基于中国地面逐日气象要素数据集、全国地理基础数据、自然环境基础数据集，运用像元二分模型、密度分析、RclimDex、非平稳标准化降水蒸散指数(NSPEI)和双线性内插法等多种指标计算方法计算了横断山区的极端降水、极端气温、干旱强度、干旱频率等多种指标。该数据集包括横断山区的孕灾环境基础数据集、极端降水指标基础数据集、极端气温指标基础数据集、干旱强度和干旱频率基础数据集。该数据集可为区域内极端高温、降水和干旱风险评估提供基本的指标体系。我们得出横断山区内90%以上站点的极端气温暖指数显著上升，极端气温冷指数显著下降。南北气温差异显著，以青藏高原为界，北部气温日较差大，平均在13.83℃，南部气温日较差小，平均为11.38℃，南部平均的冰冻日数在1d左右。随着重现期的增加，持续干燥期（CDD）大于110d的区域逐渐由西部扩大到金沙江下游流域；在不同重现期下，持续降雨期（CWD）和年降水总量（PRCPTOT）的高值区集中在西部和南部的边缘；北部的日最大降水量（RX1day）在不同重现期下变化不显著，在60mm以下；最低气温极小值（TNn）和最高气温极大值（TXx）在空间分布上北低南高，40℃以上的高温普遍发生在南部的干旱河谷。
孙鹏
泛第三极区域数据集呈现海量、零散等特征，现有数据集种类较多，覆盖范围广，涉及水文、生态、大气以及灾害等多个领域，但这些数据集来自不同平台，在尺度、数据格式等方面各不相同，数据的可利用性较差，不利于科研人员展开泛第三极地区的科学研究，同时也无法发挥出这些数据集的巨大潜力。本研究采用来自多个数据平台的最新数据使用数据集成、数据融合等集成方法生产更高质量和更新年份的泛第三极综合数据集。根据不同来源、不同分辨率的数据，对这些数据进行质量控制，根据数据科学内容进行集成。对部分数据，利用数据融合技术，融合不同来源的数据，产生数据质量更高、年份更新的创新性数据产品，更好地服务于陆面过程模型等研究中。泛第三极数据集根据自然数据和社会经济数据分别采用泛第三极流域边界和泛第三极国家边界获取数据，统一采用罗宾逊（Robinson）投影格式。获得了多源集成的包含基础数据集、冰冻圈数据集、水文大气数据集、生态数据集、灾害数据集和人文地理数据集共六类数据集。 （1）基础数据集包含边界数据集、30米土地覆被数据、植被功能数据、30米SRTM数字高程数据和HWSD土壤质地数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极基础数据集数据文档.docx”。 （2）冰冻圈数据集包含冻土数据集、冰川分布数据、冰湖分布数据和积雪深度数据。其中，冻土数据集又包含冻土分布数据、冻土水热分带数据、冻土指数数据和冻土表面粗糙度数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极冰冻圈数据集数据文档.docx”。 （3）水文大气数据集包含河流湖泊数据集、蒸散发数据集和大气数据集。河流湖泊数据集包含河流数据和湖泊数据，蒸散发数据集包含MODIS蒸散发数据、土壤蒸发数据、水体冰雪蒸发数据和冠层截流蒸发数据，大气数据集包含ERA5-Land再分析数据集中的地表热辐射数据、地表太阳辐射数据、降水数据、气压数据、温度数据和风场数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极水文大气数据集数据文档.docx”。 （4）生态数据集包含总初级生产力数据和植被蒸腾数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极生态数据集数据文档.docx”。 （5）灾害数据集包含滑坡数据和地震区划数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极灾害数据集数据文档.docx”。 （6）人文地理数据集则包含交通道路数据、铁路机场数据、人口密度数据、主要国家人均GDP数据、收入水平数据和世界遗产分布数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极人文地理数据集数据文档.docx”。 泛第三极综合数据集将为相关研究者提供便利，避免相关研究在获取数据和处理数据的过程中重复劳动，节省研究者宝贵的时间，并且在陆面过程模型、水文模型和生态模型等科学研究中起到重要作用，促进泛第三极地区科学研究的发展，为泛第三极地区的科学研究提供数据支撑。
李虎, 潘小多, 李新, 盖春梅, 冉有华
该数据集包含了2019年1月1日至2019年12月31日的青海湖流域自动气象站观测数据。共有两个站点，其中鸟岛站位于青海省海南州共和县，观测点经纬度36°58′N，99°52′E；瓦颜山站位于青海省海北州刚察县伊克乌兰乡观测点经纬度37°44′ N，100°05′ E。观测要素包括3层（1m、5m、10m）空气温度（℃）和相对湿度（%），大气压强（hpa）和光合有效辐射（W/m2）。数据基于CR1000 数据采集器收集，使用hmp155a测量空气温度与湿度，使用CS106测量大气压强， 使用LI200R测量光合辐射，每半小时进行一次数据记录。本数据集将为青藏高原重点城镇化地区生态安全屏障优化体系研究提供支持。
陈克龙, 陈治荣
该数据集包含位于西藏自治区昌都市江达县岗托镇矮拉山附近（98°29′16″E, 31°36′36″N）冻融滑坡及融冻泥流浅层地温、水分及现场气象要素监测数据，基于Hobo温度、水分及小型气象站通过现场监测获得。观测时间在2019年8月31日-2020年7月14日之间。通过一个完整冻融周期的现场监测，下载现场传感器自动获取的地温、水分及气象要素监测数据，通过一定的质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。地温、水分观测时间间隔4小时，地温的观测深度为10cm, 20cm, 40cm, 60cm，80cm，100cm，150cm及200cm，共8层，水分的观测深度为20cm，50cm，100cm及200cm共4层。气象观测要素主要包括气温、降雨量、风速、风向及太阳辐射等，观测的时间间隔为30分钟（注：太阳辐射传感器最大量程为1276.8 W/m2，实际太阳辐射值大于最大量程时显示为1276.9 W/m2；风速传感器的最小启动风速为0.5m/s，当实际风速小于启动风速时，显示值为0。因此该数据无法体现超太阳常数现象和低于0.5m/s的风速）。质量控制包括剔除传感器未完全适应土壤环境时的数据和传感器出现故障造成的系统误差。经过矫正的最终数据以excel文件存储。获取的现场数据经多人复查审核，数据完整性和准确度达到95%以上。监测数据可为后期开展藏东南地区冻融滑坡和融冻泥流相关研究工作提供必要的数据支撑。
牛富俊
This file contains the datasets used in a manuscript published in JGR Biogeosciences (Nieberding, F., Wille, C., Ma, Y., Wang, Y., Maurischat, P., Lehnert, L., and Sachs, T.: Winter daytime warming and shift in summer monsoon increase plant cover and net CO2 uptake in a central Tibetan alpine steppe ecosystem, Journal of Geophysical Research: Biogeosciences, 126, e2021JG006441, doi:10.1029/2021JG006441, 2021.). The manuscript contains all the details on how the data was generated and processed and the corresponding code was published in the supplementary material.
Felix Nieberding, 马耀明, Christian Wille, Lukas Lehnert, Yuyang Wang, Philipp Maurischat, Weiqiang Ma, Torsten Sachs
该数据集包括2000–2009 和 2090–2099两个时段的NEX-GDDP （NASA Earth Exchange Global Daily Downscaled Projections）的每日最低气温（Tmin）、最高气温数据（Tmax）和降水量（PPT）数据（v1.0），日最高温和日最低温单位为K；降水量单位为kgm-2s-1；背景填充值为-999。 本数据集在原始数据基础上裁取青藏高原范围内像元，原始数据于2020年8月下载自 https://portal.nccs.nasa.gov/datashare/NEXGDDP/BCSD/。 NEX-GDDP数据集由CMIP5（Coupled Model Intercomparison Project Phase 5）历史气候和RCP（Representative Concentration Pathways）4.5情景模式下运行的大气环流模型（General Circulation Models）得到，共包括21个大气环流模型；其中 2000–2005为历史气候情景，2006–2009和2090–2099为RCP 4.5情景。原始数据相关说明请参见：https://www.nccs.nasa.gov/services/data-collections/land-based-products/nex-gddp。
沈妙根, 姜楠
包括典型冰川（浪卡子县枪勇冰川：东经90.23°，北纬28.88°，海拔4898米，地表覆被为基岩；申扎县甲岗山冰川：东经88.69°，北纬30.82°，海拔5362米，地表覆被为碎石和杂草）2019-2020年自动气象观测数据。枪勇冰川记录包含1.5米温度、1.5米湿度、2米风速、2米风向、地表温度等数据。该自动气象站的数据采用USB离线获取的方式收集，初始记录时间为2019年8月6日19时10分，记录间隔为10分钟，2019年10月24日现场下载数据，未能连接上。2020年12月20日16:30到现场下载数据，仍然无法连接到电脑，于是将数采仪取回带到北京后将数据读出。数据未缺失，但风速数据在2020年7月14日9:30之后有问题（极可能是风向标被破坏所致）。甲岗山冰川初始记录时间为2019年8月9日15时00分，记录间隔为1分钟，电源主要是通过蓄电池和太阳能板来维持。该自动气象站无内部存储，数据每小时通过GPRS上传至HOBO网站，由专人定期下载。2020年1月5日23:34，1.5米温湿度传感器出现异常，温度和湿度数据丢失。2020年6月30日21:20之后所有数据完全无法通过网站下载。2020年12月19日将数采仪取回，下载到2020年6月23日19:43至9月25日3:36的数据。之后更换温湿度传感器，于12月21日12:27重新开始观测。目前数据由三段组成（2019.8.9-2020.6.30；2020.6.23-2020.9.25；2020.12.19-2020.12.29），经检查，数据有部分缺失，个别数据因记录电池电压，时间上有重复，需要核对。甲岗山冰川前端气象观测数据使用美国ONSET 公司HOBO RX3004-00-01型号自动气象站采集，温湿度探头型号为S-THB-M002 ，风速风向传感器型号S-WSET-B ，地温温度传感器型号S-TMB-M006 。枪勇冰川前端气象观测数据使用美国ONSET 公司HOBO U21-USB型号自动气象站采集，温湿度探头型号为S-THB-M002 ，风速风向传感器型号S-WSET-B ，地温温度传感器型号S-TMB-M006 。
张东启
农业灌溉需要消耗大量的可利用淡水资源，是人类对自然水循环过程最直接的扰动，加速了区域水循环的同时伴随着冷却作用。因此，估算灌溉用水对于探索人类活动对自然水循环的影响、量化水资源收支、优化农业水资源管理配置等具有重要意义。然而，目前灌溉用水数据主要是基于调查统计结果，数据空间分布离散且缺乏统一性，无法满足对灌溉用水的时空变化进行估算的需求。全球灌溉农田灌溉用水量遥感估算数据集（2011-2018）是基于卫星土壤湿度、降水、植被指数以及气象资料入辐射与气温等要素，通过土壤水量平衡原理，耦合遥感蒸散发过程模块以及利用基于差分优化的数据-模型融合算法来估算全球灌溉农田实际灌溉用水量。该数据集的灌溉用水估算结果相比传统的离散调查统计数据在不同空间尺度（区域、州/省和国家）上具有较小的偏差，如中国各省2015年农业用水统计结果对比（bias = −3.10 km^3），美国各州2013年调查数据结果对比（bias = −0.42 km^3）以及粮农组织各个国家尺度对比结果（bias = −10.84 km^3）。而且，相较于基于单个降水和土壤水分卫星产品的估算结果，该集合数据显示出更低的不确定性。此外，数据统一采用全球地理经纬度格网，相关元数据存储在对应的NetCDF文件内，空间分辨率约为25公里，时间分辨率为月尺度，时间跨度为2011年−2018年。该数据集将有助于定量评估历史时期农业灌溉用水的时空格局和支撑科学农业用水管理等。
张琨, 李新, 郑东海, 张凌, 朱高峰
该数据集记录了2001-2020年青海省主要地区降水量统计，数据是按月份和全年进行划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含20个数据表，各数据表结构相同。例如2020年的数据表共有11个字段： 字段1：月份 字段2：地区 字段3：西宁 字段4：海东 字段5：海北 字段6：黄南 字段7：海南 字段8：果洛 字段9：玉树 字段10：海西 字段11：格尔木市
青海省统计局
数据内容：咸海流域2015年-2018年降雨量数据。 数据来源及加工方法：来源于美国国家航空航天局新一代的全球降水计划GPM(Global Precipitation Measurement，V06，全球降水观测计划)，对三小时的降雨量数据相加得到日降雨量，再累计相加得到八天降雨量。 数据质量：空间分辨率为0.1°×0.1°，时间分辨率为8天，每个像元的值为八天降雨量之和。 数据应用成果：在气候变化背景下，可用于气象要素和植被特征相关关系分析。
刘铁
（1）本数据是慕士塔格站2019年的气象数据，观测点位置为东经75°03.35′，北纬38°24.77′，海拔3650米，参数包括：气温，相对湿度，气压，降水量，辐射，风速，土壤温度和土壤湿度。 （2） 数据来源及加工方法：数据来源于该站点自动气象站的半小时数据，首先剔除原始记录中的异常和错误数据，然后计算这些参数的日值。 （3）该数据可用于如大气科学、气候学、自然地理学和生态学等方面的研究工作。
谢营
该数据为中国科学院藏东南高山环境综合观测研究站2016年在色季拉山西坡山顶架设自动气象站数据（AWS，Campbell公司），地理坐标为北纬29.5919，东经94.6102，海拔4640m，下垫面为高山草地。 数据包括气温（℃）、相对湿度（%）、风速（m/s）和气压(mb)日算术平均数据和降水的日累计值，原始数据2018年10月之前为30分钟一个平均值，此后为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定，降雨量仪器型号为RG3-M，大气压力传感器探头为PTB210，风速传感器为05103，这些探头离地面2 m。数据质量方面：剔除了明显异常值，2019年上半年积雪导致电池损坏，数据有缺失，缺失的气温数据利用了附近站点4390m气温拟合回归矫正，已在数中标据黄，使用时请注意；降水量的监测从2019年8月开始。该数据站点为藏东南地区较高海拔的气象站，后续会不定期更新，可供研究生态、气候、水文、冰川等的科研工作者使用。
罗伦
该数据为中国科学院藏东南高山环境综合观测研究站2018年在易贡藏布流域架设自动气象站数据（AWS，Campbell公司），地理坐标为北纬30.1741，东经94.9334，海拔2282m，下垫面为草地。 数据包括气温（℃）、相对湿度（%）、风速（m/s）、水汽压（Kpa）和气压(mb)日算术平均数据和降水的日累计值，原始数据为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定，降雨量仪器型号为TB4，大气压力传感器探头为PTB210，风速传感器为05103，这些探头离地面2 m高。数据质量方面：原始数据质量较好，缺失较少。该数据站点为青藏高原较低海拔的气象站，后续会不定期更新，可供研究气候、水文、冰川等的科研工作者使用。
罗伦
中亚干旱区极端降水指数长时间序列数据集包含了49个站点的10项极端降水指数长时间序列数据。该数据集以全球日气候历史数据网络（GHCN-D）的逐日降水数据为基础，经过数据质量控制和异常值剔除，选取符合极端降水指数计算的站点，计算了气候变化检测和指数联合专家组（ETCCDI）定义的10项极端降水指数（PRCPTOT、SDII、RX1day、RX5day、R95pTOT、R99pTOT、R10、R20、CWD、CDD）。其中，有15站时间序列为1925-2005年。本数据集可以作为在全球气候变化下中亚干旱区极端降水事件发生频率和趋势探测分析的材料，也可以作为基础数据来探索极端降水事件对农牧业生产和生命财产损失的影响。
姚俊强, 陈静, 李建刚
该数据集是来自CMIP5的3个全球气候模式（CCSM4、HadGEM2-ES和MPI-ESM-MR)的高分辨率动力降尺度结果，使用的区域模式是WRF，覆盖中亚五国，空间分辨率是9km，未来时段是2031-2050(包含1.5-2℃升温阈值对应的10年区间），历史参考时段是1986-2005，碳排放情景是RCP4.5，包含的变量是2米气温和降水（对流和非对流降水），时间分辨率是年。该数据可以用于中亚气候预估。
邱源
瓜达尔深水港位于巴基斯坦俾路支省西南部瓜德尔城南部，在巴基斯坦靠近伊朗一侧，东距卡拉奇约460km，西距巴基斯坦伊朗边境约120km，南临印度洋的阿拉伯海，向西则是霍尔木兹海峡和红海，与阿曼首都马斯喀特（Muscat）遥遥相对，是一个极具战略地位的海港。 本数据为瓜达尔港区气象站点(62.329494E, 25.233308N)实测气象数据，数据时间范围为2014-2015年，数据时间分辨率为日。
吴骅
CMIP5（Coupled Model Intercomparison Project Phase 5）是气候耦合模型相互比较项目的第五阶段实验，提供了一个多气候模式环境，可用于预估“一带一路”关键节点区域未来气候变化，以应对关键节点区域的环境气候问题。本数据集以“一带一路”关键节点区域为研究区，对CMIP5的43个气候模式对研究区未来气候变化的预估能力进行评估，以模拟结果的均方根误差为标准，分别选取RCP4.5及RCP8.5情景下模拟能力最优的气候模式，对研究区进行气候模拟，得到研究区2006至2065年降雨量、气温的未来预估数据，并使用统计降尺度方法使数据集空间分辨率达到10km，时间分辨率为每月。每一期数据具有三个波段，分别是气温最大值、气温最小值和降雨量。本数据集中，降雨量单位为kg/(m^2*s)，气温单位为K。本数据集为应对关键节点区域的环境气候问题提供数据基础。
李炘妍, 凌峰
该数据集包含中亚地区1982-2015年逐次干旱事件的开始时间（年、月）、发生位置（经度、纬度）、持续时间（月）、干旱强度，以及植被响应干旱的脆弱性数据，空间分辨率为1/12°。其中，干旱事件通过12月尺度的标准化降水蒸散指数（SPEI12）<-1.0识别。干旱特征及植被脆弱性的具体算法详见引文。该数据集已在中亚植被响应干旱脆弱性等研究上得到应用，并在干旱事件时空特征、干旱-植被影响机理、干旱风险评估等研究领域具有应用前景。
邓浩宇
1) 数据内容（包含的要素及意义）：数据包含气温（℃）、降水（mm）、相对湿度(%)和风速(m/s)四个指标的日值 2) 数据来源及加工方法；气温、相对湿度和风速为日均值，降水为日累计值；数据采集地点色季拉山东坡林线附近29°39′25.2″N; 94°42′25.62″E; 4390m；下垫面为自然草地；采集器型号Campbell Co CR1000，采集时间：10分钟。数字化自动采集数据。气温和相对湿度仪器探头为HMP155A；风速传感器为05103；降水为TE525MM; 3) 数据质量描述；气温、相对湿度和风速原始数据为10分钟一个的平均值，降水为10分钟的累积值；分别通过算术平均或求和得到日平均气温、相对湿度、降水量和风速。由于传感器限制，冬季降水量可能有一定的误差。 4) 数据应用成果及前景：此数据是已有数据《色季拉山气象数据（2007-2017）》的更新，数据时间尺度跨度大，方便大气物理、生态、大气环境等方面的科学家或研究生使用。每年会不定期更新此数据。
罗伦
在过去几十年中，相对于热带气旋(在印度洋称为热带风暴)的路径预报，热带气旋强度的预报能力提高非常有限。 降雨的潜热释放通常认为驱动热带气旋增强非常重要的过程。 很多研究表明热带气旋的降雨和对流特征是影响热带气旋强度变化的非常重要过程，而环境变量相对来说对强度预报的作用非常有限。基于此，提取和热带气旋最佳路径数据500公里范围内匹配的卫星观测降雨和对流(云顶亮温)数据，来研究这些变量和热带气旋强度和强度变化的关系。 首先将不同来源资料进行时空匹配，包括对原始的热带气旋最佳路径数据与卫星降水和对流数据进行了时空匹配，包括位置对应，时间和空间分辨率的匹配，同时采用线性插值将路径中心位置插值到每小时；热带气旋对应的降雨数据基于TRMM卫星观测计算，热带气旋对应的云顶亮温数据基于多源定轨红外卫星计算，然后根据最佳路径空间位置、时间和影响半径（距气旋中心500km），动态提取和计算相关范围内的TRMM卫星降水和多源定轨红外卫星的红外亮温数据，得到台风路径3小时分辨率的降水和对流数据，其中降水空间分辨率0.25°，对流空间分辨率4km。 该数据显示降雨和热带气旋的强度有非常好的线性关系，降雨越大的热带气旋对应的热带气旋的强度越强。但是这不能说明热带气旋增强是由降雨引起的，快速增强的热带气旋和快速减弱的热带气旋对应的降雨都可以很强。热带气旋从快速减弱到快速增强，深对流云（云顶亮温<208 K）的强度和面积都逐步增大，而与热带气旋的强度没有线性的对应关系。这一部分深对流云的变化领先于热带气旋强度24小时变化, 因此可以作为判断热带气旋强度变化非常重要的指标（Ruan and Wu，2018，GRL）。与热带气旋相对应的降雨和对流特征，可以很好的用来研究热带气旋强度以及强度变化。同时，该数据的降雨具有3小时的分辨率，云顶温度具有半小时的分辨率， 可以做日变化尺度上的相关研究。
吴巧燕
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
