基于1980-2019年青藏高原及附近105个气象站点的气象数据(数据源于中国气象局数据国家气象科学数据中心)计算含氧量,发现含氧量和海拔显著线性相关,y=-0.0263x+283.8,R2=0.9819。因此基于DEM数据栅格计算得到含氧量分布图。由于青藏高原地区自然环境的限制,相关定点观察机构较少,本数据可在一定程度上反应青藏高原地区含氧量的分布情况,对青藏高原人类生存环境等相关研究有一定的借鉴意义。
信忠保
本数据集包含2001-2018年青藏高原月平均地表实际蒸散发量,空间分辨率为0.1度。数据集主要以卫星遥感数据(MODIS)和再分析气象数据(CMFD)作为输入,利用地表能量平衡系统模型(SEBS)计算得到。在计算湍流通量的过程中引入了次网格地形拖曳参数化方案,提高了对地表感热通量和潜热通量的模拟。另外,利用青藏高原6个湍流通量站的观测数据对模型输出的蒸散发量进行了验证,显示出了较高的精度。该数据集可用于研究青藏高原陆气相互作用和水循环特征。
韩存博, 马耀明, 王宾宾, 仲雷, 马伟强, 陈学龙, 苏中波
包含青藏高原地区气溶胶类型和气溶胶光学厚度,两类数据。 气溶胶类型数据产品是综合利用MEERA 2同化资料和主动卫星CALIPSO产品经过一系列数据预处理、质量控制、统计分析和对比分析等过程而融合得出的气溶胶类型结果。该气溶胶类型融合算法的关键是对CALIPSO气溶胶类型的判断。融合时根据CALIPSO气溶胶类型的种类和质控,并参考MERRA 2气溶胶类型得到最终气溶胶类型数据(共12种)和质量控制结果。充分考虑了气溶胶的垂直分布以及空间分布,具有较高的空间分辨率(0.625°×0.5°)和时间分辨率(月)。 气溶胶光学厚度(AOD)采用自主研发的可见光波段遥感反演方法,结合Merra-2模式数据与NASA的官方产品MOD04制作,数据覆盖时间从2000年到2019年,时间分辨率为逐日,空间分辨率为0.1度。反演方法主要采用自主研发的APRS算法,反演了冰雪上空的气溶胶光学厚度,算法考虑了冰雪地表的BRDF特性,适用于冰雪上空气溶胶光学厚度的反演。通过实测站点验证表明,数据相对偏差在35%以内,可有效提高极区气溶胶光学厚度的覆盖率和精度。
光洁, 赵传峰
青藏高原0.01°空间分辨率近地表气温数据集(1979-2018)通过对中国区域地面气象要素驱动数据集中空间分辨率为0.1°的气温数据进行降尺度得到。它包含日均气温和三小时分辨率的瞬时气温。其空间分辨率为0.01°(约1km)。时间范围为1979年到2018年。空间范围为73°E-106°E, 23°N-40°N。该数据集可以为地表辐射与能量平衡、气候变化、水文气象等领域的研究与应用提供较高空间分辨率的近地表气温数据。
丁利荣, 周纪, 王伟, 马晋
青藏高原野外观测研究平台是开展青藏高原科学观测和研究的前沿阵地。基于高原地表过程与环境变化的陆面-边界层立体综合观测为青藏高原地气相互作用机理及其影响研究提供了大量的珍贵数据。本数据集综合了珠穆朗玛大气与环境综合观测研究站、藏东南高山环境综合观测研究站、那曲高寒气候环境观测研究站、纳木错多圈层综合观测研究站、阿里荒漠环境综合观测研究站、慕士塔格西风带环境综合观测研究站2005-2016年逐小时大气、土壤和涡动观测数据。包含了由多层风速风向、气温、湿度以及气压、降水组成的梯度观测数据,辐射四分量数据,多层土壤温湿度和土壤热通量观测数据以及感热通量、潜热通量和二氧化碳通量组成的湍流数据。这些数据能广泛的应用于青藏高原气象要素特征分析、遥感产品评估和遥感反演算法的发展、数值模拟的评估和发展等研究中。
马耀明
本数据集包括青藏高原及其周边共5个采样点碳质气溶胶包括有机碳和黑碳的浓度和空间分布信息。本数据包含的黑碳和有机碳数据采用膜采样,滤膜为石英滤膜,采样器为大流量采样器,切割粒径为总悬浮颗粒物(TSP),每个滤膜采样周期为24h或48h。采用热光法测定其有机碳和黑碳含量,方法检出限分别为0.43和0.12 ug/cm2。此外,还计算了黑碳的吸光参数(MAC)。该数据集将作为青藏高原及其周边区域碳质气溶胶污染状况及背景值的参考数据集。
青藏高原的水土资源匹配数据,由站点气象数据(2008-2016年,国家气象数据共享网)经过彭曼公式计算得出的潜在蒸散发数据,利用土地利用的不同土地类型,根据下垫面影响系数计算现有土地利用下的蒸散发量;以及气象数据中的站点降雨数据插值得到的降雨数据,根据两者差值得到水土资源匹配系数。实际降雨与现有土地利用条件下的需水量之间的差值来反映水土资源的匹配性,数值越大匹配性越好。水土资源的匹配情况的空间分布能为进一步了解青藏高原的农牧业资源情况做铺垫。
董凌霄
该数据集是基于MODIS 16天合成的NDVI产品(MOD13Q1 collection6)估算的三江源国家公园区域的植被生长季开始(Start of Season: SOS)和生长季结束的日期(End of Season: EOS)。共用了两种常见的物候期估算方法,分别是基于多项式拟合的阈值提取法(文件名中有poly字符)和基于双逻辑曲线(double logistic function)拟合后的拐点提取法(文件名中有sig字符)。该数据可以用来分析植被物候期与气候变化的关系。时间范围为2001年至2020年。空间分辨率为250m。数据中包含4个子文件夹,CJYYQ_phen是三江源国家公园长江源园区的物候结果,HHYYQ_phen是三江源国家公园黄河源园区的物候结果,LCJYYQ_phen是三江源国家公园澜沧江源园区的物候结果,SJY_phen是整个三江源区域的物候。 数据格式为geotif,建议使用arcmap或者Python+GDAL浏览和处理数据。
王旭峰
1) 数据内容:为了描述青藏高原上的大气水资源,我们提供了两个变量。 一种叫做大气柱水汽收入(CWI),定义为单位面积大气柱水汽通量散度和地表面蒸发之和。 CWI变量为0.25×0.25度网格资料,单位为kg/m2或毫米。 另一个是大气水塔指数(AWTI),是整个TP区域大气水资源净收入的总和,AWTI即cwi乘以高原(75-105E, 25-40N, altitude> 2.5km)格点面积之和,单位为Gt. 2) 数据来源:基于ERA5再分析数据产品计算得到 3) 数据质量描述:ERA5是目前精度较高的再分析数据 4) 数据应用成果及前景: 上述两个变量提供了高原大气中水汽净收入量,
阎虹如
本数据集是基于MODIS数据进行处理和分析后得到,通过改进不同下垫面下的不同积雪提取算法,提高了积雪范围识别精度,同时利用隐马尔科夫去云算法和SSM/I雪水当量结合,最终生成完全无云的逐日积雪面积产品。取值范围: 1:积雪;0 非积雪。空间分辨率为0.005 度(约500m),时间范围是2000年2月24日至2019年12月31日。 数据格式为geotiff,推荐使用Arcmap或python +GDAL打开和处理数据
郝晓华
基于WRF模式,以ERA5再分析资料为初始和边界场,通过动力降尺度的方法,初步获得了青藏高原高分辨率低层大气结构和地气交换数据集。该数据集时间范围为2014年8月1日-8月31日,时间分辨率1小时,水平范围25oN-40oN,70oE-105oE,水平分辨率为0.05°。数据格式为NetCDF,每一小时数据输出一个文件,文件以日期命名。低层大气结构数据包含温度、相对湿度、水汽混合比、位势高度、经向风、纬向风气象要素,垂直方向为34层等压面;地气交换数据集包含地表接收的向上/向下短波辐射、向上/向下长波辐射、地表感热和通量、2米气温和水汽混合比、10米风等。该数据集可对青藏高原天气过程和气候环境研究提供数据支撑。
马舒坡
青藏高原珠峰站和纳木错站点气溶胶光学厚度数据是基于中科院青藏高原所大气辐射观在珠峰站和纳木错站点的观测数据产品而形成,数据覆盖时间从2017年到2019年,时间分辨率为逐小时,覆盖站点为珠峰站和纳木错站点,经纬度坐标为(珠峰站:28.365N, 86.948E,纳木错站:30.7725N,90.9626E)。观测数据来源为MFRSR仪器观测的辐射数据反演获得,所包含特征变量为气溶胶光学厚度,观测反演误差范围约为15%。数据格式为txt格式。
丛志远
数据内容:本数据集包含3种分辨率(0.25度、0.75度和2度)青藏高原多年平均月温度递减率(单位:℃/m)网格数据 数据来源及加工方法:基于高程标准差和相关性阈值动态检测不同分辨率网格内MODIS地温-海拔样本的有效性来获得局部可靠的温度递减率 数据质量描述:基于青藏高原113个站点的1980-2014年间日平均气温观测,对ERA-Interim气温数据应用0.75度气温递减率产品进行日平均气温的空间降尺度,使其验证误差(均方根误差)由~4℃降低到~2℃。 数据应用成果及前景:该数据集可应用于多种再分析资料的气温降尺度。
张凡, 张宏波
降水强烈的时空变化常使得常规地基台站的降水观测不能准确把握降水的空间分布和强度变化。而卫星微波遥感可以克服此局限,实现全球尺度降水和云的观测,而且相对于红外/可见光只能反映云厚、云高等信息而言,微波能够穿透云体,利用云内降水粒子和云粒子与微波的相互作用对云、雨进行更为直接的探测。 本数据以GPM搭载的DPR双波段降水雷达获取的地表降水量为真值,以NDVI、DEM、ERA5中的土壤温/湿度为参考数据,利用GMI的多波段被动亮温数据反演青藏高原地区暖季(5月-9月)瞬时降水强度,将结果重采样至0.1°空间分辨率后累加到日。
许时光
青藏高原作为地球的第三极,春夏季作为热源对区域和全球的天气和气候有着重要的影响。为了探究高原多时间尺度热力强迫作用的时空变化特征,建立一套持续、可靠的长时间观测的观测数据为基础的高原热源(汇)数据是十分有必要的。利用中国气象局在青藏高原上80(32)个观测台站1979—2016(1960—2016)年的气象要素(地表温度、地表气温、10m 风速、 日累计降水量等)为基础计算得到感热(SH)和潜热(LH),同时利用卫星资料处理得到高原上1984—2015年的净辐射通量(RC),得到了一套通过质量控制的长期高原热源数据集。本数据集在计算地表感热通量时,考虑了总体热传输系数 的日变化特征。
胡文婷
青藏高原(TP)在春季和夏季作为一个巨大的高架式地表和大气热源,对区域和全球气候和气候具有重要影响。为了探讨TP的热强迫效应的多尺度时间变化,制备了青藏高原大气热源/汇数据集,作为计算气柱热收支的定量分析工具。 大气热源/汇数据集包含三个变量:地表感热通量SH、潜热释放LH和净辐射通量NR。 基于中国气象局(CMA)1979-2016年80(32)气象站6-h的常规观测数据:1.5m气温、10m地面温度和风速计算地表热通量数据,降水估算潜热释放量。用于计算净辐射通量的卫星数据集为全球能源和水循环实验地表辐射预算卫星辐射(GEWEX/SRB)和云和地球的辐射能系统(CERES/EBAF),利用GEWEX/SRB和CERES/EBAF大气表面和顶部(TOA)的短波和长波月辐射通量(short - twave and longwave radiation fluxes, TOA),通过统计方法得到1984-2015年期间的净辐射通量。
段安民
青藏高原作为亚洲“水塔”为亚洲主要河流提供水资源。由生物质和化石燃料燃烧排放的BC气溶胶对辐射具有极强的吸收作用,进而对地球系统的能量收支和分布具有重要的影响,是气候环境变化不可忽视的影响因子。青藏高原周边地区排放的黑碳气溶胶经大气环流可被传输至高原内部,并沉降到雪冰表面,对降水和冰川物质平衡产生重要影响。分别在青藏高原5个台站架设黑碳仪,在线测量大气黑碳含量。这对评估黑碳对青藏高原的气候环境影响和大气污染物的跨境传输提供数据基础。
王茉
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集,时间范围:2000-2010,空间范围:25-40 ºN,75-105 ºE,时间分辨率:逐时,空间分辨率:10 km,格点数为150*300。 总计有33个变量,其中包含的近地表大气变量11个: 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个:各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量(感热通量)、地表面处向上的水量通量(感热通量)。 其他变量3个:经度、纬度和行星边界层高度。
潘小多
1) 数据内容(包含的要素及意义): 大气柱总含水量/可降水量、 儒略日Julian Day、经纬度和海拔高度; 2) 数据来源及加工方法: ECMWF-interm逐月再分析资料集 monthly mean analysis; 3) 数据质量描述:时间分辨率为逐月,空间分辨率:0.7°*0.7°; 4) 数据应用成果及前景:数据集给出了高原空中大气水资源的空间情况,用于分析高原空中水汽的时空变化及对周边地区降水的影响。
阎虹如
本数据集包含自1951年1月至2006年12月,青藏高原地区历年各季度和历年各月份的温度距平序列。依照气候距平法(CAM),基于《中国均一化历史气温数据集(1951-2004)1.0版》与2005-2006逐日平均气温资料,对青藏高原及其邻近区域共123个站点的逐月平均气温网格化,进而以面积加权法建立了高原1951-2006年逐月平均气温距平序列。其中,为最大限度地利用观测资料,着重探讨了利用参考站订正短序列气温资料气候标准值的方法。参考文献:任雨,张雪芹,彭莉莉.青藏高原1951-2006年气温距平序列的建立与分析.高原气象,2010. 《中国均一化历史气温数据集(1951-2004)1.0版》与2005-2006逐日平均气温资料,符合相关国家标准。 年各月温度距平数据表共有五个字段 字段1:年 字段2:月份 字段3:网格数 参加计算的网格数 字段4:站点数 参加计算的站点数 字段5:月温度距平 单位 ℃ 历年及各季温度距平数据表共有五个字段 字段1:年 字段2:季度 字段3:网格数 参加计算的网格数 字段4:站点数 解释:参加计算的站点数 字段5:温距平 ℃ 其中,季度字段中 1. 如果为空值,表示为年温度距平 2. DJF:冬季(上年12月至当年2月)温度距平值 ℃ 3. MAM:春季(3-5月)温度距平值 ℃ 4. JJA:夏季(6-8月)温度距平值 ℃ 5. SON:秋季(9-11月)温度距平值 ℃ 数据精度:月均温距平到小数点后三位,年均温与季均温距平到小数点后两位。
刘林山
联系方式
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