数据分享|1951—2020年中国逐3小时\逐日\逐月\逐年多指标气象栅格数据（包括11个指标）

1951—2020年中国逐3小时\逐日\逐月\逐年多指标气象数据！该数据集名称为China Meteorological Forcing Data，是v2.0版本的数据，简称为CMFD 2.0。该数据集提供了高精度、高分辨率、长时间序列的气象数据产品，包含近地面气温（temp）、气压（pres）、比湿（shum）、相对湿度（rhum）、全风速（wind）、向下短波辐射通量（srad）、向下长波辐射通量（lrad）、降水率（prec）8个基础气象要素及降雨率（液体降水率）（rain）、降雪率（固体降水率）（snow）、偏差校正降水率（bcpr）3个衍生气象要素。数据时间分辨率包括逐3小时、逐日平均、逐月平均、逐年平均、长期气候平均五种时间精度。空间分辨率为0.1°。数据格式为nc格式（下文会附上arcgis软件中打开nc格式数据的教程）。需要说明的是：该数据逐3小时的数据非常大，11个指标的逐3小时数据一共约700G，本次我们就不提供逐3小时数据了，只提供逐日平均、逐月平均、逐年平均、长期气候平均四种时间精度的数据，如果大家需要逐3小时的数据可以自己去下面数据网站下载。

该数据集由来自清华大学地球系统科学系阳坤教授课题组研究完成，并于2020年1月21日发表在《Scientific Data》期刊上，论文题目为《The first high-resolution meteorological forcing dataset for land process studies over China》。该篇论文发布了过去十年间阳坤团队开发的一套服务于陆面、水文、生态等地表过程模型的中国高时空分辨率气象数据集。该套数据是通过将地面原位站点观测数据与遥感产品和再分析数据集的几个融合而成，因其2.0版本（CMFD 2.0）融合了欧洲中期天气预报中心ERA5再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的ISCCP-ITP-CNN和TPHiPr数据产品，其数据精度较CMFD的上一代产品有显著提升。

数据作者提供的数据包包括12个文件夹。如下图：

其中：

文件名称中包含“forcing”的文件夹为上述第二段提到的基础气象要素，一共包括5个文件夹，对应着逐3小时（03hr）、逐日平均（01dy）、逐月平均（01mo）、逐年平均（01yr）、长期气候平均（clim）。

文件名称中包含“derived”的文件夹为上述第二段提到的衍生气象要素，也是包括5个文件夹，也是对应着逐3小时（03hr）、逐日平均（01dy）、逐月平均（01mo）、逐年平均（01yr）、长期气候平均（clim）。

无论是基础气象要素的5个文件夹，还是衍生气象要素的5个文件夹，文件夹里面都是包括nc格式的文件，每个文件夹下包括对应时间分辨率的气象要素的nc格式文件。nc文件名命名方式为“VVVV_CMFD_vvvv_CCCC_tttt_sssdeg_YYYYMM.nc”。其中：VVVV为变量名缩写，vvvv为数据版本，CCCC为数据集类别，tttt是时间分辨率，sss是空间分辨率（单位：度），YYYY是四位数年，MM是二位数月。例如：“prec_CMFD_V0200_B-01_03hr_010deg_202012.nc”文件代表的含义是：CMFD v2.0版本数据集中分辨率为0.1°的2020年12月期间每3小时的降水率数据。

下图以2020年12月28日12:00时刻的降水率为例向大家展示一下数据的空间分布：

另外剩下的2个文件，“Data_ancillary”为辅助数据，提供了该地区的地形高程文件；“Documentation”提供了数据用户手册。

本次分享的数据的格式为nc格式（NetCDF）。有些同学可能不知道如何打开nc格式的数据。我们专门做了在arcgis软件中打开nc格式数据的教程（戳我跳转教程）！

数据来源：

该数据来源于国家青藏高原科学数据中心，具体网址为：https://doi.org/10.11888/AtmosphericPhysics.tpe.249369.file

数据格式：NetCDF

其他说明：该数据集通过将32位浮点值打包成16位整型来节省空间，因此在使用前需要解包。大多数高级软件(GrADS、Matlab等）可以在后台自动解包此类数据，因此用户无需自行解包。但是，当用户要编写FORTRAN或C程序来读取此数据时，应使用以下公式从16位短整数还原32位浮点数据：

32位未打包数据值 = 16位打包数据值 × scale_factor + add_offset

其中，scale_factor和add_offset是解包数据时需要的两个参数。下表列出了每个变量的scale_factor和add_offset值。

数据引用：

何杰, 阳坤, 李新, 唐文君, 邵长坤, 姜尧志, 丁宝弘. (2024). 中国区域地面气象要素驱动数据集 v2.0（1951-2020）. 国家青藏高原数据中心. 

https://doi.org/10.11888/Atmos.tpdc.302088.https://cstr.cn/18406.11.Atmos.tpdc.302088.

He, J., Yang, K., Li, X., Tang, W., Shao, C., Jiang, Y., Ding, B. (2024). China meteorological forcing dataset v2.0 (1951-2020). National Tibetan Plateau / Third Pole Environment Data Center.

https://doi.org/10.11888/Atmos.tpdc.302088.https://cstr.cn/18406.11.Atmos.tpdc.302088.

论文引用：

1、He, J., Yang, K., Tang, W., Lu, H., Qin, J., Chen, Y. Y., & Li, X. (2020). The first high-resolution meteorological forcing dataset for land process studies over China. Scientific Data, 7(1), 25. https://doi.org/10.1038/s41597-020-0369-y

2、Tang, W., Yang, K., Qin, J., Li, X., & Niu, X. (2019). A 16-year dataset (2000–2015) of high-resolution (3h, 10km) global surface solar radiation. Earth Syst. Sci. Data, 11, 1905–1915, https://doi.org/10.5194/essd-11-1905-2019.

3、Jiang, Y., Yang, K., Qi, Y., Zhou, X., He, J., Lu, H., Li, X., Chen, Y., Li, X.D., Zhou, B., Mamtimin, A., Shao, C., Ma, X., Tian, J., & Zhou, J. (2023). TPHiPr: a long-term (1979–2020) high-accuracy precipitation dataset (1/30◦, daily) for the Third Pole region based on high-resolution atmospheric modeling and dense observations. Earth Syst. Sci. Data 15, 621–638. https://doi.org/10.5194/essd-15-621-2023

4、Shao, C., Yang, K., Tang, W., He, Y., Jiang, Y., Lu, H., Fu, H., & Zheng, J. (2022). Convolutional neural network-based homogenization for constructing a long-term global surface solar radiation dataset. Renewable and Sustainable Energy Reviews, 169(September), 112952. DOI: 10.1016/j.rser.2022.112952

如有数据使用需求请按照官方平台的要求进行引用，更多数据详情可以查看官网获悉！