{"id":"1121cc40-f1a6-405a-a34a-f27f2c8e63f3","title":"长序列高时空分辨率月尺度温度和降水数据集（1951-2011）","title_en":"A monthly air temperature and precipitation gridded dataset on 0.025° spatial resolution in China during（1951-2011）","serial":"","user_limit":"为尊重知识产权、保障数据作者的权益、扩展数据中心的服务、评估数据的应用潜力，请数据使用者在使用数据所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），明确注明数据来源和数据作者。对于转载（二次或多次发布）的数据，作者还须注明原始数据来源。","instructions":"数据文件描述：基于ANUSPLIN插值后的月值气象要素.nc文件包括pre_0025_1.nc; pre_0025_2.nc; tem_0025_1.nc; tem_0025_2.nc，其对应的预测标准误差分布文件包括pre_e0025_1.nc; pre_e0025_2.nc; tem_e0025_1.nc; tem_e0025_2.nc。其中pre_0025_1.nc, pre_e0025_1.nc, tem_0025_1.nc and tem_e0025_1.nc数据的时间范围是从1951年到1980年。pre_0025_2.nc, pre_e0025_2.nc, tem_0025_2.nc and tem_e0025_2.nc 数据的时间范围是从1981年到2011年。\n使用use ncdump -h  pre_0025_1.nc 查看文件头文件信息。\n使用ncl语言和cdo命令获取月值气候要素在特定空间和时间尺度上的值。","description":"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。","doi":"https://doi.org/10.1594/PANGAEA.895742","projection":"WGS84","language":"zh","share_type":"online","east":135.0,"west":70.66,"south":14.008,"north":56.0,"scale":null,"crs":null,"filesize":98700.0,"share_policy":"a","ts_created":"2019-05-21T15:58:27.261345+08:00","doi_type":null,"ts_updated":"2021-04-20T00:28:42.116605+08:00","time_description":"","datas_group":3,"time_description_en":null,"data_format":null,"project":[11],"specials":["f2a78cde-1c98-4241-94dc-7532eba32b80"],"cite":null,"review_status":5,"review_invite":[],"review_editor":{"id":21057,"last_login":"2022-04-02T11:43:37.753860+08:00","username":"gecm","email":"gechm@lzb.ac.cn","is_active":true,"is_staff":true,"user_name":"盖春梅"},"data_sources":"The monthly air temperature and precipitation dataset from the “China ground monthly climate dataset”, based on 753 national meteorological stations (https://data.cma.cn/). Besides the observations in China, the monthly air temperature data on 405 stations and monthly precipitation data on 449 stations from the neighboring countries (such as India, Mongolia, etc.), obtained from the Global Historical Climate Network (GHCN-Monthly Version 3) (https://www.ncdc.noaa.gov/ghcnm/v3.php).","temporal_resolution":"Monthly","spatial_resolution":"km","license":"Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)","fund":[6],"subtopics":{"metadata":"1121cc40-f1a6-405a-a34a-f27f2c8e63f3","three_pole":null,"third_pole":null},"username":"黄伟","review_time":"2019-05-27T17:03:19.551191+08:00","protected_duration":null,"protected_describe":null,"is_important":true,"hit_count":13635}