基于第二次全国土壤调查的中国1:1000000比例尺土壤图和8595个土壤剖面图,以及美国农业部(USDA)中国区域土地和气候模拟标准,开发了一个多层土壤粒度分布数据集(砂、粉土和粘土含量)。 采用多边形链接方法,结合土壤剖面和地图多边形之间的距离、剖面的样本大小和土壤分类信息,推导出砂、粉土和粘土的含量分布图。该数据集分辨率为1公里,可用于区域范围内的土地和气候建模。 数据特征 投影:GCS_Krasovsky_1940 覆盖范围:中国 分辨率:0.00833 度(约一公里) 数据格式:FLT, TIFF 取值范围:0%-100% 文件说明 浮点栅格文件包括: sand1.flt, clay1.flt – 表层(0-30cm) 砂粒、粘粒含量。 sand2.flt, clay2.flt – 底层(30-100cm) 砂粒、粘粒含量。 psd.hdr – 头文件: ncols – 列数 nrows – 行数 xllcorner – 左下角纬度 yllcorner – 左下角经度 cellsize – 单元格大小 NODATA_value – 空值 byteorder - LSBFIRST, Least Significant Bit First TIFF 栅格文件包括: sand1.tif, clay1.tif -表层(0-30cm) 砂粒、粘粒含量。 sand2.tif, clay2.tif -底层(30-100cm) 砂粒、粘粒含量。
上官微, 戴永久
青藏高原流域边界数据集使用2000年的航天飞机雷达地形任务收集的干涉合成孔径雷达SRTM DEM 数据、参考河流、湖泊等水系辅助数据,利用arcgis水文模型,分析、提取河网,将青藏高原划分为AmuDayra、Brahmaputra、Ganges、Hexi、Indus、Inner、Mekong、Qaidam、Salween、Tarim、Yangtze、Yellow等12个子流域。其中研究区外围边界是基于2500米等高线。
张国庆
植物功能型(PFT)是根据植物种的生态系统功能及其资源利用方式而对宠大的植物种进行的组合,每一种植物功能型共享相似的植物属性,是将植物种的多样性简化为植物功能和结构的多样性。植物功能型的概念受到生态学家特别是生态系统建模者的推崇。其基本假设是全球重要的生态系统动态可以通过有限的植物功能型表达和模拟。目前,植物功能型已被广泛用于生物地理模型、生物地球化学模型、陆面过程模型和全球动态植被模型,如美国国家大气研究中心(NCAR)的陆面过程模型已经将原来用土地覆盖信息变为应用植物功能型图(Bonan et al., 2002)。植物功能型已经被用于动态全球植被模型(DGVM)中,用以预测全球变化情景下生态系统结构与功能的变化。 参考全球植物功能型分类体系,根据模型需求,将土地覆盖类型与植物功能型合并考虑,确定该数据的分类体系下表。 1、植物功能型分类体系 1 Needleleaf evergreen tree, temperate 2 Needleleaf evergreen tree, boreal 3 Needleleaf deciduous tree 4 Broadleaf evergreen tree, tropical 5 Broadleaf evergreen tree, temperate 6 Broadleaf deciduous tree, tropical 7 Broadleaf deciduous tree, temperate 8 Broadleaf deciduous tree, boreal 9 Broadleaf evergreen shrub, temperate 10 Broadleaf deciduous shrub, temperate 11 Broadleaf deciduous shrub, boreal 12 C3 grass, arctic 13 C3 grass 14 C4 grass 15 Crop 16 Permanent wetlands 17 Urban and built-up lands 18 Snow and ice 19 Barren or sparsely vegetated lands 20 Bodies of water 2、制图方法 中国1公里植物功能型图是根据Bonan等(Bonan et al., 2002)提出的土地覆盖与植物功能型转换的气候规则,对MICLCover土地覆盖图(冉有华 等,2009;Ran et al., 2012)进行转换。MICLCover土地覆盖图是融合了2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植物型、中国1:10万冰川分布图、中国1:100万沼泽湿地图和MODIS 2001年土地覆盖产品(MOD12Q1)的最新发布的土地覆盖数据,采用IGBP土地覆盖分类系统。评价显示,其可能是目前存在的全国1km尺度上精度最高的土地覆盖图。气候数据利用何杰等(2010)发展的1981-2008年的空间分辨率为0.1度、时间分辨率为3小时的中国大气驱动数据,是我国现存的在全国尺度上具有最高时空分辨率的气候数据,该数据融合了Princeton 陆面模式驱动数据(Sheffield et al., 2006)、GEWEX-SRB 辐射数据(Pinker et al., 2003)、TRMM 3B42 和APHRODITE 降水数据以及中国气象局740个气象台站的观测数据。根据RanYouhua等(2010)的评价结果,GLC2000在目前的全球土地覆盖数据集中,具有相对较高的精度,且其分类系统中没有混交林这一类,因此MICLCover土地覆盖图中的混交林利用GLC2000 (Bartholome and Belward, 2005; 徐文婷 等,2005)中的信息进行了替换。该数据可用于陆面过程模型等相关研究中。
冉有华, 李新
本数据集在评价已经有土地覆盖数据的基础上,基于证据理论,将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MOD IS 2001年土地覆盖产品(MOD12Q1)进行了融合,最终基于最大信任度原则进行决策,产生了新的、IGBP分类系统的2000年1KM中国土地覆盖数据。 新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时,补充了中国植被图中对植被类型及植被季相的信息,更新了中国湿地图,增加了中国冰川图最新信息,使分类系统更加通用。
冉有华, 李新
本研究基于中国及周边国家共1153个气温站点和1202个降水站点数据,利用ANUSPLIN软件的局部薄盘光滑样条法进行插值,重建了1951−2011年中国月值气温和降水量的高空间分辨率0.025°(~2.5 km)格点数据集(简称LZU0025)。数据集的质量评估主要基于以下三个方面:(1)分析ANUSPLIN在日志文件中提供的一系列用于判别误差来源和插值质量的统计参数。结果表明在1951-2011年,表征最佳插值模型的广义交叉验证GCV(generalized cross validation)值较小,在气温插值时为1.06℃,在降水进行开方运算插值时为1.97mm1/2。(2)对比LZU0025格点值与预留的265个站点实测数据。结果表明在1951-2011年,LZU0025月插值数据与实测数据接近,两者的平均绝对差为0.59℃和70.5mm,标准差为1.27℃和122.6mm,并且标准差的变化与GCV变化一致。(3)将LZU0025与现有数据集进行对比。首先以插值所用站点较多的中国气象局发布的0.5°数据集(简称CMA)为基准,利用泰勒图对比了基于不同数据集刻画的气候平均状态均值(Mean)、距离平均状态的标准差(Standard deviation)以及随时间变化的气候趋势(Time trend)。结果表明与基于其他数据集衍生的三类指标相比,LZU与基准CMA相关系数较高,标准差较接近,并且归一化的均方根误差较小。其次,将LZU0025格点数据与能量和水循环观测项目-亚洲季风项目西藏地区(CAMP-Tibet)气象站数据进行对比,结果表明仅有少数台站降水数据与LZU0025相关性不显著,但多数台站气温和降水数据与LZU0025显著相关且相关性高于0.87。基于以上评估分析,LZU0025数据集可靠。高分辨率的LZU0025能刻画更多的气候类型如喜马拉雅山脉地区未被粗分辨率数据集识别的苔原和极地气候。LZU0025可作为研究全球气候变化下区域气候变化和精准农业气候的基础数据。
黄伟, 赵虹
青藏高原光学仪器遥感1km积雪覆盖数据集(1989-2018)基于星载光学仪器观测数据云雪判识方法制作,覆盖时间从1989年到2018年(每年1-4月和10-12月两个时段),时间分辨率为逐日,覆盖范围为青藏高原(17°N -41°N,65°E -106°E),采用等经纬度投影,空间分辨率为0.01°×0.01°。数据集以日产品表征了卫星观测时刻晴空无云或透明薄云下的地面是否为积雪所覆盖。输入数据源为NOAA与MetOp卫星的AVHRR L1数据,以及从TERRA/MODIS对应于AVHRR通道的L1数据。产品处理方法为独立于云掩模产品的动态阈值决策树算法(DT),即算法同时判别云雪,且其云检测强调保留雪信息,特别是透明卷云下的雪。DT算法针对不同情况,考虑了多种判识手段,如水云上的冰云,森林和沙地的积雪,薄雪或融雪等;根据地表类型、DEM和季节设定动态阈值;采用多种质量控制手段,如在重度气溶胶或烟尘覆盖的低纬度森林中剔除伪雪,参考最大月雪线和最小雪面亮度温度剔除伪雪;优化不同种类型云雪和晴空无雪陆地的判识流程。DT算法在正常情况下能区分大部分云雪,但会低估10月份青藏高原的积雪。基于多年地面气象台站雪深观测资料验证表明,本数据集对晴空条件下地面有无积雪的总体判识准确率在95%以上。数据采用标准的HDF4格式存储,内部有积雪覆盖和质量码两个SDS,维度均为4100列×2400行,且文件内部有完备的属性描述。
郑照军, 除多
中国区域地面气象要素驱动数据集,包括近地面气温、近地面气压、近地面空气比湿、近地面全风速、地面向下短波辐射、地面向下长波辐射、地面降水率共7个要素。数据为NETCDF格式,时间分辨率为3小时,水平空间分辨率为0.1°。可为中国区陆面过程模拟提供驱动数据。 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,融合了中国气象局常规气象观测数据制作而成。详细过程请参阅参考文献。原始资料来自于气象局观测数据、再分析资料和卫星遥感数据。已去除非物理范围的值,采用ANU-Spline统计插值。精度介于气象局观测数据和卫星遥感数据之间,好于国际上已有再分析数据的精度。
阳坤, 何杰, 唐文君, 卢麾, 秦军, 陈莹莹, 李新
湖泊的形成与消失、扩张与收缩对生态环境演化和社会经济发展都有重要影响。由于受气候、生态环境和人类活动等因素的综合影响,湖泊水域范围的变化速度快、幅度大,对观测的频率和分布都有很高的要求。近几十年以来,卫星遥感技术以其快速、覆盖面广、成本低廉等优点,为较大区域的湖泊动态监测提供了重要数据基础。针对大范围、高精度、长时间序列的湖泊变化分析对遥感数据时空分辨率的需求,本数据集基于 Landsat 卫星数据的自动湖泊提取方法(Feng et al., 2015),利用 2000 年以来的 Landsat 多颗卫星的观测数据,收集了2000 年以来的云量小于 80%的所有Landsat 数据,获得共 96278 景影像(约 25T 数据量),结合高性能数据存储和处理能力,提取了青藏高原和中亚地区 2000-2015 年湖泊分布记录,形成了时空一致的逐月水域范围数据集。利用分层随机采样采集样点,通过人工解译,获取能够代表不同时空分布的验证样点。评价结果表明:研究区时间序列水体数据总体精度为 99.45%(±0.59),水体用户精度(错分)为 85.37% (±3.74),制图精度(漏分)为 98.17%(±1.05)。
冯敏, 车向红
该数据集结合中国第二次编目数据、空间分辨率30米且云量覆盖度低于10%的landsat系列光学影像数据及SRTM等多种数据的基础上,利用ArcGIS,ENVI和Google Earth等处理软件,通过人工目视解译的方法提取冰川边界10km范围内的冰湖边界,并对解译后的数据进行统一的冰湖的类型、所属山脉、省域、流域等属性添加、质量检验与精度验证。空间分辨率30米。 由两部分组成,分别为利用冰川编目数据生成冰湖分布区矢量文件和2015年中国西部冰湖编目数据集。 为中国西部冰湖-冰川耦合关系、水资源利用与管理等相关研究的参考数据,还可以作为区域气候变化与冰冻圈等相关研究的基础数据。
王欣
青藏高原湖泊面积长时间序列数据集包含1970s至2013年364个面积大于10平方公里湖泊的面积序列数据。根据Landsat影像得来,以Landsat 10月份数据为主,每隔3年取一个数据,减少季节变化的同时,可利用数据达到最大。 数据使用NDWI水体指数提取,每个湖泊经过人工目视检查与编辑。 数据应用于青藏高原湖泊变化、湖泊水量平衡、气候变化的研究。 数据类型:矢量。 投影方式:WGS84。
张国庆
基于青藏工程走廊现有的15个活动层厚度监测场天然孔数据资料,运用GIPL2.0冻土模型模拟了青藏工程走廊的活动层厚度现状分布图。该模型需要合成时间序列的温度数据集,按照时间跨度分为两个阶段,分别是1980-2009和2010-2015,第一阶段的温度数据来自于中国气象驱动数据集(http://dam.itpcas.ac.cn/rs/?q=data#CMFD_0.1),第二阶段的数据应用空间分变率为1km的MODIS地表温度产品(MOD11A1/A2, MYD11A1/A2)。此外,模型需要的土质类型数据来自于分辨率为1公里的中国土壤数据库(V1.1),同时还考虑了地貌,基于实测的土壤热物理参数以及土地覆盖类型等将研究区域归为88类进行了模拟。 对模拟结果和现场实测数据进行了对比,结果显示具有较好的一致性,相关系数达到0.75。在高山地区,活动层平均厚度小于2.0 m,然而在河谷地带,活动层平均厚度大于4.0 m,在高地平原区,活动层厚度通常在3.0 m -4.0 m之间。
牛富俊, 尹国安
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。 在冻土研究中,气候是冻土存在和发展的决定性因素之一,其中地表温度是影响冻土分布的主要气候因子,其影响冻土发生发育以及分布,是冻土建模的上边界条件,对寒区水文过程的研究具有重要的意义。 数据集基于青藏高原工程走廊DEM及观测站资料分析了青藏高原2000-2014地表温度变化趋势。利用MODIS上下午星Terra和Aqua的地表温度数据产品MOD11A1/A2、MYD11A1/A2,基于影像时空信息对云覆盖像元下地表温度信息进行了重建,采用昆仑山(湿地、草原)、北麓河(草原、草甸)、开心岭(草甸、草原)、唐古拉山(草甸、湿地)8个站点对重建信息及地表温度代表性问题进行了分析,通过相关性系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)和平均偏差(MBE)验证指标得出:(1)基于时空信息的MODIS云覆盖像元下地表温度重建精度较高;(2)上下午星Terra和Aqua四次观测加权平均代表性最好。 基于MODIS地表温度信息重建及代表性问题的分析,获取了青藏高原及其工程走廊带2000-2010年年均MODIS地表温度数据。 可以看出2000-2010年地表温度也在经历着波动的增温趋势,这与青藏高原以及青藏工程走廊多年冻土段气候变化保持基本相同的变化趋势。
牛富俊, 尹国安
青藏高原过去的冻土图主要基于稀少的台站气温观测,采用基于连续性的分类系统。本数据集利用地理加权回归模型(GWR)综合了经过时空重建的MODIS地表温度、叶面积指数、积雪比例和国家气象信息中心多模型土壤水分预报产品、融合了4万多个气象站降水观测和FY2卫星观测的降水产品及152个气象台站2000-2010年的多年平均气温观测数据,模拟得到了青藏高原过去1公里分辨率的多年平均气温数据,利用多年冻土热条件分类系统,将多年冻土分为非常冷(Very cold)、冷(Cold)、凉(Cool)、暖(Warm)、非常暖(Very warm)和可能解冻(Likely thawing)几个类型。该图显示,扣除湖泊和冰川,青藏高原多年冻土总面积约为107.19万平方公里。验证表明该图具有更高的精度。可为今后冻土工程规划设计与环境管理等提供支持。
冉有华, 李新
该数据集是“中国雪深长时间序列数据集(1978-2012)”的升级版本。 中国雪深长时间序列数据集(1979-2023)采用经纬度投影方式,数据为浮点型。数据集按年份存储,每个年份是一个压缩包,每个压缩包内包含每天的积雪深度文件。每天的雪深用一个txt文件存储,文件的名称为“yyyyddd.txt”,其中yyyy代表年,ddd代表Julian日期,雪深单位为厘米(cm)。比如2005001.txt就代表这个ASCII文件描述2005年第一天我国的积雪覆盖状况。数据集的ASCII码文件是由头文件和主体内容构成,头文件包括行数、列数、x-轴中心点坐标、y-轴中心点坐标、栅格大小、无数据区标值等6行描述信息组成,主体内容就是根据行数列数组成的二维数组,雪深单位为厘米(cm)。因为该数据集中的所有ASCII码文件所描述的空间为我国全国范围,所以这些文件的头文件是不变的,现将头文件摘录如下(其中xllcenter, yllcenter, cellsize单位为度): ncols 321 nrows 161 xllcenter 60 yllcenter 15 cellsize 0.25 NODATA_value -1。 该数据集是采用中国被动微波雪深反演算法Che算法,从星载被动微波亮度温度数据提取。星载被动微波亮度温度数据来自多个传感器,本数据采用的传感器包括Nimbus7上的SMMR(1979-1988),DMSP-F08,F11,F13上的SSMI(1988-2008),DMSP-F17上的SSMI/S(2009-2020),Aqua上的AMSR-E (2002-2011),GCOM-W1上的AMSR2 (2012-)。考虑到不同传感器之间的系统差异,在进行雪深反演前,已对对不同传感器进行了交叉订正。 数据包含三个压缩文件:daily snow depth _smmr_ssmis_China (1978-2020),daily snow depth _amsre_China(2002-2011),daily snow depth_amsr2_China(2012-2023)。第一个是从SMMR,SSMI,SSMI/S提取的1978-2020年逐日雪深,第二个是从AMSR-E提取的2002-2011年逐日雪深,第三个是从AMSR2提取的2012-2023年逐日雪深。从2021年开始SSMI/S数据与之前差异较大,因此,之后的数据不再根据SSMI/S数据更新。AMSR-E数据结束时间是2011年9月27日。AMSR2数据从2012年9月1日开始,目前仍在运行,今后将根据AMSR2数据继续更新中国长时间序列数据集。
车涛, 戴礼云, 李新
中国第二次冰川编目以分辨率较高的Landsat TM/ETM+遥感卫星数据为主要冰川边界提取数据源,并以最新全球数字高程模型SRTM V4为冰川属性提取数据源,采用当前国际通用的波段比值阈值分割法提取裸冰区冰川边界,开发了分冰岭提取算法提取冰川分冰岭并用于单条冰川的分割,同时采用国际通用算法计算冰川属性,从而获得了中国西部主要冰川区包含逐条冰川信息的矢量数据和属性数据。通过与部分野外GPS实地测量数据和更高分辨率遥感影像(如QuickBird、WorldView等)的对比显示,第二次中国编目中的冰川矢量数据具有较高的定位精度,能够满足国土、水利、交通、环境等领域对冰川数据的要求。 冰川编目属性:Glc_Name(冰川名称)、Drng_Code(流域编码)、FCGI_ID(第一次编目冰川编码)、GLIMS_ID(GLIMS冰川编码)、Mtn_Name(山系名称)、Pref_Name(所在行政区划)、Glc_Long(冰川经度)、Glc_Lati(冰川纬度)、Glc_Area(冰川面积)、Abs_Accu(绝对面积精度)、Rel_Accu(相对面积精度)、Deb_Area(表碛区面积)、Deb_A_Accu(表碛区面积绝对精度)、Deb_R_Accu(表碛区面积相对精度)、Glc_Vol_A(估算冰川体积1)、Glc_Vol_B(估算冰川体积2)、Max_Elev(冰川最大高程)、Min_Elev(冰川最小高程)、Mean_Elev(冰川平均高程)、MA_Elev(冰川中值面积高度)、Mean_Slp(冰川平均坡度)、Mean_Asp(冰川平均坡向)、Prm_Image(主要遥感数据)、Aux_Image(辅助遥感数据)、Rep_Date(冰川编目代表日期)、Elev_Src(高程数据源)、Elev_Date(高程代表日期)、Compiler(冰川编目编制者)、Verifier(冰川编目审验者)。 数据的详细情况见第二次冰川编目-数据说明。
刘时银, 郭万钦, 许君利
本数据集采用SMMR(1978-1987)、SSM/I(1987-2009)和SSMIS(2009-2015)逐日亮温数据,由双指标(TB,37v,SG)冻融判别算法生成,分类结果包含冻结地表、融化地表、沙漠及水体四种类型。数据覆盖范围为中国大陆主体部分,空间分辨率为25.067525 km,EASE-Grid投影方式,以ASCIIGRID格式存储。 该数据集中的所有ASCII码文件可以直接用文本程序(如记事本)打开。除了头文件,主体内容为数值表征地表冻融的状态:1代表冻结,2代表融化,3代表沙漠,4代表降水。如果要用图示来显示的话,我们推荐用ArcView + 3D 或 Spatial Analyst 扩展模块来读取,在读取过程中会生成grid格式的文件,所显示的grid文件就是该ASCII码文件的图形表达。读取方法: [1] 在ArcView软件中添加3D或Spatial Analyst扩展模块,然后新建一个View; [2] 将View激活,点击File菜单,选择Import Data Source选项,弹出Import Data Source选择框,在此框中的Select import file type:中选择ASCII Raster,自动弹出选择源ASCII文件的对话框,点击寻找该数据集中的任一个ASCII文件,,然后按OK键; [3] 在Output Grid对话框中键入的Grid文件名字(建议使用有意义的文件名,以便以后自己查看)和点击存放此Grid文件的路径,再次按Ok键,然后按Yes(要选择整型数据),Yes(把生成grid文件调入到当前的view中)。生成的文件可以按照Grid文件标准进行属性编辑。这样就完成了显示将ASCII文件显示成Grid文件的过程。 [4] 批处理时,可以使用ARCINFO的ASCIIGRID命令,编写成AML文件,再用Run命令在Grid模块中完成: Usage: ASCIIGRID <in_ascii_file> <out_grid> {INT | FLOAT} 本数据的生产得到自然科学基金项目:中国西部环境与生态科学数据中心(90502010)、中国西部地区陆面数据同化系统研究(90202014)以及冻土主被动微波辐射传输模拟及其辐射散射特性研究(41071226)的支持。
晋锐, 李新
GAME/ Tibet 项目于1997 年夏季在安多(Amdo) 站作过短期预试验观测( PIOP) 。1998 年5~9 月, 安排了连续5 个加强观测期( IOP) , 每个IOP 约一个月。中、日、韩三国80 余名科学工作者分批赴青藏高原,进行了艰苦而卓有成效的工作。 各项观测试验计划顺利完成。并且从1998 年9 月加强观测结束后,5 个自动气象站(AWS) 、1 个自动气象综合观测站( PAM) 、1 个边界层塔及辐射综合观测站(Amdo) 及9 个土壤温度和湿度观测站一直连续观测至今, 取得了连续8 年零6 个月(从1997 年6 月开始) 极其珍贵的资料。 试验区设在藏北那曲地区的一个150 km ×200 km 的区域内(图1),同时在青藏公路沿线的D66,沱沱河和唐古拉山口(D105) 也建立了观测点。包括高原草甸、高原湖泊、荒漠化草原等不同下垫面上, 设置了以下观测站(点):(1) 两个包括大气和土壤的多学科综合观测站:安多(Amdo) 和那曲(NaquFx) 。这两个站含有多分量辐射观测系统、梯度观测塔、湍流通量直测系统、土壤温湿度梯度观测、无线电探空以及作为卫星资料地面真值利用的地面土壤湿度观测网和多角度光谱仪观测等;(2) 6 个自动气象站(D66 、沱沱河、D105 、D110 、Naqu 和MS3608) 。每个测站都有风、温、湿、压、辐射、地表温度、土壤温湿度和降水等观测;(3) 设在那曲北和南各约80 km 处的PAM( Portable Automated Meso - net) 站(MS3478和MS3637) 有类似于上述两个综合观测站(Amdo和NaquFx) 的主要项目, 同时有风、温、湿的湍流观测;(4) 9 个土壤温度和湿度观测点(D66 、沱沱河、D110 、WADD、NODA、Amdo 、MS3478、MS3478和MS3637) , 每个测站都包含有6 层土壤温度和9 层土壤湿度测量;(5) 一个设在那曲以南的三维多普勒雷达站和邻近(约100 km) 区域内的7 个加密雨量站( Precipitation gauge) , 辐射观测系统主要研究高原云与降水系统, 并作为TRMM 卫星一个地面真值站。 GAME-Tibet项目力求通过不同空间尺度的加强观测试验和长期监测,深入了解青藏高原的地气相互作用以及对亚洲季风系统的影响。 GAME/ Tibet 项目2000 年结束后, 已加入GEWEX(全球能量和水循环试验) 与CL IVAR (气候变化和预测) 两个大型国际计划联合组织的“全球协调加强观测计划(CEOP) ”, 开始执行“全球协调加强观测计划(CEOP) 亚澳季风之青藏高原试验研究”(CAMP/ Tibet ) 数据内容分为Prephase Observation Preriod (POP)1997年和IOP1998年 一、POP1997年数据内容: 1、Precipitation Guage Network (PGN) 2、Radiosonde Observation at Naqu 3、Analysis of Stable Isotope for Water Cycle Studies 4、Doppler radar observation 5、Large-Scale Hydrological Cycle in Tibet (Link to Numaguchi's home page) 6、Portable Automated Mesonet (PAM) [Japanese] 7、Ground Truth Data Collection(GTDC) for Satellite Remote Sensing 8、Tanggula AWS ( D105 station in Tibet ) 9、Syamboche AWS (GEN/GAME AWS in Nepal) 二、IOP1998年数据内容: 1、Anduo (1)PBL Tower 、(2)Radiation 、(3)Turbulence SMTMS 2、D66 (1)AWS (2)SMTMS (3)GTDC(4)Precipitation 3、Toutouhe (1)AWS(2)SMTMS(3)GTDC 4、D110 (1)AWS (2)SMTMS (3)GTDC(4)SMTMS 5、MS3608 (1)AWS (2)SMTMS (3)Precipitation 6、D105 (1)Precipitation (2)GTDC 7、MS3478(NPAM) (1)PAM (2)Precipitation 8、 MS3637 (1)PAM (2)SMTMS (3)Precipitation 9、NODAA (1)SMTMS (2)Precipitation 10、WADD (1)SMTMS (2)Precipitation (3)Barometricmd 11、AQB (1)Precipitation 12、Dienpa( RS2 ) (1)Precipitation 13、Zuri (1)Precipitation(2)Barometricmd 14、Juze (1)Precipitation 15、Naqu hydrological station (1)Precipitation 16、MSofNaqu(1)Barometricmd 16、Naquradarsite (1)Radarsystem(2)Precipitation 17、Syangboche[Nepal](1)AWS 18、Shiqu-anhe(1)AWS(2)GTDC 19、Seqin-Xiang(1)Barometricmd 20、NODA(1)Barometricmd(2)Precipitation(3)SMTMS 21、NaquHY(1)Barometricmd(2)Precipitation 22、NaquFx(BJ)(1)GTDC(2)PBLmd(3)Precipitation 23、MS3543(1)Precipitation 24、MNofAmdo(1)Barometricmd 25、Mardi(1)Runoff 26、Gaize(1)AWS(2)GTDC(3)Sonde
马耀明
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