2015~2016年青藏高原积雪深度自动观测数据集

责编:

(一)对数据集的意见

1、论文的“数据库(集)基本信息简介”里数据时间范围为“2013~2016”,但是数据集里面的数据都是从2015~2016的,请作者统一两者时间范围;
2、论文的“数据库(集)基本信息简介”里“数据量”为5MB,但是在ScienceDB上的两个文件均为10.44MB,请作者修改;
3、论文“数据服务系统网址”,请作者添加上数据集所在ScienceDB上的网址:http://www.sciencedb.cn/dataSet/handle/367
4、论文“数据库(集)组成”介绍“数据集由2部分数据组成,其一为每小时观测数据,其二是逐日日平均及重要卫星过境时刻观测数据。数据集共包括2个数据文件,它们分别为TP_SD_L1B.zip,TP_SD_L2A.zip。其中:1. TP_SD_L1B.zip 是每小时观测数据,数据量2.5M;2. TP_SD_L2A.zip 是逐日日平均及重要卫星过境时刻观测数据,数据量2.5M”,这个与ScienceDB里面上传的情况不同,ScienceDB里面上传了两个“.zip”文件,文件名均与论文中的介绍不同,且两个文件里面的内容是一样的,而在论文里面,作者描述的数据集是3个数据文件:L1A、L1B、L2A,所以,请作者在ScienceDB上重新上传数据,使数据文件的个数和命名都与论文中的描述相一致。

(二)对论文的意见

  1. 建议标题前补充时间段“2013~2016年”,英文标题、数据集中英文标题相应修改。
  2. 摘要中的“Himawari-8/9”与关键词中的“Himawari-8”不统一,请考虑是否需要统一。
  3. 引言中提到几次“加密”,请斟酌表达,以免歧义。
  4. 第1.2节“每日以及当日”是否有误?“……因此以地面点97.5°E、35°N为代表,记录积雪遥感研究常用的传感器在该点附近共4个覆盖时间段的观测数据平均情况,所用时间段为:”表达不够清晰,请斟酌。
  5.  第3章的第1句为病句,请修改。
  6. 建议在致谢前补充一个章节专门介绍数据价值或者数据使用方法和建议。

 

 

【2017-01-09】 评论来自:版本 2
作者:

(一)对数据集的意见

1、论文的“数据库(集)基本信息简介”里数据时间范围为“2013~2016”,但是数据集里面的数据都是从2015~2016的,请作者统一两者时间范围;

回复:二者不一致的原因,是目前只上传了第2期(2015-2016年)的数据,第1期数据仍在处理中,这个信息包含在了新增的章节“数据使用建议”中。

2、论文的“数据库(集)基本信息简介”里“数据量”为5MB,但是在ScienceDB上的两个文件均为10.44MB,请作者修改;

回复:修改了文中“数据库(集)基本信息简介”中关于数据集组成的说明,文中也标红显示。关于数据集,所有数据压缩在一个文件里,共10.44 M,由于中文文件名不能被识别,故上传了第2次,出现2个文件。

3、论文“数据服务系统网址”,请作者添加上数据集所在ScienceDB上的网址:http://www.sciencedb.cn/dataSet/handle/367

回复:增加了“数据使用建议”一个章节,添加了数据集的网址,在正文中已经标红显示。

(二)对论文的意见

1 建议标题前补充时间段“2013~2016年”,英文标题、数据集中英文标题相应修改。

回复:已经按意见修改为“2013~2016年”,在文中标红显示。

2 摘要中的“Himawari-8/9”与关键词中的“Himawari-8”不统一,请考虑是否需要统一。

回复:全部修改为“Himawari-8”,在文中标红显示。

3 引言中提到几次“加密”,请斟酌表达,以免歧义。

回复:已经按意见修改,在文中标红显示。

4 第1.2节“每日以及当日”是否有误?“……因此以地面点97.5°E、35°N为代表,记录积雪遥感研究常用的传感器在该点附近共4个覆盖时间段的观测数据平均情况,所用时间段为:”表达不够清晰,请斟酌。

回复:已经按意见修改,加以详细说明,在文中标红显示。

5 第3章的第1句为病句,请修改。

回复:已经按意见修改,在文中标红显示。

6 建议在致谢前补充一个章节专门介绍数据价值或者数据使用方法和建议。

回复:增加了“数据使用建议”一个章节,在文中标红显示。 文中其他地方措辞不当的地方,也加以修改,在文中标红显示。

【2017-01-13】 评论来自:版本 2
责编委:

建议补充完整数据集,并适当调整数据论文中个别说法(如“4 数据使用建议”中的数据集范围),使之协调一致后,再审。

【2017-01-16】 评论来自:版本 2
作者: 由于第一期数据(2013-2015)收集和处理比较费劲,在短时间内无法补充这一期数据,因此在数据正文中,将第一期数据暂时先去掉,等数据完成整理清楚,方便用户使用后再进行公开。 【2017-03-07】 评论来自:版本 2
责编:

同评专家意见如下,请参考、修改并回复。

同评专家一:

该数据集包括青藏高原10个自动站点的积雪深度及相关变量的观测数据,对于青藏高原积雪和陆面过程研究十分宝贵。推荐发表。

一些建议供作者进一步完善:

1. 在引言部分,增加一些文字回顾青藏高原积雪深度观测的现状,包括有哪些同类数据可以获取。因为本期刊发表数据论文,所以对同类数据的回顾十分关键。

2. p3增加对10个站点的地表及相关环境情况加以总结性描述,或者增加到表2。

3. p6最好能添加对误差分析的相关散点图等信息。论文只简单的描述为“经分析”,感觉不够。

4. p9“其他”部分,如果有相关期刊文献已经发表,建议添加到“其他”部分,有助于提高该文献的引用率。

同评专家二:

该数据论文属于为数不多能公开发布的地面站点观测数据,特别是在我国的青藏高原地区,地面雪深数据加密的观测缺乏,具有很重要的意义,

5)题目:建议把‘自动’直接修改为具有地面观测属性的文字,便于理解

6)摘要中请就增加对数据的获取方式、质量和特征和潜在的应用的描述,简洁明了即可。(英文做相应的改动)。

7)如果在论文中没有传卫星遥感的数据,也可以不用增加FY4等卫星资料,建议把仪器的设备名称增加。

8)1.2 数据级别 中,四个时间段标号,做具体修改为带括号序号,(1) (2)(3)(4)等。

9)可以增加一些数据的样本的曲线或质量控制指标的曲线,丰富论文的内容。

10)建议补充更多可能数据,丰富数据。

同评专家三:

具体修改意见如下:

11.从数据出版角度,不建议出版粒度较小的数据,但鉴于本文数据为新建观测系统产生的成果,建议发表。为避免造成数据粒度过小的印象,建议文章中文标题改为“青藏高原积雪深度自动观测数据集(2015~2016)”,与英文标题对应。鼓励作者持续更新该数据集。

12.关键词部分,建议作者包含所有的观测要素,遥感卫星作者只列出了部分卫星,因不方便全部列出,建议改为“遥感验证”。

13.数据集名称中有乱码,估计应该是中文显示的问题

14.建议将站点名称放到数据中(包括中文名称),这样用户可以在不阅读文章的情况下获得正确的站点名称信息。

15.数据集中有两个文件夹,猜想应该分别是中英文版,但两个数据没有什么差别。建议在文件夹下添加一个readme文件,简单描述文章字段信息,确保数据集的独立性和完整性。

同评专家四:

本文呈现的是积雪自动观测数据集,包含原始数据和多个产品级别,具有完成的数据质控。行文规范,符合数据论文的要求。

几个建议:

16. 文中给出了精度的说明,但是没有说明详细的精度验证方法和基准;

17. 文中的数据产品分级为L0,L1A,L1B和L2,这种分级是否是国际惯例?从文中描述来看主要是时间平均的间距不同,这样是否合理?一般的低级产品和高级产品的区别应该是数据校正和精度上的差别。

18. 文中数据主要是仪器测量和后期处理,多个站点之间的仪器标定和基准控制需要进行说明,否则多站点之间数据可比性缺乏基础。

19. 另外,需要给出数据的长期稳定性说明,是否有统计上的退化?

【2017-03-30】 评论来自:版本 2
作者:

我们仔细阅读了同行专家评审意见和建议,具体修改如下,正文部分的修改均用红色字体标出。

同评专家一: 该数据集包括青藏高原10个自动站点的积雪深度及相关变量的观测数据,对于青藏高原积雪和陆面过程研究十分宝贵。推荐发表。 一些建议供作者进一步完善:

1. 在引言部分,增加一些文字回顾青藏高原积雪深度观测的现状,包括有哪些同类数据可以获取。因为本期刊发表数据论文,所以对同类数据的回顾十分关键。

回复:目前国内有很多兄弟单位在青藏高原布设雪深地面台站观测,但由于各种原因,目前还未公开发表数据。本文的目的不仅仅是发表本课题组布设雪深数据,更希望推动国内数据共享工作的进程。关于在正文中的补充说明如下,见红色字体部分。“目前,已有相关研究人员发布多套青藏高原地区的遥感积雪面积和雪深产品[8-13]。但由于在青藏高原地区缺乏地面的验证数据集,现有遥感积雪产品精度仍达不到应用需求[8-14]。国家气象局布设的常规地面气象台站为青藏高原地区遥感积雪产品验证和产品精度改进,起到了不可替代作用。但由于青藏高原地区分布较广,尽管国家气象局基准站点已有150多个[9],但相对应于该区域而言,仍是站点稀疏,尤其是人力测量达不到区域。因此,密化高频次的连续自动地面积雪观测站点,可以实时捕捉大范围内快速变化的积雪特征。建设积雪连续自动观测网,获取不同卫星过境时的地面观测数据,补充现有积雪地面台站观测,更加有利于开展青藏高原地区积雪遥感的算法发展与精度验证”。 在第3页第二段补充如下红色字体部分: “目前国内有多家科研院所在青藏高原布设雪深观测网络(见表1),主要以中国科学院寒区旱区环境与工程研究所牵头组织的黑河综合遥感联合实验(WATER)和黑河生态水文遥感试验(HiWater)中布设的WATERNET地面观测网络,具体数据信息见表1。此外,由西藏高原大气环境科学研究所牵头的“青藏高原遥感积雪气候数据集建设”项目中布设了近16个点的雪深观测网,以及青海省气候科学研究所牵头于青海、西藏、四川三个省份(自治区)组织布设的近15个雪深观测网,目前这些数据仍在收集与整理中。 表1 现有青藏高原地区雪深观测网络 雪深观测网数据集名称 时间 站点数目 数据来源 公开情况 黑河综合遥感联合试验 2007-2009 2个站点 寒区旱区科学数据中心 http://westdc.westgis.ac.cn/ 公开 HiWater(WATERNET) 2012-2014 12个站点 寒区旱区科学数据中心 http://westdc.westgis.ac.cn/ 公开 本数据集采集的积雪深度连续自动观测站配置了SR50A超声波测距传感器…”

2. p3增加对10个站点的地表及相关环境情况加以总结性描述,或者增加到表2。

回复:地表信息补充见表2。

3. p6最好能添加对误差分析的相关散点图等信息。论文只简单的描述为“经分析”,感觉不够。

回复:仪器观测误差在实验室经过标定与分析,认为可以达到仪器自身的观测误差。同时由于野外测站布点与巡检时,均在非下雪季前往,因此,目前同步的人工测量对仪器观测进行定标。但由于该仪器的测量原理是根据声波测距原理,该仪器本身的测量误差在可控制范围内。为了更客观描述数据集的精度问题,将正文改为:“根据传感器规格参数与日内波动性分析,”。

4. p9“其他”部分,如果有相关期刊文献已经发表,建议添加到“其他”部分,有助于提高该文献的引用率。

回复:谢谢建议,目前还未有文献发表。

同评专家二: 该数据论文属于为数不多能公开发布的地面站点观测数据,特别是在我国的青藏高原地区,地面雪深数据加密的观测缺乏,具有很重要的意义,

5)题目:建议把‘自动’直接修改为具有地面观测属性的文字,便于理解

回复:常规气象站观测以人工测量为主,而本数据集的数据获取、采集与数据传输过程均是自动完成,因此本数据强调“自动“二字,突出与常规雪深测量不同。

6)摘要中请就增加对数据的获取方式、质量和特征和潜在的应用的描述,简洁明了即可。(英文做相应的改动)。

回复:已修改。

7)如果在论文中没有传卫星遥感的数据,也可以不用增加FY4等卫星资料,建议把仪器的设备名称增加。

回复:已修改,地面测量仪器的设备名称见表2。

8)1.2 数据级别 中,四个时间段标号,做具体修改为带括号序号,(1) (2)(3)(4)等。 回复:已修改。

9)可以增加一些数据的样本的曲线或质量控制指标的曲线,丰富论文的内容。

回复:已补充,见文中2 数据样本描述。

10)建议补充更多可能数据,丰富数据。

回复:本数据集的上一版本,打算将青海气科所为主观测的15套雪深数据集一起放进去进行数据。但由于这套数据的后续处理过程比较复杂,以及涉及到多家单位的数据版权问题,短期内无法完全公开。因此,本次数据集只公开以北师大团队为主的雪深数据集。

同评专家三: 具体修改意见如下:

11.从数据出版角度,不建议出版粒度较小的数据,但鉴于本文数据为新建观测系统产生的成果,建议发表。为避免造成数据粒度过小的印象,建议文章中文标题改为“青藏高原积雪深度自动观测数据集(2015~2016)”,与英文标题对应。鼓励作者持续更新该数据集。

回复:修改为“青藏高原积雪深度自动观测数据集(2015~2016年)”,中英文标题均进行了修改。

12.关键词部分,建议作者包含所有的观测要素,遥感卫星作者只列出了部分卫星,因不方便全部列出,建议改为“遥感验证”。

回复:已修改。

13.数据集名称中有乱码,估计应该是中文显示的问题

回复:中文乱码估计是数据共享网站的问题,后续我们会请编辑部再核实。

14.建议将站点名称放到数据中(包括中文名称),这样用户可以在不阅读文章的情况下获得正确的站点名称信息。

回复:站点的英文名称在文件名中有体现。考虑到有些软件对中文的支持性较差,为了方便数据文件的自动化读写,文件名和数据集的字段都没有采用中文。数据集的字段含义、各站点名称和位置信息都在文章中有体现,还是建议在使用本数据集之前阅读文章。

15.数据集中有两个文件夹,猜想应该分别是中英文版,但两个数据没有什么差别。建议在文件夹下添加一个readme文件,简单描述文章字段信息,确保数据集的独立性和完整性。

回复:由于中文乱码,故上传了英文版本。但已上传的中文文件不能删去,因此有了两个压缩文件。后续若上传新的数据集,会在文件夹中添加readme文件。

同评专家四: 本文呈现的是积雪自动观测数据集,包含原始数据和多个产品级别,具有完成的数据质控。行文规范,符合数据论文的要求。 几个建议:

16. 文中给出了精度的说明,但是没有说明详细的精度验证方法和基准;

回复:数据集精度根据传感器规格参数以及日内波动性分析得到。

17. 文中的数据产品分级为L0,L1A,L1B和L2,这种分级是否是国际惯例?从文中描述来看主要是时间平均的间距不同,这样是否合理?一般的低级产品和高级产品的区别应该是数据校正和精度上的差别。

回复:这套地面数据集产品分级参考了遥感产品分级。为了区分不同处理方式上的数据差异,因此选用了L0, L1A,L1B和L2名称,用户根据需求可选用不同级别的数据,详细处理方式见1.2 数据级别。L1级数据是在L0级数据进行质量控制后处理得到,L2与L1的差别虽然主要在时间段,但考虑到目前遥感积雪产品验证的需求集中在日积雪深度产品,单独将日雪深数据列为L2。

18. 文中数据主要是仪器测量和后期处理,多个站点之间的仪器标定和基准控制需要进行说明,否则多站点之间数据可比性缺乏基础。

回复:每个站点仪器在布设之前都会对各自的仪器进行标定,以获取当地的绝对雪深值。而且每年仪器巡检,也会对仪器进行标定。在文中补充说明如下: “在采集雪深数据之前,平整观测区域的土地,清理杂草,将SR50A测距探头水平固定。雪季之前SR50A观测所得距离即为其高度,减去降雪后所测距离,再经温度校正,得到积雪深度。”

19. 另外,需要给出数据的长期稳定性说明,是否有统计上的退化?

回复:谢谢建议!目前数据集只观测了2年多,我们每年会有一次的仪器巡检维护(比如地面清理),数据是否存在统计上的退化,目前仅靠2年的数据还不够明确,我们后续会持续关注这一问题。

【2017-04-19】 评论来自:版本 2
责编委:

1 建议适当精修摘要;2建议凝练“引言”文字;3建议第四部分“数据使用建议”直切主题,可考虑将第一段内容在引言中展开或本段中进一步简化。修改后

 

【2017-04-19】 评论来自:版本 2
作者: 已按评审意见进行修改。 【2017-04-25】 评论来自:版本 2
责编:

经编委会投票表决,同意发表本文。

【2017-05-17】 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]!

2015~2016年青藏高原积雪深度自动观测数据集

浏览下载总计

网页浏览 论文下载
2563 23

2015~2016年青藏高原积雪深度自动观测数据集

作者发表的论文

1 青藏高原区域气候变化及其差异性研究
李林,陈晓光,王振宇,徐维新,唐红玉. 气候变化研究进展[J],2010,6(3),181-186

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 48

2 1971-2010年三江源地区干湿状况变化的空间特征
徐维新,古松,苏文将,江莎,校瑞香,肖建设,张娟. 干旱区地理[J],2012,35(1),46-55

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 17

3 NOAA卫星资料云雪识别方法的研究
殷青军,杨英莲,徐维新. 高原气象[J],2002,21(5),526-528

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 10

4 1982—2006年中国半干旱、干旱区气候与植被覆盖的时空变化
李军媛,徐维新,程志刚,刘燕,刘招. 生态环境学报[J],2012,21(2),268-272

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 8

5 春末夏初青藏高原植被对全球变暖响应的区域特征
徐维新,刘晓东. 高原气象[J],2009,28(4),723-730

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 5

6 黄河源头高寒草甸夏季土壤水热特征及相互关系研究
张娟,李晓东,李凤霞,周秉荣. 草业学报[J],2012,21(6),306-314

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 3

7 气候变化对柴达木盆地水资源的影响-以克鲁克湖流域为例
伏洋,肖建设,校瑞香,李凤霞,张娟,刘宝康,苏文将,李甫,冯蜀青. 冰川冻土[J],2008,30(6),998-1006

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 3

8 1971-2010年柴达木盆地可降水量变化特征及其与气象条件分析
张娟,肖宏斌,徐维新,祁栋林,李晓东. 资源科学[J],2013,35(11),2289-2297

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 3

9 基于EOS/MODIS数据的近10a青海湖遥感监测
李晓东,肖建设,李凤霞,校瑞香,徐维新,王力. 自然资源学报[J],2012,27(11),1962-1970

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 3

10 青海高原不同海拔高度区小麦生长对气候变暖的响应
王力,李凤霞,徐维新,李晓东,苏文将. 气候变化研究进展[J],2011,7(5),324-329

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 3

11 近20年青藏高原东北部禾本科牧草生育期变化特征
徐维新,辛元春,张娟,校瑞香,王晓明. 生态学报[J],2014,34(7),1781-1793

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 1

12 青海省草地蝗虫发生面积预测模型研究
严应存,李凤霞,颜亮东,宋理明,马宗泰,周秉荣,张娟,高素华. 草业科学[J],2009,26(4),94-98

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

13 近20年长江源头各拉丹东冰川变化及其对气候变化的响应
张娟,徐维新,肖建设,赵慧芳. 干旱区资源与环境[J],2014,28(3),142-147

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

14 三江源地区太阳能资源区划及利用潜力研究
颜亮东,周秉荣,李晓东,李甫,张娟. 资源科学[J],2012,34(11),2057-2066

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

15 基于PSR模型的青海湖流域生态环境保护效果评价
张颖,钞振华,杨永顺,徐维新,马赫. 草业科学[J],2016,33(5),851-860

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

16 陕西泾惠渠灌区植被变化及其与气候变化的关系
李军媛,徐维新. 广东农业科学[J],2013,40(3),132-134

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

17 2013-2015年青藏高原玛多地区两次动态融雪过程及其与气温关系对比分析
周扬,徐维新,张娟,白爱娟,刘晓敬,徐国元. 自然资源学报[J],2017,32(1),101-113

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

18 青藏高原玉树地区巴塘高寒草甸土壤温湿特征分析
张娟,沙占江,徐维新. 冰川冻土[J],2015,37(3),635-642

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

20152016年青藏高原积雪深度自动观测数据集

蒋玲梅1*,徐维新2,张娟2,王功雪1, 刘晓敬1,赵少杰1

1. 北京师范大学地理科学学部遥感科学与工程研究院,遥感科学国家重点实验室,北京 100875;

2. 青海省气象科学研究所,西宁 810001

*通讯作者(Email: jiang@bnu.edu.cn)

摘要:积雪是冰冻圈中最为活跃的要素之一,积雪监测对雪灾评估、水文预报与气候变化研究等具有重要意义。自2015年9月起,我们建立了包括10个站点的青藏高原积雪深度连续自动观测网络。观测网主要采用SR50A超声波测距传感器与Hydra Probe II土壤多参数传感器,获取近实时积雪深度与土壤水分等观测数据。积雪深度测量精度约1 cm,土壤水分精度约为3%。本数据集有望为该地区遥感积雪产品的质量验证,以及为高原地区的积雪灾害实时监测提供重要数据源。

关键词:积雪深度; 青藏高原; 积雪监测; 土壤水分; 遥感验证

An automatic measurement dataset on the snow depth in the Tibetan Plateau (2015 – 2016)

Jiang Lingmei1 *, Xu Weixin2, Zhang Juan2, Wang Gongxue1, Liu Xiaojing1, Zhao Shaojie1

1. State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, P. R. China;

2. Qinghai Institute of Meteorological Science, Xining 810001, P. R. China;

* Email: jiang@bnu.edu.cn

Abstract: Because snow cover is one of the most active elements of the cryosphere, snow monitoring is important for blizzard monitoring, hydrological forecasting, and climate change studies. In September 2015, we established an automatic network of ten stations to continuously measure the snow depth in the Tibetan Plateau. Each station is equipped with the SR50A sonic ranging sensor and Hydra Probe II soil sensor to measure snow depth, soil moisture, and other soil properties in near real-time. The accuracy of the snow depth and soil moisture of this dataset reaches ~1 cm and 3%, respectively. This dataset will be helpful for snow disaster monitoring and the evaluation of snow cover products derived from satellites.

Keywords: snow depth; Tibetan Plateau; snow monitoring; soil moisture; validation of remote sensing snow products

数据库(集)基本信息简介

数据库(集)中文名称

2015~2016年青藏高原积雪深度自动观测数据集

数据库(集)英文名称

An automatic measurement dataset on the snow depth in the Tibetan Plateau (2015 – 2016)

数据作者

蒋玲梅、徐维新、张娟、王功雪、刘晓敬、赵少杰

通讯作者

蒋玲梅(jiang@bnu.edu.cn)

数据时间范围

2015~2016年

地理区域

青藏高原

数据格式

*.csv

数据量

10.44 MB

数据服务系统网址

http://www.sciencedb.cn/dataSet/handle/367

基金项目

中国科学院战略性先导科技专项“全球水循环观测卫星背景型号研究”(XDA04061200),国家重大研究计划项目“全球陆表能量和水分交换过程及其与全球变化相互作用的卫星观测(2015CB953701),公益性行业(气象)科研专项“青藏高原融雪与降雪过程镶嵌的雪灾动态预报预警技术研究”(GYHY201306054)和国家自然科学基金项目“基于多源遥感数据的中国地区时空连续积雪覆盖度反演算法研究”(41671334)

数据库(集)组成

观测参数有积雪深度、空气温度、−5 cm土壤水分、土壤温度、土壤电导率、土壤复介电常数。数据集共包括1个压缩文件,文件名同本文英文名称,共10.44 M,包含3个文件包,分别包含了L1A、L1B、L2A数据。

引 言

积雪是冰冻圈中最为活跃的要素之一,积雪监测对雪灾评估、水文预报、气候变化研究等有重要意义[1-6]。青藏高原地区分布着大面积的冰川,常年积雪与季节性积雪,是中国重要的稳定积雪区之一[7]。青藏高原地形、气候条件复杂,交通不便、环境恶劣,常规气象观测站点稀疏,增加积雪观测站点对丰富青藏高原地区积雪资料有重要意义。遥感积雪监测是常规气象站点观测的重要补充手段,但青藏高原多云的天气、广泛分布的冻土,以及积雪变化快、成因复杂等因素为光学遥感积雪反演、被动微波遥感积雪反演带来了困难[8-11]

青藏高原地区除了国家气象局布设的常规地面气象台站提供雪深数据之外,黑河综合遥感联合实验(WATER)和黑河生态水文遥感试验(HiWater)中布设的WATERNET地面观测网络,提供了近10个站点的积雪地面观测信息[12-14]。但就该区域而言,仍站点稀疏,尤其是人力测量不到的区域。因此,密化高频次的连续自动地面积雪观测站点,可以实时捕捉大范围内快速变化的积雪特征。建设积雪连续自动观测网,获取不同卫星过境时的地面观测数据,补充现有积雪地面台站观测,更加有利于开展青藏高原地区积雪遥感的算法发展与精度验证,尤其是在拥有积雪实时监测能力的新一代静止气象卫星如Himawari-8、GOES-16以及FY-4A开始运行的背景下,更具科研与应用意义。

本数据集采集的积雪深度连续自动观测站配置了SR50A超声波测距传感器、Model 109温度传感器、Hydra Probe II土壤多参数传感器,用于观测积雪深度、空气温度、土壤水分、土壤温度等参数。空气温度是积雪消融的控制因素之一,青藏高原高海拔、强辐射的特点,使温度与积雪消融过程的关系变得复杂;而积雪的增减往往伴随着土壤的冻融过程,也影响着土壤温度与土壤水分的变化[15]。这些参数的高频次连续观测数据,将为大气–积雪–土壤的能量、水分传输过程研究提供重要的数据支撑。

1 数据采集和处理方法

青藏高原积雪深度连续自动观测网络建设于2015年秋,拥有10个站点。每个观测站均配有SR50A超声波测距传感器,并配备了Model 109温度传感器用于校正SR50A的距离测量值,Hydra Probe II土壤多参数传感器用于测量土壤参数,传感器配置如表1所示。积雪深度观测站以10分钟每次的频率观测2 m空气温度、积雪深度、−5 cm土壤水分(体积含水量)、土壤温度、土壤电导率、土壤复介电常数。

在采集雪深数据之前,平整观测区域的土地,清理杂草,将SR50A测距探头水平固定。雪季之前SR50A观测所得距离即为其高度,减去降雪后所测距离,再经温度校正,得到积雪深度。自动观测数据的处理方法参考中国地面观测气象观测规范关于地面测量与自动气象站数据处理的标准。传感器探测得到的原始数据由数据采集仪采集、存储,并经数据传输装置(DTU)传回,经质量控制后按一定规则生成L1A、L1B与L2A数据产品。

1 积雪深度连续自动观测网络传感器配置

传感器

安装高度

型号

生产商

土壤多参数传感器

−5 cm

Hydra Probe II

Stevens Water Monitoring System, Inc

温度传感器

2 m

Model 109 Temperature Probe

Campbell Scientific, Inc

超声测距传感器

1.5 m

SR50A

Campbell Scientific, Inc

1.1 积雪深度连续自动观测网络地理分布

青藏高原积雪深度自动观测站主要依托交通较为便利、地形平坦的已有野外台站或便于管理维护的地点建设,主要分布于青藏高原中东部和南部,地理位置见图1。青藏高原积雪深度自动观测站详细地理位置与建站时间见表2。

1 青藏高原积雪深度自动观测站分布图

2 青藏高原积雪深度自动观测站

序号

站点位置

经度(deg.

纬度(deg.

海拔(m

地表类型

建站时间

1

称多

97.3029

33.4032

4265

典型草原

2015年09月12日

2

曲麻莱

95.3499

34.5826

4271

荒漠草原

2015年09月21日

3

雁石坪

92.0700

33.5811

4713

草甸草原

2015年09月22日

4

大柴旦

95.3748

37.9319

3573

草甸草原

2015年09月13日

5

玛沁

99.7001

34.8004

3848

典型草原

2015年09月12日

6

查拉坪

97.8835

34.2809

4676

典型草原

2015年09月19日

7

天峻

99.1614

38.1639

4098

草甸草原

2015年09月20日

8

那曲

91.7415

31.1518

4690

典型草地

2015年08月28日

9

纳木错

90.9641

30.7698

4743

典型草地

2015年08月22日

10

亚东

89.2640

27.9005

4514

荒漠草原

2015年08月26日

1.2 数据级别

根据气象部门相关质量控制规范,对原始数据进行质量控制,然后经过再分析,得到各级数据产品。

0级数据:即原始观测数据,数据采集仪记录各变量每10分钟内2秒瞬时值的均值,存储为ASCII文本格式。本数据集不发布0级数据。

1A级数据:每10分钟记录的各变量有效值,大于1 cm时记录雪深,只精确到cm,记录雪深、气温、土壤温度、土壤水分、土壤电导率与土壤复介电常数,存储为CSV格式。本数据经质量控制,去除异常值与瞬时无效值,并做五点平滑处理。可为FY-4、Himawari-8等新一代静止气象卫星得到的高时空分辨率积雪覆盖产品提供重要的地面验证数据。

1B级数据:每小时除雪深外的各变量均值,雪深数据取1小时内的中值,记录雪深、气温、土壤温度、土壤水分、土壤电导率与土壤复介电常数,存储为CSV格式。

2A级数据:日平均以及4个常用卫星过境时段内平均的雪深、气温、土壤温度、土壤水分数据。若当日连续超过2小时记录有雪,则将全天记录的中值作为当日雪深。其余观测数据各自取均值,存储为CSV格式。积雪遥感研究常用的传感器,如Terra/MODIS、Landsat-8/OLI,在轨道特征相近的情况下,过境时间也相近;青藏高原积雪深度自动观测站点的位置彼此经度相差不超过17°,纬度相差不超过11°,因此同一卫星在不同站点过境时间也相差较小。为了简便,对所有站点在同一时间段的观测数据进行处理,记录MODIS等传感器共4个覆盖时间段的观测数据平均情况,所用时间段为:

(1)上午10:00~11:30(地方时),11:30~13:00(北京时),Terra/MODIS、Landsat-8/OLI、FY-3C/MWRI昼间过境;

(2)下午12:30~14:00(地方时),14:00~15:30(北京时),Aqua/MODIS、Aqua/AMSR-E、AMSR2、FY-3B/MWRI昼间过境;

(3)前夜22:00~23:30(地方时),23:30~01:00(北京时),FY-3C/MWRI夜间过境;

(4)后夜00:30~02:00(地方时),02:00~03:30(北京时),Aqua/AMSR-E、AMSR2、FY-3B/MWRI夜间过境。

2 数据样本描述

青藏高原积雪深度自动观测站主要包含的观测项目和数据概况见表3。

3 积雪深度自动观测站观测项目与数据概况

字段名称

字段含义

数据类型

量纲

示例(那曲)

julian_day

儒略日

长整型

/

2457409

year

长整型

/

2016

month

整型

/

1

day

整型

/

21

hour

小时

整型

/

16

minute

距凌晨零点分钟

长整型

/

970

snow_depth

积雪深度

整型

cm

5

air_temperature

2 m 空气温度

浮点型

-11.9

soil_temperature

−5 cm土壤温度

浮点型

-5.7

soil_moisture

−5 cm土壤体积含水量

浮点型

m3·m-3

0.027

s_e_c

−5 cm土壤电导率

浮点型

S/m

0.0004

s_dc_r_tc

−5 cm土壤复介电常数实部

浮点型

/

3.418

s_dc_i_tc

−5 cm土壤复介电常数虚部

浮点型

/

0.349

与时间有关的数据集字段按北京时间(即东八区)区时记录。在L2A产品中,观测参数字段加时间表示该时间点附近的平均值,如sd_day表示日平均、sd_00表示凌晨0点(这里标记为地方时)卫星过境时间段内的积雪深度平均值。

由于SR50A传感器观测受地面情况、风力、温度等因素影响,其原始数据含大量噪声,经质量控制后有明显改善。除积雪深度以外,本数据集的土壤水分等记录在不同级别之间差别不大。以2016年西藏那曲站首次强降雪过程为例,给出积雪深度的观测数据样本,见图2。

2 2016年那曲站首次强降雪过程积雪深度数据

由图2可知,在这次降雪过程中,那曲站的积雪深度L1A观测数据的日内波动性较强,大部分日期波动幅度约0~1 cm。在2016年1月24日和27日这两天,积雪深度的观测数据波动幅度可达2 cm。经过取中值处理后的L2A每日积雪深度的日内波动性明显减弱,基本能够满足遥感积雪产品验证对积雪深度数据精度的要求。

3 数据质量控制和评估

根据气象部门相关地面人工观测与质量控制规范,并利用实验室分析数据,对原始观测数据进行质量控制。数据质量控制过程主要包括对原始数据的整理、逐数据点的检查、数据的转换与入库,以及元数据的编写、检查和入库。对原始数据的检查和整理主要包括文件格式、字段命名、字段量纲、数据分级等。对单个数据点进行气候学界限值检查、逻辑检查、内部一致性、时间一致性检查等质量控制,并对缺测、异常观测值进行平滑插值。

根据传感器规格参数与日内波动性分析,本数据集气温误差小于0.2℃,雪深精度在1 cm左右,土壤体积含水量精度在3%左右,土壤温度精度在0.6℃左右,土壤电导率精度在0.0014 S/m左右。

针对积雪深度自动观测网数据集,从站点建设、维护到数据生成、入库,建立了完善的质量控制过程,如图3所示。积雪深度自动观测网由长期积雪试验经验的专业人员进行观测和观测仪器定期维护工作,并由有实验分析经验与相关科研背景的人员进行数据集生产。数据由积雪深度自动观测网数据观测人员和数据整编人员根据制定的元数据标准格式(包含数据名称、时间范围、字段说明、观测方法、知识产权等)进行填写,并聘请相关领域的研究人员对元数据描述进行审核。

3 数据质量控制

4 数据使用建议

青藏高原地区由于其独特而复杂的自然地理环境,积雪的时空变化特征异于欧美地区,其积雪性质的遥感监测也更具难度。因此青藏高原地区一直是积雪研究的重点关注区域。然而目前青藏高原地区的常规气象观测站点较为稀疏,增加的积雪深度自动观测站可以丰富积雪地面观测资料,为积雪覆盖、积雪深度反演的算法发展与精度验证提供重要数据源。

本数据集已经发布在Science Data Bank(http://www.sciencedb.cn/dataSet/handle/367)。目前共享了青藏高原10个雪深站点2015~2016年的观测数据。数据文件按级别、站点存储,数据文件格式为便于处理的CSV格式。不同数据级别对应不同时间尺度的需求,用户可根据实际情况选择下载数据。

致 谢

感谢中国科学院青藏高原研究所纳木错圈层相互作用综合观测研究站、帕里气象观测站,以及那曲地震台台长胡应顺、帕里国家基本气象站站长达娃顿珠,对青藏高原积雪自动观测站的建设、管理、维护所给予的大力支持与帮助。

数据作者分工职责

蒋玲梅(1978—),女,浙江省东阳市人,博士,副教授,研究方向为积雪深度/雪水当量、积雪覆盖面积遥感反演,土壤水分遥感反演。主要承担工作:青藏高原积雪深度自动观测站的建设与管理。

徐维新(1973—),男,青海省乐都县人,博士,研究员级高级工程师,研究方向为青藏高原生态与环境遥感监测及气候变化的影响。主要承担工作:青海省积雪深度自动观测站的建设与管理维护。

张娟(1979—),女,河北省保定市人,硕士,高级工程师,研究方向为生态环境与气候变化。主要承担工作:青海省积雪深度自动观测站的建设与维护。

王功雪(1992—),男,河南省濮阳市人,博士研究生,研究方向为积雪覆盖面积与雪水当量的遥感监测。主要承担工作:西藏地区积雪深度自动观测站的建设、数据集的生产。

刘晓敬(1990—),女,山西省大同市人,博士研究生,研究方向为雪水当量的遥感监测。主要承担工作:青海省积雪深度自动观测站的建设。

赵少杰(1984—),男,河北省保定市人,博士,工程师,研究方向为土壤水分遥感反演与真实性检验。主要承担工作:设备维护、实验室数据分析与质量评估。

参考文献

[1]  秦大河, 效存德, 丁永建, 等. 国际冰冻圈研究动态和我国冰冻圈研究的现状与展望[J]. 应用气象学报, 2006, 17(6): 649–656.

[2]  徐丽娇, 李栋梁, 胡泽勇. 青藏高原积雪日数与高原季风的关系[J]. 高原气象, 2010, 29(5): 1093–1101.

[3]  Liu Y, Peters-Lidard C, Kumar S, et al. Blending satellite-based snow depth products with in situ observations for streamflow predictions in the Upper Colorado River Basin[J]. Water Resources Research, 2015, 51(2): 1182–1202.

[4]  秦大河, 周波涛, 效存德. 冰冻圈变化及其对中国气候的影响[J]. 气象学报, 2014, 72(5): 869–879.

[5]  沈永平, 苏宏超, 王国亚, 等. 新疆冰川、积雪对气候变化的响应(II):灾害效应[J]. 冰川冻土, 2013, 35(06): 1355–1370.

[6]  王玮. 基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究[D]. 兰州: 兰州大学, 2014.

[7]  李培基, 米德生. 中国积雪的分布[J]. 冰川冻土, 1983, 5(4): 9–18.

[8]  Jiang L, Wang P, Zhang L, et al. Improvement of snow depth retrieval for FY3B-MWRI in China[J]. Science China Earth Science, 2014, 57(6): 1–15.

[9]  Yang J, Jiang L, Ménard C, et al. Evaluation of snow products over the Tibetan Plateau[J]. Hydrological Processes, 2015, 29(15): 3247–3260.

[10]  邱玉宝, 郭华东, 除多, 等. 青藏高原MODIS逐日无云积雪面积数据集(2002~2015年) [J/OL]. 中国科学数据, 2016, 1(1). DOI: 10.11922/csdata.170.2016.0003.

[11]  Tang Z, Wang J, Li H, et al. Spatiotemporal changes of snow cover over the Tibetan plateau based on cloud-removed moderate resolution imaging spectroradiometer fractional snow cover product from 2001 to 2011[J]. Journal of applied remote sensing, 2013, 7(1). DOI:10.1117/1.JRS.7.073582.

[12]  Che T, Li X, Jin R, et al. Snow depth derived from passive microwave remote-sensing data in China[J]. Annals of Glaciology, 2008, 49: 145–154.

[13]  Dai L, Che T, Wang J, et al. Snow Depth and Snow Water Equivalent Estimation from AMSR-E Data Based on a priori Snow Characteristics in Xinjiang, China[J]. Remote Sensing of Environment, 2012, 127: 14–29.

[14]  Dai L, Che T, Ding Y. Inter-calibrating SMMR, SSM/I and SSMI/S data to improve the consistency of snow-depth products in China[J]. Remote Sensing, 2015, 7: 7212–7230. DOI:10.3390/rs70607212.

[15]  张娟. 青藏高原高寒草甸土壤温湿特征与动态过程对比分析[D]. 西宁: 青海师范大学, 2014.

引用本文

蒋玲梅, 徐维新, 张娟, 等. 2015~2016年青藏高原积雪深度自动观测数据集 [J/OL]. 中国科学数据, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0116.

引用数据

蒋玲梅, 徐维新, 张娟, 等. 2015~2016年青藏高原积雪深度自动观测数据集 [DB/OL]. Science Data Bank. 10.11922/sciencedb.367.

下载




《中国科学数据》编辑部
地址:北京海淀区中关村南四街4号349信箱(100190)
电话:(010)58812762
E-mail:csdata@cnic.cn
官网: www.csdata.org