本数据包括西藏纳木错湖水不同深度处的日平均水温数据,是实地监测获取的湖水温度变化情况;该数据利用水质多参数仪及温度探头放置于水中而连续获取,温度记录的分辨率是10分钟和2小时,并基于原始测量数据计算了日平均水温;所用仪器和方法均非常成熟,数据处理过程进行了严格的质量控制,确保数据真实可靠;该数据已用于纳木错湖水热力学分层研究、湖气热量平衡研究等物理湖泊学方面的基础研究,并用来校正基于遥感数据的湖水温度数据及不同的湖泊模型研究。可用于物理湖泊学、水文学、湖气相互作用、遥感数据同化验证及湖泊模型研究。
王君波
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
本数据集基础数据源提供逐小时、逐日到逐年时间分辨率不等的气象数据,观测站基础观测数据可提供包括温度、降水、露点、风速等在内的气象环境信息。本数据集主要覆盖泛第三极东南亚及中东地区关键节点区域。数据处理的主要步骤为:首先从众多基础气象数据中筛选得到日最高温度数据;综合日最高温相对湿度关系,基于气象站露点温度数据,完成日相对湿度计算。该数据集对评价关键节点区域的高温天气过程提供了基础资料和有力参考。
葛咏, 刘庆生
气象数据是一组反映天气的数据,气象数据可分为气候资料和天气资料。本数据集主要包含了气象数据中的降雨数据以及气温数据(数据集中pre代表降雨、T2代表气温)。该数据集来自英国东安格利亚大学(University of East Anglia)提供的CRU(Climate Research Unit)全球格网数据(http://www.cgiar-csi.org/)。CRU数据集通过对中亚365个地区的观测站点资料插值得到,在中亚地区有较高的准确度。本数据集利用CRU通过Arcgis批量裁剪的方式得到中亚五国的降雨以及气温数据。数据格式:GeoTIFF;空间分辨率:0.5°;时间尺度:月尺度。该气象数据应用十分广泛,可与不同领域资源相融合,在交通运输、新能源、农业、移动互联网软件开发和服务、公共管理及基于大数据技术的智慧城市、智慧交通、智慧粮食等领域的开发建设中起到重要作用。
CRU
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
站点日月年统计数据集是反映站点气候情况的关键参数,是GSOM日月年数据集。气象在岩石圈、生物圈、土壤圈和大气圈中有着重要作用,为评价气候因素在全球的区域贡献和响应提供了基础。 本数据集以34个泛第三极关键节点区域为研究区域(阿巴斯、阿斯塔纳、曼谷等),基于2000至2016年日月年站点气候数据,对不同地区的气象因素进行了统计,最终得到了关键节点区域站点气象观测日月年数据集。 主要参数是:日月年平均最高值,平均最低值和平均温度;每月总降水量和降雪量等
贾小凤
海陆热力差异是形成季风的重要原因,印度夏季风的建立与欧亚大陆和印度洋之间产生的海陆热力差异有关。对流层中高层青藏高原和热带印度洋的热力差异与印度夏季风的爆发及其年际和年代际变化紧密相关。青藏高原和热带东印度洋上空温度是对印度夏季风变化最敏感的两个区域,基于此,用500-200hPa温度场定义了一个青藏高原与印度洋热力差异指数: TCI = Nor[T(25°N-38°N, 65°E-95°E) - T(5°S-8°N, 65°E-95°E)] 其中,Nor表示标准化,T表示500hPa-200hPa温度场。 青藏高原与印度洋热力差异指数(TCI)分为逐候、月、夏季3种时间分辨率序列。它可以从多种时间尺度反映高原与北印度洋之间的热力差异及其与后期印度夏季风变率的关系。并且,与单独的青藏高原或印度洋热力状况相比,该指数表现得更好,指数大时,后期印度夏季风强度往往偏强。另外,TCI的逐候增量对印度季风的演变具有预测意义,TCI逐候增量超前印度季风指数3候开始显著相关,且超前15候的时候相关最大。同时,TCI逐候增量前25候平均值的大小对印度季风爆发的早晚有一定的预报意义。 资助项目: 中国科学院战略性先导科技专项泛第三极环境变化与绿色丝绸之路建设(XDA20060501 印度洋-第三极热力差异对季风的影响及其经向输送效应)
李张群, 肖子牛, 赵亮
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
中亚野外气象站观测数据集包括中亚10个野外气象站气温、降水、风向风速、相对湿度、气压、辐射、土壤热通量、日照时间和土壤温度等实地观测数据。10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。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
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
本数据集包含从2017年1月1日到2018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; 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。
王君波, 邬光剑
东南亚国家及澜湄流域水资源研究基础数据集(1901-2010)收集整理了东南亚国家及澜湄流域主要的水文气象数据,气象数据包括降水,平均气温,最高气温,最低气温,水汽压等,数据来源于全球广泛使用的CRU TS v. 4.03(Climatic Research Unit Time-Series Version 4.03),数据格式为nc,时间分辨率为逐月,时间长度为1901年1月至2018年12月。水文数据包括水文模型模拟得到的地表径流和地下径流,数据来源于GLDAS (Global Land Data Assimilation System),数据格式为nc,时间分辨率为逐月,时间长度为1979年1月至2019年2月。
CRU, Global Land Data Assimilation System
该数据集记录了阿里荒漠环境综合观测研究站,2017-2018年气象数据集,数据时间分辨率为天。包含如下基本气象参数:气温(距地面1.5米,半小时观测一次,单位:摄氏度)、相对湿度(距地面1.5米,半小时一次,单位:%)、风速(距地面1.5米,半小时一次,单位:米/秒)、风向(距地面1.5米,半小时一次,单位:度)、气压(距地面1.5米,半小时一次,单位:hPa)、降水量(24时一次,单位:毫米)、水汽压(单位:Kpa)、蒸发(单位:毫米)、向下短波辐射(单位:W/m²)、向上短波辐射(单位:W/m²) 、向下长波辐射(单位:W/m²) 、向上长波辐射(单位:W/m²) 、净辐射(单位:W/m²)、地表反照率(单位:%)。 数据采集地点:中国科学院青藏高原研究所阿里荒漠环境综合观测研究站观测场,经度:79°42'5";纬度:33°23'30";海拔:4264米。 数据从阿里站自动气象站直接下载,其中降水数据是自动雨雪量计和人工观测校正得到每天的降水量,其它均为半小时的观测值经平均得到逐日均值。 观测仪器型号:温度和湿度:HMP45C空气温湿度探头;降水:T200-B雨雪量仪传感器;风速和风向: Vaisala 05013风速风向传感器;净辐射:Kipp Zonen NR01净辐射传感器;气压:Vaisala PTB210大气压传感器。采集器型号:CR 1000,采集时间:30分钟。 本数据表是由专人根据观测记录进行加工和质量控制。严格按照仪器操作规范进行观测和数据采集,在加工生成数据表时,剔除了一些明显误差数据
赵华标
The data include daily precipitation (Precip) amount and daily mean near-surface air temperature (T2M) over the Pan Third Pole region. The data is downscaled by using the Weather Research and Forecasting (WRF) model (3.7.1). The boundary and initial condition come from the fifth-generation global reanalysis product by the European Centre for Medium-Range Weather Forecasts (ECMWF), ERA5. The seasonal cycle and summer mean of precipitation over Tibet is well reproduced in comparison to the in situ observations.
Tinghai Ou
数据内容:本数据集包括1998-2017年青藏高原逐年的气温和降水格点数据,是进行气候变化及其对生态环境影响的基础性数据。数据来源及加工:源数据来自基于国家气象信息中心基础资料专项最新整编的中国地面高密度台站(2400多个国家级气象观测站)的气温和降水日值资料,对缺测站点进行预处理之后,利用ANUSPLIN软件的薄盘样条法 (TPS,Thin Plate Spline)进行空间插值,生成青藏高原及200km缓冲区空间分辨率1km的年值格点数据。数据应用:该数据可用于气候变化对生态环境影响的研究中。
丁明军
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