS LST的精度有关,即保持了MODIS LST产品的精度。可用于冻土制图及相关资源环境应用。
冉有华, 李新
中国区域地面气象要素数据集是中国科学院青藏高原研究所开发的一套近地面气象与环境要素再分析数据集。该数据集是以国际上现有的 Princeton 再分析资料、GLDAS 资料、GEWEX-SRB 辐射资料,以及 TRMM 降水资料为背景场,融合了中国气象局常规气象观测数据制作而成。其时间分辨率为 3 小时,水平空间分辨率 0.1°,包含近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率,共 7 个要素(变量)。 各变量的物理意义: | 气象要素||变量名||单位||物理意义 | 近地面气温 ||temp|| K || 瞬时近地面(2m)气温 | 地表气压 || pres|| Pa || 瞬时地表气压 | 近地面空气比湿 || shum || kg/ kg ||瞬时近地面空气比湿 | 近地面全风速 || wind || m /s || 瞬时近地面(风速仪高度)全风速 | 向下短波辐射|| srad || W /平方米 || 3 小时平均 (-1.5hr ~ +1.5hr) 向下短波辐射 | 向下长波辐射||lrad ||W /平方米 ||3 小时平均 (-1.5hr ~ +1.5hr) 向下长波辐射 | 降水率||prec||mm/hr ||3 小时平均 (-3.0hr ~ 0.0hr) 降水率 更多信息,请参见随数据一同发布的《User’s Guide for China Meteorological Forcing Dataset》。 最新版本(01.06.0014)的主要变化有: 1. 将数据延伸到 2015 年 12 月(短波和长波数据例外,只到 2015 年 10 月,2015 年 11-12 月的数据系根据 GLDAS 数据插值得到,误差可能会偏大); 2. 设定风速最小值为 0.05 m/s; 3. 修正了之前辐射算法中的一个 bug,使我们的短波和长波数据在晨昏时段更合理。 4. 修正了降水数据的 bug,更改涉及的时段是 2011-2015 年。
阳坤, 何杰
1962-2011年中国大陆各分区近地表气温直减率数据集是中国科学院青藏高原研究所王磊研究员课题组的研究成果。 该数据集将中国大陆分成了24个研究区域,在word文档(description of groups.doc)中描述了各分区的经纬度范围,也可以从数据的缩略图中浏览各分区的空间分布。 气温直减率数据集以EXCEL格式描述,包括了整个中国地区各个分区的年平均以及四季平均的lapse rate数值。 该统计基于553个包含完整月系列的中国气象局常规气象站的2m气温观测,并利用另外201个气象站(有缺值)做了独立验证。 更多信息,请参见随数据一同发布的期刊文献。
王磊
基于静止卫星和再分析资料的中国区域大气驱动数据集是由中国气象局制备的一套具有较高时空分辨率的大气驱动数据集,空间分辨率为0.1°×0.1°,时间分辨率为1小时,覆盖范围为东经75°-135°,北纬15°-55°,包含近地面气温、相对湿度、地面气压、近地面风速、地表入射太阳辐射和地面降水率6个要素。其中降水产品的制备过程如下:利用中国风云二号静止卫星多通道数据所反演的6小时累积降水估计与常规地面观测6小时累积降水进行数据融合,获得6小时累积降水空间分布数据,然后利用静止卫星多通道反演的高分辨率云分类信息确定累积降水时间插值权重,得到1小时累积降水估计。辐射资料的制备过程如下:基于FY-2C的地表入射太阳辐射采用辐射传输模型DISORT(Discrete Ordinates Radiative Transfer Program for a Multi-Layered Plane-parallel Medium)进行辐射传输计算,获得逐小时0.1°×0.1°的中国区域地表入射太阳辐射数据。其他要素的制备过程:对1.0°×1.0°的NCEP再分析资料采用空间和时间插值方法,获得逐小时0.1°×0.1°的近地面气温、相对湿度、地面气压、近地面风速等驱动要素。 各变量的物理意义: 气象要素 || 变量名 || 单位 || 物理意义 | 地面气温 || TBOT || K || 近地面(2m)气温 | 地表气压 || PSRF || Pa || 地表气压 | 地面相对湿度 || RH || kg/ kg ||近地面(2m)相对湿度 | 地面风速 || WIND || m /s ||近地面(风速仪高度)风速 | 地表入射太阳辐射|| FSDS || W /m2 || 地表入射太阳辐射 | 降水率||PRECTmms||mm/hr || 降水率 更多信息,请参见随数据一同发布的数据文档。
师春香
本数据集包括中国地区2002-2008年,经纬度投影,0.25度分辨率的被动微波遥感亮度温度数据。 1、数据处理过程: NSIDC produces AMSR-E gridded brightness temperature data by interpolating AMSR-E data (6.9 GHz, 10.7 GHz, 18.7 GHz, 23.8 GHz, 36.5 GHz, and 89.0 GHz) to the output grids from swath space using an Inverse Distance Squared (ID2) method。 2、数据格式: Brightness temperature files: two-byte unsigned integers, little-endian byte order Time files: two-byte signed integers, little-endian byte order 3、数据命名: ID2rx-AMSRE-aayyyydddp.vnn.ccc(China-ID2r1-AMSRE-D.252002170A.v03.06V) ID2 Inverse Distance Squared r1 Resolution 1 swath input data AMSRE Identifies this an AMSR-E file D.25 Identifies this as a quarter degree file yyyy Four-digit year ddd Three-digit day of year p Pass direction (A = ascending, D = descending) vnn Gridded data version number (for example, v01, v02, v03) ccc AMSR-E channel indicator: numeric frequency (06, 10, 18, 23, 36, or 89) followed by polarization (H or V) 4、切割范围: Corner Coordinates: Upper Left ( 60.0000000, 55.0000000) ( 60d 0'0.00"E, 55d 0'0.00"N) Lower Left ( 60.0000000, 15.0000000) ( 60d 0'0.00"E, 15d 0'0.00"N) Upper Right ( 140.0000000, 55.0000000) (140d 0'0.00"E, 55d 0'0.00"N) Lower Right ( 140.0000000, 15.0000000) (140d 0'0.00"E, 15d 0'0.00"N) Center ( 100.0000000, 35.0000000) (100d 0'0.00"E, 35d 0'0.00"N) Origin = (60.000000000000000,55.000000000000000) 5、数据投影: GEOGCS["WGS 84", DATUM["WGS_1984", SPHEROID["WGS 84",6378137,298.257223563, AUTHORITY["EPSG","7030"]], TOWGS84[0,0,0,0,0,0,0], AUTHORITY["EPSG","6326"]], PRIMEM["Greenwich",0, AUTHORITY["EPSG","8901"]], UNIT["degree",0.0174532925199433, AUTHORITY["EPSG","9108"]], AUTHORITY["EPSG","4326"]]
Mary Jo Brodzik, Matthew Savoie, Richard Armstrong, Ken Knowles
联系方式
中国科学院西北生态环境资源研究院 0931-4967287 poles@itpcas.ac.cn关注我们
时空三极环境大数据平台 © 2018-2020 陇ICP备05000491号 | All Rights Reserved | 京公网安备11010502040845号
数据中心技术支持: 数云软件