1960～2012年青藏高原极端气候指数数据集

青藏高原雪、冰和环境数据集专题 II 区论文（已发表） • 版本 ZH2 Vol 2 (2) : 0 2017

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

周玉科，高琪

Zhou Yuke, Gao Qi

DOI: 10.11922/csdata.0.2017.0143
: 10.11922/sciencedb.444

： 2017 - 06 - 12

： 2017 - 06 - 20

： 2017 - 8 - 25

17804 2241 5

摘要&关键词

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)。本数据集可以作为在全球气候变化下青藏高原地区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

Abstract & Keywords

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 need 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 by 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 for the research on extreme events occurring probability and the developing trend in the future. Combing 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 over 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	年	数据量	2.39 MB
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。

引言

受人类社会经济活动的加强和全球气候变化等因素^{[1] -[2]}影响，全球性的热浪天气、极端降水、热带风暴和海平面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]}。

气候变化分析需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虽全面，含降水、风速、水汽压、相对湿度、日照和气温等16项参数，但因其数据量大，且部分参数应用较少而造成数据冗余，不利于直观分析气候变化。基于上述气象站点原始地面观测资料，能够计算得到一系列极端气候指标，这些由世界气象组织（WMO）提出的极端气候指标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，不仅可以直观反映极端气候事件分布与发展趋势^[8]，而且能够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了可靠的数据支撑。

1 数据采集和处理方法

1.1 站点分布

本文所采用的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2500～4500 m，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、数据加载与质量控制、选择并计算极端气候指数和整理极端指数结果。整体流程如图2所示。

图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，软件来源于Climate Research Branch Environment Canada的R语言脚本^[10]。

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0.1 mm的微量降水值，对生活和生产几乎无影响，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。

\[ T_{实际}= T_{记录}\times 0.1 \]

(1)

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、日最低温度的上限及下限和降水量阈值等参数。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，数据平滑过程如图3所示。

图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，ns为站点个数）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，与上次循环过程的合并结果fa再合并为新的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、指数年际值、平滑值和对应站点名标识（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RClimDex1.0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的结果，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0 mm。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]U[ 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。

在分析了各观测值的统计分布情况的基础上，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剔除。

图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每10年的年际变化趋势，其单位为d/10a。

图5 典型温度指数可视化结果

图6 典型降水指数可视化结果

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。顺应全球气候变暖背景，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

极端气候事件的发生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，用于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地下载数据。

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。

[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.

+ CSCD · Baidu Scholar

[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.

+ CSCD · Baidu Scholar

[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]// Ghassem R, James W. Climate Science for Serving Society. Netherlands: Springer, 2013.

+ CSCD · Baidu Scholar

[4]

Wang B, Bao Q, Hoskins B, et al. Tibetan Plateau warming and precipitation changes in East Asia[J/OL]. Geophysical Research Letters, 2008, 35. DOI: 10.1029/2008GL034330.

+ CSCD · Baidu Scholar

[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.

+ CSCD · Baidu Scholar

[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.

+ CSCD · Baidu Scholar

[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.

+ CSCD · Baidu Scholar

[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.

+ CSCD · Baidu Scholar

[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.

+ CSCD · Baidu Scholar

[10]

Zhang X, Yang F. RClimDex (1.0) user manual[EB/OL]. (2004-09-10) [2017-08-23]. http://acmad.net/rcc/procedure/RClimDexUser Manual.pdf.

+ CSCD · Baidu Scholar

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[DB/OL]. Science Data Bank, 2017. DOI: 10.11922/sciencedb.444.

稿件与作者信息

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[J/OL]. 中国科学数据, 2017, 2(2). DOI: 10.11922/csdata.170.2017.0143.

周玉科

Zhou Yuke

zhouyk@igsnrr.ac.cn

高琪

Gao Qi

出版历史

I区发布时间：2017年6月20日（版本ZH1）

II区出版时间：2017年8月26日（版本ZH2）

翻译版出版时间：2017年8月26日（版本EN1）