<em id="lj1v3"><b id="lj1v3"></b></em>

    <i id="lj1v3"></i>

        <i id="lj1v3"><b id="lj1v3"><progress id="lj1v3"></progress></b></i>

        <video id="lj1v3"></video>
        <video id="lj1v3"></video>

                    <i id="lj1v3"><ol id="lj1v3"><progress id="lj1v3"></progress></ol></i>
                    “海上絲綢之路”·海洋環境與新能源數據集 II 區論文(已發表) ? 版本 ZH3 Vol 6 (1) 2021
                    下載
                    西北太平洋海洋氣象觀測及統計產品數據集
                    A dataset of sea surface meteorological observation and statistical products of Northwest Pacific
                    ?>>
                    : 2020 - 05 - 15
                    : 2021 - 02 - 09
                    : 2020 - 11 - 16
                    : 2021 - 03 - 29
                    极速快三
                    801 2 0
                    摘要&關鍵詞
                    摘要:海洋氣象觀測數據及統計產品是開展海洋氣象預報、制作海洋氣候背景以及科學研究、工程建設的基礎和重要參考。目前業務上使用的海洋氣象統計產品多為2010年以前的數據,且多為平均態的產品,有待補充和豐富。近年來,海洋氣象觀測數據量的極大增長為制作海洋氣象統計產品提供了數據保證。為此,本研究針對西北太平洋海洋氣象要素的特點,對ICOADS(International Comprehensive Ocean-Atmosphere Data Set,國際海洋大氣綜合數據集)原始數據進行了主要海洋氣象要素提取、質量控制和統計分析,生成了海洋氣象觀測數據和海洋氣象要素統計產品數據。其中,海洋氣象要素統計產品較以往的同類產品增加了低云云底高、最大風速、平均最大風速、6級以上風日數、7級以上風日數、8級以上風日數等較為實用的統計產品。
                    關鍵詞:西北太平洋;海洋氣象;觀測數據;統計產品
                    Abstract & Keywords
                    Abstract:?Sea surface meteorological observation data and statistical products are the basis and important reference for sea surface meteorological forecast, marine climate background, scientific research and engineering construction. At present, the data used in sea surface meteorological statistical products are mostly those before 2010, and most of them are average products, which need to be supplemented and enriched. In recent years, the exponential growth of sea surface meteorological observation data has provided data guarantee for the production of sea surface meteorological statistical products. Therefore, based on the characteristics of sea surface meteorological elements in Northwest Pacific Ocean, by extracting the main sea surface meteorological elements, we carried out quality control and statistical analysis of the International Comprehensive Ocean-Atmosphere Data Set (ICOADS) original data, and the sea surface meteorological observation data, and compiled the sea surface meteorological element statistical product data. Compared with similar products in the past, the statistical products of sea surface meteorological elements have more practical statistical products, such as low base height, maximum wind speed, average maximum wind speed, the number of windy days above strong breeze, the number of windy days above moderate gale, and the number of windy days above fresh gale.
                    Keywords:?Northwest Pacific Ocean;?sea surface meteorological;?observation data;?statistical product
                    數據庫(集)基本信息簡介
                    數據庫(集)名稱西北太平洋海洋氣象觀測及統計產品數據集
                    數據作者姜洪峰、鄭崇偉、陳飛、趙艷玲、韓玉康
                    數據通信作者姜洪峰((jhf_9@163.com)
                    數據時間范圍1980年1月至2017年12月
                    地理區域西北太平洋海域(100–170°E,5–45°N)
                    數據量4.66 GB
                    數據格式文本格式(*.DAT)、二進制格式(*.DAT)
                    數據服務系統網址http://www.dx.doi.org/10.11922/sciencedb.j00001.00161
                    數據庫(集)組成本數據集由2個部分組成:(1)質量控制后的西北太平洋海洋氣象觀測數據,為文本格式數據,由456個文件組成,文件名為“YYYY.MM.DAT”(YYYY取值范圍1980–2017年,MM取值范圍01–12月),包括海面氣壓、海面氣溫、露點溫度、海表溫度、風速、風向、總云量、低云量、低云狀、低云云底高、能見度和天氣現象12個要素;(2)西北太平洋海洋氣象統計產品數據,為二進制數據,空間分辨率為0.5°×0.5°,由12個文件組成,文件名為“month_MM_sta_qx.DAT”(MM取值同上),包括月平均氣溫、露點溫度、海表溫度、氣壓、風速、最大風速、平均最大風速、6級以上風概率、7級以上風概率、8級以上風概率、總云量、低云量、低云云底高、平均能見度、能見度小于4千米概率、霧概率、雷暴概率、降水概率、6級以上風日數、7級以上風日數、8級以上風日數21個要素。
                    Dataset Profile
                    TitleSea surface meteorological observation and statistical product dataset of Northwest Pacific
                    Data corresponding authorJIANG Hongfeng (jhf_9@163.com)
                    Data authorsJIANG Hongfeng, ZHENG Chongwei, CHEN Fei, ZHAO Yanling, HAN Yukang
                    Time rangeFrom January 1980 to December 2017
                    Geographical scopeNorthwest Pacific Ocean(100–170°E, 5–45°N)
                    Data volume4.66 GB
                    Data formatText format (* DAT), binary format (* DAT)
                    Data service system<http://www.dx.doi.org/10.11922/sciencedb.j00001.00161>
                    Dataset compositionThis data set consists of two parts: (1) The sea surface meteorological observation data of Northwest Pacific after quality control are in text format, composed of 456 files “YYYY.MM.DAT” (YYYY value range: from 1980 to 2017, MM value range: from January to December); covering 12 elements: sea surface pressure, sea surface temperature, dew point temperature, sea surface temperature, wind speed, wind direction, total cloud cover, low cloud cover, low cloud shape, low cloud base height, visibility and weather phenomenon; (2) The data of sea surface meteorological statistical products of Northwest Pacific are binary data with spatial resolution of 0.5°×0.5° and consists of 12 files named “month_ MM_ sta_ qx.DAT” (MM value range: from January to December); covering 21 elements: monthly average temperature, dew point temperature, sea surface temperature, air pressure, wind speed, maximum wind speed, average maximum wind speed, wind probability above strong breeze, wind probability above moderate gale, wind probability above fresh gale, total cloud cover, low cloud cover, low cloud base height, average visibility, probability of visibility less than 4 km, fog probability, thunderstorm probability, precipitation probability, the number of windy days above strong breeze, the number of windy days above moderate gale, and the number of windy days above fresh gale.
                    引 言
                    海洋氣象觀測數據及統計產品是開展海洋氣象預報、制作海洋氣候背景以及科學研究、工程建設的基礎和重要參考[1]。目前業務上使用的海洋氣象統計產品多為2010年前的數據,且多為平均態的產品,有待補充和豐富。
                    與陸地上固定氣象觀測相比,海洋氣象觀測主要依賴船舶和浮標等平臺開展觀測,存在著時空分辨率低、觀測不連續、資料量少等特點,由此導致海洋氣象統計產品樣本數少、結果可信度低等問題[2]。近年來,海洋氣象觀測數據量的增長較快[3],如在臺灣海峽、呂宋海峽等航路較為繁忙的區域,0.5°方區內的月平均統計樣本數維持在300–400個,為制作海洋氣象統計產品提供了數據保證。
                    1 ? 數據采集和處理方法
                    1.1 ? 數據源
                    本研究數據來源于ICOADS資料(下載網址:https://icoads.noaa.gov/),該資料是由美國海洋大氣局地球研究實驗室、國家氣候數據中心和美國國家自然科學基金委員會大氣研究中心的合作下建立的最新國際綜合海洋大氣資料集,從1784年至今已有超過2億次觀測報告,是目前世界上最全面、觀測數據量最大的海上觀測資料集。其中,海表面觀測資料主要是通過多個國家的船舶(商船、**船只、科學考察調查船)、錨定浮標和漂流浮標、沿海觀測站以及海上平臺觀測得到的,范圍覆蓋全球海域(圖1)。從1980年以后,海上觀測設備和方式逐漸多樣化,傳統的船舶觀測數量隨之減少,取而代之的是浮標觀測[4]。


                    圖1 ? 海洋氣象觀測點示意圖
                    1.2 ? 數據收集與處理
                    在主要海洋氣象要素提取上,提取了業務上常用的海面氣壓、海面氣溫、露點溫度、海表溫度、風速、風向、總云量、低云量、低云狀、低云云底高、能見度和天氣現象12個要素。為使數據能夠準確可靠地反映大氣真實的變化規律,需要對數據進行質量控制。質量控制按照氣象資料的類別分要素進行,各種質量控制方案的選取遵循成熟性和實用性相結合的原則,在對實際資料進行大量質量控制試驗和檢查的基礎上,提出符合資料實際情況的質量控制方法和流程,對海洋氣象觀測資料進行質量控制。對質量控制后的海洋氣象觀測資料,按照0.5度方區,分區制作了方區內各月的常用海洋氣象要素統計產品。
                    2 ? 數據樣本描述
                    2.1 ? 數據集結構
                    本數據集包括兩部分內容,總大小4.66 GB:一是質量控制后的海洋氣象觀測數據,為非規則網格點數據,總大小4.65 GB,共12個觀測要素。二是海洋氣象要素統計產品,為規則網格點數據,分辨率為0.5°×0.5°,總大小14.8 MB,共21個統計要素。具體數據集組成如表1。其中,6級大風概率的定義為:該統計方區內累年超過6級大風的觀測樣本數與所有觀測樣本數的比值;6級大風日數的定義為:只要當天該統計方區(0–23時)有1個觀測時次出現超過6級的大風即認為出現1個6級大風日,然后逐年累加并取平均,即為各月平均大風日數。7級大風、8級大風概率和日數的定義與6級大風的相同。本文的數據觀測時間均換算為北京時。
                    表1 ? 數據集組成
                    數據名稱要素種類觀測站數據格式數據量數據類型
                    海洋氣象觀測數據海面氣壓、海面氣溫、露點溫度、海表溫度、風速、風向、總云量、低云量、低云狀、低云云底高、能見度和天氣現象非規則網格點文本型
                    txt
                    4.65 GB逐小時
                    海洋氣象要素統計產品平均氣溫、露點溫度、海表溫度、氣壓、風速、最大風速、平均最大風速、6級以上風概率、7級以上風概率、8級以上風概率、總云量、低云量、低云云底高、平均能見度、能見度小于4千米概率、霧概率、雷暴概率、降水概率、6級以上風日數、7級以上風日數、8級以上風日數0.5°×0.5°網格點二進制格點型dat14.8 MB逐月
                    2.2 ? 數據屬性表
                    海洋氣象觀測數據表包括觀測點信息、觀測時間和要素數值3部分內容,數據表中的字段名稱、量綱、數據類型、數據樣例等信息具體如表2。
                    表2 ? 海洋氣象觀測數據表內容
                    表內容序號字段名稱量綱數據類型數據樣例
                    1測站名稱-文本型UJXC
                    2測站經度°E數值型114.6
                    3測站緯度°N數值型20.1
                    4-數值型1988
                    5-數值型1
                    6-數值型14
                    7時分-數值型1200
                    8海面氣壓hPa數值型1017.9
                    9海面氣溫數值型22.0
                    10露點溫度數值型19.6
                    11海表溫度數值型22.0
                    12風速m/s數值型8.2
                    13風向°數值型70
                    14總云量數值型2
                    15低云量數值型2
                    16低云狀-數值型2
                    17低云云底高m數值型600
                    18能見度km數值型10.0
                    19天氣現象-數值型1
                    3 ? 數據質量控制和評估
                    3.1 ? 氣象觀測資料質量控制
                    氣象觀測資料的質量控制方法主要包括:
                    一是按照各要素的氣候值范圍對各要素進行氣候學界限(表3)檢查。
                    表3 ? 海面氣象觀測氣候學界限值
                    氣溫?50.0~50.0℃
                    海表溫度?10.0~40.0℃
                    氣壓850~1080 hPa
                    風速0.0~80.0 m/s
                    能見度0.0~80.0 km
                    二是按時空分布進行各要素合理取值范圍檢查。首先根據已有的世界海洋氣候圖集中1°×1°經緯網格累年各月各要素的平均值和標準差,計算出每月各要素5°×5°經緯網格的合理取值范圍。對5°×5°經緯網格內每條觀測記錄進行范圍判別,若其要素值落在當月該要素出現的合理范圍之外,則該要素加標識符,不參加統計。若該月某要素5°×5°經緯網格內所有1°×1°經緯網格均無上述多年平均值和標準差,則該月5°×5°經緯網格該要素出現的合理范圍視為缺測。
                    三是利用觀測報告內部氣象要素之間的內在聯系進行一致性檢查。對每條觀測記錄內的要素進行相互匹配的檢查。如海氣溫差的絕對值應小于15.5℃,低云量不能超過總云量,降水與云量的一致性檢驗等。若出現矛盾,則盡可能利用因果關系決定取舍。
                    四是連續性檢驗(表4)。對可疑的要素值,同一觀測平臺要素觀測值前后兩時次之差(相差3小時)是否處于合理范圍內。
                    表4 ? 海面氣象要素連續性檢驗取值范圍
                    氣溫差值≤7.0℃
                    露點溫度差值≤7.0℃
                    海表溫度值≤5.0℃
                    氣壓差值≤30 hPa
                    其中,正確記錄標記為0,錯誤記錄標記為1,可疑記錄標記為2。
                    3.2 ? 氣象統計產品制作
                    舍棄錯誤數據和存疑數據,選用通過質量控制的氣象數據進行統計產品的制作。在100–170°E、5–45°N范圍內,劃分成0.5度方區,凡位于某一方區內的氣象數據均參與該方區產品的統計,形成141×81的經緯網格統計產品。
                    采用最優插值法將統計生成的經緯網格統計產品進行插值。若0.5度方區內樣本數小于10個,則該方區數據使用最優插值法得到的數據;對于樣本數大于10個的方區則仍舊采用原方區統計數據。
                    在最優插值法中,網格點的分析值是由網格點的初估值加上修訂值確定,修訂值由觀測值與初估值的偏差加權求得[5]
                    (1)
                    其中,分析場xa 和背景場xb 是長度為n的向量;觀測場y0 是一個長度為觀測總數的向量;H為線性觀測算子;W為權重矩陣。
                    4 ? 數據價值
                    本數據集能夠以多種形式、相對客觀地刻畫西北太平洋海洋氣象要素變化和特征分布規律(如圖2–3),可滿足海洋環境保障對海洋氣候背景的需求,對掌握各季月、各海區氣候特點以及提高海洋氣象背景分析能力具有重要作用,可更好地為決策服務提供支持。
                    圖2 ? 1月、4月、7月、10月平均風速圖(單位:m/s)








                    圖3 ? 東沙海區各月平均氣溫(℃)、6級以上大風概率(%)、降水概率(%)、雷暴概率(%)
                    [1]
                    SMITH S R, FREEMAN E, LUBKER S J, et al. The International Maritime Meteorological Archive (IMMA) Format [EB/OL]. [2016–04–05]. https://icoads.noaa.gov/e-doc/imma/R3.0-imma1.pdf.
                    [2]
                    李猛, 胡波, 韓曉增, 等. 2009–2018年中國科學院海倫農業生態實驗站氣象數據集[J]. 中國科學數據, 2020, 5(1). (2020-03-14). DOI: 10.11922/csdata.2019.0034.zh.
                    [3]
                    鄭崇偉, 夏淋淋, 羅霞, 等. 南?!庇《妊蟮拇罄祟l率特征[J]. **理工大學學報(自然科學版), 2016, 17(3): 284-288.
                    [4]
                    趙洪臣 , 劉永學, 周興華, 等. 基于志愿觀測船舶和浮標數據的SST日產品質量評價研究[J]. 海洋科學進展, 2016, 34(3): 462-473.
                    [5]
                    王可光, 張建華, 王彩欣, 等. 西北太平洋常規SST資料的客觀分析方法研究(I.旬平均船舶報資料分析)[J]. 海洋預報, 2000, 17(4): 52-59.
                    數據引用格式
                    姜洪峰, 鄭崇偉, 陳飛, 等. 西北太平洋海洋氣象觀測及統計產品數據集 [DB/OL]. Science Data Bank, 2020. (2020-11-11). DOI: 10.11922/sciencedb.j00001.00161.
                    稿件與作者信息
                    論文引用格式
                    姜洪峰, 鄭崇偉, 陳飛, 等. 西北太平洋海洋氣象觀測及統計產品數據集[J/OL]. 中國科學數據, 2021, 6(1). (2020-11-13). DOI: 10.11922/csdata.2020.0042.zh.
                    姜洪峰
                    Jiang Hongfeng
                    主要承擔工作:數據加工計算、統計產品制作。
                    (1980—),男,遼寧寬甸人,碩士,工程師,研究方向為海洋環境保障。
                    鄭崇偉
                    Zheng Chongwei
                    主要承擔工作:數據質量控制、統計產品制作。
                    chinaoceanzcw@sina.cn
                    (1983—),男,四川宜賓人,博士,工程師,研究方向為海戰場環境建設、物理海洋學及海洋資源評估。
                    陳飛
                    Chen Fei
                    主要承擔工作:數據收集處理、數據質量控制。
                    (1984—),男,河北唐山人,碩士,工程師,研究方向為海洋環境保障。
                    趙艷玲
                    Zhao Yanling
                    主要承擔工作:統計產品加工、數據格式標準化處理。
                    (1980—),男,河北唐山人,博士,高級工程師,研究方向為海洋環境保障。
                    韓玉康
                    Han Yukang
                    主要承擔工作:數據加工計算,存儲設計。
                    (1990—),男,山東萊州人,碩士,助理工程師,研究方向為海洋環境保障。
                    出版歷史
                    I區發布時間:2020年11月16日 ( 版本ZH2
                    II區出版時間:2021年3月29日 ( 版本ZH3
                    參考文獻列表中查看
                    中國科學數據
                    csdata