之前我们分享过1951-2024年我国逐日\逐月\逐年近地面气温栅格数据（可查看之前的文章获悉详情）。该数据源于国家青藏高原科学数据中心分享的1951—2024年中国逐3小时\逐日\逐月\逐年多指标气象数据。很多小伙伴拿到数据后反馈栅格数据不太方便使用，问我们能不能把数据处理为更方便使用的Shp和Excel格式的数据！
我们特地对原始的栅格数据进行了处理，将1951-2024年逐日、逐月和逐年的近地面气温栅格数据分别按照我国省级行政边界、地级市行政边界、区县级行政边界进行了求平均数处理得到了本次分享的数据——Shp和Excel格式的我国省市县三个等级的1951-2024年逐日、逐月和逐年近地面气温数据！数据的单位是摄氏度。
该数据只对立方数据学社会员开放，在本公众号后台回复关键词会员可得到会员规则和办理方式。对于已经是会员的同学，请向会员客服发放关键词322A获取该数据。以下为数据的详细介绍：
01 数据预览
1951-2024年逐日、逐月和逐年近地面气温数据提供Excel和Shp两种格式的数据，数据按行政级别开存储，省市县三级分别保存为对应的Excel和Shp文件。
我们以区县级的逐日近地面气温数据为例进行预览，首先是Excel格式的数据，1951-2024年的逐日数据按照年份进行汇总，每个Excel文件中的数据字段包括省份名称、省份代码、城市名称、城市代码、区县名称和区县代码和逐日近地面气温数值。
接下来是Shp格式的数据，1951-2024年的区县层级的逐日近地面气温数据同样按照年份进行汇总，属性表的字段和Excel相同。我们具体以2024年7月3日各区县的近地面气温数据为例进行预览：
02 数据详情
数据来源：
原始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。目前该数据集已在National Tibetan Plateau / Third Pole Environment Data Center平台更新至2024年。
数据处理说明：
基于原始的逐日、逐月和逐年近地面气温栅格数据，我们采用国家地理信息公共服务平台（天地图）发布的审图号为GS（2024）0650号的2024年省市县三级行政区划Shp数据（可查看之前的文章获悉详情），对每个省\每个地级市\每个区县内的栅格值进行了求平均数处理，得到了省市县三级的逐日、逐月和逐年的近地面气温数据！
数据单位：
摄氏度
数据格式：
Shp和Excel格式
时间范围：
1951年-2024年（逐日、逐月和逐年）
空间范围：
省、市、县三个等级
数据引用：
He, J., Yang, K., Li, X., Tang, W., Shao, C., Jiang, Y., Ding, B. (2024). China meteorological forcing dataset v2.0 (1951-2024). 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！
