波密县天摩沟地面气象数据是由布置在帕隆藏布流域天摩沟中游的气象监测点采集获得的，数据采集时间为2020年。数据主要内容包括天摩沟雨量和气温观测数据，雨量数据通过HOBO雨量计采集得到，HOBO雨量计为翻斗式雨量计，每0.2mm降雨量记录为一次事件，输出记录的事件次数，事件次数乘以0.2mm即为雨量值；气温由数据记录仪中内置的一个10位分辨率温度传感器测量，采集方式为每小时采集存储一次，可以获得气温小时均值。该数据质量可靠、精度较高，可用于反映天摩沟雨量和气温实时变化动态，监测泥石流起动临界条件，预报该地区未来泥石流事件发生的可能性。
侯伟鹏
该数据集记录了阿里荒漠环境综合观测研究站观测场内（33°23.42′ N, 79°42.18′ E, 4270 m asl）2019-2020年的气象数据，数据时间分辨率为天。包含如下基本参数：气温（℃）、相对湿度（%）、风速（m/s）、风向（°）、气压（hPa）、降水量（mm）、水汽压（Kpa）、向下短波辐射（W/m²）、向上短波辐射（W/m²） 、向下长波辐射（W/m²） 、向上长波辐射（W/m²） 、净辐射（W/m²）、地表反照率（%）、土壤温度（℃）、土壤含水量（％）。 观测仪器的传感器型号：大气温度和湿度：HMP45C；降水：T200-B；风速和风向： Vaisala 05013；净辐射：Kipp Zonen NR01；气压：Vaisala PTB210；土壤温度：109温度探头；土壤含水量：CS616。数据采集器：CR 1000。原始数据的时间分辨率为30 min。 该数据可供从事气象、大气环境或生态等研究的科研人员使用。
赵华标
该气象数据为中国科学院珠穆朗玛大气与环境综合观测研究站观测场内（86.56°E， 28.21°N，4276m）2019-2020年观测的气温、相对湿度、风速、降水量、气压、辐射、土壤温湿度等基本气象数据。降水量为日累计值。 所有数据严格按照仪器操作规范进行观测和采集，在加工生成数据时，剔除了一些明显的误差数据。 该数据可供从事气象、大气环境或生态等研究的学生和科研人员使用（注意：使用时必须在文章中标明数据来源于中国科学院珠穆朗玛大气与环境综合观测研究站，Qomolangma Station for Atmospheric and Environmental Observation and Research, Chinese Academy of Sciences (QOMS/CAS)）
席振华
冰川区域内的近地表气温变化和温度预测的可靠性是水文和冰川学研究的重要问题，由于缺乏高海拔观测，这些问题仍然难以捉摸。本研究基于从 6 个不同流域的 12 个自动气象站、43 个温度记录仪和 6 个国家气象站收集的 2019 年气温数据，展示了不同冰川/非冰川地区的气温变化，并评估了不同温度预测的可靠性，以减少消融估计中的误差。结果表明，不同气候背景下温度递减率 (LRs) 的空间异质性很大，最陡峭的 LRs 位于寒冷干燥的青藏高原西北部，最低的 LRs 位于受暖湿季风影响的青藏高原东南部。青藏高原西部和中部高海拔冰川区的近地表气温受下降风的影响较小，因此可以从冰川外的记录中线性预测。相比之下，青藏高原东南部温带冰川上盛行的局地降风风对环境气温的降温作用明显，因此，冰川上气温明显低于同等海拔的非冰川地区。因此，来自低海拔非冰川站的线性温度预测可能导致正度日数高估 40%，特别是对于流线距离长且冷却效果显着的大型冰川。这些发现提供了值得注意的证据，表明在估算青藏高原冰川融化时，应仔细考虑不同气候条件下高海拔冰川的不同 LR 和相关冷却效应。
杨威
数据采集于海北高寒草甸生态系统研究站样地（101°19′E，37°36′N，海拔3250m），位于青藏高原东北隅祁连山北支冷龙岭东段，高寒草甸是该地区主要的植被类型。数据记录了高山植物冠层上方光照、空气温湿度以及风温风速数据。通过LI-190R 光合有效辐射传感器（LI-COR，Lincoln NE，USA）和LR8515数据采集器（Hioki E. E. Co., Nagano, Japan）记录高山植物冠层上方辐射强度，记录间隔为每秒一次。用S580-EX温湿度记录仪（深圳华图）以及万向风速记录仪（北京天建华仪）记录空气温湿度以及风温风速的日动态，记录间隔为每三秒一次。记录时间为从北京时间7月13日10点至8月17日21点，由于每日需要使用USB存储时间以及更换电池，所以每日有3-5min的数据缺失，缺失的时间段不固定。目前该数据暂未发表。通过研究该数据可以进一步探讨高山植物叶片所处的微环境以及可能的对叶片生理反应的影响。
唐艳鸿, 郑天宇
本数据为基于WRF模式4.1.2版本和WRFDA同化系统4.1.2版本建立的中亚区域再分析资料，变量包含气温、气压、风速、降水、辐射。再分析的建立使用了循环同化的方式，每6小时使用3DVAR同化一次，同化的资料包括常规大气观测和卫星辐射资料。其中常规资料主要来源为GTS，来源包括人工站、自动站、探空和飞机报，观测要素包括气温、气压、风速和湿度。卫星观测包括反演数据和辐射数据，反演数据主要为极轨气象卫星（NOAA-18、NOAA-19、METOP-A和METOP-B）反演的云导风，并重采样到54km水平分辨率；辐射数据包含了MSU、AMSU和MHS等微波辐射和HIRS红外辐射数据。模拟采用双层嵌套的方式，水平分辨率分别为27公里和9公里，垂直方向共38层，模式层顶为10hPa。模式的侧边界条件由ERA-Interim再分析逐6小时的分析场提供，模式使用的物理方案为Thompson微物理方案，CAM辐射方案，MYJ边界层方案、Grell对流方案和Noah陆面模式。本资料覆盖区域包括中亚地区的哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦、土库曼斯坦和乌兹别克斯坦五个国家以及里海、咸海、巴尔喀什湖、伊萨克湖等中亚地区的湖泊，可用于该区域的气候、生态、水文等方面的研究。以中亚地区台站观测的降水为参照，本数据的模拟效果和融合降水产品MSWEP相似，优于ERA5和ERA-Interim。
姚遥
该数据主要为中国科学院藏东南站2014年4月架设位于昌都市八宿县然乌镇阿日村，然乌中湖边的气象站的气温数据，地理位置96.7699E, 29.4364N，3920m. 仪器探头型号为HMP155A，探头距离地表2m，下垫面为高寒草甸，部分原始数据有缺失，通过同样位于该地的通量站以及附近的四道班气象站和气象局的然乌站进行矫正，插值得到。 该数据为区域内少有的可共享数据，该数据可作为区域气候、河流、湖泊、冰川、生态等的背景基础数据。 数据使用时，文章中应该体现中科院藏东南站，更高精度的数据可以和数据作者联系。
罗伦
基于台站历史逐日最高温数据以及再分析资料数据集，发展了一个基于一阶自回归和多元线性回归模型的逐日最高温统计降尺度模型，并由全球气候模型（CNRM-CM6-1）的 IPCC CMIP6 情景数据驱动该统计降尺度模型，预估中亚65个台站2015-2100年5种热浪指数（热浪事件数 （HWM），热浪频数（HWF）， 热浪强度（HWM）， 热浪最大持续时间（HWD），热浪振幅（HWA））的未来变化情景。最终获得2015-2100年四种排放情景下（SSP126，SSP245，SSP370，SSP585），中亚65个台站热浪变化情景数据集。
范丽军
中亚西亚野外气象站观测数据集（2019-2020）包括哈萨克斯坦（5个站），吉尔吉斯斯坦（1个站），塔吉克斯坦（3个站），乌兹别克斯坦（1个站），伊朗（2个站）共12个野外气象观测站的气象月数据，涉及21个观测指标：月平均气温（TA）、月平均气压（PA）、月平均相对湿度（RH）、月总降雨量（Pr）、月平均风速（WS）、月平均风向（WD）、0cm月平均土壤温度（TS1）、5cm月平均土壤温度（TS2）、10cm月平均土壤温度（TS3）、15cm月平均土壤温度（TS4）、20cm月平均土壤温度（TS5）、40cm月平均土壤温度（TS6）、60cm月平均土壤温度（TS7）、100cm月平均土壤温度（TS8）、月总太阳总辐射（SR）、月总反射辐射（GR）、月总紫外辐射（UVR）、月总净辐射（NR）、月总光合有效辐射（PAR）、月总土壤热通量（HF）、月总日照时长（SD）。 12个野外站涵盖农田、森林、草地、沙漠、荒漠、湿地、高原、山地等不同生态系统类型，资料时间长度从2019年10月开始，至2020年12月。本数据集由地面气象观测站收集到的气象原始数据经筛查和审核后，进行格式转换后获得，数据质量良好。中亚地区气候类型多样，生态环境脆弱，气象灾害频繁，本数据集的建立对于开展长期的中亚生态环境监测、防灾减灾、中亚地区气候变化与生态环境等领域的研究提供了数据支撑，目前已经在中亚生态环境监测研究中获得了应用。
李耀明
1) 青藏高原地面气象驱动数据集（2019-2020），包括地表温度（Land surface temperature）、地表降水率（Mean total precipitation rate）、下行短波辐射（Mean surface downward long-wave radiation flux）以及下行长波辐射（Mean surface downward short-wave radiation flux）4个气象要素。 2) 该数据集以ERA5再分析数据为基础，辅以MODIS NDVI、MODIS DEM、FY3D MWRI DEM数据产品。通过多元线性回归方法对ERA5再分析数据进行降尺度处理，最后通过重采样生成。 3) 青藏高原地面气象驱动数据集（2019-2020）各数据要素均以TIFF格式存储，时间分辨率包括（每日、每月、每年），空间分辨率统一为0.1°×0.1°。 4) 本数据方便不会使用.nc格式的此类同化数据的科研人员和学生使用。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。
朱立平, 杜宝隆
1）数据内容（包含的要素及意义）：高寒网19个站（藏东南站、纳木错站、珠峰站、慕士塔格站、阿里站、格尔木站、天山站、祁连山站、若尔盖站（共2个点，西北院和成都生物所）、玉龙雪山站、那曲站（含3个站点，青藏所、西北院和地理所）、海北站、三江源站、申扎站、拉萨站、青海湖站）2020年青藏高原气象观测数据集（气温、降水、风向风速、相对湿度、气压、辐射和通量等数据） 2）数据来源及加工方法：高寒网19个站实地观测Excel格式 3）数据质量描述：站点日分辨率 4）数据应用成果及前景：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。另外，该数据集是对中国高寒区地表环境与观测网络气象数据（2019）的更新。
朱立平
该数据集是根据24个CMIP6全球气候模式的historical（1951–2014年）、SSP2-4.5和SSP5-8.5（2015–2100年）试验数据，计算得出的在一带一路地区模拟性能较好的五个极端气温指数（最冷昼温TXn、最冷夜温TNn、夏日天数SU、热带夜数TR和霜冻日数FD）的未来集合预估数据。空间分辨率是1.875°×1.25°（经度×纬度），时间分辨率是年。该数据可以用于一带一路地区极端气温预估及风险防范。
钱诚
1) 数据内容（包含的要素及意义）：数据包含气温（℃）、降水（mm）、相对湿度（%）和风速（m/s）和辐射（W/m2）四个指标的日值。 2) 数据来源及加工方法：气温、相对湿度、辐射和风速为日均值，降水为日累计值；数据采集地点为色季拉山东坡林线附近：29°39′25.2″N，94°42′25.62″E，4390m；下垫面为自然草地；采集器型号：Campbell Co CR1000，采集间隔时长：10分钟。数字化自动采集数据。气温和相对湿度仪器探头为HMP155A；风速传感器为05103；降水为TE525MM；辐射为Li200X。 3) 数据质量描述：气温、相对湿度和风速原始数据为10分钟一个的平均值，降水为10分钟的累积值；分别通过算术平均或求和得到日平均气温、相对湿度、降水量和风速。由于传感器限制，冬季降水量可能有一定的误差。 4) 数据应用成果及前景：此数据是已有数据《色季拉山气象数据（2007-2017）》和《中科院藏东南站色季拉山东坡林线基本气象数据（2018）》的更新，数据时间尺度跨度大，方便大气物理、生态、大气环境等方面的科学家或研究生使用。每年会不定期更新此数据。
罗伦
地点：西藏自治区那曲市色尼区罗玛镇4村凯玛村； 坐标：东经 92°6′19″、北纬 31°16′35″； 下垫面类型：高寒草甸，紧邻一个小村落和那曲河 数据要素：向上短波辐射、向下短波辐射、向上长波辐射、向下长波辐射、净辐射传感器温度、短波净辐射、长波净辐射、反照率、净辐射传感器温度、短波净辐射、长波净辐射、反照率、空气温度、相对湿度、土壤热通量、土壤温度(0cm)、土壤温度(10cm)、土壤温度(20cm)、土壤温度(30cm)、土壤温度(100cm)、土壤温度(150cm)、土壤温度(200cm)、土壤温度(250cm) 、土壤体积含水量、大气压、光合有效辐射、风速、风速、风向、太阳辐射、净辐射。 数据来源：那曲站自动气象站，所有数据都是日值数据、原始数据未加工。 数据质量描述：数据真实、完备、准确。 数据应用成果及前景：提供科研人员原始数据，为各种科学试验提供基础气象数据。
次仁曲宗
本数据由中国科学院纳木错多圈层综合观测研究站自动气象站观测获得，地理位置坐标为北纬30.77，东经90.96，海拔4730m，日尺度，降水量数据经过校正处理。数据集要素包括气温、降水量、相对湿度、风速、总辐射、气压。时间范围为2019年1月1日到2020年12月29日。监测期间数据稳定、连续性较好，通过气象数据分析，对认知该区域局地气候变化的情况有重要帮助，同时，本数据应用前景广泛，可服务于如大气科学、水文学、气候学、自然地理学和生态学等背景的研究生和科学家。
王君波
该气象数据为位于中科院藏东南站观测场内（94.738286°E， 29.76562°N，3326m）观测的气温、相对湿度、风速、降水量和气压等基本气象数据，下垫面为林间草地。原始数据的时间分辨率为10 min，气温、相对湿度、风速和气压通过计算算术平均值得到，降水量为日累计值。气象站架设于2006年底，2020年8月对各探头进行了更换，使用时请注意，更新前后各仪器探头型号如下：温湿度探头型号由HMP45C更换为HMP155；气压探头型号由PTB220更换为PTB110；风速传感器型号由034B更换为0513，雨量筒传感器型号没有改变均为RG13H。 该数据可供从事气象、大气环境或生态等研究的学生和科研人员使用（注意：使用时必须在文章中标明数据来源于中国科学院藏东南高山环境综合观测研究站，South-East Tibetan plateau Station for integrated observation and research of alpine environment，CAS）
罗伦
中亚的生态系统脆弱，自然灾害频发，水资源短缺，冰川加速融化，是气候变化敏感区之一。在评估该地区的脆弱性、影响性和适应性时，急需高分辨率的气候预估数据集。为此，我们对来自CMIP5的三个偏差订正后的全球气候模式（MPI-ESM-MR、CCSM4和HadGEM2-ES），在中亚地区开展了9千米的动力降尺度，继而生产了一个中亚高分辨率气候预估数据集，将其命名为HCPD-CA（High-resolution Climate Projection Dataset in Central Asia）。它的历史时段是1986-2005，未来时段是2031-2050，排放情景是RCP4.5。这个数据集有4个静态变量和10个常被用于驱动生态和水文模型的气象要素。静态变量有地形高度（HGT, m）、土地利用类型（LU_INDEX, 21 categories）、陆地水体（LANDMASK, 1代表陆地, 0代表水体）和土壤类型（ISLTYP, 16 categories）。10个气象要素是日降水量（PREC，mm/day）、2米日平均/最高/最低温（T2MEAN/T2MAX/T2MIN，K）、2米日平均相对湿度（RH2MEAN，%）、10米日平均维向和经向风（U10MEAN/V10MEAN，m/s）、日平均向下短波/长波辐射（SWD/LWD，W/m2）和日平均地表气压（PSFC，Pa）。评估结果显示：这个数据产品在描述中亚各个气象要素的平均态上有很高的质量，这保证了其可用性。未来气候变化的主要特征是：升温剧烈（年均温升高1.62-2.02℃），向下短波和长波辐射显著增强，其他气象要素变化很小。HCPD-CA数据集可被用于评估未来气候变化对中亚的多方面影响，特别是在生态和水文系统上。
邱源
本数据集为：由CMIP6计划中MPI-ESM-HR1.2模式数据进行驱动，对CORDEX区域8（中亚区域）用WRF模式进行动力降尺度模拟得到的结果。数据包含2m温度（变量T2）和降水这两个变量，其中降水变量由对流降水（变量RAINC）和非对流降水（变量RAINNC）两部分组成。时间段包含历史试验（1995-2014年）、未来近期（2021-2040年）和未来中期（2041-2060年），其中未来时间段包含SSP1-2.6和SSP5-8.5两种情景。模拟的时间分辨率为6小时一次，空间分辨率为25km，垂直层数为51层，热启动为1994年一整年，使用了海温更新，并且选取了在该地区表现较好的参数化方案组合。该数据集能较好地反应中亚地区和青藏高原地区未来的气候变化特征，能为相关国家适应气候变化做出应对提供指导。
罗勇, 周杰威, 施文
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
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
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
