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
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, 阳坤, 何杰
2008年全国遥感年平均地表温度和冻结指数是冉有华等（2015）基于MODIS Aqua/Terra逐日四次的5公里瞬时地表温度数据产品，发展了新的年平均地表温度和冻结指数估计方法，该方法利用上下午LST观测的平均获取日平均地表温度，方法的核心是如何恢复LST产品的缺失数据，该方法有两个特点：（1）将遥感观测到的日地表温度变幅进行了空间插值，利用插值获取的空间连续的日地表温度变幅，使一天只有一次的卫星观测数据得到应用；（2）利用了一个新的缺失数据时间序列滤波方法，即基于离散余弦变换的惩罚最小二乘回归方法。 验证表明，年平均地表温度与冻结指数的精度只与原始MODIS LST的精度有关，即保持了MODIS LST产品的精度。可用于冻土制图及相关资源环境应用。
冉有华, 李新
中国区域地面气象要素数据集是中国科学院青藏高原研究所开发的一套近地面气象与环境要素再分析数据集。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。其时间分辨率为 3 小时，水平空间分辨率 0.1°，包含近地面气温、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（变量）。 各变量的物理意义： | 气象要素||变量名||单位||物理意义 | 近地面气温 ||temp|| K || 瞬时近地面（2m）气温 | 地表气压 || pres|| Pa || 瞬时地表气压 | 近地面空气比湿 || shum || kg/ kg ||瞬时近地面空气比湿 | 近地面全风速 || wind || m /s || 瞬时近地面（风速仪高度）全风速 | 向下短波辐射|| srad || W /平方米 || 3 小时平均 （-1.5hr ～ +1.5hr） 向下短波辐射 | 向下长波辐射||lrad ||W /平方米 ||3 小时平均 （-1.5hr ～ +1.5hr） 向下长波辐射 | 降水率||prec||mm/hr ||3 小时平均 （-3.0hr ～ 0.0hr） 降水率 更多信息，请参见随数据一同发布的《User’s Guide for China Meteorological Forcing Dataset》。 最新版本（01.06.0014）的主要变化有： 1. 将数据延伸到 2015 年 12 月（短波和长波数据例外，只到 2015 年 10 月，2015 年 11-12 月的数据系根据 GLDAS 数据插值得到，误差可能会偏大）； 2. 设定风速最小值为 0.05 m/s； 3. 修正了之前辐射算法中的一个 bug，使我们的短波和长波数据在晨昏时段更合理。 4. 修正了降水数据的 bug，更改涉及的时段是 2011-2015 年。
阳坤, 阳坤, 何杰
1962-2011年中国大陆各分区近地表气温直减率数据集是中国科学院青藏高原研究所王磊研究员课题组的研究成果。 该数据集将中国大陆分成了24个研究区域，在word文档（description of groups.doc）中描述了各分区的经纬度范围，也可以从数据的缩略图中浏览各分区的空间分布。 气温直减率数据集以EXCEL格式描述，包括了整个中国地区各个分区的年平均以及四季平均的lapse rate数值。 该统计基于553个包含完整月系列的中国气象局常规气象站的2m气温观测，并利用另外201个气象站（有缺值）做了独立验证。 更多信息，请参见随数据一同发布的期刊文献。
王磊
基于静止卫星和再分析资料的中国区域大气驱动数据集是由中国气象局制备的一套具有较高时空分辨率的大气驱动数据集，空间分辨率为0.1°×0.1°，时间分辨率为1小时，覆盖范围为东经75°-135°，北纬15°-55°，包含近地面气温、相对湿度、地面气压、近地面风速、地表入射太阳辐射和地面降水率6个要素。其中降水产品的制备过程如下：利用中国风云二号静止卫星多通道数据所反演的6小时累积降水估计与常规地面观测6小时累积降水进行数据融合，获得6小时累积降水空间分布数据，然后利用静止卫星多通道反演的高分辨率云分类信息确定累积降水时间插值权重，得到1小时累积降水估计。辐射资料的制备过程如下：基于FY-2C的地表入射太阳辐射采用辐射传输模型DISORT(Discrete Ordinates Radiative Transfer Program for a Multi-Layered Plane-parallel Medium)进行辐射传输计算，获得逐小时0.1°×0.1°的中国区域地表入射太阳辐射数据。其他要素的制备过程：对1.0°×1.0°的NCEP再分析资料采用空间和时间插值方法，获得逐小时0.1°×0.1°的近地面气温、相对湿度、地面气压、近地面风速等驱动要素。 各变量的物理意义： 气象要素 || 变量名 || 单位 || 物理意义 | 地面气温 || TBOT || K || 近地面（2m）气温 | 地表气压 || PSRF || Pa || 地表气压 | 地面相对湿度 || RH || kg/ kg ||近地面(2m)相对湿度 | 地面风速 || WIND || m /s ||近地面（风速仪高度）风速 | 地表入射太阳辐射|| FSDS || W /m2 || 地表入射太阳辐射 | 降水率||PRECTmms||mm/hr || 降水率 更多信息，请参见随数据一同发布的数据文档。
师春香
本数据集包括中国地区2002-2008年，经纬度投影，0.25度分辨率的被动微波遥感亮度温度数据。 1、数据处理过程: NSIDC produces AMSR-E gridded brightness temperature data by interpolating AMSR-E data (6.9 GHz, 10.7 GHz, 18.7 GHz, 23.8 GHz, 36.5 GHz, and 89.0 GHz) to the output grids from swath space using an Inverse Distance Squared (ID2) method。 2、数据格式： Brightness temperature files: two-byte unsigned integers, little-endian byte order Time files: two-byte signed integers, little-endian byte order 3、数据命名: ID2rx-AMSRE-aayyyydddp.vnn.ccc(China-ID2r1-AMSRE-D.252002170A.v03.06V） ID2 Inverse Distance Squared r1 Resolution 1 swath input data AMSRE Identifies this an AMSR-E file D.25 Identifies this as a quarter degree file yyyy Four-digit year ddd Three-digit day of year p Pass direction (A = ascending, D = descending) vnn Gridded data version number (for example, v01, v02, v03) ccc AMSR-E channel indicator: numeric frequency (06, 10, 18, 23, 36, or 89) followed by polarization (H or V) 4、切割范围： Corner Coordinates: Upper Left ( 60.0000000, 55.0000000) ( 60d 0'0.00"E, 55d 0'0.00"N) Lower Left ( 60.0000000, 15.0000000) ( 60d 0'0.00"E, 15d 0'0.00"N) Upper Right ( 140.0000000, 55.0000000) (140d 0'0.00"E, 55d 0'0.00"N) Lower Right ( 140.0000000, 15.0000000) (140d 0'0.00"E, 15d 0'0.00"N) Center ( 100.0000000, 35.0000000) (100d 0'0.00"E, 35d 0'0.00"N) Origin = (60.000000000000000,55.000000000000000) 5、数据投影: GEOGCS["WGS 84", DATUM["WGS_1984", SPHEROID["WGS 84",6378137,298.257223563, AUTHORITY["EPSG","7030"]], TOWGS84[0,0,0,0,0,0,0], AUTHORITY["EPSG","6326"]], PRIMEM["Greenwich",0, AUTHORITY["EPSG","8901"]], UNIT["degree",0.0174532925199433, AUTHORITY["EPSG","9108"]], AUTHORITY["EPSG","4326"]]
Mary Jo Brodzik, Matthew Savoie, Richard Armstrong, Ken Knowles
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19003365号-4 | All Rights Reserved
｜ 
京公网安备11010502040845号
