1960~2012年青藏高原极端气候指数数据集

责编:

一、对数据集的意见:

1、作者在论文的表1中列出了23个文件的英文名称分别对应数据集中的23个文件,但是在表中有一个英文名称为“DTR”,但是数据集中并未见对应的文件,而数据集多出了一个名为“FD0”的文件,请作者检查并修改;
2、请作者将数据集所在的地址:http://www.sciencedb.cn/dataSet/handle/444,添加到论文的“数据服务系统网址”那一栏。
二、对论文的意见:
1. 把“R语言”也作为关键词不知道是否妥当,请作者再酌。
2. 统一中英文摘要的内容,建议在中文中补充使用到的工具。
3. 引言部分请注意文章的逻辑性,在每个段与段之间增加承上启下的句子。
4. 文中图3的编号有误。

5. 现有的第2章极端气候指数数据生产依然是“数据采集和处理方法”的内容,建议作者重新组织章节。

6. 第2.1节数据预处理部分提到“特殊值32700替换为0”妥当吗?会不会影响结果?

7. 第2.1节“原始气温观测值单位为0.1℃”是指最小单位?精度?

8. 第2.1节“32766和32744缺测或为空值 ”表意不明,32766指缺测?32744指空值?

9. 本文缺少本刊模板中的固定章节“数据质量控制与评估”,第2.2节可否归入该章节?

10. 图3 RClimDex主页面是否有出现的必要?建议在文中添加软件版本号。

11. 第2.2节中提到的校验方法是人工还是软件?校验结果可靠吗?以下多次提到进一步检验是否存在异常值,是否是每次检验都有遗留的异常值?每次的校验方法是否有不同之处?建议说明一下,并能体现出数据的可靠性。同时建议列齐所有异常值的排除条件。
12. 图4中的英文建议改为中文 。
13. 图5和相应的叙述有出入,请检查并明确。

14. 现有的第3章数据时空特征,此章标题是否有误?是否也是数据质量控制的范畴?另,文章缺少固定章节“数据样本”,请补充。

15. 图6和图7中p和a的意义不明确?

 

 

【2017-06-14】 评论来自:版本 1
作者:

一、对数据集的意见:

1、作者在论文的表1中列出了23个文件的英文名称分别对应数据集中的23个文件,但是在表中有一个英文名称为“DTR”,但是数据集中并未见对应的文件,而数据集多出了一个名为“FD0”的文件,请作者检查并修改; 答:非常感谢审稿老师的认真检查,指出了错误之处。因此在修改中将表1中的DTR一行更正为FD0及其相关解释。

2、请作者将数据集所在的地址:http://www.sciencedb.cn/dataSet/handle/444,添加到论文的“数据服务系统网址”那一栏。 答:感谢审稿人提供的地址,已在修改中进行补充。

二、对论文的意见:

1. 把“R语言”也作为关键词不知道是否妥当,请作者再酌。 答:十分感谢审稿老师的建议,仔细斟酌确有不妥,对该关键词进行更正。

2. 统一中英文摘要的内容,建议在中文中补充使用到的工具。 已经统一中英文摘要

3. 引言部分请注意文章的逻辑性,在每个段与段之间增加承上启下的句子。 答:感谢审稿老师的建议,研读后发现确实逻辑较不明显,已进行修改。

4. 文中图3的编号有误。 答:十分感谢审稿老师的指正,在修改过程中对文章章节编号和图表编号一一核对,避免再次出现错误。

5. 现有的第2章极端气候指数数据生产依然是“数据采集和处理方法”的内容,建议作者重新组织章节。 答:非常感谢审稿老师的建议,修改过程中已按照投稿模板对文章章节重组。

6. 第2.1节数据预处理部分提到“特殊值32700替换为0”妥当吗?会不会影响结果? 答:感谢审稿老师的问题,读过后发现以前描述的不太清晰,32700为微量降水,对生活生产无影响,因此替换为0,在修改过程中添加了相应解释。

7. 第2.1节“原始气温观测值单位为0.1℃”是指最小单位?精度? 答:感谢审稿老师的问题,此处描述的同样容易误解,原始气温观测资料中的温度是真实值的10倍,即其单位为0.1℃,非指精度。

8. 第2.1节“32766和32744缺测或为空值 ”表意不明,32766指缺测?32744指空值? 答:感谢审稿老师的问题,此处描述的同样容易误解,32766指缺测,32744指空值,在更改过程中分开描述。

9. 本文缺少本刊模板中的固定章节“数据质量控制与评估”,第2.2节可否归入该章节? 答:感谢审稿老师的建议,已经归并。

10. 图3 RClimDex主页面是否有出现的必要?建议在文中添加软件版本号。 答:已经删除了主界面图,并添加了版本号。

11. 第2.2节中提到的校验方法是人工还是软件?校验结果可靠吗?以下多次提到进一步检验是否存在异常值,是否是每次检验都有遗留的异常值?每次的校验方法是否有不同之处?建议说明一下,并能体现出数据的可靠性。同时建议列齐所有异常值的排除条件。 答:非常感谢审稿老师提出的这一建议,原2.2节中提到的校验方法是在软件检测得到的质量控制记录文件的基础上,进行人工手动更正或删除,其异常值排除条件列举时言辞不够精确,后进行更正,加了序号。

12. 图4中的英文建议改为中文 。 答: 修改过程中已进行了替换。

13. 图5和相应的叙述有出入,请检查并明确。 答: 修改过程中对图中的1ns的情况解释。

14. 现有的第3章数据时空特征,此章标题是否有误?是否也是数据质量控制的范畴?另,文章缺少固定章节“数据样本”,请补充。 答: 修改过程中已按照投稿模板对文章章节重组。

15. 图6和图7中p和a的意义不明确? 答: 修改过程中已经增加了相应解释。

【2017-06-16】 评论来自:版本 1
责编:

同评专家一:

该数据集包括了青藏高原范围1960-2012年23个极端气候指数,对指数的计算过程进行了详细的描述,对于青藏高原的研究会有一定的应用价值,但还有一些问题需要改进。

(1)极端指数TN10P,TN90P,TX10P和TX90P的单位错误,应为%,不是d,物理意义为“每年日最低气温小于基准期内10%分位值的天数的百分比”;
(2)文中不用给出参考文献的引用吗?
(3)文中多处出现的斜率,应写为趋势,读者更容易理解,且需要给出单位,如每年变化多少,还是每十年变化多少,从目前的图5-6中看不出来所表达的意思;
(4)文中用到的RClimdex1.0软件包,应给出引用的出处,应该是ETCCDI上的R语言脚本。

同评专家二:

个别描述与分析应适当修改,以增强语言描述的严谨性与数据类型划分的科学性。

(5)引言中第一句“地质变化”指什么,本句主要列举灾害事件。

(6)第1.1节中提到“大部分气象观测站高程范围为 2500~5000  km”,2500-5000 km? 实际应为2500-5000m,不过大多数气象站一般不超过4500m。

(7)表1中GSL生长季长度那条,划分科学吗?依据是什么?

(8)第3.1节第二段第1个异常值检验“最高温度 Tmax 小于日最低温度 Tmin”,这种检验意义不大,因为作者提取的本身就是最高温和最低温,不可能出现最高温低于最低温情形,倒是提取中是否提取到了最高温和最低温需要一定方法检验。

(9)图5典型温度指数变化斜率可视化结果。此类图实际上不必区分是否通过显著性检验,因为未通过的也不具有变化趋势特点。重要的是区分正负变化。图6的降水指数变化斜率也同此。

同评专家三:

该论文行文较为流畅、要素齐全、数据描述合理,使用建议准确,是一片合格的数据论文。建议接收发表。

【2017-08-11】 评论来自:版本 1
作者:

根据意见作如下修改: 修改部分在文中用红色字体突出,修改的图图名同样用红色字体突出。以下是本文详细修改说明。

同评专家一: 该数据集包括了青藏高原范围1960-2012年23个极端气候指数,对指数的计算过程进行了详细的描述,对于青藏高原的研究会有一定的应用价值,但还有一些问题需要改进。

(1)极端指数TN10P,TN90P,TX10P和TX90P的单位错误,应为%,不是d,物理意义为“每年日最低气温小于基准期内10%分位值的天数的百分比”; 答:十分感谢审稿老师的指正,在修改过程中对实验过程及数据认真核查,本文使用的计算软件是按照每年内日最低(高)气温小于(大于)基准期内10%(90%)分位值的天数的百分比,计算为实际天数,附图为指数TN10p部分结果示例。

(2)文中不用给出参考文献的引用吗? 答:感谢老师的建议,本文的参考文献引用主要集中于引言部分,体现在对已有文献的总结及对本文的启发。所有参考文献均已在文中引用。

(3)文中多处出现的斜率,应写为趋势,读者更容易理解,且需要给出单位,如每年变化多少,还是每十年变化多少,从目前的图5-6中看不出来所表达的意思; 答:谢谢老师提出的意见,并在修改过程中进行修改补充。此外,修改过程中经检查,发现降水图(图6)有误,更换为正确图片,由此给编辑部老师和审稿老师带来的不便深感抱歉。

(4)文中用到的RClimdex1.0软件包,应给出引用的出处,应该是ETCCDI上的R语言脚本。 答:感谢老师提出的意见,已经补充软件的引用。

同评专家二: 个别描述与分析应适当修改,以增强语言描述的严谨性与数据类型划分的科学性。

(5)引言中第一句“地质变化”指什么,本句主要列举灾害事件。 答:感谢老师提出的问题,本句是根据文献[3]总结得到,指的是短暂的海平面变化,根据审稿意见已经修改。

(6)第1.1节中提到“大部分气象观测站高程范围为 2500~5000  km”,2500-5000 km? 实际应为2500-5000m,不过大多数气象站一般不超过4500m。 答:感谢审稿老师的认真审阅,已经在文中修改。

(7)表1中GSL生长季长度那条,划分科学吗?依据是什么? 答:感谢审稿老师提出的这一问题,文章表1中选择的极端气候指数均选自于世界气象组织(WMO)提出的一系列极端气候指标,其中包括生长季长度指数,文章在引言部分简单介绍了指数选择依据来源。

(8)第3.1节第二段第1个异常值检验“最高温度 Tmax 小于日最低温度 Tmin”,这种检验意义不大,因为作者提取的本身就是最高温和最低温,不可能出现最高温低于最低温情形,倒是提取中是否提取到了最高温和最低温需要一定方法检验。 答:谢谢审稿老师的意见,异常值检验标准是当最高温度小于最低温度以及降水值小于0这两种超出常理的情形发生时,确定其为异常值;最高值和最低值的提取即为在一个时间序列中取到最大值和最小值,通过程序求取较为简单可靠;此外文章中还给出了离群值的检测方法。

(9)图5典型温度指数变化斜率可视化结果。此类图实际上不必区分是否通过显著性检验,因为未通过的也不具有变化趋势特点。重要的是区分正负变化。图6的降水指数变化斜率也同此。 答:感谢审稿老师的建议,图5和图6在绘制过程中添加了等值线,可以凸显每个站点的正负变化,此外为了直观显示变化趋势的大小,从而按图中圆点大小代表变化绝对值的大小;此外根据审稿老师的意见修改过程中去掉了显著性检验项。

同评专家三: 该论文行文较为流畅、要素齐全、数据描述合理,使用建议准确,是一片合格的数据论文。建议接收发表。 答:感谢审稿老师的建议。

【2017-08-13】 评论来自:版本 1
责编:

经编委投票决定录用本文。

【2017-08-24】 评论来自:版本 2

提交问题或建议:



您还没有登录,请[登录]或[ 注册]!

1960~2012年青藏高原极端气候指数数据集

浏览下载总计

网页浏览 论文下载
23170 2271

1960~2012年青藏高原极端气候指数数据集

作者发表的论文

很抱歉,没有检索到作者相关论文!

            数据来源:CSCD中国科学引文数据库

19602012年青藏高原极端气候指数数据集

周玉科1*,高琪2

1. 中国科学院地理科学与资源研究所,生态系统网络观测与模拟院重点实验室,北京 100101;

2. 山东理工大学,建筑工程学院,淄博 255049

* 联系人(Email: zhouyk@igsnrr.ac.cn

摘要:青藏高原作为高海拔生态环境脆弱区域,其气候变化及发展趋势一直是学界的研究热点,极端气候事件分析是其中一项重要的研究内容。本文基于99个气象观测站1960~2012年的日值气温(日最高气温、日最低气温)和降水观测资料(日降水),经过数据质量控制和异常值剔除,利用R语言中的RClimDex包计算得到每年典型的15项极端气温指数和8项极端降水指数,其中包括10项绝对值指数和13项阈值指数(百分比和观测量阈值)。本数据集可以作为青藏高原地区在全球气候变化下极端天气事件发生频率和趋势探测分析的材料,也可以作为基础数据来探索极端天气事件对农牧业生产的影响。

关键词:青藏高原;极端气候指数;气候变化;气象站点

A dataset of climate extreme indices on the Tibetan Plateau (1960 – 2012)

Zhou Yuke1*, Gao Qi2

1. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, P. R. China;

2. School of Civil and Architectural Engineering, Shandong University of Technology, Zibo 255049, P. R. China

*Email: zhouyk@igsnrr.ac.cn

Abstract: As an ecological sensitivity region with the highest altitude, the Tibetan Plateau has been a hotspot in the study of long term trend and change of climate. The extreme weather events are related to the regional climate change and needed to be analyzed deeply. In this study, based on the daily observed temperature and precipitation at 99 meteorological stations over the Tibetan Plateau during 1960 – 2012, a series of climate extreme indices are calculated. Firstly, the original meteorological observations are processed with quality control method. Then fifteen temperature extreme indices and eight precipitation extreme indices are computed using the R package RClimDex. There are ten indices determined by the absolute observed value and thirty indices determined by the threshold approach. This dataset will be useful in the research on extreme events occurring probability and the developing trend in the future. Combined use with regional statistical data, the climate extremes dataset can also reveal the impacts of climate extremes on agricultural and livestock production.

Keywords: Tibetan Plateau; climate extreme indices; climate change; meteorological stations

数据库(集)基本信息简介

数据库(集)中文名称

1960~2012年青藏高原极端气候指数数据集

数据库(集)英文名称

A dataset of climate extreme indices on the Tibetan Plateau (1960 – 2012)

数据作者

周玉科、高琪

联系人

周玉科(zhouyk@igsnrr.ac.cn)

数据时间范围

1960~2012年

地理区域

青藏高原(26°00′ N~39°47′ N,73°19′ E~104°47′ E),其中包括99个气象观测站点

时间分辨率

数据量

2.39MB

数据格式

CSV

数据服务系统网址

http://www.sciencedb.cn/dataSet/handle/444

基金项目

国家自然科学基金(41601478)

中国科学院STS项目(KFJ-SW-STS-167)

数据库(集)组成

本数据集由23个指数文件(CSV)组成,包括15个极端温度指数和8个极端降水指数结果,数据名以英文的“指数名称”命名。每个指数文件均由年份、对应年际指数结果、平滑结果和站点名标识4部分组成,每个文件的数据量因站点数目及观测年份的不同略有差异,未压缩数据量大约为80~160 KB之间。

引 言

随着人类社会经济活动的加强和全球气候变化等因素[1-2],全球性的热浪天气、极端降水、热带风暴和地质变化等灾害性气象气候事件频发[3]。由于青藏高原对北半球甚至全球气候变化的敏感性和自身生态的脆弱性[4-5],学界已经广泛开展关于该高寒干旱区域的气候发展、变化趋势和植被响应等方面的研究[6-7]

气候变化研究分析需要地面气象资料作为基础数据,由中国气象科学数据共享服务网提供的气象观测站地面观测资料内容全面,包括降水、风速、水汽压、相对湿度、日照和气温等16项气象参数,但因其数据量大,且部分参数应用较少造成数据冗余,不利于直观分析气候变化。而由世界气象组织(WMO)提出的一系列极端气候指标,是基于上述气象站点原始地面观测资料计算得到的,为气温与降水事件的统计与分析提供了统一的标准与依据,可以直观反映极端气候事件分布与发展趋势[8-9],并为该地区的农牧业发展与生态环境管理提供参考,因此提供支持青藏高原地区的气候研究的极端气候指数数据十分必要。

本文涉及的青藏高原极端气候指数数据集包括极端气温和降水两部分,从绝对指数和相对指数两方面反映年际温度及降水实际情况,详细描述了青藏高原地区冷暖温度、低温及高温极值、植被生长季长度、冷热持续日数、年降水量、强降水量、连续湿润及干旱日数等,为进一步分析青藏高原地区长时间序列内极端气温与降水年际变化趋势及变化特征提供可靠的数据支撑。

1 数据采集和处理方法

1.1 站点分布

本文原始气象站观测资料来源于中国气象科学数据共享服务网,气象观测站点主要分布于青藏高原的中东部分区域,大部分气象观测站高程范围为2500~5000 km,覆盖新疆维吾尔自治区、青海省、甘肃省、四川省、云南省和西藏自治区,跨越了高原温带、亚寒带和中亚热带3个温度带,共包括10余种不同类型生态地理分区。106个地面气象观测站中有7个站点无观测数据,即实际使用站点99个。本文选用的青藏高原气象站点及其空间高程分布如图1所示。

图1 气象观测站点分布图

1.2 数据生产流程

数据生产流程共分为4部分:数据预处理、加载数据与质量控制、选择计算极端气候指数和结果整理与应用。整体流程如图2所示。

2 极端气候指数生产流程

1.2.1 数据预处理

原始气象观测站点数据来源于中国气象局国家气象信息中心,首先将每年包含全部站点的独立文件合并;然后提取出RClimDex1.0软件计算极端气候指数时所需的数据项,包括全部站点的年、月、日、日最高气温Tmax、日最低气温Tmin和日降水量Prcp共6项,保存为CSV文件。

由于原始降水观测值是由降水类型代码及降水量组成。前两位降水类型代码31、32、30分别代指降雪量、雾和露水值、雨夹雪;后三位为降水量有效值,其中特殊值32700代表小于0.1mm的微量降水值,对生活和生产的影响几乎无影响,因此替换为0,另外32766是缺测值,32744为空值,均替换为软件可识别的数据格式-99.9。

原始气温记录值的单位为0.1℃,需根据记录值与真实气温间关系解译为实际值。此外,温度记录中的缺测值同样替换成-99.9。

将日最高气温Tmax、日最低气温Tmin和日降水量Prcp解译完成后,提取每个站点的全部记录,并按年月日依次排序,输出以99个站点命名的ASCII格式文本文件,便于满足后续计算极端气候指数的数据需求。

1.2.2 极端气候指数计算

计算极端气候指数前,需要设置基期的始末年份、气象站点经纬度、自定义日最高温度的上限及下限、自定义日最低温度的上限及下限和用户自定义降水量阈值等参数。始末年份可用作计算基期,应在原始数据前加入一行缺测数据,保证识别时间序列的完整性;自定义最高温度的上限可计算出热持续指数,最低温度的下限可计算冷持续指数;此外,当原始数据的日降水量大于设置的降水量阈值,即被视为持续湿润日数。本文选择计算了23个典型极端气候指数,其中包括15个气温指数和8个降水指数。

1.2.3 数据平滑处理

为了消除各指数时间序列的不稳定性,采用简单滑动平均法(SMA)进行数据平滑处理,取某一指数前后5年的平均值作为该年份的滑动平均结果,由于每个指数的站点数较多,以连续干旱指数CDD为例,对其数据平滑过程如图3所示。

3 数据平滑处理流程图(以CDD指数为例)

数据平滑基本流程如下:(1)读取指数结果文件存储为矩阵f1,由年份、对应年际指数结果和站点标识三部分组成;(2)提取首个站点名标识的全部记录,存储至矩阵f且将年际指数转化为时间序列x1,然后对f中时间序列化后的年际指数结果x1进行简单平滑处理,进而合并f和平滑结果SMA,合并结果fa作为后续站点结果合并的基础;(3)迭代循环处理第i个(1<i≤ns)站点名标识的矩阵fi,重复首个站点数据平滑处理过程,将第i个站点数据平滑结果与fi合并为fb后,再与前一合并结果fa合并为新的fa,直至当i=ns时为最后一次迭代平滑处理过程,即所有站点平滑处理完成。(4)当开始出现i>ns时,输出合并结果fa为CSV格式文件,便于青藏高原地区极端气温及降水分析与应用。

2 数据样本

本数据集最终包含青藏高原99个站点的23项典型极端气候指数结果文件,为了便于计算处理与应用,存储为CSV格式文件,包括15种气温指数和8种降水指数,结果文件以指数英文名称命名,例如CDD.CSV。本数据集内全部指数及其详细释义如表1所示。

表1 极端气候指标及其含义

指数类型

英文名称

中文名称

意义

单位

温度指数

TN10p

冷夜日数

日最低气温<10%分位值的天数

d

TN90p

暖夜日数

日最低气温>90%分位值的天数

d

TX10p

冷昼日数

日最高气温<10%分位值的天数

d

TX90p

暖昼日数

日最高气温>90%分位值的天数

d

TXx

最高气温极大值

年最高气温的最大值

TNx

最低气温极大值

年最低气温的最大值

TXn

最高气温极小值

年最高气温的最小值

TNn

最低气温极小值

年最低气温的最小值

TMAXmean

年平均最高气温

年最高气温平均值

TMINmean

年平均最低气温

年最低气温平均值

FD0

霜日日数

一年内最低温<0℃的日数

d

WSDI

热持续指数

连续6日最高温>90%分位值日数

­d

CSDI

冷持续指数

连续6日最低温<10%分位值日数

d

GSL

生长季长度

连续6日>5℃或<5℃的时间长度

d

SU25

夏日日数

日最高气温>25℃的日数

d

降水指数

SDII

日降水强度

降水量≥1 mm的总降雨量与天数的比值

mm/d

R10

强降水日数

一年内日降水量≥10 mm的日数

d

CWD

连续湿润日数

降水量≥1 mm的最长连续日数

d

CDD

连续干旱日数

降水量<1 mm的最长连续日数

d

R95p

强降水量

降水量>95%分位值的总量

mm

RX5day

连续5日最大降水量

每月内连续5天的最大降水量

mm

RX1day

连续1日最大降水量

每月内的最大日降水量

mm

PRCPTOT

年降水量

一年内降水量之和

mm

其中,每个指数结果文件均包含4列属性值:年份year、指数年际值、平滑值SMA和对应站点名标识(如51804)。

3 数据质量控制和评估

对本数据集的质量控制体现两方面:一是在数据预处理中对原始数据的特殊值进行解译,并将数据统一通用单位;二是在极端气候指数生产过程中通过人工校检和软件自动监测相结合的手段,对预处理后的数据完成了严格的质量控制。计算极端气候指数前,用软件检测出每个站点文件中的数据异常值,生成质量控制结果文件,然后根据人工检查验证文件数据,进行更正或删除。

3.1 数据初步质量控制

数据质量控制是计算极端气候指数前的必要步骤,原始数据内的异常值及错误值不但会导致产生错误的当年值,而且会影响后续的趋势分析。采用R语言编程环境中的RClimDex1.0软件包处理气象观测数据,包括气温与降水数据的质量控制和极端气候指数计算。

首先,校检各站点气象数据的txt文件,检测是否存在不符合逻辑的异常值,包括:(1)日最高温度Tmax小于日最低温度Tmin;(2)降水量Prcp小于0mm。采用RClimDex1.0软件加载预处理得到的气象观测站点数据,运行质量控制功能模块,软件会自动识别-99.9为NA,并用NA替换异常值。其次,为了检测出气温和降水时间序列中的离群值,定义不超过或不小于青藏高原每日气候时间序列平均值3倍标准差范围为合理值范围,其离群值范围表达为[-∞, Mean – 3*Std] U [Mean+3*Std, +∞]。若原始气温及降水数据处于离群值范围[-∞, Mean – 3*Std]|[ Mean+3*Std, +∞]内,需再次对质量控制结果文件中的记录进行校检与筛选,剔除不合理的记录或将其设置为缺测值,确保数据质量得到严格控制;若无异常离群值,则可计算极端气候指数。

通过探索性分析了各观测值的统计分布情况,进一步检验是否存在逻辑异常值。图4显示了站点51804的气温和降水观测值的概率密度分布情况。95%分布区间外的分布均有可能为异常值,通过检查原始数据实际情况决定是否删除。

4 原始气温及降水数据概率密度分布图(以站点51804为例)

3.2 极端气候指数产品评估

为了进一步直观显示本数据集内极端气候指数反映出的气候变化趋势,将各站点的典型极端指数变化斜率以等值线形式表示,从而进一步验证本数据集结果的可靠性。各站点典型温度与降水指数可视化结果分别如图5和图6所示,其中a代表各站点每个指数的年际变化斜率,p<0.05表示通过显著性检验。

5 典型温度指数可视化结果(TN10p, TN90p, TX10p, TX90p, CSDI, WSDI, FD0, GSL

6 典型降水指数可视化结果(SDII, RX5day, R10, R95p

根据上图中温度和降水指数长时间序列的变化趋势可知,其大部分站点的温度冷指数变化斜率为负,温度暖指数变化斜率大部分为正,降水指数变化斜率为较小正数。符合全球气候变暖背景,且与以往研究中青藏高原地区温度与降水变化一致。

4 数据价值及使用建议

极端气候事件发生的频率及发展趋势对气候变化的分析及评价具有直接影响,本数据集可以和常规气象观测数据配合使用,来探索青藏高原地区的长期气候变化趋势及空间特征。比如气温相关的极端指数可以分为冷指数和暖指数,分析两种指数的变化趋势有助于理解气温变化的分异情况。本数据集也可以与当地社会经济统计数据做关联分析,评估极端气候事件对农牧业生产带来的影响。

本数据集共享了青藏高原99个气象观测站点1960~2012年内23种极端气候指数结果。数据文件按指数分别存储,数据文件格式为CSV格式,便于后续处理与应用,用户可根据实际情况选择性下载数据。

致 谢

感谢资源与环境信息系统国家重点实验室张文杰博士在数据预处理方面的指导和山东理工大学范俊甫老师提供实验环境支持。

数据作者分工职责

周玉科(1984—),男,山东省济宁市人,博士,助理研究员,研究方向为生态遥感。主要承担工作:数据产品设计和关键技术实现。

高琪(1993—),女,山东省德州市人,硕士研究生在读,研究方向为生态遥感。主要承担工作:极端气候指数的计算。

参考文献

[1]  李红梅, 李林. 2℃全球变暖背景下青藏高原平均气候和极端气候事件变化[J]. 气候变化研究进展, 2015, 11(3): 157–164.

[2]  Alexander L, Zhang X, Peterson T, et al. Global observed changes in daily climate extremes of temperature and precipitation[J]. Journal of geophysical research, 2006, 111(D5): 1042–1063.

[3]  Zwiers F; Alexander L; Hegerl G; et al. Climate Extremes: Challenges in Estimating and Understanding Recent Changes in the Frequency and Intensity of Extreme Climate and Weather Events[M]. Climate Science for Serving Society. Springer Netherlands, 2013: 339–389.

[4]  Wang B, Bao Q, Hoskins B, et al. Tibetan Plateau warming and precipitation changes in East Asia[J]. Geophysical Research Letters, 2008, 35(14).

[5]  姚永慧, 张百平. 青藏高原气温空间分布规律及其生态意义[J]. 地理研究, 2015, 34(11): 2084–2094.

[6]  吴绍洪, 尹云鹤, 郑度, 等. 青藏高原近30年气候变化趋势[J]. 地理学报, 2005, 60(1): 3–11.

[7]  吴国雄, 段安民, 张雪芹, 等. 青藏高原极端天气气候变化及其环境效应[J]. 自然杂志, 2013, 35(3): 167–171.

[8]  You Q, Kang S, Aguilar E, et al. Changes in daily climate extremes in the eastern and central Tibetan Plateau during 1961–2005[J]. Journal of Geophysical Research: Atmospheres (1984–2012), 2008: 113.

[9]  Zhou B, Xu Y, Wu J, et al. Changes in temperature and precipitation extreme indices over China: analysis of a high‐resolution grid dataset[J]. International Journal of Climatology, 2016, 36(3):1051–1066.

论文引用格式

周玉科, 高琪. 1960~2012年青藏高原极端气候指数数据集(讨论版)[J/OL]. 中国科学数据, 2017. DOI: 10.11922/csdata.170.2017.0143.

数据引用格式

周玉科, 高琪. 1960~2012年青藏高原极端气候指数数据集(讨论版)[DB/OL]. Science Data Bank, 2017. DOI: 10.11922/sciencedb.444.

下载