中国日值气象数据集

气象数据集说明文档 1.数据集信息

数据集中文名称：中国地面日值数据集 数据集代码：SURF_CLI_CHN_MUL_DAY 数据集版本：2.0

数据集建立时间：20080401

2.数据来源：

（1）1951－2006年全国基准基本站地面气象日值资料；

（2）全国各省归档的国家一般站主要气象要素1951－2006年日值数据集； （3）1951～2005年42个行业台站的地面气象日值资料；

3.数据集实体

3.1.数据集实体内容说明

3.1.1.数据集实体文件名称：

数据文件命名由数据集代码（SURF_CLI_CHN_MUL_DAY）、要素代码（XXX)、项目代码（XXXXX）、年份标识（YYYY）和月份标识（MM）组成。其中，SURF表示地面气象资料，CLI表示地面气候资料，CHN表示中国，MUL表示多要素，DAY表示日值。

XXX-XXXXX说明：PRS-10004表示本站气压，TEM-12001表示气温，VAP-13004表示水汽压RHU-13003表示相对湿度PRE-13011表示降水，EVP-13241表示小型蒸发量，EVP-13242表

中国地区SRTM数据集 简介

SRTM（Shuttle Radar Topography Mission），即航天飞机雷达地形测图任务，美国太空总署（NASA）和国防部国家测绘局（NIMA）以及德国与意大利航天机构共同合作完成联合测量,由美国发射的“奋进”号航天飞机上搭载SRTM系统完成。本次测图任务从2000年2月11日开始至22日结束，共进行了11天总计222小时23分钟的数据采集工作，获取北纬60度至南纬56度之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。

SRTM系统获取的雷达影像的数据量约9.8万亿字节，经过两年多的数据处理，制成了数字地形高程模型（DEM）。SRTM产品2003年开始公开发布，经历多修订，目前最新的版本为V4.1版本。

数据覆盖范围

SRTM的覆盖范围从南纬56°到北纬60°范围，约占全球面积的80%（119.56 M km2），覆盖范围见图1，在覆盖区内有99.968%的区域获得了数据，约50,000 km2的区域数据缺失(都位于美国境内)。在覆盖区内大部分区域都有重复覆盖，具体数值见表1. 表1 SRTM数据覆盖范围 比例 99.968% 94.59% 49.25%

《航空气象》练习题

第一章 大气的状态及其运动 1. 构成大气的基本成分有哪些？二氧化碳和臭氧有什么作用？ 2. 什么叫气温垂直递减率，什么是等温层和逆温层？

3. 大气分层的主要依据是什么，大气可分为哪几层？

4. 对流层和平流层有哪些基本特征，它们对飞行有什么影响？ 5. 什么是标准大气？标准大气有什么作用？

6. 引起大气温度变化的原因是什么，什么叫气温的绝热变化？ 7. 气压随高度是怎样变化的，影响气压随高度变化的因子是什么？ 8. 什么是本站气压、场面气压、标准海平面气压和修正海平面气压？各有什么用处？

9. 气压水平分布的基本形式有哪些？如何根据等压线的分布来判断水平气压梯度的大小？

10. 空气湿度指什么？常用的表示空气湿度的物理量有哪些？

11. 基本气象要素如何影响飞机性能和仪表指示？

12. 在其他条件相同时，含水汽量多的气块与含水汽量少的气块哪个重些？

13. 解释“下雪不冷化雪寒”这句谚语。

14. 说明?、、、的物理含意。

??d?m15. 地面气温为18℃，一空气块干绝热上升到2?000?m高度时，其温度是多少？再下降到800m高度，其温度又是多少？

16. 地面气温为t0，一架飞机上升到离地Z?m高，同时地面

气象数据的“大数据应用”浅析

2014-03-24 17:03:19 作者：国家气象总局沈文海 来源：CIO时代网

摘要： 气象数据在“大数据应用”浪潮中亟待解决的信息技术问题，是海量气象结构化数据的高效应用。这是气象数据能否参与“大数据应用”的技术基础和前提。 关键词： 气象数据大数据

1、引言

据统计，2011年全球的数据规模为1.8ZB,这些信息将填满575亿个32GB的ipad,以这些ipad做砖石，足可以垒建起两座中国的万里长城。而到2013 年，仅中国当年产生的数据总量就已超过0.8ZB,2倍于2012年，相当于2009年全球的数据总量。预计到2020年，中国产生的数据总量将是2013年的10倍，超过8.5ZB.【1】而届时全球的数据总量预计将达到40ZB,如果将这些数据全部刻录成蓝光光盘，则这些光盘的总重量相当于424艘满载荷的尼米兹航空母舰。

数据量暴增的速度令人瞠目结舌，我们的确已进入“大数据时代”.

很快地，“地理大数据”、“水利大数据”、“环境大数据”、“金融大数据”、“互联网大数据”乃至“气象大数据”等名词陆续出现在有关媒体上。“大数据”逐渐成为近来人们谈论最多、思考最多的技术话

世界气象日

世界气象组织（World Meteorological Organization,WMO）成立于1950年3月23日，1951年成为联合国的专门机构，是联合国关于地球大气状况和特征、与海洋相互作用、产生和导致水源分布气候方面的最高权威的喉舌，其总部设在瑞士日内瓦。

为纪念世界气象组织成立（1950年3月23日）这一特殊日子，1960年世界气象组织将公约生效日，即3月23日定为“世界气象日”，并从1961年开始，每年气象日围绕一个主题，在全球进行庆祝活动，向各会员政府和公众进行气象宣传教育。

每年的“世界气象日”，世界气象组织执行委员会都要选定一个主题进行宣传，以提高世界各地的公众对自己密切相关的气象问题的重要性的认识。每一个主题都集中反映了人类关注的与气象有关的问题。近十年世界气象日主题如下：

1995年 公众与天气服务 1996年 气象与体育服务 1997年 天气与城市水问题 1998年 天气、海洋与人类活动 1999年 天气、气候与健康 2000年 气象服务五十年

2001年 天气、气候和水的志愿者

2002年 降低对天气和气候极端事件的脆弱性 2003年 关注我们未来的气候

2004年 信息时

1 引言

在气象行业内部，气象数据的价值已经和正在被深入挖掘着。但是，不能将气象预报产品的社会化推广简单地认为就是“气象大数据的广泛应用”。

大数据实际上是一种混杂数据，气象大数据应该是指气象行业所拥有的以及锁接触到的全体数据，包括传统的气象数据和对外服务提供的影视音频资料、网页资料、预报文本以及地理位置相关数据、社会经济共享数据等等。

传统的”气象数据“，地面观测、气象卫星遥感、天气雷达和数值预报产品四类数据占数据总量的90%以上，基本的气象数据直接用途是气象业务、天气预报、气候预测以及气象服务。“大数据应用”与目前的气象服务有所不同，前者是气象数据的“深度应用”和“增值应用”，后者是既定业务数据加工产品的社会推广应用。

“大数据的核心就是预测”，这是《大数据时代》的作者舍恩伯格的名言。天气和气候系统是典型的非线性系统，无法通过运用简单的统计分析方法来对其进行准确的预报和预测。人们常说的南美丛林里一只蝴蝶扇动几下翅膀，会在几周后引发北美的一场暴风雪这一现象，形象地描绘了气象科学的复杂性。运用统计分析方法进行天气预报在数十年前便已被气象科学界否决了——也就是说，目前经典的大数据应用方法并不适用于天气预报业务。

现在，气象行业的公共服务职能越来

《航空气象》练习题

第一章 大气的状态及其运动 1. 构成大气的基本成分有哪些？二氧化碳和臭氧有什么作用？ 2. 什么叫气温垂直递减率，什么是等温层和逆温层？

3. 大气分层的主要依据是什么，大气可分为哪几层？

4. 对流层和平流层有哪些基本特征，它们对飞行有什么影响？ 5. 什么是标准大气？标准大气有什么作用？

6. 引起大气温度变化的原因是什么，什么叫气温的绝热变化？ 7. 气压随高度是怎样变化的，影响气压随高度变化的因子是什么？ 8. 什么是本站气压、场面气压、标准海平面气压和修正海平面气压？各有什么用处？

9. 气压水平分布的基本形式有哪些？如何根据等压线的分布来判断水平气压梯度的大小？

10. 空气湿度指什么？常用的表示空气湿度的物理量有哪些？

11. 基本气象要素如何影响飞机性能和仪表指示？

12. 在其他条件相同时，含水汽量多的气块与含水汽量少的气块哪个重些？

13. 解释“下雪不冷化雪寒”这句谚语。

14. 说明?、、、的物理含意。

??d?m15. 地面气温为18℃，一空气块干绝热上升到2?000?m高度时，其温度是多少？再下降到800m高度，其温度又是多少？

16. 地面气温为t0，一架飞机上升到离地Z?m高，同时地面

有很多有用的网址,提供气象相关数据的下载,有用的话试试呗!

气象数据下载

包括：综合资料、降水、SST、地面覆盖资料、风场/OLR/指数资料

Noaa资料库： http://www.cdc.noaa.gov

NCEP资料介绍： http://www.nomad2.ncep.noaa.gov/ncep_data/

欧洲气象中心资料(grib和NC格式的)：

http://www.ecmwf.int/

Levitus资料： http://ingrid.ldgo.columbia.edu/SOURCES/.LEVITUS94/.MONTHLY/

Ucar资料 http://www.cgd.ucar.edu/cas/guide/Atmos/Surface/data.html

NASA资料：

ftp://podaac.jpl.nasa.gov/seasurfaceheight/

以前某天全国的天气情况

http://www.77cn.com.cn/feature/hi301100.shtml

1度×1度资料

http://dss.ucar.edu/datasets/ds083.2/

ARGO资料

http://www.77cn.com.cn/web/

NCEP 系统资料：

拉格朗日插值绘制龙格现象

一、问题叙述

龙格反例1/(1+x^2)说明高次代数插值会导致误差很大。在区间[-5,5]上取等距结点构造10次拉格朗日插值多项式用计算机绘制图形显示龙格现象。 二、理论分析

1. 拉格朗日插值：假设有（n+1）个拉格朗日插值结点x0?x1??xn ，已知函数值

y0?f(x0),y1?f(x1),,yn?f(xn)

求n次多项式Ln(x)使其满足插值条件f(xj)?yj(j?0,1,,n)

类似于二次插值方法，根据插值结点构造(n+1)个拉格朗日插值基函数

lk(x)?(x?x0)?(x?xk?1)(x?xk?1)?(x?xn)

(xk?x0)?(xk?xk?1)(xk?xk?1)?(xk?xn)?1j?k每一个基函数都是零点多项式lk(xj)??,(j?0,1n)

0j?k?Ln(x)满足插值条件 Ln(xj)?f(xj)拉格朗日插值基函数：lk(x)??j?0j?kn(j?0,1,,n)

(x?xj)(xk?xj)拉格朗日插值多项式：Ln??lj(x)yj

j?0n2. 切比雪夫插值：n阶切比雪夫多项式定义为

This was the 1983 ASA Data Exposition dataset. The dataset was collected by Ernesto Ramos and David Donoho and dealt with automobiles. Data on mpg, cylinders, displacement, etc. (8 variables) for 406 different cars. The dataset includes the names of the cars.

汽车数据集(cars dataset)

数据摘要：

This was the 1983 ASA Data Exposition dataset. The dataset was collected by Ernesto Ramos and David Donoho and dealt with

automobiles. Data on mpg, cylinders, displacement, etc. (8 variables) for 406 different cars. The dataset includes the names