北极放大效应是 20 世纪最显著的气候变化现象。为理解北极放大效应对全球气候变化的响应及影响,科学家们开展了 CMIP6 子计划北极放大效应比较计划(PAMIP)。 中国科学院大气物理研究所的气候系统模式 FGOALS-f3-L 参加了上述计划并完成和提交了 8 组大样本集合试验。这些试验基于陆气耦合模式,分别考虑了不同下垫面强迫的组合在工业革命前情景、 现代气候情景和未来气候变化情景下,全球海温和海冰变化对大气环流及全球气候系统的影响。所有的试验外强迫固定在 2000 年,采用 100 个集合,从 2000 年 4 月 1 日开始积分到 2001 年 6 月 30 日。以上数据为进一步理解北极放大效应现象及其影响提供了新的科学数据和科学依据。
何编
青藏高原分区域动力降尺度(TPSDD)数据集是一个高空间-时间分辨率的网格数据集,用于整个青藏高原的陆地-空气交换过程和低层大气结构研究,并考虑到了青藏高原各分区域的气候特征。该数据集的时间跨度为1981年至2020年,时间分辨率为2小时,空间分辨率为10公里。数据集的气象要素包括近地表土地-空气交换参数,如向下/向上的长波/短波辐射通量、动量通量、显热通量、潜热通量等。此外,还包括从地表到对流层顶的3维风、温度、湿度和气压的垂直分布。通过比较观测数据和最新的ERA5再分析数据,对该数据集进行了独立评估。结果表明了该数据集的准确性和优越性,为未来的气候变化研究提供了巨大的潜力。
李斐, 马舒坡, 朱金焕, 邹捍, 李鹏, 周立波
本数据是基于气象观测数据、水文站点数据,结合各种同化数据和遥感数据,通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM(基于水和能量平衡的分布式水文模型)制备生成,时间分辨率为月尺度,空间分辨率为5km,原始数据格式为ASCII文本格式,数据种类包括格网径流与蒸发(若蒸发小于0,则表示凝华;若径流小于0,则表示当月降水小于蒸发)。若asc无法在arcmap中正常打开,请将asc文件前5行顶格。
王磊, 柴晨好
本数据是基于气象观测数据、水文站点数据,结合各种同化数据和遥感数据,通过耦合积雪、冰川和冻土物理过程的青藏高原多圈层水文模型系统WEB-DHM(基于水和能量平衡的分布式水文模型)制备生成,时间分辨率为月尺度,空间分辨率为5km,原始数据格式为ASCII文本格式,数据种类包括格网径流与蒸发(若蒸发小于0,则表示凝华;若径流小于0,则表示当月降水小于蒸发)。若asc无法在arcmap中正常打开,请将asc文件前5行顶格。
王磊, 刘虎
CMIP6是世界气候研究项目(WCRP)组织的第六次气候模式比较计划。原始数据来源于https://www.wcrp-climate.org/wgcm-cmip/wgcm-cmip6。该数据集包含了CMIP6中情景模式比较子计划(ScenarioMIP)的4种SSP情景组合。(1) SSP126:在SSP1(低强迫情景)基础上对RCP2.6情景的升级(辐射强迫在2100年达到2.6W/m2)。(2)SSP245:在SSP2(中等强迫情景)基础上对RCP4.5情景的升级 (辐射强迫在2100年达到4.5 W/m2)。(3)SSP370:在SSP3(中等强迫情景)基础上新增的RCP7.0排放路径 (辐射强迫在2100年达到7.0 W/m2)。(4)SSP585:在SSP5(高强迫情景)基础上对RCP8.5情景的升级(SSP585是唯一能使辐射强迫在2100年达到8.5 W/m2的SSP场景)。 利用GRU数据对原始CMIP数据进行后处理偏差校正得到2046-2065年月尺度降水(pr)和气温(tas)预估后处理数据集, 参考期为1985-2014年。
叶爱中
冻融指数是气候变化的一个重要敏感指示器,也被广泛应用于冻土变化研究中。研究全球范围内冻融指数的空间分布特征与时间变化趋势,可为全球冻土环境评估、工程建设以及应对气候变化提供依据。该数据集基于1973—2021年覆盖全球陆地且超过14 000个站点的逐日气温观测数据,计算空气冻结指数(FI)和空气融化指数(TI)。冻结/融化指数,是冻结/融化期内日平均气温低于/高于 0 ℃的温度累计值。考虑到指数计算要覆盖整个冻结/融化期,并保证计算时段的连续,北半球以该年7月1日至次年6月30日为一个冻结期,以该年1月1日至12月30日为一个融化期,南半球冻结/融化时段相反。对于有缺测年份的站点未进行填补处理,一方面避免了插值对结果带来的不确定性误差,二是尽可能保留了数据的真实性与准确性。开展全球冻融指数研究,可以有效全面了解近地表热状态,并可以为探究冻融状态变化提供重要的支撑。
彭小清, 陈聪, 牟翠翠
基于12套过去千年温度资料(包括2套青藏高原夏季温度格点重建数据集、2条北极温度重建序列、1套北极格点温度重建序列、6套全球温度格点重建数据集,以及1套过去千年全球再分析数据集),利用最优信号提取法重建了过去千年(900–1999 CE)青藏高原和北极夏季年分辨率气温变化序列。青藏高原的选取范围是(27°N–36°N, 77°E–106°E),北极的选取范围是(60°N–90°N)。重建目标是仪器观测数据CRUTEM4v数据集6月至8月夏季平均气温基于1961–1990 CE时段的异常值。数据可用于研究过去千年青藏高原和北极的温度变化规律及机理。
史锋
青藏高原(TP)在春季和夏季作为一个巨大的高架式地表和大气热源,对区域和全球气候和气候具有重要影响。为了探讨TP的热强迫效应,制备了青藏高原感热异常的全球模拟 敏感性试验数据集。 本数据包含三组敏感性试验:(1)全耦合模式CESM1.2.0中春季3-5月高原感热偏强cgcm_lar_mon_3-12-2.nc和高原感热偏弱cgcm_sma_mon_3-12-2.nc的敏感性试验;(2)单独大气环流模式CAM4.0中春季3-5月高原感热偏强cam_lar_mon3-8.nc和高原感热偏弱cam_sma_mon3-8.nc的敏感性试验。 包括:三维风、位势高度、气温、地表温度、比湿、感热通量、潜热通量、降水等常规变量 空间范围:全球模拟结果
段安民
青藏工程走廊北起格尔木,南至拉萨,其穿越青藏高原核心区域、是连通内地与西藏的重要通道。地表温度作为地表能量平衡中的主要参数,表征了地气间能量和水分交换的程度,广泛应用于气候学、水文学和生态学等的研究中。本文利用Aqua和Terra星白天和晚上的四次观测值求得了年平均地表温度。先下载了分辨率为1公里的8天地表温度合成产品MOD11A2、MYD11A2,再通过MRT(MODIS Reprojection Tool)对两景数据进行了批量拼接和投影转化,最后使用IDL计算得到了2010年以后的年平均MODIS地表温度数据。
牛富俊
根据 CMIP5 3 个未来情景(RCP2.6、RCP4.5、RCP8.5)资料,获得了 2006-2100 世纪全球年平均气温的空间分布。经分析发现在 RCP2.6 情景下,年平均气温呈现增长的趋势,增长率介于 0.0 °C/decade 至 0.2 °C/decade 之间(P<0.05),其中,高纬度地区增长较快,介于 0.1 °C/decade 至 0.2 °C/decade之间。综合 21 世纪全球年平均气温空间和时间变化特征,年平均气温在不同的气候情景下都呈现出变暖的趋势,高纬度地区年平均气温呈现出更加敏感和快速的增长。
牛富俊
1990-2020年全球高分辨率模拟近海洋表层气温-降水-海温数据集来源于最新CMIP6计划。CMIP6是世界气候研究项目(WCRP)组织的第六次气候模式比较计划。原始数据来源于https://www.wcrp-climate.org/wgcm-cmip/wgcm-cmip6。该数据集中包含了全球近海洋表层气温(tmp)、降水(pr)和海温(tos)数据。其中气温和降水数据包含CMIP6中情景模式比较子计划(ScenarioMIP)的4种不同实验场景的共享经济路径(shared socioeconomic pathway, SSP)与辐射强迫(representative concentration pathway, RCP)的矩形组合。(1) SSP126: 在SSP1(低强迫情景)基础上对RCP2.6情景的升级 (辐射强迫在2100年达到2.6W/m2)。(2) SSP245: 在SSP2(中等强迫情景)基础上对RCP4.5情景的升级 (辐射强迫在2100年达到4.5 W/m2)。(3) SSP370: 在SSP3(中等强迫情景)基础上新增的RCP7.0排放路径 (辐射强迫在2100年达到7.0 W/m2)。(4) SSP585: 在SSP5(高强迫情景)基础上对RCP8.5情景的升级(SSP585是唯一能使辐射强迫在2100年达到8.5 W/m2的SSP场景)。海温数据提供SSP126情景数据。
叶爱中
印度洋-第三极(青藏高原)大气和海洋的热力状况是影响亚洲季风活动和泛第三极区域气候变化的重要因素。在季节和年际尺度上,印度洋-第三极经向断面区域的大气和海洋热源状况与印度季风、孟加拉湾季风、热带印度洋海温模态演变等密切相关。基于此,我们计算并建立了印度洋-第三极经向断面区域的大气和海洋热源数据集。 为了得到每个等压面上大气加热率的水平分布,我们采用Yanai et al.(1973)提出的计算大气热源的倒算法: Q_1=c_p [∂T/∂t+V ⃑∙∇T+(p/p_0 )^κ ω ∂θ/∂p] 其中,Q_1为大气视热源,影响大气热源的因子有温度局地变化项、温度平流项和位温垂直变化项。T是气温,θ是位温,V ⃑是水平风矢量,ω是垂直速度,p_0=1013.25hPa。κ=R/c_p,R和c_p分别为干空气的气体常数和定压比热,κ≈0.286。 我们利用ERA5全球大气再分析资料(The Fifth Generation ECMWF Atmospheric Reanalysis of the Global Climate),计算了2000-2019年逐月的印度洋-第三极经向断面区域(30°S-60°N,60°E、70°E、80°E、90°E)大气垂直剖面加热率(单位:K/s,水平分辨率:1°×1°,垂直范围:1000-100hPa,共27层)。 参照Hall and Bryden(1982)可以给出在给定经度的垂直剖面上的海洋内部热能输送(Ocean Heat Transport,OHT)计算公式: OHT=∮_(Θ=Θ_i)▒∫_(z_b)^(z_0)▒〖ρ_0 c_p (θ-θ_r ) 〗∙udz 其中,ρ_0是海水密度,c_p是海水的比热容,θ是海水位温,基准温度θ_r可取0℃,u是纬向海水流速。z_0、z_b分别表示海表和海底深度。 我们利用CMEMS(Copernicus Marine Service)全球海洋集合再分析数据,计算了2000-2019年逐月的印度洋-第三极经向断面区域(30°S-30°N,60°E、70°E、80°E、90°E)海洋内部垂直剖面的热能输送(以向东为正,单位:PW(1015W),水平分辨率:1°×1°,垂直范围:从海表到海底约5900m深度,共75层)。 该数据集可以反映出印度洋-青藏高原地区经向剖面的大气和海洋热力状况与印度季风、孟加拉湾季风、热带印度洋海温模态演变的密切关联。比如,从印度洋-第三极70°E经向断面区域大气垂直剖面加热率的逐月演变(图1)能够看到,从3月至5月,大气热源区从热带南印度洋上空逐渐向北推进,特别是从5月到6月,大气热源区从赤道印度洋上空移向热带北印度洋上空,且强度显著加强、范围明显扩大,与此同时印度夏季风爆发。比如,从印度洋-第三极90°E经向断面区域大气垂直剖面加热率的逐月演变(图2)可以看到,4月到6月,大气热源区从热带印度洋上空向青藏高原南侧扩张并明显增强,与孟加拉湾季风的爆发和向北推进相一致。再比如,根据印度洋-第三极60°E和90°E经向断面区域海洋内部热能输送的逐月演变(图3和4)可知,赤道印度洋次表层有自西向东的海洋热能输送,它与印度洋赤道潜流的位置非常接近,且在西部的强度明显高于东部,这与风-温跃层-海温之间的反馈机制有关;另外值得注意的是,该次表层热能输送在春季(3-5月)较强,夏季减弱,秋末冬初(10-12月)再次显著加强,与印度洋偶极子的发展和形成存在相互作用。
李德琳, 肖子牛, 赵亮
采用WRF4.1.1模式制备的青藏高原高分辨率大气-水文模拟数据集,格点数为191*355,空间分辨率9km,覆盖范围如图1所示,时间分辨率为3h,模拟时采用的主要参数化方案包括:Thompson微物理方案、RRTM长波辐射方案、Dudhia短波辐射方案、MYJ边界层方案、Noah陆面过程方案。数据的时间跨度为2000-2010年,变量包括:降水(Rain),地面2m高度的温度(T2)和湿度(Q2),地表温度(TSK)、地面气压(PSFC)、地面上10m风场的纬向分量(U10)、地面上10m风场的经向分量(V10)。地表向下的长波通量(GLW)、地表向下短波通量(SWDOWN)、地表热通量(GRDFLX)、感热通量(HFX)、潜热通量(LH)、地表径流(SFROFF)、地下径流(UDROFF)等。该数据可有效支撑青藏高原地区区域气候特征及气候变化研究。
孟宪红, 马媛媛
鄂陵湖是青藏高原最大的淡水湖泊,与邻近的扎陵湖一起构成了黄河源头的“姊妹湖”,并入选了国际重要湿地名录,也是三江源国家公园的核心区。本数据集为中国科学院若尔盖高原湿地生态系统研究站2017-2020年黄河源区鄂陵湖草地观测点的常规气象观测数据,使用Kipp&Zonen CNR4、Vaisala HMP155A、PTB110等仪器观测获得,时间分辨率为半小时,主要包括风速、风向、气温、相对湿度(2020年为比湿)、气压、向下短波辐射、向下长波辐射、降水。
孟宪红, 李照国
该数据集包含了2021年1月1日至2021年10月9日青海湖流域地表过程综合观测网高寒草甸草原混合草原超级站气象要素梯度观测系统数据。站点位于青海省天峻县苏里路旁侧,下垫面是高寒草甸和高寒草原的混合。观测点经纬度为:东经 98°35′41.62″E,北纬 37°42′11.47″N,海拔3718m。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3m处;翻斗式雨量计安装在塔西偏北侧10m平台上;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;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的正东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的正东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,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)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、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) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_400cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_400cm)(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;(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:2018/8/31 10:30。
李小雁
该数据集包含了2021年1月1日至2021年10月13日青海湖流域地表过程综合观测网亚高山灌丛气象要素梯度观测系统数据。站点位于青海省刚察县沙柳河镇大寺附近,下垫面是亚高山灌丛。观测点经纬度为:东经100°6'3.62"E,北纬37°31'15.67" N,海拔3495m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m处,共3层,朝向正北;气压计安装在3m处;翻斗式雨量计安装在塔西偏北侧2m平台上;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;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和500cm处,在距离气象塔2m的正东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和500cm处,在距离气象塔2m的正东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m和RH_3m、RH_5m、RH_10m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、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) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_500cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_500cm)(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;(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:2018/8/31 10:30。
李小雁
该数据集包含了2021年1月1日至2021年10月13日的青海湖流域水文气象观测网温性草原气象要素梯度观测系统数据。站点位于青海省刚察县三角城种羊场,下垫面是温性草原。观测点经纬度为:东经 100°14'8.99"E,北纬 37°14'49.00"N,海拔3210m。风速/风向、风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m处,共3层,朝向正北;气压计安装在3m处;翻斗式雨量计安装在塔西偏北侧;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;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和400cm处,在距离气象塔2m的东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m和RH_3m、RH_5m、RH_10m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、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) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_400cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_400cm)(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;(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:2018/8/31 10:30。
李小雁
数据内容:Nukus灌区2021年1月至2021年12月气温数据,单位为0.1℃。 数据来源及加工方法:本数据来源于Nukus灌区地下水自动监测站采集。 数据质量描述:本数据为站点数据,时间分辨率为3小时。 数据应用成果及前景:在气候变化背景下,可用于气象要素和地下水特征相关关系分析,也可以与其它水文气象数据相结合分析地下水时间以及空间分布变化特征。同时也可作为诸如极端气候、粮食减产以及人类健康等相关领域研究的基础数据。
刘铁
该数据集包含了黑河流域地表过程综合观测网上游阿柔站的大孔径闪烁仪通量观测数据。上游阿柔站分别架设了BLS900和RR-RSS460型号的大孔径闪烁仪,北塔为RR-RSS460的接收端和BLS900的发射端,南塔为RR-RSS460的发射端和BLS900的接收端。观测时间为2021年1月1日至2021年12月31日。站点位于青海省祁连县阿柔乡草达坂村,下垫面是高寒草地。北塔的经纬度是100.4712E,38.0568N,南塔的经纬度是100.4572E,38.0384N,海拔高度约3033m。大孔径闪烁仪的有效高度13.0m,光径长度是2390m,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)。 关于发布数据的几点说明:(1)上游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)。
刘绍民, 车涛, 徐自为, 张阳, 谭俊磊, 任志国, 李新
青藏高原作为“亚洲水塔”,对全球自然环境和气候变化有着深远的影响。因此,研究青藏高原对流层-平流层水汽分布特征是理解高原水塔的水汽来源和变化规律的重要环节。而在此地区缺乏原位观测,急需水汽探空数据集。为此,我们在青藏高原拉萨、昆明测站开展了探空观测,继而获得青藏高原对流层-平流层夏季水汽垂直分布。将数据集命名为泛第三极水汽探空数据集(Pan-Third Pole Water Vapor Sounding),主要是2009年7月至2019年8月在拉萨、昆明测站开展探空气球实验,获取的水汽廓线数据。通过常规高空探测气球搭载低温霜点湿度计(CFH)及无线电探空仪(iMet)等获取大气高度(Altitude)、水汽(H2O)、温度(Temp)、气压(Press)和位温(Theta)等从近地面到20 km高度数据。通过无线电探空仪将数据实时传回地面接收站。
卞建春
以中国科学院区域气候-环境重点实验室研制的区域环境集成系统模式为基础,建成了青藏高原对流解析区域气候模式。 模式模拟区域的网格中心位于(34N,100E), 水平分辨率为3km,模式的模拟网格点数为465(经向)X 375(纬向)。垂直方向为27层。模式层顶气压为50 百帕。缓冲区为15个网格,积分时间为2010年一年,采用欧洲中期天气预报中心的水平分辨率为0.25X0.25时间间隔为6小时的ERA5再分析资料作为驱动场,生成水平分辨为3公里*3公里时间间隔为1小时2010年青藏高原地面气象要素驱动数据 采用青藏高原对流解析区域气候模式进行动力降尺度后,解决青藏高原等地区缺乏长时间序列高时空分辨率的气象数据集的瓶颈问题,为青藏高原气候和环境未来变化、生态安全屏障建设等提供坚实可靠的科学数据基础。
熊喆
青藏高原及周边地区孕灾、致灾、承灾数据集包含了地貌数据、归一化植被指数数据、年均气温与降雨数据、承灾价值等级数据,覆盖656万平方公里的范围。该数据集主要是为了进行灾害、风险评价而准备。由于覆盖范围巨大,地貌数据采用了150m空间分辨率,其他数据采用了1000m空间分辨率。地貌、植被指数、气温降雨数据主要通过加工开源数据生产,承灾价值等级数据为叠加计算生产,综合考虑了人口数据、夜间灯光指数、建筑物、地表覆被类型。
唐晨晓
塔吉克斯坦西帕米尔冰川气象站(38°3′15″N,72°16′52″E,3730m),该站为中国气象局乌鲁木齐沙漠气象研究所和塔吉克斯坦国家科学院水问题水能与生态研究所、塔吉克斯坦水文气象局合作建设。观测数据包括逐时气象要素(风向平均值(°)、内风速平均值(m/s)、风速最大时的风向(°)、风速最大值(m/s)、平均气温(℃)、最高气温(℃)、最低气温(℃)、平均相对湿度(%)、最低相对湿度(%)、平均大气压(hPa)、最高大气压(hPa)、最低大气压(hPa))。 资料时段为2020年12月10日至2021年10月13日 气象观测资料可以为研究西帕米尔山区气候变化、冰川、水资源之间的关系提供重要基础数据,为塔吉克斯坦阿姆河流域下游经济建设提供重要的数据。
霍文
青藏高原2018-2019年1km分辨率逐月气象数据集时间为2018年1月-2019年12月。原始数据来自地球陆地表面高分辨率气候学数据(CHELSA, Climatologies at high resolution for the earth’s land surface areas),经过空间校正、精度验证和裁剪等得到1km分辨率降水量、风速、气温、湿度数据。 数据可用ArcGIS、ENVI或其他地理信息系统和遥感软件打开使用。
杨雅萍
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络西营河站气象要素梯度观测系统数据。站点位于甘肃武威西营镇,下垫面是高寒草甸。观测点的经纬度是101.853E,37.561N,海拔3614m。二维超声风速/风向传感器和空气温湿度传感器分别架设在2m、4m、8m处,共3层,朝向正北;气压计安装在1.5m采集箱内;翻斗式雨量计安装在塔4m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、20cm和40cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_2_1、WS_1_4_1、WS_1_8_1)(单位:米/秒)、风向(WD_1_2_1、WD_1_4_1、WD_1_8_1)(单位:度)、空气温湿度(Ta_1_2_1、Ta_1_4_1、Ta_1_8_1和RH_1_2_1、RH_1_4_1、RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、RN_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_10_1)(单位:瓦/平方米)、土壤水分(SWC_1_5_1、SWC_1_20_1、SWC_1_40_1)(单位:百分比)、土壤温度(TS_1_5_1、TS_1_20_1、TS_1_40_1)(单位:摄氏度) 、土壤水势(SWP_1_5_1、SWP_1_20_1,SWP_1_40_1)(单位:千帕)、土壤电导率(EC_1_5_1、EC_1_20_1、EC_1_40_1)(单位:微西门子/厘米)、光合有效辐射(PPFD_1_4_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;2021.1.1-2021.7.23日,大气压传感器故障,该位置大气压数据错误;2021.9.15-2021.12.31日,20cm土壤三参数传感器故障,该位置土壤三参数数据错误;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络苏干湖站气象要素梯度观测系统数据。站点位于甘肃苏干湖,下垫面是湿地。观测点的经纬度是94.125E,38.992N,海拔2823m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处,朝向正北;气压计安装在1m采集箱内;翻斗式雨量计安装在塔4m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下10cm、20cm和40cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_4_1、WS_1_8_1)(单位:米/秒)、风向(WD_1_4_1、WD_1_8_1)(单位:度)、空气温湿度(Ta_1_4_1、Ta_1_8_1和RH_1_4_1、RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、RN_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_5_1)(单位:瓦/平方米)、土壤水分(SWC_1_10_1、SWC_1_20_1、SWC_1_40_1)(单位:百分比)、土壤温度(TS_1_10_1、TS_1_20_1、TS_1_40_1)(单位:摄氏度) 、土壤水势(SWP_1_10_1,SWP_1_20_1、SWP_1_40_1)(单位:千帕)、土壤电导率(EC_1_10_1,EC_1_20_1、EC_1_40_1)(单位:微西门子/厘米)光合有效辐射(PPFD_1_4_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络寺大隆站气象要素梯度观测系统数据。站点位于甘肃张掖市肃南县康乐乡,下垫面是森林。观测点的经纬度是99.926E,38.428N,海拔3146m。二维超声风速/风向传感器和空气温湿度传感器分别架设在1m、2m、13m、24m、48m处,共5层;气压计安装在1.5m采集箱内;翻斗式雨量计安装在塔24m处;两个红外温度计分别安装在4m(冠层下)、24m(冠层下)处,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、10cm、20cm、40cm和60cm处;光合有效辐射传感器分别安装在4m(冠层下)、30m(冠层下)处;日照时数传感器以及四分量辐射仪安装在30m处。 观测项目有:风速(WS_1_1_1、WS_1_2_1、WS_1_13_1、WS_1_24_1、WS_1_48_1)(单位:米/秒)、风向(WD_1_1_1、WD_1_2_1、WD_1_13_1、WD_1_24_1、WD_1_48_1)(单位:度)、空气温湿度(Ta_1_1_1、Ta_1_2_1、Ta_1_13_1、Ta_1_24_1、Ta_1_48_1和RH_1_1_1、RH_1_2_1、RH_1_13_1、RH_1_24_1、RH_1_48_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_24_1)(单位:毫米)、四分量辐射(SWIN_1_30_1、SWOUT_1_30_1、LWIN_1_30_1、LWOUT_1_30_1、RN_1_30_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1、TC_1_30_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_10_1)(单位:瓦/平方米)、土壤水分(SWC_1_5_1、SWC_1_10_1、SWC_1_20_1、SWC_1_40_1、SWC_1_60_1 (单位:百分比)、土壤温度(TS_1_5_1、TS_1_10_1、TS_1_20_1、TS_1_40_1、TS_1_60_1)(单位:摄氏度) 、土壤水势(SWP_1_5_1、SWP_1_10_1、SWP_1_20_1、SWP_1_40_1、SWP_1_60_1)(单位:千帕)、土壤电导率(EC_1_5_1、EC_1_10_1、EC_1_20_1、EC_1_40_1、EC_1_60_1)(单位:微西门子/厘米)、光合有效辐射(PPFD_1_4_1、PPFD_1_30_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_30_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络民勤站气象要素梯度观测系统数据。站点位于甘肃省武威市民勤县,地处中国西部地区巴丹吉林沙漠和腾格里沙漠之间。观测点的经纬度是103.668E,39.208N,海拔1020m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处,共2层,朝向正北;气压计安装在1.5m采集箱内;翻斗式雨量计安装在塔4m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下10cm和20cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_4_1、WS_1_8_1)(单位:米/秒)、风向(WD_1_4_1、WD_1_8_1)(单位:度)、空气温湿度(Ta_1_4_1、Ta_1_8_1和RH_1_4_1、RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、Rn_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_5_1)(单位:瓦/平方米)、土壤水分(SWC_1_10_1、SWC_1_20_1)(单位:百分比)、土壤温度(TS_1_10_1、TS_1_20_1)(单位:摄氏度) 、土壤水势(SWP_1_10_1,SWP_1_20_1)(单位:千帕)、土壤电导率(EC_1_10_1、EC_1_20_1)(单位:微西门子/厘米)、光合有效辐射(PPFD_1_4_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络临泽站气象要素梯度观测系统数据。站点位于甘肃张掖临泽新华镇古寨村,下垫面是农田。观测点的经纬度是100.062E,39.238N,海拔1402m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处,共2层,朝向正北;气压计安装在1m采集箱内;翻斗式雨量计安装在塔4m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm和20cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_4_1、WS_1_8_1)(单位:米/秒)、风向(WD_1_4_1、WD_1_8_1)(单位:度)、空气温湿度(Ta_1_4_1、Ta_1_8_1和RH_1_4_1、RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、RN_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_10_1)(单位:瓦/平方米)、土壤水分(SWC_1_5_1、SWC_1_20_1)(单位:百分比)、土壤温度(TS_1_5_1、TS_1_10_1)(单位:摄氏度) 、土壤水势(SWP_1_5_1,SWP_1_20_1)(单位:千帕)、土壤电导率(EC_1_5_1、EC_1_20_1)(单位:微西门子/厘米)、光合有效辐射(PPFD_1_4_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月4日至2021年12月31日兰州大学寒旱区科学观测网络连城站气象要素梯度观测系统数据。站点位于甘肃永登连城吐鲁沟国家森林公园吐鲁坪,下垫面是森林。观测点的经纬度是102.737E,36.692N,海拔2903m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处,共2层,朝向正北;气压计安装在1.5m采集箱内;翻斗式雨量计安装在塔2m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm和10cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_4_1、WS_1_8_1)(单位:米/秒)、风向(WD_1_4_1、WD_1_8_1)(单位:度)、空气温湿度(Ta_1_4_1、Ta_1_8_1和RH_1_4_1、RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、Rn_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_10_1)(单位:瓦/平方米)、土壤水分(SWC_1_5_1、SWC_1_10_1)(单位:百分比)、土壤温度(TS_1_5_1、TS_1_10_1)(单位:摄氏度) 、土壤水势(SWP_1_5_1,SWP_1_10_1)(单位:千帕)、土壤电导率(EC_1_5_1、EC_1_10_1)(单位:微西门子/厘米)、光合有效辐射(PPFD_1_1_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;2021.6.13-3021.9.8日,由于电线被老鼠咬断,导致所有传感器数据缺失;2021.1.4-2021.9.8日,8m风速风向传感器、5/10cm土壤温/湿/电导率传感器、5/10土壤水势传感器、4m红外地温传感器故障(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)日期和时间的格式统一,并且日期、时间在同一列。如,时间为:2021-8-20 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络瓜州站气象要素梯度观测系统数据。站点位于甘肃酒泉瓜州县柳园镇,下垫面是荒漠。观测点的经纬度是95.673E,41.405N,海拔2014m。二维超声风速/风向传感器和空气温湿度传感器分别架设在2m、4m、8m、16m、32m、48m处,共6层,朝向正北;气压计安装在1.5m采集箱内;翻斗式雨量计安装在塔4m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm、10cm、20cm、40cm、60cm、80cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_2_1、WS_1_4_1、WS_1_8_1、WS_1_16_1、WS_1_32_1、WS_1_48_1)(单位:米/秒)、风向(WD_1_2_1、WD_1_4_1、WD_1_8_1、WD_1_16_1、WD_1_32_1、WD_1_48_1)(单位:度)、空气温湿度(Ta_1_2_1、Ta_1_4_1、Ta_1_8_1、Ta_1_16_1、Ta_1_32_1、Ta_1_48_1和RH_1_2_1、RH_1_4_1、RH_1_8_1、RH_1_16_1、RH_1_32_1、RH_1_48_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、RN_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_10_1)(单位:瓦/平方米)、土壤水分(SWC_1_5_1、SWC_1_10_1、SWC_1_20_1、SWC_1_40_1、SWC_1_60_1、SWC_1_80_1)(单位:百分比)、土壤温度(TS_1_5_1、TS_1_10_1、TS_1_20_1、TS_1_40_1、TS_1_60_1、TS_1_80_1)(单位:摄氏度) 、土壤水势(SWP_1_5_1、SWP_1_10_1、SWP_1_20_1、SWP_1_40_1、SWP_1_60_1、SWP_1_80_1)(单位:千帕)、土壤电导率(EC_1_5_1、EC_1_10_1、EC_1_20_1、EC_1_40_1、EC_1_60_1、EC_1_80_1)(单位:微西门子/厘米)、光合有效辐射(PPFD_1_4_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络敦煌站气象要素梯度观测系统数据。站点位于甘肃敦煌西湖,下垫面是湿地。观测点的经纬度是93.709E,40.348N,海拔994m。二维超声风速/风向传感器和空气温湿度传感器分别架设在4m、8m处,朝向正北;气压计安装在1m采集箱内;翻斗式雨量计安装在塔4m处;红外温度计安装在4m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)(2块)依次埋设在塔南侧植被下5cm和10cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下5cm和20cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在4m处,朝向正南。 观测项目有:风速(WS_1_4_1、WS_1_8_1)(单位:米/秒)、风向(WD_1_4_1、WD_1_8_1)(单位:度)、空气温湿度(Ta_1_4_1、Ta_1_8_1和RH_1_4_1、RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、RN_1_4_1)(单位:瓦/平方米)、地表辐射温度(TC_1_4_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1、SHF_1_10_1)(单位:瓦/平方米)、土壤水分(SWC_1_5_1、SWC_1_20_1)(单位:百分比)、土壤温度(TS_1_5_1、TS_1_20_1)(单位:摄氏度) 、土壤水势(SWP_1_5_1,SWP_1_20_1)(单位:千帕)、土壤电导率(EC_1_5_1,EC_1_20_1)(单位:微西门子/厘米)光合有效辐射(PPFD_1_4_1)(单位:微摩尔/平方米秒)、日照时数(Sun_time_1_4_1)(单位:小时)。 观测数据的处理与质量控制:(1)确保每天144个数据(每10min);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
该数据集包含了2021年1月1日至2021年12月31日兰州大学寒旱区科学观测网络大野口站气象要素梯度观测系统数据。站点位于甘肃张掖大野口排露沟,下垫面是林缘草地。观测点的经纬度是100.286E,38.556N,海拔2703m。二维超声风速/风向传感器和空气温湿度传感器分别架设在8m处;气压计安装在1.5m采集箱内;翻斗式雨量计安装在塔2m处;红外温度计安装在2m处,朝向正南,探头朝向垂直向下;土壤热通量板(自校正式)埋设在塔南侧植被下5cm处;土壤温/湿/电导率传感器和土壤水势传感器埋设在塔南侧植被下20cm处;光合有效辐射传感器、日照时数传感器以及四分量辐射仪安装在2m处,朝向正南。 观测项目有:风速(WS_1_8_1)(单位:米/秒)、风向(WD_1_8_1)(单位:度)、空气温湿度(Ta_1_8_1和RH_1_8_1)(单位:摄氏度、百分比)、气压(PA_1_1_1)(单位:百帕)、降水量(P_1_4_1)(单位:毫米)、四分量辐射(SWIN_1_4_1、SWOUT_1_4_1、LWIN_1_4_1、LWOUT_1_4_1、Rn)(单位:瓦/平方米)、地表辐射温度(TC_1_1_1)(单位:摄氏度)、土壤热通量(SHF_1_5_1)(单位:瓦/平方米)、土壤水分(SWC_1_20_1)(单位:百分比)、土壤温度(TS_1_20_1)(单位:摄氏度) 、土壤水势(SWP_1_20_1)(单位:千帕)、土壤电导率(EC_1_20_1)(单位:微西门子/厘米)光合有效辐射(PPFD_1_4_1)(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);缺失或异常数据用-6999代替;(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:2021-6-10 10:30。
赵长明, 张仁懿
本数据集综合了2014年珠峰、林芝、纳木错(探空观测时段为6月、8月和11月的 08时,14时和20时)站点和2019年第二次青藏高原科考“地-气相互作用与气候效应”立体综合加强期观测试验狮泉河(探空观测时段为5月、7月和10月的02时, 08时,14时和20时)站点探空观测数据。本数据是由位温、比湿、风速、风向和相对高度组成的梯度观测数据,数据采集频率为2s,使用时间均为北京时,数据完整性文件命名规则为:年份+要素.xlsx。
李茂善, 马耀明, 胡泽勇, 陈学龙, 孙方林, 马伟强
1)数据内容:2001-2018年南极冰盖近地面月气温时空数据集。 2)数据来源及加工方法:利用中分辨率成像光谱仪(MODIS)地表温度测量数据,结合119个气象站的现场气温记录,利用神经网络模型重建了南极冰盖(AIS)近地面气温数据,分辨率为0.05°×0.05°,时间尺度为2001-2018。 3)数据质量描述:精度优于ERA5再分析资料。 4)数据应用成果及前景:该数据库可用于研究南极冰盖近地面气温的时空分布特征,研究SAM和ENSO等对南极气温年际变化的影响。此外,由于数值天气预报模式输入的独立性,该数据集有可能用于气候模式验证和数据同化。
张雪影
数据集为中国多情景多模式逐月平均气温数据,空间分辨率为0.0083333°(约1km),时间为2021年1月-2100年12月。数据为NETCDF格式。数据是根据IPCC耦合模式比较计划第六阶段(CMIP6)发布的全球>100 km气候模式数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成。数据采用IPCC最新发布的SSP情景(SSP119、SSP245、SSP585),每个情景包含三个GCMs(EC-Earth3、GFDL-ESM4、MRI-ESM2-0)气候数据,数据集包含的地理空间范围是中国主要陆地,不含南海岛礁等区域。单位为0.1℃。文件命名是GCM_SSP_tmp-30s-序号.nc,30s即0.0083333°,序号从1-40,序号1表示2021.1-2022.12,依次表示年份;以EC-Earth3_ssp119_tmp-30s-1.nc文件为例,表示SSP119情景下EC-Earth3气候模的1km分辨率2021.1-2022.12逐月均温数据,含24个图层。欲更深入的理解数据请参阅文献引用方式下的数据作者已发表的论文。
彭守璋
近地表气温是反映气候变化的重要物理参数。为了获得中国地区高时空分辨率的日数据(Tmax、Tmin和Tavg),我们充分分析了各种现有数据(再分析数据、遥感数据和原位数据)的优缺点。针对不同的天气条件建立了不同的Ta重建模型,并通过建立不同区域的修正方程进一步提高数据精度。最后,获得了1979 - 2018年中国逐日气温数据集(Tmax、Tmin和Tavg),空间分辨率为0.1°。 对于Tmax,使用原位数据的验证表明,均方根误差(RMSE)范围为0.86°C至1.78°C,平均绝对误差(MAE)范围为0.63°C至1.40°C,皮尔逊系数(R2)范围为0.96至0.99。Tmin的RMSE为0.78°C ~ 2.09°C, MAE为0.58°C ~ 1.61°C, R2为0.95 ~ 0.99。对于Tavg, RMSE范围为0.35°C ~ 1.00°C, MAE范围为0.27°C ~ 0.68°C, R2范围为0.99 ~ 1.00。此外,利用多种评价指标分析Ta的时空变化趋势,Tavg增加幅度大于0.0°C/a,与全球变暖的总体趋势一致。 综上所述,该数据集具有较高的空间分辨率和可靠的精度,弥补了之前在高空间分辨率下缺失的温度值(Tmax、Tmin和Tavg)。该数据集也为研究气候变化,特别是高温干旱和低温冷害提供了关键参数。
方舒, 毛克彪
由于气象站点在三江流域内分布不均,并且多沿着交通干线,无观测数据的地区多,普通的空间插值方法难以获得准确的空间分布特征。基于WorldClim v2.1空间数据集中的气温数据,采用MATLAB语言读取三江流域研究区内空气温度数据,进行计算并输出为GIS格式的数据,采用ArcGIS软件实现三江流域2007-2018年平均气温状况的空间分布数据集。通过该数据集,有效解决了三江流域因地势复杂、高山峡谷众多导致气象站点在区内分布不均的问题,可较好的反映三江流域空气气温的2007-2018年长期的平均分布状况。
刘明浩
气温是重要的外动力环境要素之一。收集研究区三江流域内典型区域10处气象观测站点五道梁、沱沱河、曲麻莱、那曲、玉树、丁青、昌都、巴塘、得荣、丽江的气温日值数据,对收集数据进行筛选、剔除、分类计算等加工程序,获得研究区关键区域的年平均气温外动力环境因素2000-2020年时序数据集,通过该数据集,可反映三江流域关键区2000-2020年年平均气温变化规律及趋势,了解影响青藏高原滑坡的外动力因素气温的变化情况。
刘明浩
本数据集的制备是基于提出的针对藏东南冰川地区的全天候地表温度数据降尺度方法,通过分析全天候地表温度与其时空影响因子高程、地表覆盖类型、植被指数、积雪指数、地表反射率等数据之间的关系,构建了全天候地表温度的降尺度模型,将全天候地表温度产品的空间分辨率由1 km提升至250 m。通过地面站点实测数据进行验证,验证结果表明降尺度地表温度在站点处的RMSE白天与夜间分别为2.25 K、2.16 K左右,较原始1 km地表温度产品精度提升约0.5 K。图像质量指数的计算结果表明降尺度地表温度不仅获得了大量的细节热信息,而且在空间格局和幅值上与原始1 km地表温度保持了高度的一致性。本数据集对藏东南冰川地区高分辨率全天候地表温度生成和灾害监测具有一定的意义。
周纪, 黄志明, 钟海玲, 唐文彬
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
该数据集包含了2020年1月1日至2020年12月31日青海湖流域地表过程综合观测网亚高山灌丛气象要素梯度观测系统数据。站点位于青海省刚察县沙柳河镇大寺附近,下垫面是亚高山灌丛。观测点经纬度为:东经100°6'3.62"E,北纬37°31'15.67" N,海拔3495m。风速/风向、空气温度、相对湿度传感器分别架设在3m、5m、10m处,共3层,朝向正北;气压计安装在3m处;翻斗式雨量计安装在塔西偏北侧2m平台上;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;土壤温度探头埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和500cm处,在距离气象塔2m的正东方;土壤水分传感器分别埋设在地下5cm、10cm、20cm、40cm、80cm、120cm、200cm、300cm和500cm处,在距离气象塔2m的正东方;光合有效辐射仪安装在6m处,探头垂直向上和向下方向各一个,朝向正南。 观测项目有:风速(WS_3m、WS_5m、WS_10m)(单位:米/秒)、风向(WD_3m、WD_5m、WD_10m)(单位:度)、空气温湿度(Ta_3m、Ta_5m、Ta_10m和RH_3m、RH_5m、RH_10m)(单位:摄氏度、百分比)、降水量(Rain)(单位:毫米)、气压(Press)(单位:百帕)、地表辐射温度(IRT_1、IRT_2)(单位:摄氏度)、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) 、四分量辐射(DR、UR、DLR_Cor、ULR_Cor、Rn)(单位:瓦/平方米)、土壤热通量(Gs_1、Gs_2、Gs_3)(单位:瓦/平方米)、土壤水分(Ms_5cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_200cm、Ms_300cm、Ms_500cm)(单位:百分比)、土壤温度(Ts_5cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_200cm、Ts_300cm、Ts_500cm)(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;(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:2018/8/31 10:30。
李小雁
基于中国地面逐日气象要素数据集、全国地理基础数据、自然环境基础数据集,运用像元二分模型、密度分析、RclimDex、非平稳标准化降水蒸散指数(NSPEI)和双线性内插法等多种指标计算方法计算了横断山区的极端降水、极端气温、干旱强度、干旱频率等多种指标。该数据集包括横断山区的孕灾环境基础数据集、极端降水指标基础数据集、极端气温指标基础数据集、干旱强度和干旱频率基础数据集。该数据集可为区域内极端高温、降水和干旱风险评估提供基本的指标体系。我们得出横断山区内90%以上站点的极端气温暖指数显著上升,极端气温冷指数显著下降。南北气温差异显著,以青藏高原为界,北部气温日较差大,平均在13.83℃,南部气温日较差小,平均为11.38℃,南部平均的冰冻日数在1d左右。随着重现期的增加,持续干燥期(CDD)大于110d的区域逐渐由西部扩大到金沙江下游流域;在不同重现期下,持续降雨期(CWD)和年降水总量(PRCPTOT)的高值区集中在西部和南部的边缘;北部的日最大降水量(RX1day)在不同重现期下变化不显著,在60mm以下;最低气温极小值(TNn)和最高气温极大值(TXx)在空间分布上北低南高,40℃以上的高温普遍发生在南部的干旱河谷。
孙鹏
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
该数据集包含了2019年1月1日至2019年12月31日的青海湖流域自动气象站观测数据。共有两个站点,其中鸟岛站位于青海省海南州共和县,观测点经纬度36°58′N,99°52′E;瓦颜山站位于青海省海北州刚察县伊克乌兰乡观测点经纬度37°44′ N,100°05′ E。观测要素包括3层(1m、5m、10m)空气温度(℃)和相对湿度(%),大气压强(hpa)和光合有效辐射(W/m2)。数据基于CR1000 数据采集器收集,使用hmp155a测量空气温度与湿度,使用CS106测量大气压强, 使用LI200R测量光合辐射,每半小时进行一次数据记录。本数据集将为青藏高原重点城镇化地区生态安全屏障优化体系研究提供支持。
陈克龙, 陈治荣
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
该数据集包括2000–2009 和 2090–2099两个时段的NEX-GDDP (NASA Earth Exchange Global Daily Downscaled Projections)的每日最低气温(Tmin)、最高气温数据(Tmax)和降水量(PPT)数据(v1.0),日最高温和日最低温单位为K;降水量单位为kgm-2s-1;背景填充值为-999。 本数据集在原始数据基础上裁取青藏高原范围内像元,原始数据于2020年8月下载自 https://portal.nccs.nasa.gov/datashare/NEXGDDP/BCSD/。 NEX-GDDP数据集由CMIP5(Coupled Model Intercomparison Project Phase 5)历史气候和RCP(Representative Concentration Pathways)4.5情景模式下运行的大气环流模型(General Circulation Models)得到,共包括21个大气环流模型;其中 2000–2005为历史气候情景,2006–2009和2090–2099为RCP 4.5情景。原始数据相关说明请参见:https://www.nccs.nasa.gov/services/data-collections/land-based-products/nex-gddp。
沈妙根, 姜楠
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
该数据集记录了1998-2020年青海省主要地区平均气温,数据是按月份和年平均值指标进行划分的。数据整理自青海省统计局发布的青海省统计年鉴。数据集包含20个数据表,数据表结构相同。例如2020年的数据表共有11个字段: 字段1:月份 字段2:地区 字段3:西宁 字段4:海东 字段5:海北 字段6:黄南 字段7:海南 字段8:果洛 字段9:玉树 字段10:海西 字段11:格尔木市
青海省统计局
塔吉克斯坦西帕米尔冰川气象站(38°3′15″N,72°16′52″E,3730m),该站为中国气象局乌鲁木齐沙漠气象研究所和塔吉克斯坦国家科学院水问题水能与生态研究所、塔吉克斯坦水文气象局合作建设。观测数据包括逐时气象要素(风向平均值(°)、内风速平均值(m/s)、风速最大时的风向(°)、风速最大值(m/s)、平均气温(℃)、最高气温(℃)、最低气温(℃)、平均相对湿度(%)、最低相对湿度(%)、平均大气压(hPa)、最高大气压(hPa)、最低大气压(hPa))。 资料时段为2019年11月1日至2020年11月30日 气象观测资料可以为研究西帕米尔山区气候变化、冰川、水资源之间的关系提供重要基础数据,为塔吉克斯坦阿姆河流域下游经济建设提供重要的数据。
霍文, 张瑞波
本数据是基于Chen et al. 2016, Chen et al. 2011, Chen et al. 2013 所使用的2008年改则无线电探空观测数据基础之上再加工处理成的资料,加工的大气风速、风向、气温、相对湿度、气压的垂直分辨率为20m,共处理了2008年三个观测阶段的资料,即IOP1,IOP2和IOP3。IOP1从2008年2月25日开始到2008年3月19日,IOP2从2008年5月13日到6月12日,IOP3从2008年7月7日到7月16日,一天4次观测。原始无线电探空仪型号为Vaisala RS-92,原数据为每2s一条数据记录,根据Chen et al. 的文章需要对该资料采用高度等间距法对所有变量进行了线性插值。
陈学龙, 马耀明
(1)本数据是慕士塔格站2015-2018年的气象数据,观测点位置为东经75.29°,北纬38.40°,海拔4924米,参数包括:气温,相对湿度,气压, 降水量和风速。 (2) 数据来源及加工方法:数据来源于该站点自动气象站的半小时数据,首先剔除原始记录中的异常数据,然后计算这些参数的日值。 (3)数据质量描述:在1月至3月份部分时段数据不连续 (4)该气象数据可用于如大气科学、气候学、自然地理学和冰川学等方面的研究工作。
谢营
(1)本数据是慕士塔格站2019年的气象数据,观测点位置为东经75°03.35′,北纬38°24.77′,海拔3650米,参数包括:气温,相对湿度,气压,降水量,辐射,风速,土壤温度和土壤湿度。 (2) 数据来源及加工方法:数据来源于该站点自动气象站的半小时数据,首先剔除原始记录中的异常和错误数据,然后计算这些参数的日值。 (3)该数据可用于如大气科学、气候学、自然地理学和生态学等方面的研究工作。
谢营
该数据为中国科学院藏东南高山环境综合观测研究站2016年在色季拉山西坡山顶架设自动气象站数据(AWS,Campbell公司),地理坐标为北纬29.5919,东经94.6102,海拔4640m,下垫面为高山草地。 数据包括气温(℃)、相对湿度(%)、风速(m/s)和气压(mb)日算术平均数据和降水的日累计值,原始数据2018年10月之前为30分钟一个平均值,此后为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定,降雨量仪器型号为RG3-M,大气压力传感器探头为PTB210,风速传感器为05103,这些探头离地面2 m。数据质量方面:剔除了明显异常值,2019年上半年积雪导致电池损坏,数据有缺失,缺失的气温数据利用了附近站点4390m气温拟合回归矫正,已在数中标据黄,使用时请注意;降水量的监测从2019年8月开始。该数据站点为藏东南地区较高海拔的气象站,后续会不定期更新,可供研究生态、气候、水文、冰川等的科研工作者使用。
罗伦
该数据为中国科学院藏东南高山环境综合观测研究站2018年在易贡藏布流域架设自动气象站数据(AWS,Campbell公司),地理坐标为北纬30.1741,东经94.9334,海拔2282m,下垫面为草地。 数据包括气温(℃)、相对湿度(%)、风速(m/s)、水汽压(Kpa)和气压(mb)日算术平均数据和降水的日累计值,原始数据为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定,降雨量仪器型号为TB4,大气压力传感器探头为PTB210,风速传感器为05103,这些探头离地面2 m高。数据质量方面:原始数据质量较好,缺失较少。该数据站点为青藏高原较低海拔的气象站,后续会不定期更新,可供研究气候、水文、冰川等的科研工作者使用。
罗伦
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
瓜达尔深水港位于巴基斯坦俾路支省西南部瓜德尔城南部,在巴基斯坦靠近伊朗一侧,东距卡拉奇约460km,西距巴基斯坦伊朗边境约120km,南临印度洋的阿拉伯海,向西则是霍尔木兹海峡和红海,与阿曼首都马斯喀特(Muscat)遥遥相对,是一个极具战略地位的海港。 本数据为瓜达尔港区气象站点(62.329494E, 25.233308N)实测气象数据,数据时间范围为2014-2015年,数据时间分辨率为日。
吴骅
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
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)四个指标的日值 2) 数据来源及加工方法;气温、相对湿度和风速为日均值,降水为日累计值;数据采集地点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,采集时间: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; 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)》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
在全球增暖的背景下,中蒙俄经济走廊面临的安全问题十分突出,主要表现为冻土层退化和土地沙漠化问题日趋严重。冻土退化使中蒙俄交通管线沿线区域泥石流、水毁、冰雪害等灾害频发,同时引起水土流失,进而造成冻土管道露管等严重问题。沙漠化则使研究区生态环境更为脆弱,水土流失、沙尘暴等复合危害频繁发生。因此,本数据集将为中蒙俄经济走廊气候变化及其对冻土、沙漠化等影响研究提供基础气候数据。数据选取了ERA5气候再分析数据的陆地表面气候再分析数据集(ERA5-Land)(来源:https://cds.climate.copernicus.eu)。本数据集采用反距离权重(IDW)法对原始数据进行插值,使其空间分辨率达到10km。基于该数据集,可得到过去40年中蒙俄经济走廊区气候要素时空分布格局。
张雪芹
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
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
该数据为中国科学院藏东南高山环境综合观测研究站在嘎隆拉24k冰川的表碛区自动气象站数据(AWS,Campbell公司),地理坐标为北纬29.765°,东经95.712°,海拔3950 m。数据包括气温(℃)、相对湿度(%)、风速(m/s)、净辐射辐射(w/m2)、水汽压(Kpa)和气压(mbar)日算术平均数据,原始数据中2018年10月之前每30分钟记录一个平均值,之后为10分钟记录一个平均值。温湿度采用HMP155A温湿度探头测定,净辐射探头型号为NR01,大气压力传感器探头为PTB210,风速传感器为05103,这些探头离地面2 m高。数据质量方面:本数据经过了严格的质量控制,先剔除了原始的10分钟和30分钟的异常数据,然后计算了每小时的算术平均数,最后计算日值,在计算日值时,如果小时数据的个数不足24个,予以剔除,数据表中对应的日期的数据为空。视为空值为剔除异常值后的数据除由于冬春季积雪较厚,气温低,导致部分参数数据有缺失外,数据经过严格质量控制,可供研究气候、冰川和水文等的科研工作者使用。
罗伦
The data include daily precipitation (Precip) amount and daily mean near-surface air temperature (T2m) over southeast Asia with a spatial resolution of 3 km. The data is downscaled by using the Weather Research and Forecasting (WRF) model (3.7.1) nested in a 9 km simulation over the Pan Third Pole region. The boundary and initial condition come from the fifth-generation global reanalysis product by the European Centre for Medium-Range Weather Forecasts (ECMWF), ERA5.
Tinghai Ou
本数据集为青海可可西里地区气候要素数据集,涵盖十四个观测站点数据,详细记录了1990年的各项气候观测数据。青海可可西里地区地势高亢,平均海拔在5000m以上,气候寒冷,空气稀薄,自然环境恶劣,广大地区至今仍为无人区,有“人类禁区”之称。该区由于受到人类活动的干扰较小,大部分地区仍保持着原始的自然状态,其特殊的地理位置、地壳结构和自然环境以及特有的生物区系组成等,一直为国内外科学界所注目。该数据集原始数据数字化自《青海可可西里自然环境》一书,气候观测数据具体包括太阳辐射、温度、降水、气压、风速等。本数据集对于研究青海可可西里地区提供了基础数据,对于相关领域的研究具有参考价值。
李炳元
在使用三维变分方法进行资料同化时,需要利用误差协方差来确定背景场和观测各自的贡献。其中,背景场误差协方差不仅取决于所用的大气预报模式(如分辨率、参数化方案等),还取决于开展模拟的区域。本数据基于天气预报与研究(WRF)模式,通过对中亚大湖区(27公里水平分辨率)进行2017年一整年的模拟,使用NMC方法估计得到。其中包含的变量为流函数、速度势函数、温度、相对湿度和地表气压。本数据可应用于基于WRF模式开展的中亚大湖区资料同化研究与应用。
姚遥
1)数据内容(包含的要素及意义):高寒网21个站(藏东南站、纳木错站、珠峰站、慕士塔格站、阿里站、那曲站、双湖站、格尔木站、天山站、祁连山站、若尔盖站(西北院)、玉龙雪山站、那曲站(寒旱所)、海北站、三江源站、申扎站、贡嘎山站、若尔盖站(成都生物所)、那曲站(地理所)、拉萨站、青海湖站)2018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、辐射和蒸发) 2)数据来源及加工方法:高寒网21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。
朱立平, 彭萍
1)本数据包含中科院加德满都科教中心2019年基本气象数据;参数有:气温 ℃,相对湿度%,气压Kpa, 降水mm, 辐射W/m2, 风速 m/s。表2为气象站说明表格,包含地理位置及下垫面情况。 2)数据来源及加工方法:数据来源于中国科学院加德满都科教中心小时数据,气温、气压、辐射和风速计算日平均,降雨计算日总和。 3)数据质量描述:这些参数中,气压数据质量较差缺失较多,2019年6-8月仪器故障,数据有缺失 4)该气象数据应用前景广泛,与南亚不同区域的资料对比分析,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。
朱立平
(1)本数据集是申扎高寒湿地2016-2019年的碳通量数据集,包含空气温度、土壤温度、降水、生态系统生产力等参数。(2)该数据集以野外涡度相关实测数据为基础,采用国际上公认的涡度相关数据标准处理方法,基本流程包括:野点剔除-坐标旋转-WPL校正-储存项计算-降水同期数据剔除-阈值剔除-异常值剔除-u*校正-缺失数据插值-通量分解与统计。本数据集还包含了基于涡度相关数据集标定后的模型模拟数据。(3)该数据集已经过数据质量控制,数据缺失率为37.3%,缺失数据已采用插值方式补充。(4)该数据集对认识高寒湿地碳汇功能具有科学价值,也可以用于机理模型的矫正和验证等。
魏达
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
1)青藏高原地面气象观测数据产品(2017-2018) 地面气象要素驱动数据集,包括近地面气温、地面降水率、短波辐射和长波辐射4个要素。 2)该数据集是以国际上现有的Princeton再分析资料、GLDAS资料、GEWEX-SRB辐射资料,以及TRMM降水资料为背景场,以及融合了中国气象局常规气象观测数据制作而成,通过空间插值形成。 3)数据为tiff格式,时间分辨率为日值,空间分辨率为0.1°。 4)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, 彭萍
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
1) Data content (including elements and meanings): Gridded daily average air temperature of the Tibetan Plateau during 1980-2014 at 1-km resolution 2) Data source and processing method: Developed by integrating 8 types of reanalysis data (i.e., NNRP-2, 20CRV2c, JRA-55, ERA-Interim, MERRA2, CFSR, GLDAS and ERA5) downscaled with MODIS-estimated temperature lapse rates based on machine learing 3) Data quality description: According to leave-one-out validation based on stations, the average RMSE at China Adimistration Stations is about 1.7 ℃ and that at high-elevation field stations is about 1.9 ℃ 4) Data application results and prospects: This dataset can be used as air temperature input for driving long-term hydrologial modelling or evaluated for use in climate analysis
ZHANG Fan, ZHANG Hongbo
该数据为中国逐月最低温度数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2021.12。数据格式为NETCDF,即.nc格式。数据单位为0.1 ℃。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。数据坐标系统建议使用WGS84。
彭守璋
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
该数据为中国逐月最高温度数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2021.12。数据格式为NETCDF,即.nc格式。数据单位为0.1 ℃。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国地区降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。数据坐标系统建议使用WGS84。
彭守璋
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
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