太阳总辐射和散射采用辐射表（CM22, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度数据来源于IPEV/PNRA 项目 “Routine Meteorological Observation at Station Concordia” ，http://www.climantartide.it，地面水汽压单位为hPa。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（S/G）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2006-2016年（Bai, J.; Zong, X.; Lanconelli, C.; Lupi, A.; Driemel, A.; Vitale, V.; Li, K.; Song, T. 2022. Long-Term Variations of Global Solar Radiation and Its Potential Effects at Dome C (Antarctica). Int. J. Environ. Res. Public Health, 19, 3084. https://doi.org/10.3390/ijerph19053084）。该数据集可以用于南极Dome C地区太阳辐射及其衰减等相关研究。地面太阳辐射和其他气象数据可以参考：https://doi.org/10.1594/PANGAEA.935421
白建辉
太阳总辐射采用辐射表（CM21, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度分别采用温湿度传感器HMP45C-GM （Vaisala Inc., Vantaa, Finland）测量。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（AF）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2007-2020年。关于数据处理和太阳总辐射计算等可参考文献：Bai, J.; Zong, X.; Ma, Y.; Wang, B.; Zhao, C.; Yang, Y.; Guang, J.; Cong, Z.; Li, K.; Song, T. 2022. Long-Term Variations in Global Solar Radiation and Its Interaction with Atmospheric Substances at Qomolangma. Int. J. Environ. Res. Public Health, 19, 8906. https://doi.org/10.3390/ijerph19158906。该数据集可以用于珠峰地区太阳辐射及其衰减等相关研究。珠峰站太阳辐射和其他气象数据可以参考：https://data.tpdc.ac.cn/zh-hans/data/b9ab35b2-81fb-4330-925f-4d9860ac47c3/。
白建辉
本数据集包含了2012-2020年东亚地区高分辨率对流层二氧化氮垂直柱浓度POMINO v2.1数据，是v2.0.1错误修复后的新版本数据，为研究中国地区对流层二氧化氮的空间分布特征和时间变化趋势提供了重要的数据基础。该数据基于KNMI提供的对流层二氧化氮斜柱浓度，通过自行开发的对流层AMF反演算法，计算得到POMINO对流层二氧化氮垂直柱浓度。与地基观测资料的对比表明，POMINO的对流层二氧化氮柱浓度能够更好地抓住日际间的变化趋势，同时与地基观测数据的相关性也更好。目前该数据已被国内外多家高校以及科研机构用于科研使用，在未来，该数据集将对青藏高原科考项目提供更加全面的数据支持。
林金泰
公里级、空间完整（无缝）的地表温度产品在全球变化等领域具有广泛的应用需求。基于遥感观测反演的地表温度具有较高的可信度，融合从热红外和微波观测反演的地表温度，是获取具有一定精度、空间完整地表温度的有效途径。基于这一指导思想，作者发展了反演中国区域1km、无缝地表温度的方法框架，并生成了相应的数据集（2002-2020）. 首先采用基于查找表的AMSR-E/AMSR2 地表温度反演算法反演得到AMSR-E/AMSR2 地表温度，之后采用地理加权回归对AMSR-E/AMSR2 地表温度进行降尺度，得到1km 地表温度，最后使用多尺度卡尔曼滤波融合AMSR-E/AMSR2 1km地表温度和MODIS地表温度，生成1km无缝地表温度数据集。 地面验证评价结果表明，该LST的均方根误差（RMSE）约为3K，空间分布于MODIS LST、CLDAS LST的一致性较好。
程洁, 董胜越, 施建成
地表温度（Land Surface Temperature，LST）是地表能量平衡研究的关键参数，被广泛用于气象、气候、水文、农业和生态等领域研究。卫星（热红外）遥感作为获取全球和区域尺度LST信息的重要手段，容易受到云层覆盖和其他大气条件的影响，导致LST遥感产品时空不连续，极大限制了LST遥感产品在相关研究领域的应用。 本数据集的制备首先基于经验正交函数插值方法，利用Terra/Aqua MODIS 地表温度产品重建理想晴空条件下的LST，然后使用累积分布函数匹配方法融合 ERA5-Land再分析数据获取全天候条件下的LST。该方法充分利用了原始MODIS遥感产品的时空信息以及再分析数据中的云影响信息，缓解了云层覆盖对LST估算的影响，最终重建得到较高质量的全球0.05°时空连续的理想晴空和全天候LST数据集。 本数据集不仅实现了时空无缝覆盖，并且具有良好的验证精度。重建的理想晴空LST数据在全球17种土地覆盖类型实验区内，平均相关系数（R）为0.971，偏差（Bias）为-0.001 K至0.049 K，均方根误差（RMSE）为1.436 K至2.688 K。重建的全天候 LST 数据与地面站点实测数据的验证结果：平均 R 为 0.895，Bias为0.025 K 至 2.599 K， RMSE为4.503 K至7.299 K。 本数据集的时间分辨率为逐日4次，空间分辨率为0.05°，时间跨度为2002年-2020年，空间范围覆盖全球。
赵天杰, 余沛
地表太阳入射辐射（Surface Solar Irradiance，SSI）是FY-4A L2定量反演产品之一，覆盖范围为全圆盘，无投影，空间分辨率为4km，时间分辨率可达15min（20180921开始全天共40个观测时次，除每个整点时次的观测外，每3hr整点前后15min各有一次观测），光谱范围为0.2µm～5.0µm。产品输出要素包括总辐照度、水平面直接辐照度、散射辐照度，有效测量范围为0～1500 W/m2。FY-4A SSI产品在覆盖范围、空间分辨率、时间连续性、输出要素等方面质的提升为进一步开展其在太阳能、农业、生态、交通等专业气象服务中的精细化应用提供了可能。目前研究结果表明，与地基观测相比，FY-4A SSI 产品在中国地区的整体相关性在0.75以上，可用于中国地区太阳能资源评估。
申彦波, 胡玥明, 胡秀琴
地表温度（Land surface temperature, LST）是地球表面与大气之间界面的重要参量之一。它既是地表与大气能量交互作用的直接体现，又对于地气过程具有复杂的反馈作用。因此，地表温度不仅是气候变化的敏感指示因子和掌握气候变化规律的重要前提，还是众多模型的直接输入参数，在许多领域有广泛的应用，如气象气候、环境生态、水文等。伴随地学及相关领域研究的深入和精细化，学术界对卫星遥感的全天候地表温度（All-weather LST）具有迫切的需求。 本数据集的制备方法是一种基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性，最终重建得到较高质量的全天候地表温度数据集。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。当以MODIS LST为参考时，该数据集在白天和夜间的平均偏差（MBE）为0.08K至0.16K，偏差标准差（STD）为1.12K至1.46K。基于分布于黑河流域、东北、华北和华南地区的15个站点实测数据的检验结果表明，其MBE为-0.06K至-1.17K，RMSE为1.52K至3.71K，且在晴空与非晴空条件下无显著区别。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）；空间范围包括我国陆域的主要区域（包含港澳台地区，暂不包含我国南海诸岛）及周边区域（72°E-135°E，19°N-55°N）。本数据集的缩写名为TRIMS LST（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST），以便用户使用。需要说明的是，TRIMS LST的空间子集TRIMS LST-TP（中国西部逐日1 km全天候地表温度数据集（TRIMS LST-TP；2000-2021）V2）同步在国家青藏高原科学数据中心发布，以减少相关用户数据下载和处理的工作量。
周纪, 张晓东, 唐文彬, 丁利荣, 马晋, 张旭
本数据采用Chen et al. 2017 JHM研究的方法，利用MYD11C3.00６和MＯD11C3.006两种产品计算得到全天空的地表温度结果，具体计算程序见本数据集的Global_monthly_LST.m。数据格式为*.mat, Global_monthly_LST.m程序给出了实例如何读取该数据。该数据空间分辨率为0.05度，网格中心的经纬度信息分别保存在latitude.mat和Lonitud.mat，由于内陆湖泊、水体的发射率反演的问题，本数据将所有内陆湖泊和水体的地表温度给了NaN值，具体采用的mask见mask.mat文件。经过与全球156个站点观测的LST的验证，总体RMSE为2.69k,mean bias为0.4K，在干旱和半干旱地区的RMSE为2.62K, mean bias为0.94.K.
陈学龙, Bob Su, 马耀明
本数据集是一个包含34年（1983.7-2017.6）的全国高分辨率地表太阳辐射数据集，其分辨率为10公里，数据单位为W/㎡。该数据集是基于以ISCCP-HXG云产品为主要输入的全球高分辨率（3小时，10公里）地表太阳辐射数据集（1983-2017）上，通过地理加权回归方式，融合全国2261个气象台站日照时数反演的地表太阳辐射站点数据而生成的全国地表太阳辐射分布数据。验证并和其他全球卫星辐射产品比较表明，该数据集在长期趋势模拟上比GEWEX-SRB、CMSAF-CLARA-A2、ISCCP-HXG卫星辐射产品的精度要高。本数据可为陆地表面过程模拟的水文生态学的长期变化应用和研究中提供有利的数据支持。
冯飞, 王开存
中国地表温度数据集包含2003-2017年期间中国（约960万平方公里土地）的地表温度数据，时间分辨率为月尺度，空间分辨率为5600 m。 数据集主要是通过集成MODIS每日数据（MOD11C1和MYD11C1），月数据（MOD11C3和MYD11C3）和气象站数据，以重建月尺度LST图像云覆盖下的真实LST来生成的，然后构建回归分析模型以进一步提高精度。 六个具有不同气候条件的自然分区。 精度分析表明，重建结果与现场测量结果密切相关，平均RMSE为1.39°C，MAE为1.30°C，R2为0.97。 详情请参考引用文献Zhao et al (2020)。
毛克彪
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
青藏高原是全球气候变化的敏感区域。地表温度（Land Surface Temperature, LST）作为地表能量平衡中的主要参数，表征了地气间能量和水分交换的程度，广泛应用于气象气候、水文、生态等领域的研究中。青藏高原的陆地-大气相互作用等研究，迫切需要较长时间序列和较高时空分辨率的全天候地表温度数据集。然而，该区域较为频繁的云覆盖特征，使现有卫星热红外遥感地表温度数据集的使用受到较大的局限。 相较于2019年发布的前一个版本——中国西部逐日1km空间分辨率全天候地表温度数据集（2003-2018）V1，本数据集（V2）采用了一种新的制备方法，即基于新型地表温度时间分解模型的卫星热红外遥感-再分析数据集成方法。方法的主要输入数据为Aqua MODIS LST产品和GLDAS等数据，辅助数据包括卫星遥感提供的植被指数、地表反照率等。该方法充分利用了卫星热红外遥感和再分析数据提供的地表温度高频分量、低频分量以及地表温度的空间相关性。 评价结果表明，本数据集具有良好的图像质量和精度，不仅在空间上无缝，还与当前学术界广泛采用的逐日1 km Aqua MODIS LST产品在幅值和空间分布上具有较高的一致性。以MODIS LST为参考值时，该数据集在白天和夜间平均偏差（MBE）分别为-0.28 K和-0.29 K，偏差标准差（STD）分别为1.25 K和1.36 K。基于青藏高原和黑河流域的6个站点实测数据的检验结果表明，晴空条件下，本数据集在白天/夜间与实测LST均具有高度的一致性，其MBE为-0.42~0.25 K/-0.35~0.19 K；均方根误差 （RMSE）为1.03~2.28 K/1.05~2.05 K；非晴空条件下，本数据集在白天/夜间的MBE为-0.55~1.42 K/-0.46~1.27 K；RMSE为2.24~3.87 K/2.03~3.62 K。与V1版本的数据相比，两种全天候地表温度均在空间维度上表现除了空间无缝（即无缺失值）的特性，且在大部分区域内，两种全天候地表温度的空间分布和幅值均与MODIS地表温度高度一致。然而，在AMSR-E/AMSR2轨道间隙亮温缺失的区域内，V1版本的地表温度产生了低估。TRIMS地表温度与V1版本地表温度在AMSR-E/AMSR2轨道间隙外的质量接近，而在轨道间隙内前者的质量更加可靠。因此，建议用户使用V2版本。 本数据集的时间分辨率为逐日2次，空间分辨率为1km，时间跨度为2000年-2021年（注：通过外推方式将缺少Aqua MODIS LST产品时段内的全天候地表温度补齐）。本数据集的空间范围包括青藏高原为核心的我国西部及周边地区（72°E-104°E，20°N-45°N）。因此，本数据集的缩写名为TRIMS LST-TP（Thermal and Reanalysis Integrating Moderate-resolution Spatial-seamless LST – Tibetan Plateau），以便用户使用。
周纪, 张晓东, 唐文彬, 丁利荣, 马晋, 张旭
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
本数据集是一个包含接近36年（1983.7-2018.12）的全球高分辨率地表太阳辐射数据集，其分辨率为3小时/逐日/逐月，10公里，数据单位为W/㎡，瞬时值。该数据集可用于水文建模、地表建模和工程应用。该数据集是基于改进的物理参数化方案并以ISCCP-HXG云产品、ERA5再分析数据以及MODIS气溶胶和反照率产品为输入而生成的。验证并和其他全球卫星辐射产品比较表明，该数据集的精度通常比ISCCP-FD、GEWEX-SRB和CERES全球卫星辐射产品的精度要高。该全球辐射数据集将有助于未来地表过程模拟的研究和光伏发电的应用。
唐文君
本数据集包括了青藏高原祁连山地区自从1980年到2013年以来的逐月的地表平均温度数据。本数据集来源于欧洲中期天气预报中心的第三代ERA-Interim再分析资料，该数据集采用四维变分分析，结合卫星数据误差校正等技术，实现了再分析资料的质量提升。数据集的空间分辨率为0.125°。本数据集是祁连山地区过去30多年以来地表温度网格数据集，可为祁连山地区的气候变化、生态系统发展演替及相关地球系统模型的研究提供数据基础。
吴晓东
光合有效辐射吸收系数光合有效辐射分量是重要的生物物理参数，是生态系统功能模型、作物生长模型、净初级生产力模型、大气模型、生物地球化学模型、生态模型等的重要陆地特征参量，是估算植被生物量的理想参数。 数据集包含青藏高原地区的光合有效辐射吸收系数数据，空间分辨率为500m，时间分辨率为8d，时间覆盖范围为2000年、2005年、2010年、2015年。数据来源为NASA网站MODIS LAI/FPAR产品数据MOD15A2H(C6)。 数据对于分析青藏高原的植被生态环境有重要意义。
方华军, Ranga Myneni
全球ERA-Interim 地面气温再分析数据集（1979-2016）是欧洲中长期天气预报中心（ECMWF）采用ECMWF IFS预报系统（T255，60层），经过窗口为12小时的四维变分同化系统（4DVAR）同化全球不同地区和来源的地表和上层大气的常规观测和卫星遥感资料（TOVS,GOES,Meteosat等）获得。该地面气温（2米气温）数据覆盖时间从1979年1月到2016年12月，时间分辨率为6小时，水平分辨率0.75°，覆盖全球，投影方式为等经纬度投影。数据每个月存放一个NetCDF格式文件，包含经度（longitude）、纬度（latitude）、时间（time）、气温（t2m，单位：K）四个变量，纬向241个格点，经向480个格点。
李斐
北极阿拉斯加站点云特征集合数据是基于国际上5种著名云反演产品的融合集成数据，数据覆盖时间从1999年到2009年，时间分辨率为逐小时，垂直层数为512层，垂直分辨率45米，覆盖站点为北极阿拉斯加站点，经纬度坐标为（71°19′22.8″N, 156°36′32.4″ W）。所包含云遥感反演数据产品包括：美国能源部大气辐射观测计划采用参数化方法遥感反演获得的所有相态云特征官方产品，美国NOAA Matt Shupe和DaveTurner合作遥感反演（最优化方法+参数化方法）获得的冰云和混合云特征产品，美国University of Wyoming大学Zhien Wang获得的混合云（最优化方法）特征产品，美国University of Wyoming大学Min Deng获得的冰云（参数化方法）特征产品，以及美国State University of New York at Albany大学Qilong Min遥感反演（最优化方法）获得的云光学厚度产品。遥感产品变量包含云水有效半径、云水含量、云冰有效半径、云冰含量、云光学厚度、云水柱含量；相应的观测反演误差范围约为10-30%，30-60%，10-30%，30-60%，10-30%和10-20%。数据格式为nc格式，每月一个nc文件。
赵传峰
本数据集来源于MODIS 005版本和IMS数据集，进行了去云处理后融合的逐日无云积雪面积产品。取值范围：0%-100%。200：积雪；100： 湖冰；25：陆地；37：海洋。空间分辨率为0.005 度（约500m），时间范围是2002年7月5日至2014年12月31日。
郝晓华
基于青藏高原国家气象站站点数据通过PRISM模型插值生成的高原气象要素分布图，主要包括气温和降水。 青藏高原1961-1990月均温分布图(30年平均值)： t1960-90_1.e00，t1960-90_2.e00，t1960-90_3.e00，t1960-90_4.e00，t1960-90_5.e00， t1960-90_6.e00，t1960-90_7.e00，t1960-90_8.e00，t1960-90_9.e00，t1960-90_10.e00， t1960-90_11.e00，t1960-90_12.e00 青藏高原1991-2020月均温分布图(30年平均值)： t1991-20_1.e00，t1991-20_2.e00，t1991-20_3.e00，t1991-20_4.e00，t1991-20_5.e00， t1991-20_6.e00，t1991-20_7.e00，t1991-20_8.e00，t1991-20_9.e00，t1991-20_10.e00， t1991-20_11.e00，t1991-20_12.e00， 青藏高原1961-1990月降水分布图(30年平均值)： p1960-90_1.e00，p1960-90_2.e00，p1960-90_3.e00，p1960-90_4.e00，p1960-90_5.e00， p1960-90_6.e00，p1960-90_7.e00，p1960-90_8.e00，p1960-90_9.e00，p1960-90_10.e00， p1960-90_11.e00，p1960-90_12.e00 青藏高原1991-2020月降水分布图(30年平均值)： p1991-2020_1.e00，p1991-2020_2.e00，p1991-2020_3.e00，p1991-2020_4.e00，p1991-2020_5.e00， p1991-2020_6.e00，p1991-2020_7.e00，p1991-2020_8.e00，p1991-2020_9.e00，p1991-2020_10.e00， p1991-2020_11.e00，p1991-2020_12.e00， 数据时间范围分为1961-1990年、1991-2020年。 数据覆盖的空间范围为东经73°～104.95°，北纬26.5°～44.95°，空间分辨率0.05度×0.05度（经度×纬度），大地坐标投影。 名称解释： 月均温：一个月中每天的日平均气温的平均数； 月降水：一个月降水量的总和。 量纲：数据的文件格式为E00文件，DN值为1～12月的月均温平均值（×0.01℃）、月降水平均值（×0.01mm）。 数据类型：整型。 数据精度：0.05度×0.05度（经度×纬度）。 本数据原始来源为两组数据集：1）青藏高原及周边地区128个气象站自建站至2000年的月均温、月降水观测资料；2）青藏高原50×50km网格的HadRM3区域气候情景模拟数据，即1991-2020年下月平均温度、月降水模拟值。 1961-1990年，对源数据集采用PRISM（Parameter elevation Regressions on Independent Slopes Model）插值方法生成网格数据，基于站点数据对插值模型进行调参和验证。1991-2020年，对区域气候情景模拟数据以地形趋势面插值方法降尺度生成网格数据。部分源数据来自GCM模型模拟的结果：GCM模型采用Hadley Centre climate model HadCM2-SUL。 a) Mitchell JFB, Johns TC, Gregory JM, Tett SFB (1995) Climate response to increasing levels of greenhouse gases and sulphate aerosols. Nature, 376, 501-504. b) Johns TC, Carnell RE, Crossley JF et al. (1997) The second Hadley Centre coupled ocean-atmosphere GCM: model description, spinup and validation. Climate Dynamics, 13, 103-134. 对气象数据进行空间插值采用PRISM (Parameter-elevation Regressions on Independent Slopes Model)方法： Daly,C., R.P. Neilson, and D.L. Phillips, 1994: A statistical-topographic model for mapping climatological precipitation over mountainous terrain. J. Appl. Meteor., 33, 140~158. 因高原地区观测条件艰苦，基础研究数据缺乏，部分地区气象数据有缺失的现象。本数据集经调参和验证，精度尚可，但仅可做为宏观尺度气候研究的参考之用。青藏高原1961-1990月均温分布数据平均相对误差率为8.9%，青藏高原1991-2020月均温分布数据平均相对误差率为9.7%，青藏高原1961-1990月降水分布数据平均相对误差率为20.9%，青藏高原1991-2020月降水分布数据平均相对误差率为22.7%。对部分缺失数据的区域进行了插补，对明显错误的个别数值进行了修改。
周才平
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
