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
泛第三极区域数据集呈现海量、零散等特征,现有数据集种类较多,覆盖范围广,涉及水文、生态、大气以及灾害等多个领域,但这些数据集来自不同平台,在尺度、数据格式等方面各不相同,数据的可利用性较差,不利于科研人员展开泛第三极地区的科学研究,同时也无法发挥出这些数据集的巨大潜力。本研究采用来自多个数据平台的最新数据使用数据集成、数据融合等集成方法生产更高质量和更新年份的泛第三极综合数据集。根据不同来源、不同分辨率的数据,对这些数据进行质量控制,根据数据科学内容进行集成。对部分数据,利用数据融合技术,融合不同来源的数据,产生数据质量更高、年份更新的创新性数据产品,更好地服务于陆面过程模型等研究中。泛第三极数据集根据自然数据和社会经济数据分别采用泛第三极流域边界和泛第三极国家边界获取数据,统一采用罗宾逊(Robinson)投影格式。获得了多源集成的包含基础数据集、冰冻圈数据集、水文大气数据集、生态数据集、灾害数据集和人文地理数据集共六类数据集。 (1)基础数据集包含边界数据集、30米土地覆被数据、植被功能数据、30米SRTM数字高程数据和HWSD土壤质地数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极基础数据集数据文档.docx”。 (2)冰冻圈数据集包含冻土数据集、冰川分布数据、冰湖分布数据和积雪深度数据。其中,冻土数据集又包含冻土分布数据、冻土水热分带数据、冻土指数数据和冻土表面粗糙度数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极冰冻圈数据集数据文档.docx”。 (3)水文大气数据集包含河流湖泊数据集、蒸散发数据集和大气数据集。河流湖泊数据集包含河流数据和湖泊数据,蒸散发数据集包含MODIS蒸散发数据、土壤蒸发数据、水体冰雪蒸发数据和冠层截流蒸发数据,大气数据集包含ERA5-Land再分析数据集中的地表热辐射数据、地表太阳辐射数据、降水数据、气压数据、温度数据和风场数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极水文大气数据集数据文档.docx”。 (4)生态数据集包含总初级生产力数据和植被蒸腾数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极生态数据集数据文档.docx”。 (5)灾害数据集包含滑坡数据和地震区划数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极灾害数据集数据文档.docx”。 (6)人文地理数据集则包含交通道路数据、铁路机场数据、人口密度数据、主要国家人均GDP数据、收入水平数据和世界遗产分布数据。详情请查看元数据页面附件信息中或数据中的文档“泛第三极人文地理数据集数据文档.docx”。 泛第三极综合数据集将为相关研究者提供便利,避免相关研究在获取数据和处理数据的过程中重复劳动,节省研究者宝贵的时间,并且在陆面过程模型、水文模型和生态模型等科学研究中起到重要作用,促进泛第三极地区科学研究的发展,为泛第三极地区的科学研究提供数据支撑。
李虎, 潘小多, 李新, 盖春梅, 冉有华
This file contains the datasets used in a manuscript published in JGR Biogeosciences (Nieberding, F., Wille, C., Ma, Y., Wang, Y., Maurischat, P., Lehnert, L., and Sachs, T.: Winter daytime warming and shift in summer monsoon increase plant cover and net CO2 uptake in a central Tibetan alpine steppe ecosystem, Journal of Geophysical Research: Biogeosciences, 126, e2021JG006441, doi:10.1029/2021JG006441, 2021.). The manuscript contains all the details on how the data was generated and processed and the corresponding code was published in the supplementary material.
Felix Nieberding, 马耀明, Christian Wille, Lukas Lehnert, Yuyang Wang, Philipp Maurischat, Weiqiang Ma, Torsten Sachs
包括典型冰川(浪卡子县枪勇冰川:东经90.23°,北纬28.88°,海拔4898米,地表覆被为基岩;申扎县甲岗山冰川:东经88.69°,北纬30.82°,海拔5362米,地表覆被为碎石和杂草)2019-2020年自动气象观测数据。枪勇冰川记录包含1.5米温度、1.5米湿度、2米风速、2米风向、地表温度等数据。该自动气象站的数据采用USB离线获取的方式收集,初始记录时间为2019年8月6日19时10分,记录间隔为10分钟,2019年10月24日现场下载数据,未能连接上。2020年12月20日16:30到现场下载数据,仍然无法连接到电脑,于是将数采仪取回带到北京后将数据读出。数据未缺失,但风速数据在2020年7月14日9:30之后有问题(极可能是风向标被破坏所致)。甲岗山冰川初始记录时间为2019年8月9日15时00分,记录间隔为1分钟,电源主要是通过蓄电池和太阳能板来维持。该自动气象站无内部存储,数据每小时通过GPRS上传至HOBO网站,由专人定期下载。2020年1月5日23:34,1.5米温湿度传感器出现异常,温度和湿度数据丢失。2020年6月30日21:20之后所有数据完全无法通过网站下载。2020年12月19日将数采仪取回,下载到2020年6月23日19:43至9月25日3:36的数据。之后更换温湿度传感器,于12月21日12:27重新开始观测。目前数据由三段组成(2019.8.9-2020.6.30;2020.6.23-2020.9.25;2020.12.19-2020.12.29),经检查,数据有部分缺失,个别数据因记录电池电压,时间上有重复,需要核对。甲岗山冰川前端气象观测数据使用美国ONSET 公司HOBO RX3004-00-01型号自动气象站采集,温湿度探头型号为S-THB-M002 ,风速风向传感器型号S-WSET-B ,地温温度传感器型号S-TMB-M006 。枪勇冰川前端气象观测数据使用美国ONSET 公司HOBO U21-USB型号自动气象站采集,温湿度探头型号为S-THB-M002 ,风速风向传感器型号S-WSET-B ,地温温度传感器型号S-TMB-M006 。
张东启
该数据集是来自CMIP5的3个全球气候模式(CCSM4、HadGEM2-ES和MPI-ESM-MR)的高分辨率动力降尺度结果,使用的区域模式是WRF,覆盖中亚五国,空间分辨率是9km,未来时段是2031-2050(包含1.5-2℃升温阈值对应的10年区间),历史参考时段是1986-2005,碳排放情景是RCP4.5,包含的变量是2米气温和降水(对流和非对流降水),时间分辨率是年。该数据可以用于中亚气候预估。
邱源
CMIP5(Coupled Model Intercomparison Project Phase 5)是气候耦合模型相互比较项目的第五阶段实验,提供了一个多气候模式环境,可用于预估“一带一路”关键节点区域未来气候变化,以应对关键节点区域的环境气候问题。本数据集以“一带一路”关键节点区域为研究区,对CMIP5的43个气候模式对研究区未来气候变化的预估能力进行评估,以模拟结果的均方根误差为标准,分别选取RCP4.5及RCP8.5情景下模拟能力最优的气候模式,对研究区进行气候模拟,得到研究区2006至2065年降雨量、气温的未来预估数据,并使用统计降尺度方法使数据集空间分辨率达到10km,时间分辨率为每月。每一期数据具有三个波段,分别是气温最大值、气温最小值和降雨量。本数据集中,降雨量单位为kg/(m^2*s),气温单位为K。本数据集为应对关键节点区域的环境气候问题提供数据基础。
李炘妍, 凌峰
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
本数据集包含珠穆朗玛大气与环境综合观测研究站,2017-2018年观测的气温、气压、相对湿度、风速、降水、总辐射、P2.5浓度、短波辐射等日平均值。 数据服务对象为从事青藏高原气象研究的学生和科研人员。 其中降水数据是人工雨量桶观测,蒸发数据为Φ20mm蒸发皿观测,其它均为半小时的观测值处理后得到的日均值。 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。
马耀明
本数据集包括2017年1月1日至2018年12月31日藏东南站,大气气温、相对湿度、降水、风速、风向、净辐射、气压等的日平均数据。 该数据服务对象为从事气象、大气环境、生态研究的学生和科研人员。 其中各种气象要素的单位如下:气温℃;降水mm;相对湿度%;风速m/s;风向°;净辐射W/m2;气压hPa;可入肺颗粒物μg/m3。 所有数据均是原始观测数据计算得到的日平均值。严格按照仪器操作规范进行观测和数据采集,并已经在相关学术期刊发表;加工过程中剔除了一些明显误差数据,缺失数据用空值。
罗伦, 朱立平
黑河流域近地表大气驱动数据,是采用Weather Research and Forecasting(WRF)模式制备的黑河流域逐时0.05°× 0.05°包括2m气温、地表气压、2m水汽混合比、辐射、10m风场和累积降水等近地表大气要素的驱动数据。通过与15个中国气象局常规自动气象站(CMA)站点逐日观测资料和两期黑河流域生态-水文过程综合遥感观测联合试验(WATER和HiWATER)的站点逐时观测资料在不同时间尺度上进行验证,得出以下结论:2m地表气温、地表气压和相对湿度都是比较可信的,尤其是2m地表气温和地表气压,平均误差都很小且相关系数都达到0.96以上;向下短波辐射与WATER站点观测数据的相关性达到0.9以上;降水资料通过降雨和降雪两种相态与观测资料在不同时间尺度和空间尺度上进行验证,降雨与观测资料在年、月、日和时尺度上吻合得很好,与观测资料在年和月尺度上的相关系数高达0.94和0.84;降雪与观测资料在月尺度上的相关性达到0.78,与积雪覆盖率MODIS遥感产品的空间分布相当吻合,峰值分布也一致。液态和固态降水的验证表明WRF模式能够在地形复杂而干旱的黑河流域进行降尺度分析,所模拟的资料能够满足流域尺度水文建模和水资源平衡研究。 2013年提供了2000-2012年数据。 2016年更新了2013-2015年数据。 2019年更新了2016-2018年数据。 2022年更新了2019-2021年数据。
潘小多
青藏高原0.01°空间分辨率近地表气温数据集(1979-2018)通过对中国区域地面气象要素驱动数据集中空间分辨率为0.1°的气温数据进行降尺度得到。它包含日均气温和三小时分辨率的瞬时气温。其空间分辨率为0.01°(约1km)。时间范围为1979年到2018年。空间范围为73°E-106°E, 23°N-40°N。该数据集可以为地表辐射与能量平衡、气候变化、水文气象等领域的研究与应用提供较高空间分辨率的近地表气温数据。
丁利荣, 周纪, 王伟, 马晋
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
太阳总辐射和直接辐射采用国产辐射表(TBQ-4-1,TBS-2,China)测量,温湿度采用自动气象站(HOBO weather station, Model H21, Onset Company, USA)测量。本数据为太阳辐射和气象要素数据,包括太阳总辐射和直接辐射,波长范围270-3200nm,单位W/m2。温湿度和水汽压单位分别为℃、%、hPa。太阳辐射和气象要素数据来源于数据提供者的测量。数据覆盖时间为2013-2016年。该数据集可以用于中国亚热带地区的太阳辐射及其变化机制等相关研究。
白建辉
This data set is output from WRF model. The data include ‘LU_INDEX’ (land use category), ‘ZNU’(eta values on half (mass) levels), ‘ZNW’(eta values on full (w) levels),’ZS’(depths of centers of soil layers), ‘DZS’ (thicknesses of soil layers), ‘VAR_SSO’ (variance of subgrid-scale orography), ‘U’(x-wind component), ‘V’(y-wind component),’W’(z-wind component),’T’(perturbation potential temperature (theta-t0)), ‘Q2’ ('QV at 2 M), ‘T2’ (TEMP at 2 M), ‘TH2’ ('POT TEMP at 2 M), ‘PSFC’ (SFC pressure), ‘U10’ (U at 10 M), ‘V10’ (V at 10 M), ‘QVAPOR’ (Water vapor mixing ratio), ‘QLOUD’ (Cloud water mixing ratio),’QRAIN’ (Rain water mixing ratio), ‘QICE’ (Ice mixing ratio), ‘QSNOW’ (Snow mixing ratio), ‘SHDMAX’ (annual max veg fraction), ‘SHDMIN’ (annual min veg fraction), ‘SNOALB’ (annual max snow albedo in fraction), ‘TSLB’ (soil temperature), ‘SMOIS’ (soil moisture), ‘GRDFLX’ (ground heat flux), ‘LAI’ (Leaf area index),’ HGT’ (Terrain Height), ‘TSK’ (surface skin temperature), ‘SWDOWN’ (downward short wave flux at ground surface), ‘GLW’ (downward long wave flux at ground surface), ‘HFX’ (upward heat flux at the surface), ‘QFX’ (upward moisture flux at the surface), ‘LH’ (latent heat flux at the surface), ‘SNOWC’ (flag indicating snow coverage (1 for snow cover)), and so on. The data is in netCDF format with a spatial resolution of 10 km.
Xuelong Chen
1)数据内容:包含中亚地区,区域范围:30°N~60°N,40°E~90°E; 2)数据来源:对CMIP数据集进行加工,采用双线性插值方法将不同分辨率模式数据插值到0.5°× 0.5°,CRU观测数据1901年——2014年; 3)数据质量:时间长度较长,数据质量良好,缺测值统一用999标识; 3)数据应用成果集前景:数据已用于进行对中亚地区温度模拟能力评估,通过计算并分析中亚地区的温区的域平均、相对误差、均方根误差、泰勒图、EOF分解、季节变化等评估气候系统模式模拟中亚地区历史气候变化的能力。 4) 数据可靠性:通过对比分析观测和模拟资料的年变化,数据结果均呈显著的增温趋势,通过对数据结果进行相关性检验,均通过99%信度检验。同时,CMIP计划数据和CRU数据也是较为常用的数据集,在很多进行气候变化的研究中,也经常采用这样的数据。
马金玉
本数据为中亚大湖区2017年逐6小时分辨率常规和卫星资料。其中常规资料包含中亚大湖区及其周边地区(中国、哈萨克斯坦、吉尔吉斯斯坦、土库曼斯坦、塔吉克斯坦、乌兹别克斯坦、阿富汗、俄罗斯、伊朗、巴基斯坦、印度等)的地面台站和探空站点观测,观测要素包含气温、气压、风速和湿度,每个时次的站点数平在600个左右,站点间距离在10-100km之间;卫星资料来源于极轨气象卫星(NOAA-18、NOAA-19、METOP-A和METOP-B)反演的云导风,并重采样到30km水平分辨率。云导风通过追踪示踪云的移动来估计风速,由示踪云的高度确定风场高度。本数据全部来源于全球电信系统Geostationary Tether Satellite(GTS),经过质量控制剔除了质量较差的观测资料。该数据可应用于中亚大湖区的资料同化,也可用于检验和评估模式对中亚大湖区的数值模拟。
姚遥
中亚地区气温和辐射数据时间分辨率为月尺度,空间分辨率分别为0.5度和0.05度,采用GCS_WGS_1984投影坐标系统。其中,辐射数据计算采用了GLDAS的下行短波辐射、空气温度数据和空气水汽压数据、MOD11C3的地表温度/发射率数据、MCD43C3地表反照率数据和ASTER_GEDv4.1比辐射率数据计算得到;温度数据计算采用了MOD06_L2云产品和MOD07_L2大气剖面数据计算得到。本数据基于先进的遥感算法,充分利用目前精度较高的遥感数据和产品,区别于传统的气候模式对气候要素的估算原理。本数据可用于中亚地区水资源时空变化特征、农业水资源供需关系分析和水资源开发潜力评估等。
宋进喜, 蒋晓辉
为了了解北半球气温变化的时空变化特征,该研究用 CRU(Climatic Research Unit)网格数据计算了 30 年(1971-2000)年平均气温的空间分布。年平均气温随着纬度的升高而降低,变化范围从大于 30 °C 到小于-25 °C。在相同纬度地区,高海拔地区(比如青藏高原、蒙古高原和西西伯利亚山区)的年平均气温凸显低温的趋势。同时我们完成了分辨率为0.5 °× 0.5 °北半球1901-2016年间的年平均气温变化趋势分布图。
尹国安, 石亚亚
该数据集包含了2018年1月1日至2018年12月31日黑河流域地表过程综合观测网中游大满超级站气象要素梯度观测系统数据。站点位于甘肃省张掖市大满灌区农田内,下垫面是玉米田。观测点的经纬度是100.3722E, 38.8555N,海拔1556m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m、15m、20m、30m、40m处,共7层,朝向正北;气压计安装在2m处;翻斗式雨量计安装在塔西侧约8m处,架高2.5m;四分量辐射仪安装在12m处,朝向正南;两个红外温度计安装在12m处,朝向正南,探头朝向是垂直向下;土壤热流板(自校正式)(3块)依次埋设在地下6cm处,朝向正南距离塔体2m处,其中两块(Gs_2、Gs_3)埋设在棵间,一块(Gs_1)埋设在植株下面;平均土壤温度传感器TCAV埋设在地下2cm、4cm处,朝向正南,距离塔体2m处;土壤温度探头埋设在地表0cm和地下2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm处,在距离气象塔2m的正南方;土壤水分传感器分别埋设在地下2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm处,在距离气象塔2m的正南方;光合有效辐射仪安装在12m处,探头朝向是垂直向上;另有四个光合有效辐射仪分别架设在冠层上方和冠层内,冠层上方安装在12m(探头垂直向上和向下方向各一个)、冠层内安装在0.3m(探头垂直向上和向下方向各一个)高处,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m、WS_15m、WS_20m、WS_30m、WS_40m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m、WD_15m、WD_20m、WD_30m、WD_40m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m、Ta_15m、Ta_20m、Ta_30m、Ta_40m和RH_3m、RH_5m、RH_10m、RH_15m、RH_20m、RH_30m、RH_40m)(单位:摄氏度、百分比)、气压(Press)(单位:百帕)、降水量(Rain)(单位:毫米)、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、平均土壤温度(TCAV)(单位:摄氏度)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm)(单位:百分比)、土壤温度(Ts_0cm、Ts_2cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm)(单位:摄氏度) 、光合有效辐射(PAR)(单位:微摩尔/平方米秒)、冠层上向上与向下光合有效辐射(PAR_U_up、PAR_U_down)(单位:微摩尔/平方米秒)和冠层下向上与向下光合有效辐射(PAR_D_up、PAR_D_down)(单位:微摩尔/平方米秒)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min),若出现数据的缺失,则由-6999标示;2018.9.17-11.7由于采集器的问题,气象梯度部分的数据缺失;由于采集器通道问题,平均土壤温度TCAV数据在11月7日后数据不正确。(2)剔除有重复记录的时刻;(3)删除了明显超出物理意义或超出仪器量程的数据;(4)数据中以红字标示的部分为有疑问的数据;(5)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2018-6-10 10:30。 黑河综合观测网或站点信息请参考Liu et al. (2018),观测数据处理请参考Liu et al. (2011)。
李新, 车涛, 徐自为, 任志国, 谭俊磊
本数据为RCP4.5情景下的月干燥指数数据集(Aridity Index, AI)。AI数据为降水与潜在蒸散发的比值。本数据由14个模式平均计算得到。这14个模式分别为:CanESM2;CCSM4;CNRM-CM5;CSIRO-Mk3-6-0;GISS-E2-R;HadGEM2-CC;HadGEM2-ES;inmcm4;IPSL-CM5A-LR;MIROC5;MIROC-ESM-CHEM;MIROC-ESM;MPI-ESM-LR;MRI-CGCM3。空间分辨率为全球2度*2度,时间分辨率为2020年1月-2099年12月。该数据集即可用于中亚大湖区未来干湿变化情景分析,也可用于全球其他区域在未来情景下的干湿过去和格局的分析。
华丽娟
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