“亚洲水塔”青藏高原（TP）的降水在区域水和能源循环中发挥着关键作用，对下游国家的水资源供应有重要影响。气象站点所获取的降水信息通常被认为是最准确的，但在地形复杂、环境恶劣的青藏高原中，气象站数据却十分有限。卫星和再分析降水产品可以为地面测量提供补充信息，特别是在大面积测量不足的区域。在这里，我们通过使用人工神经网络 (ANN) 和环境变量（包括海拔、地表压力和风速）确定各种数据源的权重来最优地融合站点、卫星和再分析数据。在 1998-2017 年期间，以每日时间尺度和 0.1° 的空间分辨率生成了一个多源降水 (MSP) 数据集横跨青藏高原。与其他四颗卫星产品相比，MSP与标准观测的日降水相关系数（CC）最高（0.74），均方根误差第二低，表明MSP的质量和数据合并的有效性方法。我们使用分布式水文模型进一步评估了青藏高原长江和黄河源头测量不佳的不同降水产品的水文效用。在 2004-2014 年期间，MSP 实现了每日流量模拟的最佳 Nash-Sutcliffe 效率系数（超过 0.8）和 CC（超过 0.9）。此外，基于多重搭配评估，MSP 在未测量的西部 TP 上表现最好。该合并方法可应用于全球其他数据稀缺地区，为水文研究提供高质量的降水数据。整个 TP 的左下角的经纬度、行数和列数以及网格单元信息都包含在每个 ASCII 文件中。
洪仲坤, 龙笛
采用三种广泛使用的基于模型的蒸散发数据集，包括ERA5，MERRA2和GLDAS2-Noah再分析数据，使用变异系数选取具有高一致性的融合区域，基于可靠性集合平均法融合获得了空间分辨率为0.25°的长序列（1980-2017年）全球逐日蒸散发产品（REA ET）。以GLEAM3.2a和通量塔观测数据作为参考数据和验证数据，结果表明，融合产品很好地捕捉了不同地区的蒸散发趋势，在所有植被覆盖情景下表现良好。数据集以NetCDF格式存储，包含变量E，代表陆地实际蒸散发，以毫米(mm)为单位。数据集包含三个维度：经度、纬度和时间，经度范围为-179.875E~179.875E，纬度范围为-59.875N~89.875N。完整时间覆盖范围为1980年1月1日~2017年12月31日。
陆姣, 王国杰, 陈铁喜, 李世杰, Daniel Fiifi Tawia Hagan, Giri Kattel, 彭建, 姜彤, 苏布达
本数据集为覆盖全球范围考虑积融雪过程的标准化水分距平指数（SZIsnow)，该干旱指数数据集由GLDAS-2驱动产生。该指数考虑了与干旱发展相关的诸多水文过程，尤其是积融雪过程。目前许多干旱指数忽略了积融雪过程，导致不能准确地对积雪地区干旱的发生和发展进行评估，该指数很好地弥补了这一不足，解决了干旱物理机制解析与多时间尺度分析无法兼顾，不同类型干旱难以统一评估的两个难题。经验证该指数能够很好地对全球不同地区的历史干旱时间进行定量描述，其优异表现在高纬度和高海拔地区更为突出。因此本数据集可以为干旱的监测评估以及干旱相关研究提供科学参考。
吴普特, 田磊, 张宝庆
地表土壤水分（SSM）是了解地球表面水文过程的关键参数。长期以来，被动微波（PM）技术一直是在卫星遥感尺度上估算SSM的主要选择，而另一方面，PM观测的粗分辨率（通常>10 km）阻碍了其在更细尺度上的应用。虽然已经提出了定量研究，以缩小基于卫星PM的SSM的规模，但很少有产品可供公众使用，以满足1km分辨率和全天候条件下每日重访周期的要求。因此，在本研究中，我们在中国开发了一种具有所有这些特征的SSM产品。该产品是通过在36 km处对基于AMSR-E和AMSR-2的SSM进行降尺度生成的，涵盖了2003-2019年间两台辐射计的所有在轨时间。MODIS光学反射率数据和在多云条件下填补空白的每日热红外地表温度（LST）是降尺度模型的主要数据输入，以实现SSM降尺度结果的“全天候”质量。4月至9月期间，这一开发的SSM产品的每日图像在全国范围内实现了准完全覆盖。在其他月份，与最初的每日PM观测值相比，开发产品的全国覆盖率也大大提高。我们根据2000多个专业气象和土壤水分观测站的现场土壤水分测量结果对该产品进行了评估，发现该产品的精度在晴空到多云的所有天气条件下都是稳定的，无偏RMSE的站平均值在0.053 vol到0.056 vol之间。此外，评估结果还表明，开发的产品在1km分辨率下明显优于广为人知的SMAP Sentinel（主被动微波）组合SSM产品。这表明，我们开发的产品在改善未来水文过程、农业、水资源和环境管理相关调查方面可能带来的潜在重要效益。
宋沛林, 张永强
充分了解中国温带半干旱草地蒸散发的时空变化，可以提高我们对全球半干旱区气候、水文和生态过程的认识。本研究基于区域内13个站点的涡度相关系统观测数据，结合气象及遥感数据，利用机器学习方法(支持向量机)，生产了年限为1982-2015年，空间分辨率为1km，时间分辨率为8天的长序列中国温带半干旱草地蒸散发数据集。该数据集在站点实测数据的验证和流域水量平衡的对比中，均表现较好。(详细过程请参阅参考文献)
雷慧闽
青藏高原土壤温湿度观测网（Tibet-Obs）始建于2008年，包括玛曲、那曲、阿里和狮泉河四个站网，目前已连续运行超过十年，并被NASA的土壤水分主被动卫星SMAP选定为其产品的地面验证点，促进了青藏高原遥感产品和模型模拟的评估和改进。本研究详细梳理了各观测站网的现状及其应用情况，并基于已有观测数据发展了一套长时序（2009-2019）地表土壤湿度（5 cm）观测数据集，主要包含四个站网各站点的15分钟原始观测数据以及玛曲和狮泉河站网的升尺度区域土壤湿度数据。
张佩, 郑东海, 文军, 曾亦键, 王欣, 王作亮, 马耀明, 苏中波
北极大河流域地面气象要素驱动数据集，包括地表日最大、最小及平均气温、日降水量、日均风速共5个要素。数据为NETCDF格式，水平空间分辨率约为0.1度（0.083°），范围包括了Yenisy、Lena、Ob、Yukon及Mackenzie流域，该数据可为北极大河流域水文过程模拟提供驱动数据。利用进一步质量控制的全球历史气候网数据集(GHCN)、全球日气象数据集（GSOD）、美国历史气候网数据集（USHCN）、加拿大气候数据集（AHCCD）、前苏联/俄罗斯气候数据集（USSR/Russia）的气象站点日观测数据，以ClimateNA（北美）、Worldclim（欧亚）数据作为背景场，采用薄板样条函数插值方法生成。
赵求东, 吴玉伟
本数据集提供青藏高原124个湖泊实测水质参数，湖泊总面积为24,570 平方千米，占青藏高原湖泊总面积的53% 。实测湖泊水质参数包括水温、盐度、pH、叶绿素a浓度、蓝绿藻（BGA）浓度、浊度、溶解氧（DO）、荧光溶解有机物（fDOM）和水体透明度（SD）。测量方法中，盐度使用电导率是传感器测量获得的比电导率（SpC）转换得到，叶绿素a和蓝绿藻（BGA）浓度使用总藻类荧光传感器测量，温度使用温度传感器测量，pH使用pH传感器测量，溶解氧（DO）使用光学溶解氧传感器测量，fDOM使用荧光传感器测量，单位是硫酸奎宁单位（QSU），浊度使用浊度传感器测量，以Formazin比浊法为单位（FNU）。上述传感器测量获取的参数均使用YSIEXO或HACH多参数水质仪测量，测量时，传感器位于湖面以下约10-20厘米处。湖泊水体透明度使用塞氏盘测量法进行测量。
朱立平
陆地实际蒸散发(ETa)是陆地生态系统的重要组成部分，它连接着水文、能量和碳循环。然而，准确监测和理解青藏高原(TP)实际蒸散发(ETa)的时空变化仍然非常困难。在此，利用MOD16-STM模型，在土壤属性、气象条件和遥感数据集的支持下，对青藏高原多年（2000-2018年）月度ETa进行了估算。估算出的ETa与9个通量塔的测量结果相关性非常好，均方根误差（平均RMSE=13.48 mm/月）和平均偏差（平均MB=2.85 mm/月）较低，相关系数（R=0.88）和一致性指数（IOA=0.92）较高。2000年至2018年，整个TP和东部TP（Lon>90°E）的空间平均ETa显著增加，增速分别为1.34 mm/年（P<0.05）和2.84 mm/年（P<0.05），而西部TP（Lon<90°E）未发现明显趋势。ETa及其组分的空间分布不均匀，从东南向西北TP递减。东部ETa呈显著上升趋势，西南部ETa全年呈显著下降趋势，尤其是冬春两季。土壤蒸发(Es)占总ETa的84%以上，其时间趋势的空间分布与年平均ETa相似。春季和夏季的ETa变化幅度和速率最大。陆表ETa的多年平均年值(面积2444.18×10^3 km2)为376.91±13.13 mm/年，相当于976.52±35.7 km3/年。整个TP(包括所有高原湖泊，面积2539.49×10^3 km2)的年平均蒸发水量约为1028.22±37.8 km3/年。新的ETa数据集有助于研究土地覆被变化对水文的影响，有助于对整个TP的水资源管理。
马耀明, 陈学龙, 袁令
本数据集包含青藏高原东部玛曲县一个流域的钻孔岩性数据，高程数据，土壤厚度和地表坡度数据，水文地质调查数据，和物探数据。钻孔岩性数据来源于2017年钻孔 ITC_Maqu_1；高程数据来源于2019年RTK测量；土壤厚度和地表坡度数据来源于2018年和2019年螺旋钻和坡度仪测量；水文地质调查包括2018年和2019年的地下水位埋深测量数据，和2019年的含水层测试数据；物探数据包括2018年的MRS核磁共振数据、ERT电阻率成像数据，和2019年的TEM瞬态电磁数据、磁化率测量数据。
李梦娜, 曾亦键, Maciek W. Lubczynski, Bob Su, 钱会
该数据集包含纳木那尼冰川（北支）2008-2018年的年物质平衡数据，侧碛和末端自动气象站2011-2019年日气象数据及冰面上2018-2019年的月均气温和相对湿度数据。 冰川物质平衡数据观测时间为每年9月底或10月初，采用冰面测杆和雪坑结合的方法进行观测，获取测杆点的物质平衡数据，然后计算整条冰川的年净物质平衡（具体方法见参考文献）。 2台自动气象站（AWSs，Campbell公司）分别安装在纳木那尼冰川侧碛和末端。AWS1观测时间为2011年10月1日-2018年11月30日，观测数据包括气温(℃)、相对湿度(%)、太阳辐射(W/m2)，仪器半小时记录一次气象资料。AWS2观测时间为2010年10月19日-2018年11月30日，观测数据包括风速(m/s)、大气压(hPa)、降水 (mm)，仪器每小时记录一次气象资料。首先剔除原始记录中的少量异常数据，然后计算这些参数的日值。数据质量方面：原始数据质量较好，缺失较少。 两个温湿度探头（型号：Hobo MX2301）于2018年安装于冰面，半小时记录一次数据。将半小时数据处理为月均值。原始数据质量较好，没有缺失。 数据以excel文件存储。 该观测资料可以为研究喜马拉雅西段北坡气候、冰川、水资源及其之间的关系提供重要的基础数据，可供研究气候、水文、冰川等的科研工作者使用。
赵华标
全面估算了1132个大于1 km2湖泊的水量变化。总的来说，1976至2019年间，湖泊水储量增加了169.7±15.1 Gt（3.9±0.4 Gt yr-1），主要发生在内流区（157.6±11.6或3.7±0.3 Gt yr-1）。1976至1995年间，湖泊水量显示减少（-45.2±8.2Gt或-2.4±0.4Gt yr-1），但在1995至2019年间，大幅增加（214.9±12.7Gt或9.0±0.5Gt yr-1）。2010至2015年间，水量增速减缓（23.1±6.5 Gt或4.6±1.3 Gt yr-1），随后在2015至2019年间再次出现高值（65.7±6.7 Gt或16.4±1.7 Gt yr-1）。在1976-2019年间，冰川补给湖水量增加（127.1±14.3 Gt）远远高于非冰川补给湖（42.6±4.9 Gt），这也与冰川补给湖数量多，面积广有关。另外，封闭湖水量增幅（161.9±14.0 Gt）大大高于外流湖（7.8±5.8 Gt）。
张国庆
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
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
基于青藏高原土壤温湿度观测网玛曲站点建立的地基L波段微波辐射计观测系统（ELBARA-III，由欧洲航空局提供），本数据集囊括了水平和垂直极化的L波段亮温数据，地表及以下不同层土壤湿度和温度数据，地表通量（如感热、潜热、碳通量），气象要素数据（如降水、上下行长波/短波辐射、空气温度和湿度、气压）以及植被叶面积指数LAI和土壤性质等辅助数据。此多年尺度的数据集可用于提高对陆面过程、微波辐射过程的理解，验证SMOS和SMAP卫星亮温观测和土壤湿度反演结果，校验微波辐射传输模型中的假设条件，验证陆面模式输出以及再分析资料，反演土壤物理性质，量化陆-气间的水、碳、能量交换，并将帮助定量化地球系统模型中参数化方案的偏差和不确定性，从而提出相应改进方案。 ELBARA-III双极化亮温数据可通过测量的辐射计电压和校准的内部噪声温度计算得到。该数据质量可靠，其质量控制主要通过：1）对辐射计输出的原始电压数据（以800Hz采样频率）进行直方图检验，利用统计指标过滤射频干扰对ELBARA-III微波信号数据的影响；2）检查辐射计进行天空辐射测量时两天线端口的电压值是否相似，天线电缆有无损耗；3）分析仪器内部温度、主动冷源温度和环境温度；4）分析不同入射角度的双极化亮温的特点。 - 时间分辨率：30分钟 - 空间分辨率：入射角为40°~ 70°，间隔为5°，观测覆盖范围为3.31 m^2~ 43.64 m^2 - 测量精度：亮温，1 K；土壤水分，0.001 m^3 m^-3；土壤温度，0.1 °C - 单位：亮温，K；土壤水分，m^3 m^-3；土壤温度，°C /K
Bob Su, 文军
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
高质量高时空分辨率降水产品在理解全球和区域尺度的“水-碳-能”循环研究中扮演重要角色。卫星遥感为监测降水高时空变异特征提供了不可替代的手段，尤其是在自然条件恶劣的无资料地区。但由于是间接估算而来，卫星遥感降水产品不可避免地存在系统偏差和随机误差。聚焦于目前主流的遥感降水产品（GPM IMERG及其回推产品，0.1°/half-hourly，2000-present）获取过程中的潜在不足，如该产品的矫正时空尺度为1.0°/monthly，本研究在更高时空尺度上提出一套新的时空矫正算法，并引入高质量地面观测产品APHRODITE（0.25°/daily），生产了一套亚洲地区同期高质量高时空分辨率降水数据集AIMERG（0.1◦/half-hourly，2000–2015）。AIMERG降水数据集能够同时有效考虑卫星估计和地面观测的各自优势，其系统偏差和随机误差在中国地区不同时空尺度上的表现优于GPM IMERG，为亚洲地区相关领域的科学研究及生产实践提供了更为丰富且可靠的基础数据。
马自强
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
该数据集描述了雅鲁藏布江流域的降水时空分布，融合了 CMA、GLDAS、ITP-Forcing、MERRA2、TRMM五套再分析降水产品和卫星降水产品， 并结合流域内9个国家气象站和166个水利部雨量筒的观测降水制作而成，时间范围为1981-2016年，时间分辨率为3 h，空间分辨率为5 km，单位是mm/h。该数据将为雅江流域的研究提供更好的数据支撑，可用于研究流域水文过程对气候变化的响应等领域。具体使用信息请看随数据一同上传的说明文档。
汪远伟, 王磊, 李秀萍, 周璟
UHSLC提供了具有两个质量控制级别（QC）的潮汐测量数据。 其中快速交付（FD）数据是在数据收集的1-2个月内发布的，并且只接收关注于大级别转移和明显异常值的基本QC。GLOSS/CLIVAR（以前称为WOCE）“快速”海平面数据是按小时、每天和每月的价值进行分配。这个项目得到了NOAA的气候和全球变化计划的支持。其中每个文件都有一个名称“h######dat”，其中“h”表示每小时的海平面数据，而“###”表示站点号码，每个站点都存在一个文件。UHSLC数据集是GLOSS数据流。在UHSLC数据库中有许多潮汐记录，但骨干是光缆核心网（GCN）——全球300个验潮站的全球集合，它是全球原位海平面网络的基础。该网络被设计成在各种时间尺度上提供全球沿海海平面变化的均匀分布采样。
董文, University of hawaii sealevel center （UHSLC）
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
