Global Historical Climatology Network Monthly - Version 4
全球历史气候学网络月刊 - 第4版
| 下载 |
|---|
| ASCII文本文件 |
| 版本4存档 |
| 其他诊断 |
| 文档 |
全球历史气候网络月度（GHCNm）数据集是来自世界各地数千个气象站的一组月度气候摘要。月度数据具有通过站最早观测可追溯至18改变记录期间日世纪。一些台站记录纯粹是历史性的，不再更新，而其他许多台站仍在运行，并提供对气候监测有用的短时间延迟更新。
GHCNm的第一个版本发布于20世纪90年代早期（Vose等，1992）。随后的版本包括1997年的版本2（Peterson和Vose，1997），2011年的版本3（Lawrimore等人，2011），以及最近的版本4（Menne等人，2018）。目前，GHCNm v4仅包含月平均温度数据。平均每月最高和最低温度以及每月总降水量将在以后包括在内。
相对于以前的版本，v4提供了一组扩展的站温记录以及用于计算站和区域温度趋势的更全面的不确定性。台站数据的增加主要来自全球历史气候网络 - 日常数据集（GHCNd; Menne等人，2012）中提供的温度观测结果，这些结果与先前版本的GHCNm中使用的原始月度资源相结合。还使用了在国际地面温度倡议主持下收集的额外台站数据（ISTI; Rennie等人，2013年），数据合并过程在ISTI项目内进行。结合这些不同的来源使得每月温度站的总数在v4中大约为26,000，而在v2和v3中为7200。
数据和清单文件
解压缩和提取文件的说明（包括清单文件的说明和数据文件的格式[测量，质量和源标记]]
- 站级信息
以图形形式提供有关数据来源，月平均温度和未调整和调整数据趋势的详细站级信息。在这些数字的解释是在所提供的readme.txt文件
质量保证
GHCNm v4使用与v3相同的一组质量控制（QC）算法，并添加了一些内容。表1中显示了检查和相关标志。有关质量控制检查的更多详细信息，请参见版本4 算法理论基础文档。
表1.适用于GHCNm版本4温度的质量保证检查
温度数据均匀化
几乎所有的气象站都会在其历史记录的某些时刻进行测量的情况发生变化。例如，温度计需要定期更换或重新校准，并且测量技术随着时间的推移而发展。温度记录协议在许多地方也发生了变化，从白天固定时间的记录温度到24小时最大值和最小值的每日一次读数。“固定”陆地站有时被重新安置，即使是微小的温度设备移动也会改变仪器的微气候暴露。在其他情况下，观测地点附近的土地利用或土地覆盖可能会随着时间的推移而发生变化，即使测量实践稳定，也会影响仪器采样的当地环境。对记录近地面气温的情况进行的所有这些不同修改都可能导致来自台站的温度读数的系统性变化，这些变化与当地天气和气候的任何实际变化无关。此外，相对于真实的气候变化，这些变化的幅度（或“不均匀性”）可能很大。因此，不均匀性可能导致气候趋势计算的大系统误差和不仅对于个别台站记录而且在空间平均值方面的变化。
因此，检测和核算与观测实践变化相关的人工制品是建立气候数据集的重要和必要的努力。在GHCNm v4中，通过使用Menne和Williams（2009）中描述的算法的站系列的自动成对比较来检测月温度序列的变化。这个程序称为成对均匀化算法（PHA），系统地评估月平均表面气温的每个时间序列，以识别一个站的温度序列（“目标”系列）相对于许多其他温度系列突然变化的情况。来自该地区其他电台的相关系列（“参考”系列）。该算法试图在计算调整因子以补偿任何一个特定移位之前解决所有站序列的移位定时。这些调整因子基于目标站序列与表观位移之间的月温差的大小的平均变化以及没有明显同时变化的参考序列。
PHA已经过广泛的评估（例如，Williams等人，2012），并且GHCNm v4数据被提供为均质化（调整）和非均质化（未调整）。均匀化数据由字符串“ qcf ” 已知，而未均匀化数据由字符串“ qcu ” 指定。如Menne等人所述。（2018），PHA作为整体周期性地运行以量化均质化的不确定性。还评估了其他不确定因素。GHCNm v4的不确定性的综合影响如下图所示。
References
GHCNm v4
Menne, M. J., C. N. Williams, B.E. Gleason, J. J Rennie, and J. H. Lawrimore, 2018: The Global Historical Climatology Network Monthly Temperature Dataset, Version 4. J. Climate, in press. https://doi.org/10.1175/JCLI-D-18-0094.1(link is external).
GHCNm v3
Lawrimore, J. H., M. J. Menne, B. E. Gleason, C. N. Williams, D. B. Wuertz, R. S. Vose, and J. Rennie, 2011: An overview of the Global Historical Climatology Network monthly mean temperature data set, version 3, J. Geophys. Res., 116, D19121, doi:10.1029/2011JD016187.
GHCNm v2
Peterson, T. C., and R. S. Vose, 1997: An overview of the Global Historical Climatology Network temperature database. Bull. Amer. Meteor. Soc.,78, 2837–2849.
GHCNm v1
Vose, R. S., R. L. Schmoyer, P. M. Steurer, T. C. Peterson, R. Heim, T. R. Karl, and J. Eischeid, 1992: The Global Historical Climatology Network: Long‐term monthly temperature, precipitation, sea level pressure, and station pressure data, ORNL/CDIAC‐53, 325 pp., Carbon Dioxide Inf. Anal. Cent., Oak Ridge, Tenn.
GHCNd
Menne, M. J., I. Durre, B. G. Gleason, T. Houston, and R. S. Vose, 2012: An overview of the Global Historical Climatology Network Daily dataset. J. Atmos. Oceanic Technol., 29, 897–910, doi:10.1175/JTECH-D-11-00103.1.
Pairwise Homogenization Algorithm (PHA)
Menne, M. J., and C. N. Williams, 2009: Homogenization of temperature series via pairwise comparisons, J. Climate, 22, 1700–1717, doi:10.1175/2008JCLI2263.1.
Williams, C. N., M. J. Menne, and P. W. Thorne, 2012: Benchmarking the performance of pairwise homogenization of surface temperatures in the United States,* J. Geophys. Res.*, 117, D05116, doi:10.1029/2011JD016761.
ISTI Databank
Rennie, J. J., Lawrimore, J. H., Gleason, B. E., Thorne, P. W., Morice, C. P., Menne, M. J., Williams, C. N., de Almeida, W. G., Christy, J. R., Flannery, M., Ishihara, M., Kamiguchi, K., Klein-Tank, A. M. G., Mhanda, A., Lister, D. H., Razuvaev, V., Renom, M., Rusticucci, M., Tandy, J., Worley, S. J., Venema, V., Angel, W., Brunet, M., Dattore, B., Diamond, H., Lazzara, M. A., Le Blancq, F., Luterbacher, J., Mächel, H., Revadekar, J., Vose, R. S., and Yin, X. (2014), The international surface temperature initiative global land surface databank: monthly temperature data release description and methods. Geoscience Data Journal, 1, 75–102. doi: 10.1002/gdj3.8.