“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
在共享社会经济路径（SSP）5-8.5情景下4个CMIP6模式2015-2100年的模拟结果。选取标准为这四个模式水平分辨率均小于1°，且均有日数据。从原始模拟结果中提取了8个代表极端气候的变量，分别是日最高气温的极高值（TXx）、日最低气温的极高值（TNx）、日最高气温的极低值（TXn）、日最低气温的极低值（TNn）、连续干旱日数（CDD）、连续湿润日数（CWD）、降水强度（SDII）和强降水日数（R20mm）。数据时间分辨率为年，空间范围为青藏高原地区，时间范围为2015-2100年。
张冉
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
本数据为降水数据，是热带降水测量任务TRMM（Tropical Rainfall Measuring Mission）逐月降水产品TRMM 3B43，融合青藏高原为主主体的范围区域（25~40°N；73~105°E）内332个气象站点降水数据，该气象站降水数据源自中国气象局国家气象信息中心。本数据集采用站点3°插值优化变分订正方法计算获得的再分析数据集。时间跨度为1998年1月至2018年12月的月样本资料，空间覆盖范围是25~40°N；73~105°E，空间分辨率为1°*1°。
徐祥德, 孙婵
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
青藏高原的水土资源匹配数据，由站点气象数据（2008-2016年，国家气象数据共享网）经过彭曼公式计算得出的潜在蒸散发数据，利用土地利用的不同土地类型，根据下垫面影响系数计算现有土地利用下的蒸散发量；以及气象数据中的站点降雨数据插值得到的降雨数据，根据两者差值得到水土资源匹配系数。实际降雨与现有土地利用条件下的需水量之间的差值来反映水土资源的匹配性，数值越大匹配性越好。水土资源的匹配情况的空间分布能为进一步了解青藏高原的农牧业资源情况做铺垫。
董凌霄
降水强烈的时空变化常使得常规地基台站的降水观测不能准确把握降水的空间分布和强度变化。而卫星微波遥感可以克服此局限，实现全球尺度降水和云的观测，而且相对于红外/可见光只能反映云厚、云高等信息而言，微波能够穿透云体，利用云内降水粒子和云粒子与微波的相互作用对云、雨进行更为直接的探测。 本数据以GPM搭载的DPR双波段降水雷达获取的地表降水量为真值，以NDVI、DEM、ERA5中的土壤温/湿度为参考数据，利用GMI的多波段被动亮温数据反演青藏高原地区暖季（5月-9月）瞬时降水强度，将结果重采样至0.1°空间分辨率后累加到日。
许时光
采用WRF模式制备的青藏高原近地表大气驱动和地表状态数据集，时间范围：2000-2010，空间范围：25-40 ºN，75-105 ºE，时间分辨率：逐时，空间分辨率：10 km，格点数为150*300。 总计有33个变量，其中包含的近地表大气变量11个： 地面上2m高度的温度、 地面上2m高度的比湿、地面气压、地面上10m风场的纬向分量、地面上10m风场的经向分量、固体降水比例、累积的积云对流降水、累积的格点降水、地表处的向下短波辐射通量、地表处的向下长波辐射通量、累计的潜在蒸发。 包含的地表状态变量有19个：各层土壤温度、各层土壤湿度、 各层土壤液态水含量、雪相态改变的热通量、土壤底部温度、地表径流、地下径流、植被比例、地面热通量、雪水当量、实际雪厚、雪密度、冠层中的水、地表温度、反照率、背景反照率、更低边界处的土壤温度、地表面处向上的热量通量（感热通量）、地表面处向上的水量通量（感热通量）。 其他变量3个：经度、纬度和行星边界层高度。
潘小多
基于青藏高原国家气象站站点数据通过PRISM模型插值生成的高原气象要素分布图，主要包括气温和降水。 青藏高原1961-1990月均温分布图(30年平均值)： t1960-90_1.e00，t1960-90_2.e00，t1960-90_3.e00，t1960-90_4.e00，t1960-90_5.e00， t1960-90_6.e00，t1960-90_7.e00，t1960-90_8.e00，t1960-90_9.e00，t1960-90_10.e00， t1960-90_11.e00，t1960-90_12.e00 青藏高原1991-2020月均温分布图(30年平均值)： t1991-20_1.e00，t1991-20_2.e00，t1991-20_3.e00，t1991-20_4.e00，t1991-20_5.e00， t1991-20_6.e00，t1991-20_7.e00，t1991-20_8.e00，t1991-20_9.e00，t1991-20_10.e00， t1991-20_11.e00，t1991-20_12.e00， 青藏高原1961-1990月降水分布图(30年平均值)： p1960-90_1.e00，p1960-90_2.e00，p1960-90_3.e00，p1960-90_4.e00，p1960-90_5.e00， p1960-90_6.e00，p1960-90_7.e00，p1960-90_8.e00，p1960-90_9.e00，p1960-90_10.e00， p1960-90_11.e00，p1960-90_12.e00 青藏高原1991-2020月降水分布图(30年平均值)： p1991-2020_1.e00，p1991-2020_2.e00，p1991-2020_3.e00，p1991-2020_4.e00，p1991-2020_5.e00， p1991-2020_6.e00，p1991-2020_7.e00，p1991-2020_8.e00，p1991-2020_9.e00，p1991-2020_10.e00， p1991-2020_11.e00，p1991-2020_12.e00， 数据时间范围分为1961-1990年、1991-2020年。 数据覆盖的空间范围为东经73°～104.95°，北纬26.5°～44.95°，空间分辨率0.05度×0.05度（经度×纬度），大地坐标投影。 名称解释： 月均温：一个月中每天的日平均气温的平均数； 月降水：一个月降水量的总和。 量纲：数据的文件格式为E00文件，DN值为1～12月的月均温平均值（×0.01℃）、月降水平均值（×0.01mm）。 数据类型：整型。 数据精度：0.05度×0.05度（经度×纬度）。 本数据原始来源为两组数据集：1）青藏高原及周边地区128个气象站自建站至2000年的月均温、月降水观测资料；2）青藏高原50×50km网格的HadRM3区域气候情景模拟数据，即1991-2020年下月平均温度、月降水模拟值。 1961-1990年，对源数据集采用PRISM（Parameter elevation Regressions on Independent Slopes Model）插值方法生成网格数据，基于站点数据对插值模型进行调参和验证。1991-2020年，对区域气候情景模拟数据以地形趋势面插值方法降尺度生成网格数据。部分源数据来自GCM模型模拟的结果：GCM模型采用Hadley Centre climate model HadCM2-SUL。 a) Mitchell JFB, Johns TC, Gregory JM, Tett SFB (1995) Climate response to increasing levels of greenhouse gases and sulphate aerosols. Nature, 376, 501-504. b) Johns TC, Carnell RE, Crossley JF et al. (1997) The second Hadley Centre coupled ocean-atmosphere GCM: model description, spinup and validation. Climate Dynamics, 13, 103-134. 对气象数据进行空间插值采用PRISM (Parameter-elevation Regressions on Independent Slopes Model)方法： Daly,C., R.P. Neilson, and D.L. Phillips, 1994: A statistical-topographic model for mapping climatological precipitation over mountainous terrain. J. Appl. Meteor., 33, 140~158. 因高原地区观测条件艰苦，基础研究数据缺乏，部分地区气象数据有缺失的现象。本数据集经调参和验证，精度尚可，但仅可做为宏观尺度气候研究的参考之用。青藏高原1961-1990月均温分布数据平均相对误差率为8.9%，青藏高原1991-2020月均温分布数据平均相对误差率为9.7%，青藏高原1961-1990月降水分布数据平均相对误差率为20.9%，青藏高原1991-2020月降水分布数据平均相对误差率为22.7%。对部分缺失数据的区域进行了插补，对明显错误的个别数值进行了修改。
周才平
第三极地区降水资料库包含7个指标：降水量（Precipitation），订正后降水 （Corrected Precipitation），订正系数（Correction Factor），风速损失（Wind-induced loss），蒸发损失（Evaporation loss），湿润损失（Wetting loss），微降水（Trace precipitation）。涵盖了第三极地区台站观测降水数据，同时包含了订正后的降水数据、订正系数，以及由风速、蒸发、湿润等引起的降水损失、微量降水等。 (1)中国境内观测降水数据来自于中国气象局-国家气象信息中心(http://data.cma.gov.cn/site/index.html) (2)国外观测降水数据来自NCDC国际气候数据中心-NOAA卫星信息服务中心(http://www7.ncdc.noaa.gov/CDO/country)，巴基斯坦气象局，尼泊尔气象局等。 原始数据已经由气象业务部门经过严格的质量控制，并已经在相关学术期刊发表。因各个国家气象数据集的规范不同，订正前需要统一气象要素单位，即气温、风速、降水等单位各自统一为℃、m/s、mm。 该数据集包含2个表格： 第三极地区中国境内降水日资料； 第三极地区境外降水日资料。 表格1，2包含如下字段：台站编号，日期，观测降水，订正后降水，订正系数，风速损失，蒸发损失，湿润损失，微降水。
张寅生
本数据集包含从2005年10月1日到2016年12月31日，纳木错台站观测的气温、气压、相对湿度、风速、降水、总辐射等日值。 数据集加工方法为原始数据经过质量控制后形成连续的时间序列。满足国家气象局和世界气象组织（WMO）对气象观测原始数据的精度，剔除了曳点数据和传感器出现故障造成的系统误差。 该数据的服务对象为从事大气物理、大气环境、气候、冰川、冻土等学科科学研究和人才培养的专业人员。主要应用于冰川学、气候学和环境变化、寒区水文过程以及冻土学等学科领域。 测量参数的单位和精度如下： 空气温度，单位：℃，精度：0.1℃； 空气相对湿度，单位：%，精度：0.1%； 风速，单位：m/s，精度：0.1m/s； 风向，单位：°，精度：0.1°； 气压，单位：hPa，精度：0.1hPa； 降水，单位：mm，精度：0.1mm； 总辐射，单位：W/m2，精度：0.1W/m2。
汪远伟, 邬光剑
本数据集包括2007年1月1日至2017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。 2015年由于台站观测探头老化问题，风速数据只保留后8个月数据。
罗伦
本数据集包含珠穆朗玛大气与环境综合观测研究站，2005-2016年观测的气温、气压、相对湿度、风速、降水、总辐射、P2.5浓度等日平均值。 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
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
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
