对偏远地区气溶胶的元素组成的了解对于评估人类活动的影响非常重要，本数据集报道了2019年11月至2020年12月青藏高原东南部偏远地区然乌的大气气溶胶（TSP）元素组成。数据中包括酸溶和全溶组分，酸溶组分结果通过加入1%样品体积的硝酸反应七天后进行测定；全溶组分的处理为使用硝酸和氢氟酸的混合物通过加压消解后测定。使用中国黄土参考物质（GBW07408）进行质量控制。总体看来，该地区的元素浓度与青藏高原东南部其他站点相比较低，而略高于高原内部（纳木错）站点，青藏高原内部是地壳来源元素的主要来源，典型的重金属元素则是有南亚和东南的人类活动排放的污染物远距离传输。该数据补充了青藏高原东南部气溶胶元素的数据库。
李潮流
该数据集包括青藏高原不同地区不同环境介质的碳质组分的碳同位素数据（10个青藏高原典型站点的气溶胶中黑碳和有机碳的碳同位素数据、11个雪坑不同年份的黑碳和水不溶性有机碳的碳同位素数据、及青藏高原及其周围地区11个站点季风期降水中水溶性有机碳的碳同位素数据），所有样品均为各个站点实地采集，测试了各碳质组分的含量及δ13C和Δ14C数据，利用该数据可以精确评估大气碳质气溶胶和沉降在冰川上碳质颗粒物以及降水中水溶性有机碳的来源以化石燃料和生物质燃料的贡献比例。
李潮流
本数据集为青藏高原地区各典型站点—纳木错站（2013-2017）、鲁朗站（2014-2017）、珠峰站（2015-2016）及拉萨站（2017-2018）降水中黑碳和水不溶性有机碳的含量及各个站点的降水量数据，实地采集各个站点的降水样品后，进行过滤处理，测试每个降水事件样品的黑碳和水不溶性有机碳的含量，通过该数据可评估青藏高原典型地区水不溶性碳质颗粒物湿沉降速率的时间和空间变化，是模型模拟重要的输入数据。
李潮流
本数据集包括青藏高原典型站点（然乌（2018-2021）、纳木错（2013-2016）、珠峰（2013-2016）、鲁朗站（2015-2016））的大气和降水中碳质组分的吸光数据，所有样品均来自于各个采样点实地采集，测试了黑碳和水溶性有机碳的浓度，以及吸光数据，利用表示吸光能力的指标（MAC值），计算了水溶性有机碳和黑碳的吸光的MAC值，该数据对于评估大气中碳质颗粒物的辐射强迫具有重要意义，是模型模拟输入的重要基础数据。
李潮流
碳质颗粒是大气中一种重要的辐射强迫因子，其浓度和组成在时间和空间上有很大的变化，特别是在偏远地区。本数据集报到了青藏高原东部偏远地区-红原（两个采样点），总悬浮颗粒物（TSP）和PM2.5的总碳（TC）和水不溶性颗粒碳（IPC）的Δ14C和δ13C，该地区受到来自中国西南部的严重空气污染的影响。TSP和PM2.5样品中TC的化石燃料贡献率分别为18.91±7.22%和23.13±12.52%，均远低于中国西南地区，表明当地来源的非化石贡献的重要性。研究地点TSP样品中TC的δ13C为27.06±0.96‰，介于远距离输送源（如西南地区）和当地生物质燃烧排放之间，该数据补充了青藏高原东部碳质气溶胶碳同位素的数据库。
李潮流
该数据集包含了2021年4月13日至2021年12月31日的40m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇，下垫面水浇地玉米。观测点的经纬度是115.7923E, 40.3574N，海拔480m。涡动相关仪的采集频率是10Hz，架高为3.5 m，超声朝向是正北向，超声风速仪（CSAT3）与CO2/H2O分析仪（EC150）之间的距离是0 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的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。对处理后输出的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原始数据每30min内缺失率大于10%的数据；（4）剔除夜间弱湍流的观测数据（u*小于0.1m/s）。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。在冬季EC150测量水汽密度出现很多负值，以-6999填充。 涡动相关仪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（K），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，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。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（较插补数据好）；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。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 肖青, 徐自为, 柏军华
该数据集包含了2021年1月1日至2021年12月31日的40m塔自动气象站观测数据。站点位于河北省怀来县东花园镇，下垫面为水浇地玉米。观测点的经纬度是115.7923E, 40.3574N，海拔480m。 自动气象站安装在40m塔上，采集频率为30s，且10min输出一次。观测要素包括7层空气温度、相对湿度（3m、5m、10m、15m、20m、30m、40m），朝向为正北；7层风速（3m、5m、10m、15m、20m、30m、40m），风向（10 m），朝向为正北；气压（安装在防水箱内）；雨量（3 m）；四分量辐射和光合有效辐射（4 m），朝向为正南；红外表面温度（8 m），支臂朝向正南，探头朝向是垂直向下；土壤温湿度探头埋设在气象塔正南方1.5m处，土壤温度探头埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处，土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm；平均土壤温度埋在地下2, 4cm；土壤热流板埋设在地下6 cm处。 观测数据的处理与质量控制：（1）确保每天1440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）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。 自动气象站发布的数据包括：日期/时间Date/Time，空气温度（Ta_3m, Ta_10m, Ta_15m, Ta_20m, Ta_30m, Ta_40m）(℃)，相对湿度（RH_3m, RH_10m, RH_15m, RH_20m, RH_30m, RH_40m）（%），风速(Ws_3m, Ws_10m, Ws_15m, Ws_20m, Ws_30m)（m/s），风向（WD）（°），气压（Press）(hpa)，降水（Rain）(mm)，四分量辐射（DR、UR、DLR、ULR、Rn）(W/m2)，光合有效辐射（PAR）（umol/s/m2），地表辐射温度（IRT_1、IRT_2）(℃)，土壤热通量（Gs）(W/m2)、 多层土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(%)、多层土壤温度（Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(℃)、平均土壤温度TCAV(℃)。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 肖青, 徐自为, 柏军华
该数据集包含了2021年1月1日至2021年12月31日的10m塔自动气象站观测数据。站点位于河北省怀来县东花园镇，下垫面为水浇地玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。 自动气象站安装在10m塔上，采集频率为30s，且10min输出一次。观测要素包括空气温度、相对湿度（5 m），朝向为正北；风速（10 m），风向（10 m），朝向为正北；气压（安装在防水箱内）；雨量（10 m）；四分量辐射（5 m），朝向为正南；土壤温湿度探头埋设在气象塔正南方1.5m处，土壤温度探头埋设深度为0cm、2cm、4cm、10cm、20cm、40cm、80cm、120cm和160 cm处，土壤水分传感器埋设深度为2cm、4cm、10cm、20cm、40cm、80cm、120cm和160cm；平均土壤温度埋在地下2, 4cm；土壤热流板（3块）埋设在地下6 cm处。 观测数据的处理与质量控制：（1）确保每天1440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）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。 自动气象站发布的数据包括：日期/时间Date/Time，空气温湿观测（Ta_5m,RH_5m）(℃，%)，风速(Ws_10m)（m/s），风向（WD）（°），降水（Rain）(mm)，四分量辐射（DR、UR、DLR、ULR、Rn）(W/m2)，地表辐射温度（IRT1、IRT2）（℃），土壤热通量（Gs_1、Gs_2、Gs_3）(W/m2)、 多层土壤水分（Ms_2cm、Ms_4cm、Ms_10cm、Ms_20cm、Ms_40cm、Ms_80cm、Ms_120cm、Ms_160cm）(%)、多层土壤温度（Ts_0cm 、Ts_2cm 、Ts_4cm、Ts_10cm、Ts_20cm、Ts_40cm、Ts_80cm、Ts_120cm、Ts_160cm）(℃)、平均土壤温度TCAV(℃) ，气压（Press）(hpa)。 观测试验或站点信息请参考Guo et al. (2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
该数据集包含了2021年1月1日至2021年12月31日的10m塔涡动相关仪观测数据。站点位于河北省怀来县东花园镇，下垫面水浇地玉米。观测点的经纬度是115.7880E, 40.3491N，海拔480m。涡动相关仪的采集频率是10Hz，架高为5 m，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15 cm。 发布的数据是采用Eddypro软件对原始采集的10Hz数据进行后处理得到的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。对处理后输出的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原始数据每30min内缺失率大于10%的数据；（4）剔除夜间弱湍流的观测数据（u*小于0.1m/s）。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。 涡动相关仪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（K），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，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。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（较插补数据好）；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。 观测试验或站点信息请参考Guo et al.(2020)，数据处理请参考Liu et al. (2013)。
刘绍民, 徐自为
中国科学院（CAS）气候系统模式FGOALS-f3-L于近期完成了第六次国际耦合模式比较计划（CMIP6）试验中的全球季风比较计划（GMMIP）的Tier-1和Tier-3试验并发布了相应数据。本文是FGOALS-f3-L参加GMMIP试验的数据描述文章。在GMMIP Tier-1试验中，基于观测的海温和海冰强迫，FGOALS-f3-L模式完成了三组不同初始场的历史模拟试验。在GMMIP Tier-3试验中，FGOALS-f3-L模式完成了5组地形和热力扰动的敏感性试验。具体来说，包括四组地形敏感性试验，分别去除了青藏高原、东非和阿拉伯半岛高原、北美马德雷山脉和南美的安第斯山脉，以及一组热力敏感性试验，去除了青藏-伊朗高原及邻近区域500m以上地形的地表感热加热。这组数据集将贡献于CMIP6用于评估海温对全球季风环流和降水的长期以及短期趋势的影响，以及更好的理解大地形在影响全球季风中的作用。
何编
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
中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室研发的全球气候系统模式FGOALS-f3-H/L 参加CMIP6 高分辨率模式比较计划数据集。CAS FGOALS-f3-H的水平分辨率为0.25°，CAS FGOALS-f3-L的水平分辨率为1°，由标准的外部条件强迫，对1950-2014年和2015-2050年时间段进行了2套模拟，实验ID分别为 "highresSST-present "和 "highresSST-future"。模式输出包含多种时间尺度，包括：小时平均值、三小时平均值、六小时瞬时值、日平均值和月平均值数据集。
包庆
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
青藏高原分区域动力降尺度数据集-标准年（TPSDD-Standard）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-大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。根据青藏高原上空500 hPa多年平均位势高度场，选取与该位势高度场空间相关系数最大的年份（2014年）作为标准年，它能粗略反映青藏高原大气多年平均状况。该数据时间分辨率为1小时，空间分辨率为5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、感热通量、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, 周立波, 李鹏, 邹捍
数值试验：使用的气候模式是意大利理论物理研究中心（ICTP）开发的区域气候模式RegCM4.1。RegCM4.1区域模式模拟的试验中大气模式水平分辨率为50km，垂直方向18层；在线耦合沙尘模块。海温使用OISST插值的海温。试验包括中古新世地形试验（MP, ~60Ma BP，试验名称60ma_regcm4.1_xxx.nc）和晚渐新世（LO，~25Ma BP，试验名称25ma_regcM4.1_xxx.nc）两组。MP区域地形修改试验，将高原北部去掉，近似替代60Ma时期亚洲陆地的地形分布。BP区域地形修改试验，只将帕米尔高原地形去掉，近似替代25Ma时期亚洲陆地的地形分布。两个试验的沙尘源区没有变，均对在线打开了沙尘循环过程。 输出时间：所有试验都被积分了22年，使用了每个试验最后20年的平均结果。 数据可应用于解释高原周边不同区域干旱演化的差异。
孙辉
数值试验：使用的气候模式是由英国气象局与英国大学联合开发的快速海-气耦合模式（FAMOUS）。FAMOUS模式中的大气模式水平分辨率为5°×7.5°，垂直方向有11层；海洋模式的水平分辨率为2.5°×3.75°，垂直方向有20层。大气和海洋每天耦合一次，无通量调整。 试验包括中古新世（MP, ~60Ma BP，试验名称flat_60ma_1xCO2_sea_3d_**100yr_mean.nc）和晚渐新世（LO, ~25Ma BP，试验名称orog_25ma_1xCO2_sea_3d_**100yr_mean.nc）。海陆分布数据主要取自全球海岸线基础数据集（缩写为Gplates，网址为http://www.gplates.org/），考虑到青藏高原等新生代地形的初始隆升约开始于50~55Ma（Searle等，1987），因而在MP试验中将全球地形高度均设置为0，以略去高原地形的作用。25Ma修正了格陵兰（Zachos等, 2001）、青藏高原（例如, Wang等，2014；Ding等，2014；Rowley和Currie, 2006；DeCelles等，2007；Polissar等，2009）。在重建青藏高原古地形时还考虑了其古纬度的变化(Besse等，1984；Chatterjee等，2013；Wei等，2013）。同时，参考新生代大气CO2变化（Beerling和Royer, 2011），2个时期的试验中大气CO2浓度均取工业革命前的值280ppmv（1ppmv=1mg L–1）。 为了简单起见，所有陆地植被和土壤特性都设置为全球均一的值，即在除南极洲外的每个陆地网格点上的各种陆面特性都被赋予工业革命前非冰川陆面的全球平均值，这样也便于突出检验海陆分布和地形变化的影响。此外，由于主要讨论百万年尺度特征地质时期的平均气候状态及其变化，因而可以略去轨道强迫的影响，即在所有试验中地球轨道参数均设置为其现代值。 输出时间：所有试验都被积分了1000年，使用了每个试验最后100年的平均结果。 本数据有助于探究新生代季风和干旱的形成演化机制。
刘晓东
风速数据被广泛用于科学、管理和政策领域，在评估可再生能源潜力、解决风灾、研究生物现象和探索气候变化等方面发挥着重要作用。但现有的风速产品存在很大的局限性：气象观测数据在空间和时间上存在不连续性，再分析产品和气候模型模拟虽然实现了数据的连续性，但大多未能重现观测到的风速趋势。此外，风速数据的高变异性及站点分布的不均匀和稀缺性，使得传统的统计插值方法，如克里金或主成分分析，在重构全球风速上表现不佳。因而，风速数据成为风速研究中“卡脖子”的难题。 在此，研究团队基于部分卷积神经网络算法（the partial convolutional neural network），融合了34个气候模式数据和气象站点观测数据HadISD（由Met Office Hadley Centre提供），重构了1973-2021年间共588个月的全球10米近地风速，空间分辨率为1.25°×2.5°（纬度×经度），该数据集包含了观测到的风速趋势信息。详细的重构过程请见参考文献中的方法部分。
周俐宏, 曾振中, 江鑫
基于雅鲁藏布江流域内已有的262个雨量筒逐月降水数据、WRF和ERA5降水数据，利用随机森林学习算法重建了雅鲁藏布江流域及7个子流域1951–2020年10km分辨率的逐日降水数据。该数据经过了站点单点验证，在年和季节变化方面表现较好。并且该数据经过了水文模型反向评估，利用该数据驱动VIC水文模型模拟了雅江流域及各子流域径流变化，并利用实测径流、MODIS及冰川编目数据进行验证。该数据在原有第一版基础上考虑了降水空间分配特征，能更好描述高山区降水特征。
孙赫
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
青藏高原气溶胶光学特性地基观测数据集采用Cimel 318太阳光度计连续观测获得，涉及珠峰站和纳木错站共两个站点。这些产品是经过云检测之后的结果。数据覆盖时间从2021年1月1日到2021年12月31日，时间分辨率为逐日。太阳光度计在可见光至近红外设有8个观测通道，中心波长分别为：340、380、440、500、670、870、940和1120 nm。仪器的视场角为1.2°，太阳跟踪精度为0.1°。根据太阳直接辐射可获得6个波段的气溶胶光学厚度，精度估计为0.01-0.02。最终采用AERONET统一反演算法，获得气溶胶光学厚度、Ångström指数、粒度谱、单次散射反照率、相函数、复折射指数和不对称因子等。
丛志远
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
青藏高原作为强大的热源，影响到亚洲季风的爆发与进退，西风带和季风带的相互作用。为了研究高原热力作用的变化及其对周边地区气候的影响，需要高原热源相关的基础数据。 本数据集由再分析资料计算得到得青藏高原及其周边地区逐月热源基础数据构成，变量包括青藏高原及周边地区大气热源、潜热通量、感热通量等，其水平范围覆盖为40°E-180°，20°S-80°N。空间分辨率为2.5°x2.5°，主要包括ERA5和NCEP/NCAR两种再分析资料数据。
李清泉
三极气溶胶类型数据产品是综合利用MEERA 2同化资料和主动卫星CALIPSO产品经过一系列数据预处理、质量控制、统计分析和对比分析等过程而融合得出的气溶胶类型结果。该气溶胶类型融合算法的关键是对CALIPSO气溶胶类型的判断。气溶胶类型数据融合时根据CALIPSO气溶胶类型的种类和质控，并参考MERRA 2气溶胶类型得到最终的三极地区气溶胶类型数据（共12种）和质量控制结果。该数据产品充分考虑了气溶胶的垂直分布以及空间分布，具有较高的空间分辨率（0.625°×0.5°）和时间分辨率（月）。
赵传峰
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
2000-2020年三极地区0.1º气溶胶光学厚度数据集(也称为“Poles AOD Collection 1.0”气溶胶光学厚度（AOD）数据集），结合Merra-2模式数据与MODIS卫星传感器AOD制作，数据覆盖时间从2000年到2020年，时间分辨率为逐日，覆盖范围为“三极”（南极、北极和青藏高原）地区，空间分辨率为0.1度。通过实测站点验证表明，数据相对偏差在35%以内，可有效提高极区气溶胶光学厚度的覆盖率和精度。
光洁
数据集包括基本的温湿压风气象要素、黑碳浓度、散射系数、粒径谱数据和化学成分分析。自动气象站能够测量气温、相对湿度、气压、风向、风速和累计降水量。AE-33型黑碳仪（Aethalometer，以下简称AE-33）能够在线测量大气中TSP（总悬浮颗粒物）在370nm、470nm、520nm、590nm、660nm、880nm和950nm波段处的黑碳气溶胶浓度，使用的质量吸收截面分别为18.47、14.54、13.14、11.58、10.35、7.77和7.19 m2/g。其正式观测时段为2021年6月12日至2021年8月31日，时间分辨率为1分钟。表格数据已经过后续处理，为逐小时数据。积分浊度计（Integrating Nephelometer）能够在线测量大气中PM2.5在450nm、550nm和700nm波段处的散射系数。其正式观测时段为2021年6月12日至2021年8月31日，时间分辨率为10秒。表格数据已经过后续处理，为逐小时数据。空气动力学粒径谱仪（Aerodynamic Particle Sizer Spectrometer，以下简称APS）能够在线测量大气中0.5-20μm(空气动力学直径)粒径范围内颗粒物的数浓度粒径分布谱，共有50个粒径通道。其正式观测时段为2021年6月12日至2021年8月31日，时间分辨率为5分钟。表格数据已经过后续处理，为逐小时数据。扫描电迁移率粒径谱仪（SMPS）能够在线测量大气中13.6 - 514 nm （Stokes 直径）颗粒物粒径分布；TSI 3752型凝聚核粒子计数器（CPC）用于测量颗粒物数量浓度。其正式观测时段为2021年6月29日至2021年8月31日，时间分辨率为5分钟。表格数据已经过后续处理，为逐小时数据。使用国产中流量采样器采集了TSP粒径段的直径90毫米的石英滤膜、泡水处理过的石英滤膜和特氟龙滤膜，样品可用于元素碳、有机碳、水溶性离子和金属元素等化学成分分析。采样时段为2021年6月23日至2021年8月29日，于早上11:00开始采样，每次采样71小时。
田鹏飞, 黄建平, 张镭, 史晋森
青藏高原地区是除南北极和格陵兰之外中低纬度最大的冰川富集区，固态水体冰川与液态水体湖泊、河流共同组成了亚洲水塔。高原的热力和动力作用及其变率是高原影响亚洲季风与全球大气环流异常的主要驱动力之一。研究青藏高原本身的热力性质以及反馈作用，需要利用气候模式，开展青藏高原与周围地区的百年历史检验和未来百年的预估（温度、降水、辐射等）。 本数据集由青藏高原及其周边地区的格点温度、降水、辐射等数据构成，其水平范围覆盖为40°E-180°，20°S-80°N，时间分辨率包括年、季平均。数据采用第六次国际耦合模式比较计划（CMIP6）中国国家气候中心BCC-CSM2-MR模式试验结果，包括historical，SSP126，SSP245，SSP370，SSP585试验的百年历史模拟与未来预估数据，根据双线性插值方法，统一插值到1°x1°分辨率水平。该数据可以为第二次青藏高原考察时段提供区域气候和水循环变化的基本信息，为外场考察结果提供参考，研究可能的变化机理。
李清泉
在全球变化的大背景下，时空连续的高质量高分辨率长时间序列降水数据集对理解全球“水-碳-能”和生物地球化学的循环机制具有重要意义。研究提出的基于总量控制的日尺度融合矫正算法（Daily Total Volume Controlled Merging and Disaggregation Algorithm, DTVCMDA），有效考虑了再分析降水数据时空连续且高时空分辨率的特点，以及地面分析数据高质量的特性，制作了一套亚洲地区七十余年长时间序列高质量高时空分辨率降水数据集AERA5-Asia (0.1°, hourly, 1951-2015, Asia)。该数据集的主要特点如下：（1）AERA5-Asia是一套具有高分辨率、高质量、时空连续以及长时间序列的数据集；（2）AERA5-Asia显著优于IMERG-Final和ERA5-Land降水数据，尤其是在系统偏差方面，总体来看，AERA5-Asia、IMERG-Final和ERA5-Land相比地面观测的偏差分别为~5%，~11%和~20%；（3）在极端强降水中（如台风“潭美”和“天兔”），AERA5-Asia的质量也是显著优于ERA5-Land和IMERG-Final。 AERA5-Asia将为亚洲地区、尤其是中国区域的天气气候和水文等领域的相关研究提供稳定可靠的降水数据支撑。
马自强, 马耀明, 马伟强, 许金涛
1）数据内容包含青海省玉树清水河镇、西藏日喀则鲁孜沟小流域径流小区降雨量、径流量、含沙量数据。2）数据是称重式自动雨量计和径流泥沙自动监测仪实测数据，称重式自动雨量计和径流泥沙自动监测仪均为中国科学院教育部水土保持与生态环境研究中心自主研制，雨量数据时间均为是2021年，径流泥沙数据西藏日喀则鲁孜沟小流域时间为2020年5月25日至9月2日。3）数据为实测数据，并进行了异常值剔出，监测期间由于仪器状态问题，存在数据缺失。4）本数据应用前景广泛，可服务于如大气科学、土壤侵蚀学等学科领域。
安绍山
青藏高原地面PM2.5浓度数据以日期命名（YYYYMMDD）。其中每个nc文件包含一天的数据，里面包含该区域的PM2.5浓度，经纬度以及时间信息（对应数据中的变量名为PM2.5，lon，lat，time）。数据反演依赖美国国家航空航天局NASA发布的再分析资料MERRA-2和多角度成像光谱仪MISR的AOD产品。MERRA-2主要基于NASA的地球系统模型版本5（GEOS 5）。该算法能够同化所有原位和遥感大气数据。本数据主要用到MERRA-2的气溶胶场。这是首次将气象和气溶胶观测联合同化为全球同化系统的年代际再分析资料。MISR是通过指向9个不同方向的摄像机观察地球，可以知道在自然条件下散射到不同方向的辐射。本数据算法主要用到的数据产品有MERRA-2 气溶胶分析产品（M2T1NXAER）和MISR level 3版本四全球气溶胶产品（MIL3DAEN_4）。首先用MERRA-2提供的气溶胶信息计算得到每个格点中的PM2.5与AOD的比值，然后用MISR的AOD乘以该比值即为该格点的PM2.5浓度。利用该方法得到的PM2.5浓度平均预测误差在20微克/立方米以内。相应的PM2.5产品也可以为评估青藏高原地区颗粒物污染状况提供参考。
傅迪松
大气水汽是研究水循环的重要参数，在全球气候变暖的背景下，为了更好地研究大气水汽对水循环的影响，构建了空间分辨率为0.25°的全球日尺度AMSR-E/AMSR2全天候大气可降水（Total Precipitable Water，TPW）数据集。数据集中，陆地上空的TPW主要有我们新开发的基于AMSR-E、AMSR2的18.7和23.8GHz亮温数据反演算法获取；海洋上空TPW数据融合了AMSR-E/AMSR2官方TPW产品。作为后处理，为了消除AMSR-E TPW和AMSR2 TPW之间的系统性偏差，以AIRSX2RET TPW为基准，使用直方图匹配方法分别对AMSR-E和AMSR2的TPW数据在全球尺度上进行了系统偏差校正，保证数据的连续性，最终得到全球日尺度AMSR-E和AMSR2 TPW全天候数据集。其中，AMSR-E数据时间范围为2002年7月8日至2011年9月27日，AMSR2数据时间范围为2013年1月1日至2017年8月31。每个日期下均包含升轨和降轨两个文件，数据格式为Geotiff。数据层数为2，第一个层为TPW数据，单位为mm，第二层为时间信息，表示以UTC为时间基准的像元观测时间距离当天0时0分0秒所经过的秒数。数据集具有可靠的质量，通过与全球SuomiNET GPS TPW验证分析，数据集的均方根误差为3.5-5.2mm。由于大气可降水是影响地表遥感重要的地球物理参数，对地球的气候变化也有重要影响，故此数据可用于气候变暖的背景下大气水汽对水循环的影响、大气水资源的评估以及大气校正等方面的研究。
姬大彬, 施建成, 胡斯勒图, 李薇, 张红星, 尚华哲
日照时数重建可以较好的反应地表太阳辐射的长期变化趋势，但只是站点数据。因此要得到高分辨率网格点数据，同时保证其在长期变化方面上的精度，需要融合多种地表太阳辐射相关数据。利用地理加权回归（GWR）方法，融合了MODIS 0.1°分辨率云量和气溶胶反演以及地面日照时数重建地表太阳辐射站点数据。通过增加相邻点数方案的组合判断，有效地提高了地理加权回归降尺度结果的准确性，得到的中国区域多年平均值、长期趋势与观测和卫星遥感反演结果基本一致。采用地理加权回归等方法，生成0.1度网格的地表风速和相对湿度数据；利用改进的彭曼公式计算了陆表蒸散数据。
王开存
云覆盖着70%的地球表面，是影响大气辐射收支平衡以及气候变化的重要因素之一，同时也是全球水循环的重要组成部分。考虑到东亚-太平洋（EAP）地区缺乏具有高时空分辨率的可靠云参数数据，利用下一代地球静止卫星Himawari-8开发了2016年、时间辨率为1h、空间分辨率为0.1°、0.25°、1°的云参数数据集。本数据集所提供的云产品包括宏观参数和微观参数，其中宏观参数包括：云量（CF）、云检测（CM）、云相态检测（CP）、云顶压强（CTP）、云顶高度（CTH）、云顶温度（CTT）、云类型（CT）、过冷水检测（SWC）；微观参数包括：云光学厚度（COT）、云粒子有效半径（CER）。所生产的这些云参数在精度方面均达到了国际先进水平。
胡斯勒图
数据集是基于CESM2.1.3模式进行数值模拟数据集。数据集为全球多情景逐月气候数据。空间分辨率为1.9x2.5度，时间为2015年1月-2100年12月(里面还包含了历史数据1850-2014)，数据为NetCDF格式。 数据集包括1850-2014年的历史数据（简称为Hist）以及SSP情景(SSP126、SSP245、SSP370、SSP585),其中每个情景包含三组（默认排放数据CMIP6（简称为CMIP6）、中国区域CO2排放实现碳中情景（简称为CNCN）和中国区域实现碳中和情景下，且CH4和N2O的伴随着碳中和情景下的变化（简称为CNCNext），数据集地理空间范围：90°N–90°S，180°E–180°W。
李龙辉
（1）数据内容：1500-2000年年平均的北半球环状模指数和南半球环状模指数；（2）数据来源及加工方法：该数据由作者自主生产，基于PAGES2k代用资料数据集，利用机器学习模型（随机森林、极端随机树、轻量梯度提升机、CatBoost）重建而产生。（3）数据质量描述：该数据集与多个器测数据在器测时段内有较高的一致性，重建效果更好。数据可用于研究多时间尺度（年际、年代际、多年代际）上南北半球主要大气环流的变化规律及机理。
杨佼
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
数据集包含西藏纳木错地区大气气溶胶总悬浮颗粒物（TSP）的数据以及环境空气温湿度，以及离线采样的气溶胶样品。在线观测仪器为多角度吸收光度计（Multi-Angle Absorption Photometer，简称MAAP）、积分浊度计（Integrating Nephelometer），观测时间为2020年8月5日至2020年9月11日，在线仪器的数据时间分辨率为10秒，仪器工作过程中产生的异常数据已经剔除。离线采样为47小时的TSP样品。本数据集为研究高原中部地区大气粉尘气溶胶物理特性、时空变化特征和来源解析提供了基础数据。资助项目：第二次青藏高原综合科学考察研究任务六专题二（2019QZKK0602）。
黄建平, 张镭, 田鹏飞, 史晋森
东南亚国家及澜湄流域水资源模拟数据（1980-2019）是使用WRF模式输出的气象数据作为驱动数据，并通过WAYS模型模拟的结果。数据包含东南亚陆地区域1980-2019年的蒸散发、地表径流、地下径流、总径流、地下水、下渗、土壤湿度数据，时间分辨率为每日，空间分辨率为3km。数据情况整体良好，但由于模型的局限性，少部分变量模拟结果存在一定误差，不推荐对数据精度有较高要求的研究使用。数据能一定程度上反应东南亚地区水资源情况，对相关研究提供数据支持。
刘俊国
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
太阳总辐射和散射采用辐射表（CM22, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度数据来源于IPEV/PNRA 项目 “Routine Meteorological Observation at Station Concordia” ，http://www.climantartide.it，地面水汽压单位为hPa。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（S/G）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2006-2016年（Bai, J.; Zong, X.; Lanconelli, C.; Lupi, A.; Driemel, A.; Vitale, V.; Li, K.; Song, T. 2022. Long-Term Variations of Global Solar Radiation and Its Potential Effects at Dome C (Antarctica). Int. J. Environ. Res. Public Health, 19, 3084. https://doi.org/10.3390/ijerph19053084）。该数据集可以用于南极Dome C地区太阳辐射及其衰减等相关研究。地面太阳辐射和其他气象数据可以参考：https://doi.org/10.1594/PANGAEA.935421
白建辉
太阳总辐射采用辐射表（CM21, Kipp & Zonen, 荷兰）测量，波长范围200-3600 nm。温湿度分别采用温湿度传感器HMP45C-GM （Vaisala Inc., Vantaa, Finland）测量。本数据集包括：利用经验模型计算的地面太阳总辐射、损失于大气中的吸收和散射辐射（小时累计值，单位MJ/m2）、大气顶和地表反照率；还包括散射因子（AF）地面水汽压（E，单位hPa）。太阳辐射数据来源于数据提供者的计算、实验站测量，数据覆盖时间为2007-2020年。关于数据处理和太阳总辐射计算等可参考文献：Bai, J.; Zong, X.; Ma, Y.; Wang, B.; Zhao, C.; Yang, Y.; Guang, J.; Cong, Z.; Li, K.; Song, T. 2022. Long-Term Variations in Global Solar Radiation and Its Interaction with Atmospheric Substances at Qomolangma. Int. J. Environ. Res. Public Health, 19, 8906. https://doi.org/10.3390/ijerph19158906。该数据集可以用于珠峰地区太阳辐射及其衰减等相关研究。珠峰站太阳辐射和其他气象数据可以参考：https://data.tpdc.ac.cn/zh-hans/data/b9ab35b2-81fb-4330-925f-4d9860ac47c3/。
白建辉
气溶胶光学厚度（Aerosol Optical Depth，AOD）反映到达地表的太阳辐射受气溶胶的衰减程度，气溶胶类型根据气溶胶光学厚度AOD计算得到。本数据集来源于最新MODIS气溶胶二级产品MOD04_L2和MYD04_L2，其中 MOD 和 MYD 分别代表 Terra 和 Aqua 卫星。目前，MODIS反演气溶胶算法分别为暗目标算法（Dark Target，DT）和深蓝算法（Deep Blue，DB）。根据元数据字段表Quality Assuracne Confidence（QAC）反演精度，融合DT和DB算法产品，分别处理陆地、海洋和海岸等，索引质量最优（QAF=3）或次优（QAF=2）或满足基本需求（QAF=1），得到全覆盖、长时间序列的高分辨率AOD产品（0.1度，日尺度）。按照AOD经验阈值（AOD：0~0.2，清洁型；0.2~0.6，城市或工业型；大于0.6，沙尘型。）分类将气溶胶类型标记为三种：清洁型（1）、城市或工业型（2）和沙尘型（3）。本数据集提供MOD，MYD以及根据过境时间得到的融合产品。
叶爱中
气溶胶光学厚度（Aerosol Optical Depth，AOD）反映到达地表的太阳辐射受气溶胶的衰减程度。本数据集来源于最新MODIS气溶胶二级产品MOD04_L2和MYD04_L2，其中 MOD 和 MYD 分别代表 Terra 和 Aqua 卫星。目前，MODIS反演气溶胶算法分别为暗目标算法（Dark Target，DT）和深蓝算法（Deep Blue，DB）。根据元数据字段表Quality Assuracne Confidence（QAC）反演精度，融合DT和DB算法产品，分别处理陆地、海洋和海岸等，索引质量最优（QAF=3）或次优（QAF=2）或满足基本需求（QAF=1），得到全覆盖、长时间序列的高分辨率AOD产品（0.1度，日尺度）。本数据集提供MOD，MYD以及根据过境时间得到的融合产品。
叶爱中
本产品提供了项目组发展的陆面模式VIC-CAS数值模拟的1971-2017年北极两条大河（北美大陆：Mackenzie，欧亚大陆：Lena）的水循环关键变量数据集，包括：降水量、蒸散发、地表径流、地下径流、冰川径流、雪水当量和三层土壤湿度等7个变量。该数据集空间分辨率为0.1degree，时间分辨率为月。该数据集可用于长期气候变化下北极大河流域水量平衡变化分析，也可用于遥感数据产品及其他模型模拟结果的对比和验证。
赵求东, 王宁练, 吴玉伟
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
若尔盖湿地观测点始海拔 3435 米，位于四川省若尔盖县花湖湿地（102°49′09″E, 33°55′09″N），下垫面为典型的高寒泥炭沼泽湿地，植被、水体和泥炭层发育良好。本数据集为2017-2019年若尔盖湿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、气压、向下短波辐射、向下长波辐射。
孟宪红, 李照国
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
