本数据集是黑河流域2010-2016年逐日100米地表蒸散发遥感产品。基于多源遥感数据(MODIS、Landsat TM/ETM+数据等)和近地面气象要素数据(中国区域地面气象要素驱动数据集,CMFD),依据地表能量平衡理论,对地表能量平衡系统(SEBS)模型通过全局敏感性分析确定模型的敏感变量,继而优化模型的这些变量参数化方案,以便提高蒸散发遥感模型估算精度。同时,结合遥感图像数据的时空融合方法,最终获取了黑河流域空间全覆盖和较高时空分辨率(100米,逐日)地表蒸散发数据。利用黑河野外地面站点观测数据和黑河流域区域尺度地表蒸散发相对真值数据集(ETMap)进行验证,估算结果与站点观测数据以及ETMap的时空分布格局均具有较好的一致性。本数据集可直接为黑河流域,特别是上游林地和草地、中下游绿洲农田和荒漠植被的耗水规律研究与流域水资源的科学管理提供数据支撑。
马燕飞, 刘绍民
印度洋是海气相互作用非常活跃的区域,它与太平洋共同构成的“印度洋-太平洋暖池”是全球海温最高、体积最大的暖水区,不仅通过季风将大量的热量和水汽输送到热带外海域,而且热带印度洋上空的强对流也在全球气候变化中扮演重要的角色。研究印度洋本身的热力性质以及海气相互作用,需要准确、可靠的格点化三维海温数据集。 本数据集由印度洋三维格点温度构成,其水平范围覆盖印度洋(30°E-105°E,45°S-30°N),垂直方向从表层到2000米共41层,水平分辨率为1/4°,时间分辨率是逐月。数据采用“表层-次表层”反演技术和最优插值方案制作。首先,“表层-次表层”反演过程使用机器学习算法(广义神经网络)将遥感的海表面温、海表面高度异常等信息投影到次表层,形成反演剖面(或“伪”剖面)。进一步,挑选高质量的反演剖面,补充到英国气象局提供的海洋次表层现场剖面数据库中,使用最优插值方案进行融合,得到最终的融合数据集。通过与现有的IAP、EN4以及Ishii数据集相比,该数据集能够抓住印度洋主要的海温变化特征,高分辨率版本可以提取更多中小尺度信号。该数据集分辨率高,融合了现场剖面和遥感资料的优势,有望在印度洋海气相互作用方面发挥作用。
王公杰, 赵亮
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
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
中国地表温度数据集包含2003-2017年期间中国(约960万平方公里土地)的地表温度数据,时间分辨率为月尺度,空间分辨率为5600 m。 数据集主要是通过集成MODIS每日数据(MOD11C1和MYD11C1),月数据(MOD11C3和MYD11C3)和气象站数据,以重建月尺度LST图像云覆盖下的真实LST来生成的,然后构建回归分析模型以进一步提高精度。 六个具有不同气候条件的自然分区。 精度分析表明,重建结果与现场测量结果密切相关,平均RMSE为1.39°C,MAE为1.30°C,R2为0.97。 详情请参考引用文献Zhao et al (2020)。
毛克彪
水资源估算的主要思路是使用径流系数和径流影响因子(包括气候、地形、土地利用、土壤等)建立机器学习模型,然后再根据模型估算的径流深和降水数据计算出成径流系数。首先,基于全球公开资料,建立径流深和地形、气候、土壤、土地利用的多种机器学习模型,评估不同模型的模拟精度和有效性,选择最优模型用于径流深估算。最后,利用最优模型估算并生成“一带一路”地区径流深分布,根据2015年的降水分布数据,计算得到径流系数分布。
贾绍凤
基于雅鲁藏布江流域内已有的262个雨量筒2014—2016年逐月降水数据,利用海拔地形校正和线性校正相结合的方法对China Meteorological Administration (CMA) 和 Global Land Data Assimilation Systems (GLDAS)降水数据进行校正,重建了雅鲁藏布江流域及7个子流域1961–2016年10km分辨率的逐日降水数据。利用该数据驱动VIC水文模型模拟了流域及各子流域径流及冰雪面积,并利用实测径流、MODIS及冰川编目数据进行验证。
苏凤阁, 孙赫
本套数据集连接了CSR RL06 Mascon和JPL RL06 Mascon数据在GRACE和GRACE-FO之间的间断期。以中国区域作为研究区域,数据集包括“Decimal_time”, “lat”, “lon”, “time”, “time_bounds”, “TWSA_REC”和“Uncertainty”7个参数。其中“Decimal_time”对应为十进制时间,2002年4月-2019年12月份一共191个月(GRACE数据163个月,GRACE-FO数据17个月,GRACE与GRACE-FO间断期11个月,一共191个月。我们并未弥补GRACE或GRACE-FO各自数据之间存在的个别月份的缺失数据);“lat”对应为数据纬度范围;“lon”对应为数据经度范围;“time”对应为数据从2002年1月1日起的年积日;“time_bounds”;对应为数据每个月开始日期和结束日期所对应的年积日。“TWSA_REC”为2002年4月-2019年12月份每个月的中国区域陆地水储量变化;“Uncertainty”是数据与CSR RL06 Mascon产品之间的不确定性。使用GRACE卫星重力数据CSR GRACE/GRACE-FO RL06 Mascon Solutions (version 02)、中国逐日网格降水量实时分析系统(1.0版)数据、CN05.1温度数据等数据集,通过建立降水重构模型,并考虑Mascon产品的季节项和趋势项,得到中国区域基于降水重构陆地水储量变化数据集。数据质量整体较好,全国大部分区域的误差在5cm以内。本数据集补充了GRACE与GRACE-FO卫星中间一年多的数据间断期,为中国区域长期的陆地水储量变化分析提供了完整的时间序列。本数据集与CSR RL06 Mascon产品一样扣除了2004.0000 - 2009.999间的平均值,所以可以直接提取本数据的第164-174个月(即2017年7月至2018年5月)的数据作为间断期的陆地水储量变化的估计。JPL RL06 Mascon数据间断期的构建与CSR RL06 Mascon方法是一致的。
钟玉龙, 冯伟, 钟敏, 明祖涛
“一带一路”沿线国水资源承载力限制性分类/分区是水资源承载力评价的重要成果之一。水资源承载力的限制性分类/分区方法:基于遥感、统计和调研等多源数据,结合水资源可利用量与人均综合用水评价研究,根据资源供给与需求的平衡关系,从水土平衡、人水平衡的角度,定量评价绿色丝绸之路沿线国家和地区的水资源承载力,研究水资源承载力评价的阈值体系,对沿线国家水资源承载力的限制性分类/分区,为水资源安全预警、水资源承载力增强调控策略提供依据。
贾绍凤
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
该数据集包含了黑河流域地表过程综合观测网中游大满站的大孔径闪烁仪通量观测数据。中游大满站分别架设了BLS900和RR-RSS460型号的大孔径闪烁仪,北塔为BLS900的接收端和RR-RSS460的发射端,南塔为BLS900的发射端和RR-RSS460的接收端。观测时间为2019年1月1日至2019年12月31日。站点位于甘肃省张掖市大满灌区内,下垫面是玉米、果园和大棚,以玉米为主。北塔的经纬度是100.3785E,38.8607N,南塔的经纬度是100.3685E,38.8468N,海拔高度约1556m。大孔径闪烁仪的有效高度24.1m,光径长度是1854m,采样频率是1min。 大孔径闪烁仪原始观测数据为1min,发布的数据为经过处理与质量控制后的数据,其中感热通量主要是结合自动气象站观测数据,基于莫宁-奥布霍夫相似理论通过迭代计算得到,主要的质量控制步骤包括:(1)剔除Cn2达到饱和的数据(BLS900:Cn2>7.25E-14,RR-RSS460:Cn2>7.84 E-14);(2)剔除解调信号强度较弱的数据(BLS900:Average X Intensity<1000;RR-RSS460:Demod>-20mv);(3)剔除降水时刻的数据;(4)剔除稳定条件下的弱湍流的数据(u*小于0.1m/s)。在迭代计算过程中,对于BLS900,选取Thiermann and Grassl(1992)的稳定度普适函数;对于RR-RSS460,选取Andreas(1988)的稳定度普适函数,详细介绍请参考Liu et al. (2011, 2013)。由于仪器维修、供电不足和信号问题,大孔径闪烁仪数据缺失的日期为:2019.01.22-2019.01.24;2019.03.01-2019.04.26;2019.08.05-2019.08.07;2019.10.28-2019.10.31;2019.11.29-2019.12.21。 关于发布数据的几点说明:(1)中游LAS数据以BLS900为主,缺失时刻由RR-RSS460观测补充,两者都缺失则以-6999标记。(2)数据表头:Date/Time :日期/时间(格式:yyyy/m/d h:mm),Cn2 :空气折射指数结构参数(单位:m-2/3),H:感热通量(单位:W/m2)。数据时间的含义,如0:30代表0:00-0:30的平均;数据以*.xlsx格式存储。 黑河流域地表过程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)。
车涛, 徐自为, 任志国, 谭俊磊, 张阳, 李新
稳定连续的长时序地表土壤水分数据集对于全球环境和气候变化监测等都非常重要。SMAP等卫星搭载的L波段辐射计能提供目前最优精度的全球地表土壤水分观测,但其数据记录的短时间限制了其在长期研究中的应用;而AMSR-E和AMSR2系列传感器能提供长时序多频段辐射计观测(C、X和K波段)。本数据集是一个20年(2002/07/27~2022/08/31)的全球连续一致的地表土壤水分数据集,分辨率为日尺度的36 km,采用EASE-Grid2投影坐标系,数据单位为m3/m3。数据集采用Yao et al.(2017)发展的土壤水分神经网络反演算法,将SMAP的优势传递到AMSR-E/2,以目前卫星最优精度的SMAP标准土壤水分产品为训练目标,以AMSR-E/2的亮温为输入,最终输出长时序土壤水分数据。该数据集能够重现SMAP土壤水分的时空分布,精度与SMAP土壤水分产品相当;同时该数据集精度优于AMSR-E和AMSR2的官方土壤水分产品,通过全球14个密集观测站网的地面观测验证表明,其土壤水分精度为5%左右。该全球长时序数据集目前时间覆盖20年,随着AMSR2的持续在轨观测以及即将发射的后继AMSR3任务,该数据集是可延长的,为气候极端事件、趋势分析和年代际变化的长时序研究提供支持。
姚盼盼, 卢麾
该数据集包含了2019年1月1日至2019年12月31日的黑河流域地表过程综合观测网中游大满超级站涡动相关仪观测数据。站点位于甘肃省张掖市大满灌区内,下垫面是玉米。观测点的经纬度是100.37223E, 38.85551N,海拔1556.06m。涡动相关仪的架高4.5m,采样频率是10Hz,超声朝向是正北向,超声风速仪(CSAT3)与CO2/H2O分析仪(Li7500A)之间的距离是17cm。 涡动相关仪的原始观测数据为10Hz,发布的数据是采用Eddypro软件处理的30分钟数据,其处理的主要步骤包括:野点值剔除,延迟时间校正,坐标旋转(二次坐标旋转),频率响应修正,超声虚温修正和密度(WPL)修正等。同时对各通量值进行质量评价,主要是大气平稳性(Δst)和湍流相似性特征(ITC)的检验。对Eddypro软件输出的30min通量值也进行了筛选:(1)剔除仪器出错时的数据;(2)剔除降水前后1h的数据;(3)剔除10Hz原始数据中每30min内缺失率大于10%的数据。观测数据的平均周期为30分钟,一天48个数据,缺失数据标记为-6999。 发布的观测数据包括:日期/时间Date/Time,风向Wdir(°),水平风速Wnd(m/s),侧向风速标准差Std_Uy(m/s),超声虚温Tv(℃),水汽密度H2O(g/m3),二氧化碳浓度CO2(mg/m3),摩擦速度Ustar(m/s),奥布霍夫长度L(m),感热通量Hs(W/m2),潜热通量LE(W/m2),二氧化碳通量Fc(mg/(m2s)),感热通量的质量标识QA_Hs,潜热通量的质量标识QA_LE,二氧化碳通量的质量标识QA_Fc。感热、潜热、二氧化碳通量的质量标识分为九级(质量标识1-3数据质量好,4-6数据质量较好,7-8数据质量较差(比插补数据好);9数据质量差))。数据时间的含义,如0:30代表0:00-0:30的平均;数据以*.xls格式存储。 黑河流域地表过程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)。
刘绍民, 车涛, 徐自为, 任志国, 谭俊磊, 张阳, 李新
基于青藏高原土壤温湿度观测网玛曲站点建立的地基L波段微波辐射计观测系统(ELBARA-III,由欧洲航空局提供),本数据集囊括了水平和垂直极化的L波段亮温数据,地表及以下不同层土壤湿度和温度数据,地表通量(如感热、潜热、碳通量),气象要素数据(如降水、上下行长波/短波辐射、空气温度和湿度、气压)以及植被叶面积指数LAI和土壤性质等辅助数据。此多年尺度的数据集可用于提高对陆面过程、微波辐射过程的理解,验证SMOS和SMAP卫星亮温观测和土壤湿度反演结果,校验微波辐射传输模型中的假设条件,验证陆面模式输出以及再分析资料,反演土壤物理性质,量化陆-气间的水、碳、能量交换,并将帮助定量化地球系统模型中参数化方案的偏差和不确定性,从而提出相应改进方案。 ELBARA-III双极化亮温数据可通过测量的辐射计电压和校准的内部噪声温度计算得到。该数据质量可靠,其质量控制主要通过:1)对辐射计输出的原始电压数据(以800Hz采样频率)进行直方图检验,利用统计指标过滤射频干扰对ELBARA-III微波信号数据的影响;2)检查辐射计进行天空辐射测量时两天线端口的电压值是否相似,天线电缆有无损耗;3)分析仪器内部温度、主动冷源温度和环境温度;4)分析不同入射角度的双极化亮温的特点。 - 时间分辨率:30分钟 - 空间分辨率:入射角为40°~ 70°,间隔为5°,观测覆盖范围为3.31 m^2~ 43.64 m^2 - 测量精度:亮温,1 K;土壤水分,0.001 m^3 m^-3;土壤温度,0.1 °C - 单位:亮温,K;土壤水分,m^3 m^-3;土壤温度,°C /K
Bob Su, 文军
本数据集包含2001-2018年青藏高原月平均地表实际蒸散发量,空间分辨率为0.1度。数据集主要以卫星遥感数据(MODIS)和再分析气象数据(CMFD)作为输入,利用地表能量平衡系统模型(SEBS)计算得到。在计算湍流通量的过程中引入了次网格地形拖曳参数化方案,提高了对地表感热通量和潜热通量的模拟。另外,利用青藏高原6个湍流通量站的观测数据对模型输出的蒸散发量进行了验证,显示出了较高的精度。该数据集可用于研究青藏高原陆气相互作用和水循环特征。
韩存博, 马耀明, 王宾宾, 仲雷, 马伟强, 陈学龙, 苏中波
"一带一路"亚洲关键区域流域边界图的划定主要依据以下原则: 原则1:在丝绸之路沿线 原则2:位于干旱半干旱区 原则3:具有较高的水资源风险 原则4:流域完整性 1. 干旱区划分依据 Food and Agriculture Organization of the United Nations. FAO GEONETWORK. Global map of aridity - 10 arc minutes (GeoLayer). (Latest update: 04 Jun 2015) Accessed (6 Mar 2018). URI: http://data.fao.org/ref/221072ae-2090-48a1-be6f-5a88f061431a.html?version=1.0 2. 水资源风险数据: Gassert, F., M. Landis, M. Luck, P. Reig, and T. Shiao. 2014. Aqueduct Global Maps 2.1. Working Paper. Washington, DC: World Resources Institute. 3. 贫困指数数据: Elvidge C D, Sutton P C, Ghosh T, et al. A global poverty map derived from satellite data. Computers & Geosciences, 2009, 35(8): 1652-1660. https://www.ngdc.noaa.gov/eog/dmsp/download_poverty.html 4. 基础流域边界数据: (1) Watershed boundaries were derived from HydroSHEDS drainage basins data (Lehner and Grill 2013) based on a grid resolution of 15 arc-seconds (approximately 500 m at the equator), which can be free download via https://hydrosheds.cr.usgs.gov/hydro.php (2) AQUASTAT Hydrological basins: This dataset is developed as part of a GIS-based information system on water resources. It has been published in the framework of the AQUASTAT - programme of the Land and Water Division of the Food and Agriculture Organization of the United Nations. The map is also available in the SOLAW Report 15: “Sustainable options for addressing land and water problems – A problem tree and case studies”. Data can be free download via http://www.fao.org/nr/water/aquamaps/ (3) HydroBASINS: https://www.hydrosheds.org/downloads 5. The GloRiC provides a database of river types and sub-classifications for all river reaches globally. https://www.hydrosheds.org/page/gloric 6. HydroATLAS offers a global compendium of hydro-environmental sub-basin and river reach characteristics at 15 arc-second resolution. https://www.hydrosheds.org/page/hydroatlas 覆盖面积146.94万平方公里,具体包含如下区域:怒江流域,死海流域,锡斯坦河流域,黄河流域,约旦-叙利亚东部流域,印度河流域,伊朗内流区,乌尔米耶湖流域,石羊河流域,哈里卢德-穆尔加布河流域,两河流域,疏勒河流域,黑河流域,伊塞克库尔湖,塔里木河流域,吐鲁番-哈密盆地,艾比湖流域,准噶尔盆地,阿姆河流域,玛纳斯河流域,乌伦古河流域,额敏河流域,楚河-塔拉斯河流域,锡尔河流域,伊犁河流域,里海流域,澜沧江流域,长江流域,青海湖水系,柴达木盆地东部,柴达木盆地西部,羌塘高原区,雅鲁藏布江流域.
冉有华, 王磊, 曾甜, 盖春梅, 李虎
高质量高时空分辨率降水产品在理解全球和区域尺度的“水-碳-能”循环研究中扮演重要角色。卫星遥感为监测降水高时空变异特征提供了不可替代的手段,尤其是在自然条件恶劣的无资料地区。但由于是间接估算而来,卫星遥感降水产品不可避免地存在系统偏差和随机误差。聚焦于目前主流的遥感降水产品(GPM IMERG及其回推产品,0.1°/half-hourly,2000-present)获取过程中的潜在不足,如该产品的矫正时空尺度为1.0°/monthly,本研究在更高时空尺度上提出一套新的时空矫正算法,并引入高质量地面观测产品APHRODITE(0.25°/daily),生产了一套亚洲地区同期高质量高时空分辨率降水数据集AIMERG(0.1◦/half-hourly,2000–2015)。AIMERG降水数据集能够同时有效考虑卫星估计和地面观测的各自优势,其系统偏差和随机误差在中国地区不同时空尺度上的表现优于GPM IMERG,为亚洲地区相关领域的科学研究及生产实践提供了更为丰富且可靠的基础数据。
马自强
该数据集包含了2019年1月1日至2019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;2019.10.27-11.15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,土壤部分数据在3.10-3.23间数据不正确。(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:2019-6-10 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)。
刘绍民, 车涛, 徐自为, 任志国, 谭俊磊, 张阳, 李新
该数据集包含了2019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张掖湿地站气象要素观测数据。站点位于甘肃省张掖市国家湿地公园,下垫面是芦苇湿地。观测点的经纬度是100.4464E, 38.9751N,海拔1460m。空气温度、相对湿度传感器架设在5m、10m处,朝向正北;气压计安装在2m处;翻斗式雨量计安装在10m处;风速传感器架设在5m、10m处,风向传感器架设在10m处,朝向正北;四分量辐射仪安装在6m处,朝向正南;两个红外温度计安装在6m处,朝向正南,探头朝向是垂直向下;土壤温度探头埋设在地表0cm和地下2cm、4cm、10cm、20cm、40cm处,在距离气象塔2m的正南方;土壤热流板(3块)依次埋设在地下6cm处;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6m(探头垂直向上和向下方向各一个)、冠层内安装在0.25m(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:空气温湿度(Ta_5m、RH_5m、Ta_10m、RH_10m)(单位:摄氏度、百分比)、气压(Press)(单位:百帕)、降水量(Rain)(单位:毫米)、风速(WS_5m、WS_10m)(单位:米/秒)、风向(WD_10m)(单位:度)、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)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤温度(Ts_0cm、Ts_2cm、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm)(单位:摄氏度)、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;(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:2019-6-10 10:30;(6)命名规则为:AWS+站点名称 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)。
车涛, 徐自为, 任志国, 谭俊磊, 张阳, 李新
该数据集包含了2019年1月1日至2019年12月31日黑河水文气象观测网上游阿柔超级站气象要素梯度观测系统数据。站点位于青海省祁连县阿柔乡草达坂村,下垫面是亚高山山地草甸。观测点的经纬度是100.4643E, 38.0473N,海拔3033m。空气温度、相对湿度、风速传感器分别架设在1m、2m、5m、10m、15m、25m处,共6层,朝向正北;风向传感器架设在10m处,朝向正北;气压计安装在2m处;翻斗式雨量计安装在阿柔超级站28m观测塔上;四分量辐射仪安装在5m处,朝向正南;两个红外温度计安装在5m处,朝向正南,探头朝向是垂直向下;光合有效辐射仪安装在5m处,朝向正南,探头朝向是垂直向上;土壤部分传感器埋设在塔体正南方向2m处,其中土壤热流板(自校正式)(3块)均埋设在地下6cm处;平均土壤温度传感器TCAV埋设在地下2cm、4cm处;土壤温度探头埋设在地表0cm和地下2cm、4cm、6cm、10cm、15cm、20cm、30cm、40cm、60cm、80cm、120cm、160cm、200cm、240cm、280cm、320cm处,其中4cm和10cm这两层有三个重复;土壤水分传感器分别埋设在地下2cm、4cm、6cm、10cm、15cm、20cm、30cm、40cm、60cm、80cm、120cm、160cm、200cm、240cm、280cm、320cm处,其中4cm和10cm这两层有三个重复。 观测项目有:风速(WS_1m、WS_2m、WS_5m、WS_10m、WS_15m、WS_25m)(单位:米/秒)、风向(WD_10m)(单位:度)、空气温湿度(Ta_1m、Ta_2m、Ta_5m、Ta_10m、Ta_15m、Ta_25m和RH_1m、RH_2m、RH_5m、RH_10m、RH_15m、RH_25m)(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)、光合有效辐射(PAR)(单位:微摩尔/平方米秒)、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_1、Ms_4cm_2、Ms_4cm_3、Ms_6cm、Ms_10cm_1、Ms_10cm_2、Ms_10cm_3、Ms_15cm、Ms_20cm、Ms_30cm、Ms_40cm、Ms_60cm、Ms_80cm、Ms_120cm、Ms_160cm Ms_200cm、Ms_240cm、Ms_280cm、Ms_320cm)(单位:体积含水量,百分比)、土壤温度(Ts_0cm、Ts_2cm、Ts_4cm_1、Ts_4cm_2、Ts_4cm_3、Ts_6cm、Ts_10cm_1、Ts_10cm_2、Ts_10cm_3、Ts_15cm、Ts_20cm、Ts_30cm、Ts_40cm、Ts_60cm、Ts_80cm、Ts_120cm、Ts_160cm Ts_200cm、Ts_240cm、Ts_280cm、Ts_320cm)(单位:摄氏度)。 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;土壤热通量在1.1-1.19日之间,7-8月G2,由于传感器线头接触不良,数据缺失;9.3-10.27由于采集器的问题,土壤温湿度数据缺失。(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:2019-6-10 10:30;(6)命名规则为:AWS+站点名称。 黑河综合观测网或站点信息请参考Liu et al. (2018)和Che et al. (2019),观测数据处理请参考Liu et al. (2011)。
刘绍民, 车涛, 徐自为, 张阳, 谭俊磊, 任志国, 李新
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