中国1km分辨率月最低温和高温度数据集

​

简介：

中国1km分辨率月最低温和高温度数据集（1901-2020）是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国地区降尺度生成的。使用了496个独立气象观测点数据进行验证，验证结果可信。数据集的空间分辨率为0.0083333°（约1km），时间为1901.1-2020.12，数据单位为0.1℃。包含全国主要陆地（包含港澳台地区），不含南海岛礁等区域。

前言 – 人工智能教程

最低温度和最高温度是气象监测中非常重要的参数，因为它们提供了关于天气的重要信息，有助于我们了解天气状况，制定适当的防范措施。

最低温度可以帮助我们判断当地的冷空气活动和天气稳定性。非常低的最低温度可能会导致霜冻，对植物产生负面影响，对道路和机场的交通也会产生影响。同时，最低温度也是天气预报员预测明天的温度的依据。

最高温度可以帮助我们判断当地的热浪活动和天气稳定性。非常高的最高温度可能会对健康产生负面影响，如中暑、脱水等。此外，最高温度也是天气预报员预测明天的温度的重要依据。

因此，最低温度和最高温度的监测对于我们了解天气状况，制定适当的防范措施以应对突发天气情况具有重要的作用。

数据集ID: 

TPDC/CHINA_1KM_MIN_TEM_MONTH

时间范围: 1901年-2020年

范围: 全国

来源: 国家青藏高原科学数据中心

复制代码段: 

var images = pie.ImageCollection("TPDC/CHINA_1KM_MIN_TEM_MONTH")

var images = pie.ImageCollection("TPDC/CHINA_1KM_MAX_TEM_MONTH")

代码：

var img = pie.ImageCollection("TPDC/CHINA_1KM_MIN_TEM_MONTH")
.filterDate("2000-01-01", "2006-01-01")
            .select("B1").first()
            //.mean();
print(img);
//设定颜色预览组合
visParams = {
            palette: ['#0D0887','#5B02A3','#9A179B','#CB4678','#EB7852','#FBB32F','#F0F921']};
//定位地图中心
Map.centerObject(img, 3);
//加载影像
Map.addLayer(img, visParams, "img");

var img = pie.ImageCollection("TPDC/CHINA_1KM_MAX_TEM_MONTH")
            .filterDate("2000-01-01", "2006-01-01")
            .select("B1").first()
            //.mean();
print(img);
//设定颜色预览组合
visParams = {
            palette: ['#0D0887','#5B02A3','#9A179B','#CB4678','#EB7852','#FBB32F','#F0F921']};
//定位地图中心
Map.centerObject(img, 3);
//加载影像
Map.addLayer(img, visParams, "img");

引用：

数据引用：
彭守璋. 中国1km分辨率月最低温度数据集（1901-2017）. 国家青藏高原科学数据中心, 2020. DOI: 10.5281/zenodo.3114194.

文章引用：
1. Peng, S.Z., Ding, Y.X., Wen, Z.M., Chen, Y.M., Cao, Y., & Ren, J.Y. (2017). Spatiotemporal change and trend analysis of potential evapotranspiration over the Loess Plateau of China during 2011–2100. Agricultural and Forest Meteorology, 233, 183–194.
2. Peng, S.Z., Gang, C.C., Cao, Y., & Chen, Y.M. (2018). Assessment of climate change trends over the Loess Plateau in China from 1901 to 2100. International Journal of Climatology, 38(5), 2250–2264.
3. Peng, S.Z., Ding, Y.X., Liu, W.Z., & Li, Z. (2019). 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. Earth System Science Data, 11, 1931–1946. https://doi.org/10.5194/essd-11-1931-2019.
4. Ding, Y.X., & Peng, S.Z. (2020). Spatiotemporal trends and attribution of drought across China from 1901–2100. Sustainability, 12(2), 477.

​