不同相态降水(降雪、雨夹雪和降雨)对地表水循环和能量收支产生不同性质影响。因此,对不同相态降水进行区分至关重要,特别是在气候变化背景下。基于Ding et al.(2014)提出的不同相态降水分离参数化方案和基于观测的逐日格点数据集(CN05.1),以湿球温度、相对湿度、地表气压和高程数据作为输入,我们生成了一套1961-2016年期间中国区域不同相态降水(降雪、雨夹雪和降雨)及其湿球温度阈值的逐日格点数据集,空间分辨率为0.25°。在此基础上,进一步计算了逐年降雪、雨夹雪和降雨总量。该数据可为冰冻圈科学、水文学、生态学和气候变化相关研究提供基础数据。
苏勃, 赵宏宇
数据集为中国多情景多模式逐月平均气温数据,空间分辨率为0.0083333°(约1km),时间为2021年1月-2100年12月。数据为NETCDF格式。数据是根据IPCC耦合模式比较计划第六阶段(CMIP6)发布的全球>100 km气候模式数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成。数据采用IPCC最新发布的SSP情景(SSP119、SSP245、SSP585),每个情景包含三个GCMs(EC-Earth3、GFDL-ESM4、MRI-ESM2-0)气候数据,数据集包含的地理空间范围是中国主要陆地,不含南海岛礁等区域。单位为0.1℃。文件命名是GCM_SSP_tmp-30s-序号.nc,30s即0.0083333°,序号从1-40,序号1表示2021.1-2022.12,依次表示年份;以EC-Earth3_ssp119_tmp-30s-1.nc文件为例,表示SSP119情景下EC-Earth3气候模的1km分辨率2021.1-2022.12逐月均温数据,含24个图层。欲更深入的理解数据请参阅文献引用方式下的数据作者已发表的论文。
彭守璋
近地表气温是反映气候变化的重要物理参数。为了获得中国地区高时空分辨率的日数据(Tmax、Tmin和Tavg),我们充分分析了各种现有数据(再分析数据、遥感数据和原位数据)的优缺点。针对不同的天气条件建立了不同的Ta重建模型,并通过建立不同区域的修正方程进一步提高数据精度。最后,获得了1979 - 2018年中国逐日气温数据集(Tmax、Tmin和Tavg),空间分辨率为0.1°。 对于Tmax,使用原位数据的验证表明,均方根误差(RMSE)范围为0.86°C至1.78°C,平均绝对误差(MAE)范围为0.63°C至1.40°C,皮尔逊系数(R2)范围为0.96至0.99。Tmin的RMSE为0.78°C ~ 2.09°C, MAE为0.58°C ~ 1.61°C, R2为0.95 ~ 0.99。对于Tavg, RMSE范围为0.35°C ~ 1.00°C, MAE范围为0.27°C ~ 0.68°C, R2范围为0.99 ~ 1.00。此外,利用多种评价指标分析Ta的时空变化趋势,Tavg增加幅度大于0.0°C/a,与全球变暖的总体趋势一致。 综上所述,该数据集具有较高的空间分辨率和可靠的精度,弥补了之前在高空间分辨率下缺失的温度值(Tmax、Tmin和Tavg)。该数据集也为研究气候变化,特别是高温干旱和低温冷害提供了关键参数。
方舒, 毛克彪
数据集为中国逐月潜在蒸散发,空间分辨率为0.0083333°(约1km),时间为1990.1-2021.12(将每年更新),单位为0.1mm。该数据集是基于中国1km逐月均温、最低温、最高温数据集(本站已发布,Peng at al. 2019),采用Hargreaves潜在蒸散发计算式得到(Peng at al. 2017)。公式如下: PET = 0.0023 × S0 ×(MaxT − MinT)0.5 ×(MeanT + 17.8), 其中,PET为潜在蒸散发,mm/月;MaxT、MinT、MeanT分别为月最高温、最低温、均温;S0为到达地球大气层顶的理论太阳辐射,根据太阳常数、日地距离、儒略日、赤纬等计算得到。 为便于存储,数据均为int16型存于nc(NETCDF)文件中。nc数据可用ArcMAP软件打开制图,并可用Matlab、R软件提取处理。数据坐标系统建议使用WGS84。
彭守璋
本数据集包含了中国第三极地区(西藏、新疆、云南、青海)的2019年二氧化硫、氮氧化物、PM2.5排放网格化清单。排放清单来源于清华大学王书肖教授课题组排放清单数据库,通过使用ArcGIS软件技术将排放清单处理为1km*1km的网格数据集。排放计算的基础数据基于公开数据搜集、卫星观测数据、文献搜集等方式,以排放因子法进行计算,数据来自于国家统计局数据及其它行业统计年鉴。该数据可用于模型工作者对于第三极区域气候及空气质量的进一步研究。
吴清茹
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
对未来气候变化的有效评价,特别是对未来降水量的预测,是制定适应战略的重要依据。本数据是基于RegCM4.6模型,对CanEMS2 (RCP 45和RCP85)、GFDL-ESM2M (RCP2.6、RCP4.5、RCP6.0和RCP8.5)、HadGEM2-ES(RCP2.6、RCP4.5和RCP8.5)、IPSL-CM5A-LR(RCP2.6、RCP4.5、RCP6.0和RCP8.5)、MIROC5(RCP2.6、RCP4.5、RCP6.0和RCP8.5)和NorESM1-M(RCP2.6、RCP4.5、RCP6.0和RCP8.5)等多模型不同碳排放浓度情景下进行区域动力降尺度,获得2007-2099年空间分辨率为0.25度,时间分辨率分别为3小时(部分为6小时)、逐日和逐年的21套中国全境未来气候数据。
潘小多, 张磊
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
该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2021.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位分别为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。
彭守璋
该数据为中国逐月平均温度数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2021.12。数据格式为NETCDF,即.nc格式。数据单位为0.1 ℃。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。数据坐标系统建议使用WGS84。
彭守璋
本数据集为基于蒸散发互补方法建立的中国地表蒸散发产品(v1.5),输入数据包括CMFD向下短波辐射、向下长波辐射、气温、气压,以及GLASS地表发射率和反照率、ERA5-land地表温度和空气湿度、NCEP散射辐射率等。本数据集时间跨度为1982年-2017年,空间范围为中国陆地区域。本数据集可为研究长时间尺度水循环和气候变化提供基础。 陆地实际蒸散发 (Ea),单位: mm month-1。 时间分辨率为逐月; 空间分辨率为0.1°; 数据类型:NetCDF; 本数据仅为陆地实际蒸散发,不含水面。
马宁, Jozsef Szilagyi, 张寅生, 刘文彬
中国区域地面气象要素驱动数据集,包括近地面气温、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。数据为NETCDF格式,时间分辨率为3小时,水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。 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。详细过程请参阅参考文献。原始资料来自于气象局观测数据、再分析资料和卫星遥感数据。已去除非物理范围的值,采用ANU-Spline统计插值。精度介于气象局观测数据和卫星遥感数据之间,好于国际上已有再分析数据的精度。
阳坤, 何杰, 唐文君, 卢麾, 秦军, 陈莹莹, 李新
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