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
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
