风速数据被广泛用于科学、管理和政策领域,在评估可再生能源潜力、解决风灾、研究生物现象和探索气候变化等方面发挥着重要作用。但现有的风速产品存在很大的局限性:气象观测数据在空间和时间上存在不连续性,再分析产品和气候模型模拟虽然实现了数据的连续性,但大多未能重现观测到的风速趋势。此外,风速数据的高变异性及站点分布的不均匀和稀缺性,使得传统的统计插值方法,如克里金或主成分分析,在重构全球风速上表现不佳。因而,风速数据成为风速研究中“卡脖子”的难题。 在此,研究团队基于部分卷积神经网络算法(the partial convolutional neural network),融合了34个气候模式数据和气象站点观测数据HadISD(由Met Office Hadley Centre提供),重构了1973-2021年间共588个月的全球10米近地风速,空间分辨率为1.25°×2.5°(纬度×经度),该数据集包含了观测到的风速趋势信息。详细的重构过程请见参考文献中的方法部分。
周俐宏, 曾振中, 江鑫
地表向下辐射(SDR)包括短波向下辐射(SWDR)和长波向下辐射(LWDR),对能源和气候研究具有重要意义。考虑到东亚-太平洋(EAP)地区缺乏具有高时空分辨率的可靠SDR数据,利用下一代地球静止卫星Himawari-8开发了2016至2020年、时空分辨率为10min/0.05°的短波和长波数据集。SDR产品充分考虑了云、高气溶胶背景和地形效应对SWDR的影响。与云和地球辐射能系统(CERES)、欧洲中期天气预报中心(ECMWF)、下一代再分析(ERA5)和全球陆表特征参量产品(GLASS)等辐射产品对比,新SDR产品不仅分辨率明显更高,而且产品精度也更优。在精度方面,新SWDR的每小时和每日均方根误差分别为104.9和31.5 Wm-2,远小于CERES(分别为121.6和38.6 Wm-2)、ERA5(分别为176.6和39.5 Wm-2)和GLASS(每日36.5 Wm-2)。同时,新LWDR每小时和每日值的RMSE分别为19.6和14.4 Wm-2,与CERES和ERA5相当,在高海拔地区甚至更优。
胡斯勒图, 王天星, 杜艺涵
该数据集是利用气候模型COSMOS运行的,37.5-32kaBP轨道变化瞬变试验TRN40ka,来自Zhang et al(2021, Nature Geoscience,https://www.nature.com/articles/s41561-021-00846-6)。 具体的试验设计请参考原文献。 COSMOS(ECHAM5-JSBACH-MPI-OM)是德国马普所研发的海洋大气植被耦合气候模型。大气-陆面模块ECHAM5-JSBACH的空间分辨率为T31(∼3.75°),垂直19层;海洋模块MPI-OM是不规则网格,水平分辨率为 (3°×1.8°) ,垂直40层。
张旭
该数据集包括中国2001~2018年月尺度或年尺度的地表短波波段反照率、植被光合有效辐射吸收比、叶面积指数、森林覆盖度和非森林植被覆盖度、地表温度、地表净辐射、地表蒸散发、地上部分自养呼吸、地下部分自养呼吸、总初级生产力和净初级生产力。空间分辨率为0.1°。此外,还包括在气候驱动下(无人类干扰)的以上11个生态系统参量在2001~2018年间的时空变化。因此,该数据集可以反映气候变化与人类活动对21世纪中国陆地生产系统的影响。
陈永喆, 冯晓明, 田汉勤, 武旭同, 高镇, 冯宇, 朴世龙, 吕楠, 潘乃青, 傅伯杰
该数据包含波密2008年降水稳定同位素δ18O日均值,气温和降水量;降水样品由波密气象局采集,降水稳定同位素是在法国气候与环境科学实验室(Laboratoire des Sciences du Climat et de l’Environnement, France)测定,δ18O由MAT-252质谱仪测定。气温和降水量由波密气象局在降水事件发生时记录,气温为降水事件开始与结束的平均值。降水稳定同位素δ18O精度为0.05‰。 该数据研究已发表在JOURNAL OF CLIMATE,题为Precipitation Water Stable Isotopes in the South Tibetan Plateau: Observations and Modeling。
高晶
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
该数据集为孟加拉,Satkhira、Barisal、Sylhet3个观测站点2017-2018年的日降水稳定同位素数据(δ18O,δD,d-excess),由Bangladesh Atomic Energy Commission (BAEC)采集,在中国科学院青藏高原研究所环境与地表过程重点实验室用Picarro L2130i 波长扫描光腔衰荡光谱仪测得。 三个观测点样品采集地点及时间: Satkhira :2017.03.11-2018.07.16 Barisal:2017.03.05-2018.07.02 Sylhet : 2017.02.20-2018.09.04
高晶
通过近30年的研究,人们对青藏高原,特别是喜马拉雅山以北地区降水稳定同位素(2H和18O)的气候控制作用有了充分的认识。然而,尼泊尔(喜马拉雅山以南)对降水稳定同位素的控制知识还远远不够。 本研究描述了2016年5月10日至2018年9月21日期间尼泊尔加德满都降水稳定同位素的季节内和年度变化,并分析了对降水稳定同位素的可能控制因素。所有样品均位于尼泊尔首都加德满都(27°42′N, 85°20′E),平均海拔约1400m。并结合了2001年1月1日至2018年9月21日的气象资料,给出了降水量(P)、温度(T)和相对湿度(RH)的值。
高晶
采自青藏高原的冰芯样品提供了冰雪同位素组成变化的高分辨率记录。该数据集包含了自1864-2006年各年的冰芯氧稳定同位素数据,冰芯是从青藏高原南部宁金岗桑冰川钻取得到,长度为55.1米,通过利用中国科学院青藏高原研究所 环境变化与地表过程重点实验室的MAT-253同位素质谱分析仪测得氧同位素数据,测量精度为0.05%。 数据采集地点: 宁金刚桑冰川(90.2°E,29.04°N,海拔高度5950米)
高晶
降水中稳定的氧同位素比(δ18O)是全球大气过程的综合示踪剂。 自1990年代以来,一直致力于研究位于青藏高原TP上20多个站点的降水同位素组成,这些站点位于西风和季风之间的气团交汇处。 在本文中,我们建立了一个青藏高原月尺度降水δ18 O的数据库,并使用不同的模型来评估TP上降水δ18 O的气候控制。 降水δ18 O的时空格局及其与温度和降水的关系揭示了三个不同的域,分别与西风(北TP),印度季风(南TP)及其之间的过渡有关。
高晶
本数据集来源于论文:Ding, J., Wang, T., Piao, S., Smith, P., Zhang, G., Yan, Z., Ren, S., Liu, D., Wang, S., Chen, S., Dai, F., He, J., Li, Y., Liu, Y., Mao, J., Arain, A., Tian, H., Shi, X., Yang, Y., Zeng, N., & Zhao, L. (2019). The paleoclimatic footprint in the soil carbon stock of the Tibetan permafrost region. Nature Communications, 10(1), 4195. doi:10.1038/s41467-019-12214-5. 数据中包含新评估的青藏高原3m深度土壤有机碳库格点数据及相应的R代码,格点数据空间分辨率为0.1°。 以往对青藏高原土壤碳库的评估多以现代气候、植被等特性为根据,未考虑古气候条件、土层厚度等因素的影响。本研究中,研究人员综合考虑了古气候和现代气候条件、土层厚度和土壤理化属性、植被和地形等因素,通过机器学习算法重新评估了青藏高原3m深度土壤碳库。新评估得到的青藏高原土壤碳储量为36.6 Pg C (38.9-34.2 Pg C),约为陆地生态系统模型模拟均值的3倍(11.5±4.2 Pg C)。同时,研究指出,模型中缺乏对古气候影响的考虑是导致模拟偏差的重要原因。 数据中包含以下字段: Longitude (°E) Latitude (°N) SOCD (0-30cm) (kg C m-2) SOCD (0-300cm) (kg C m-2) GridArea (k㎡) 3mCstcok (10^6 kg C)
丁金枝, 汪涛
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
该数据为中国逐月最低温度数据,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
该数据为中国逐月最高温度数据,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
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
本数据集来源于论文:Huang, R., Zhu, H.F., Liang, E.Y., Liu, B., Shi, J.F., Zhang, R.B., Yuan, Y.J., & Grießinger, J. (2019). A tree ring-based winter temperature reconstruction for the southeastern Tibetan Plateau since 1340 CE. Climate Dynamics, 53(5-6), 3221-3233. 在本文中,为了了解过去几百年冬季温度变化历史及其驱动因素,中国科学院青藏高原研究所高寒生态重点实验室、青藏高原地球科学卓越创新中心梁尔源研究员课题组,利用2007-2016年期间采集的树木年轮样本重建了青藏高原东南部地区公元1340年以来的冬季(11-2月)最低温度变化历史。 数据由论文作者提供,数据包含了1340-2007年青藏高原东南部昌都地区冬季的最低温度重建数据。 数据包含以下字段: year:年 Tmin.recon( ℃):重建的最低温度( ℃) 数据详细信息参见附件:A tree ring-based winter temperature reconstruction for the southeasternTibetan Plateau since 1340 CE.pdf
黄茹, 朱海峰, 梁尔源
本研究基于中国及周边国家共1153个气温站点和1202个降水站点数据,利用ANUSPLIN软件的局部薄盘光滑样条法进行插值,重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°(~2.5 km)格点数据集(简称LZU0025)。数据集的质量评估主要基于以下三个方面:(1)分析ANUSPLIN在日志文件中提供的一系列用于判别误差来源和插值质量的统计参数。结果表明在1951-2011年,表征最佳插值模型的广义交叉验证GCV(generalized cross validation)值较小,在气温插值时为1.06℃,在降水进行开方运算插值时为1.97mm1/2。(2)对比LZU0025格点值与预留的265个站点实测数据。结果表明在1951-2011年,LZU0025月插值数据与实测数据接近,两者的平均绝对差为0.59℃和70.5mm,标准差为1.27℃和122.6mm,并且标准差的变化与GCV变化一致。(3)将LZU0025与现有数据集进行对比。首先以插值所用站点较多的中国气象局发布的0.5°数据集(简称CMA)为基准,利用泰勒图对比了基于不同数据集刻画的气候平均状态均值(Mean)、距离平均状态的标准差(Standard deviation)以及随时间变化的气候趋势(Time trend)。结果表明与基于其他数据集衍生的三类指标相比,LZU与基准CMA相关系数较高,标准差较接近,并且归一化的均方根误差较小。其次,将LZU0025格点数据与能量和水循环观测项目-亚洲季风项目西藏地区(CAMP-Tibet)气象站数据进行对比,结果表明仅有少数台站降水数据与LZU0025相关性不显著,但多数台站气温和降水数据与LZU0025显著相关且相关性高于0.87。基于以上评估分析,LZU0025数据集可靠。高分辨率的LZU0025能刻画更多的气候类型如喜马拉雅山脉地区未被粗分辨率数据集识别的苔原和极地气候。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。
黄伟, 赵虹
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
在高寒网各野外站和泛第三极地区境外台站的长期观测数据基础上,建立泛第三极地区气象、水文及生态要素系列数据集;通过重点区域的强化观测与样地和样点验证,完成气象要素、湖泊水量与水质、地上植被生物量、冰川冻土变化等数据产品的反演;基于物联网技术,研制建立多站联网的气象、水文、生态数据管理平台,实现联网数据实时获取与远程控制及共享。 数据包含中国高寒网17个站点2014-2017年青藏高原地区逐日气象观测数据集(气温、降水、风向风速、相对湿度、气压、辐射和蒸发),三江源的数据有所缺失。
朱立平, 彭萍
青藏高原过去的冻土图主要基于稀少的台站气温观测,采用基于连续性的分类系统。本数据集利用地理加权回归模型(GWR)综合了经过时空重建的MODIS地表温度、叶面积指数、积雪比例和国家气象信息中心多模型土壤水分预报产品、融合了4万多个气象站降水观测和FY2卫星观测的降水产品及152个气象台站2000-2010年的多年平均气温观测数据,模拟得到了青藏高原过去1公里分辨率的多年平均气温数据,利用多年冻土热条件分类系统,将多年冻土分为非常冷(Very cold)、冷(Cold)、凉(Cool)、暖(Warm)、非常暖(Very warm)和可能解冻(Likely thawing)几个类型。该图显示,扣除湖泊和冰川,青藏高原多年冻土总面积约为107.19万平方公里。验证表明该图具有更高的精度。可为今后冻土工程规划设计与环境管理等提供支持。
冉有华, 李新
GAME/ Tibet 项目于1997 年夏季在安多(Amdo) 站作过短期预试验观测( PIOP) 。1998 年5~9 月, 安排了连续5 个加强观测期( IOP) , 每个IOP 约一个月。中、日、韩三国80 余名科学工作者分批赴青藏高原,进行了艰苦而卓有成效的工作。 各项观测试验计划顺利完成。并且从1998 年9 月加强观测结束后,5 个自动气象站(AWS) 、1 个自动气象综合观测站( PAM) 、1 个边界层塔及辐射综合观测站(Amdo) 及9 个土壤温度和湿度观测站一直连续观测至今, 取得了连续8 年零6 个月(从1997 年6 月开始) 极其珍贵的资料。 试验区设在藏北那曲地区的一个150 km ×200 km 的区域内(图1),同时在青藏公路沿线的D66,沱沱河和唐古拉山口(D105) 也建立了观测点。包括高原草甸、高原湖泊、荒漠化草原等不同下垫面上, 设置了以下观测站(点):(1) 两个包括大气和土壤的多学科综合观测站:安多(Amdo) 和那曲(NaquFx) 。这两个站含有多分量辐射观测系统、梯度观测塔、湍流通量直测系统、土壤温湿度梯度观测、无线电探空以及作为卫星资料地面真值利用的地面土壤湿度观测网和多角度光谱仪观测等;(2) 6 个自动气象站(D66 、沱沱河、D105 、D110 、Naqu 和MS3608) 。每个测站都有风、温、湿、压、辐射、地表温度、土壤温湿度和降水等观测;(3) 设在那曲北和南各约80 km 处的PAM( Portable Automated Meso - net) 站(MS3478和MS3637) 有类似于上述两个综合观测站(Amdo和NaquFx) 的主要项目, 同时有风、温、湿的湍流观测;(4) 9 个土壤温度和湿度观测点(D66 、沱沱河、D110 、WADD、NODA、Amdo 、MS3478、MS3478和MS3637) , 每个测站都包含有6 层土壤温度和9 层土壤湿度测量;(5) 一个设在那曲以南的三维多普勒雷达站和邻近(约100 km) 区域内的7 个加密雨量站( Precipitation gauge) , 辐射观测系统主要研究高原云与降水系统, 并作为TRMM 卫星一个地面真值站。 GAME-Tibet项目力求通过不同空间尺度的加强观测试验和长期监测,深入了解青藏高原的地气相互作用以及对亚洲季风系统的影响。 GAME/ Tibet 项目2000 年结束后, 已加入GEWEX(全球能量和水循环试验) 与CL IVAR (气候变化和预测) 两个大型国际计划联合组织的“全球协调加强观测计划(CEOP) ”, 开始执行“全球协调加强观测计划(CEOP) 亚澳季风之青藏高原试验研究”(CAMP/ Tibet ) 数据内容分为Prephase Observation Preriod (POP)1997年和IOP1998年 一、POP1997年数据内容: 1、Precipitation Guage Network (PGN) 2、Radiosonde Observation at Naqu 3、Analysis of Stable Isotope for Water Cycle Studies 4、Doppler radar observation 5、Large-Scale Hydrological Cycle in Tibet (Link to Numaguchi's home page) 6、Portable Automated Mesonet (PAM) [Japanese] 7、Ground Truth Data Collection(GTDC) for Satellite Remote Sensing 8、Tanggula AWS ( D105 station in Tibet ) 9、Syamboche AWS (GEN/GAME AWS in Nepal) 二、IOP1998年数据内容: 1、Anduo (1)PBL Tower 、(2)Radiation 、(3)Turbulence SMTMS 2、D66 (1)AWS (2)SMTMS (3)GTDC(4)Precipitation 3、Toutouhe (1)AWS(2)SMTMS(3)GTDC 4、D110 (1)AWS (2)SMTMS (3)GTDC(4)SMTMS 5、MS3608 (1)AWS (2)SMTMS (3)Precipitation 6、D105 (1)Precipitation (2)GTDC 7、MS3478(NPAM) (1)PAM (2)Precipitation 8、 MS3637 (1)PAM (2)SMTMS (3)Precipitation 9、NODAA (1)SMTMS (2)Precipitation 10、WADD (1)SMTMS (2)Precipitation (3)Barometricmd 11、AQB (1)Precipitation 12、Dienpa( RS2 ) (1)Precipitation 13、Zuri (1)Precipitation(2)Barometricmd 14、Juze (1)Precipitation 15、Naqu hydrological station (1)Precipitation 16、MSofNaqu(1)Barometricmd 16、Naquradarsite (1)Radarsystem(2)Precipitation 17、Syangboche[Nepal](1)AWS 18、Shiqu-anhe(1)AWS(2)GTDC 19、Seqin-Xiang(1)Barometricmd 20、NODA(1)Barometricmd(2)Precipitation(3)SMTMS 21、NaquHY(1)Barometricmd(2)Precipitation 22、NaquFx(BJ)(1)GTDC(2)PBLmd(3)Precipitation 23、MS3543(1)Precipitation 24、MNofAmdo(1)Barometricmd 25、Mardi(1)Runoff 26、Gaize(1)AWS(2)GTDC(3)Sonde
马耀明
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