CN: 11-6035/N
ISSN: 2096-2223
其他数据论文 II 区论文（已发表） • 版本 ZH3 Vol 9 (1) 2024
下载
北京市观象台2021–2022年气象垂直物理量数据集
A dataset of observatory meteorological vertical physical parameters from Beijing Observatory during 2021-2022
熊亚军，孟慧芳，薛杨，范雪波
XIONG Yajun, MENG Huifang, XUE Yang, FAN Xuebo
 >>
： 2023 - 06 - 20
： 2023 - 09 - 06
： 2023 - 06 - 29
： 2024 - 03 - 26
Baidu
map
2208 16 0
摘要&关键词
摘要：气象垂直物理量在气象、环境等领域用途非常广泛；但由于计算较为复杂，长序列、多要素的气象垂直物理量数据集一直较为缺乏。基于北京市观象台（站号54511）2021–2022年的气象探空资料，采用MICAPS4.0软件，计算2021–2022年气象垂直物理量数据集。每日有两个时次的数据，分别为08时和20时。垂直物理量包括K指数、A指数、最大抬升指数等40个物理量。数据集从数据观测、数据传输、数据存储3个方面进行了质控，可为天气预报、大气环境等领域的业务科研工作提供数据支撑。
关键词：北京；气象垂直物理量；探空；数据集
Abstract & Keywords
Abstract: Vertical physical parameters are widely used in a lot of fields, such as meteorology and the environment. Due to the complexity of calculations, there is a lack of meteorological vertical physical quantity datasets with long sequences and multiple elements. Based on the meteorological sounding data from Beijing Observatory (station ID 54511) from 2021 to 2022, we used the MICAPS4.0 software to calculate the meteorological vertical physical parameters. The data are recorded twice daily, at 08:00 and 20:00, respectively, covering 40 physical quantities vertical physical parameters, including K index, A index, and maximum uplift index. The dataset has undergone quality control from three aspects: data observation, data transmission, and data storage. It is expected to provide data support for business research work in weather forecasting, atmospheric environment, and other fields.
Keywords: Beijing; the meteorological vertical physical parameter; sounding; dataset
数据库（集）基本信息简介
数据库（集）名称北京市观象台2021–2022年气象垂直物理量数据集
数据通信作者孟慧芳（xyajun78@163.com）
数据作者熊亚军，孟慧芳，薛杨，范雪波
数据时间范围2021年1月1日–2022年12月31日（北京时），逐日
地理区域北京市观象台（39.48 °N，116.28° E）
数据量349 KB
数据格式.xlsx
数据服务系统网址http://dx.doi.org/10.57760/sciencedb.j00001.00855
基金项目中国气象局大气化学重点开放实验室开放课题（2022B02）
数据库（集）组成北京市2021–2022年气象垂直物理量数据集包含1个数据文件。该数据文件由两个数据表组成，分别为08时数据和20时数据。其中，各数据表的第1–4列分别为年、月、日和小时，第5–44列为40个气象垂直物理量值。数据的第1行为名称，其余为数据值。
Dataset Profile
TitleA dataset of observatory meteorological vertical physical parameters from Beijing Observatory during 2021-2022
Data corresponding authorMENG Huifang (xyajun78@163.com)
Data authorsXIONG Yajun, MENG Huifang, XUE Yang, FAN Xuebo
Time rangesJanuary 1, 2021 - December 31, 2022 (GMT+8), daily
Geographical scopeBeijing Observatory (39.48°N, 116.28°E)
Data volume349 KB
Data format.xlsx
Data service system<http://dx.doi.org/10.57760/sciencedb.j00001.00855>
Source of fundingOpen Project of Atmospheric chemistry Key Open Laboratory of China Meteorological Administration (2022B02)
Dataset compositionThe dataset comprises one data file of two data tables, with data recorded at 08:00 and 20:00, respectively. Among them, columns 1-4 of each data table represent year, month, day, and hour, while columns 5-44 represent 40 meteorological vertical physical quantities. The first row is the name, and the remaining rows are data values.
Baidu
引 言
整个地球大气层像一座高大的而又独特的“楼房”。按其温度、湿度、密度等物理性质在垂直方向上的变化，世界气象组织把这座“楼房”分为5层，自下而上依次是：对流层、平流层、中间层、暖层和散逸层。垂直方向上的温度、湿度、气压、风向和风速等基础气象要素的变化构成了变化莫测的天气现象。基于这些基础气象要素，可以计算出对流有效位能、K指数、风暴螺旋度等综合性的垂直物理量。这些物理量从动力、热力等不同角度进一步表征了大气状态，与天气过程有密切联系。掌握这些物理量的来源、物理意义、性质特点和使用方法，对气象以及相关领域的业务工作均有重要意义。例如，杨程等[1]对热带气旋影响下的江苏地区强对流天气的发生规律进行统计后发现，受热带气旋影响下的气象垂直物理量中的强对流指数阈值比通常情况下要小，这表明带气旋背景下更容易造成对流不稳定和低层不稳定能量堆积，最终导致强对流天气发生。胡邦辉等[2]研究贝叶斯(Bayes)方法对单站雷暴预报的应用效能，多种气象垂直物理量与Fisher准则相配合，能够建立漳平、广州和湛江的雷暴预报模型，并有较强的雷暴预报能力。孙荣宇等[3]通过高空探测和物理量参数等资料对2012年7月下旬发生在兴安盟地区的3次区域性强降水进行了对比分析，发现稳定度指数、能量指数和强对流天气指数等垂直物理量对这3次降水预报具有较好的指示作用。朱海利等[4]通过对MICAPS系统的第四类数据格式的解读，建立基于MICAPS天气预报平台的垂直物理量中的强对流天气指数，为提高咸阳的灾害性天气预报提供更多数据支撑。气象垂直物理量不仅在气象学领域应用广泛，而且在大气污染防治与联防联控方面也有较多的应用。高建芸[5]选取厦门、三都站，计算出大气稳定度等指标，并揭示和分析了湾内岛屿与湾外岛屿污染气象条件的差异。
这些基础气象要素，可以计算出对流有效位能、K指数、风暴螺旋度等综合性的垂直物理量。这些物理量从动力、热力等不同角度进一步表征了大气状态，与天气过程有密切联系。掌握这些物理量的来源、物理意义、性质特点和使用方法，对气象以及相关领域的业务工作均有重要意义。例如，杨程等[1]对热带气旋影响下的江苏地区强对流天气的发生规律进行统计后发现，受热带气旋影响下的气象垂直物理量中的强对流指数阈值比通常情况下要小，这表明带气旋背景下更容易造成对流不稳定和低层不稳定能量堆积，最终导致强对流天气发生。胡邦辉等[2]研究贝叶斯(Bayes)方法对单站雷暴预报的应用效能，多种气象垂直物理量与Fisher准则相配合，能够建立漳平、广州和湛江的雷暴预报模型，并有较强的雷暴预报能力。孙荣宇等[3]通过高空探测和物理量参数等资料对2012年7月下旬发生在兴安盟地区的3次区域性强降水进行了对比分析，发现稳定度指数、能量指数和强对流天气指数等垂直物理量对这3次降水预报具有较好的指示作用。朱海利等[4]通过对MICAPS系统的第四类数据格式的解读，建立基于MICAPS天气预报平台的垂直物理量中的强对流天气指数，为提高咸阳的灾害性天气预报提供更多数据支撑。气象垂直物理量不仅在气象学领域应用广泛，而且在大气污染防治与联防联控方面也有较多的应用。高建芸[5]选取厦门、三都站，计算出大气稳定度等指标，并揭示和分析了湾内岛屿与湾外岛屿污染气象条件的差异。
北京市地势西北高、东南低，东南部是一片缓缓向渤海倾斜的平原，其他三面环山；为暖温带半湿润半干旱季风气候，夏季高温多雨，冬季寒冷干燥。气象垂直物理量在气象与环保领域应用非常广泛。蕾蕾[6]等在研究2018年北京“7.16”暖区特大暴雨的形成机制时发现，西南低空急流暖湿输送导致高温、高湿、高能的垂直物理量-对流不稳定层结反复重建，是对流发展加强、暖区特大暴雨形成的重要原因。吴洪星[7]利用北京站1995–2000年6–8月常规探空资料，分析了北京夏季对流温度和对流凝结高度的特征，发现垂直物理量之一的对流凝结高度能在一定程度上反映出对流云的云高。对流温度与实测温度之差在4 ℃以内的，占对流云总数的80%。
气象垂直物理量在天气预报、大气环境保护等领域应用广泛，但计算比较复杂。石燕茹[8]在研究风暴相对螺旋度与强对流天气类型的关系分析中，通过对2007–2008年石家庄地区27次强对流天气过程的统计分析，找出短时冰雹、暴雨和大风任意组合时，低层风暴螺旋度的不同特征，获得不同天气现象的预报指标。谭凌志[9]在研究二种稳定度指数在强对流天气中的应用与比较时，分析了两种稳定度指数（沙氏指数与卷挟指数）在强对流天气发生前后，两种指数值变化有一定规律性，可以预示大气层结稳定度的转换规律。科研人员要么利用3–5种强对流天气指数分析对流性天气，要么计算2–3种大气稳定度参数分析雾霾天气，缺少长时间序列、种类丰富的气象垂直物理量数据集。本研究基于北京地区气象探空数据，利用MICAPS4.0[10]软件计算获得2021年1月1日–2022年12月31日的40种垂直物理量数据集，为天气预报、大气环境等领域的业务科研工作提供数据支撑。
1   数据采集和处理方法
1.1   数据采样地描述
本数据集所用的气象数据来自北京市气象数据中心；原始数据采样地为北京市观象台（台站代码：54511；经纬度：39.48 °N，116.28 °E，海拔31.3 m）。北京市观象台是有数百年观测历史的国家基本气象站，是世界气象组织认证的百年气象站中全球观测时间最长的，也是北京地区气象观测站中唯一参加全球常规气象资料交换的台站，其观测数据代表北京地区参加世界气象组织的全球数据交换。采样地周边情况见图1(a)，探空气球释放过程见图1(b)，探空气球在空中情况见图1(c)。

(a)


(b)


(c)

图1   （a）采样地周边情况（b）探空气球施放瞬间（c）探空气球在空中情况
Figure 1 Sampling site conditions (a), the moment of sounding balloon release (b), and sounding balloon in the air
1.2   数据来源及采集方法
本数据集的气象垂直物理量根据不同高度的温度、气压、湿度和风等基本气象要素计算获得。基本气象要素由探空气球获得。探空气球作为载体，把无线电探空仪携带到高空，升空过程依次经过对流层、平流层和高层大气，会随着大气运动而漂移。在《常规高空气象观测规范》[11]中规定：探空气球在上升过程中，探空仪器实时测定不同高度和经纬度的气压、湿度、气温和风等气象要素，并通过无线电信号将数据返回地面，从而获得空中的气象要素值。此外，通过气球携带经纬度仪或者地面追踪气球轨迹的方法，还可计算出高空的风向和风速。探空设备的信息和主要技术指标（见表1）所示。其中，探空气球重300～1500克，充入适量的氢气或氦气，可升达离地30～40千米，常规升速一般为6–8米/秒，上升到约30千米高空后自行爆裂。数据采集遵照《地面气象观测规范》[12]、《高空风探测报告编码规范》[13]（QX/T 120-2010）、《高空压、温、湿、风探测报告编码规范》[14]（QX/T 121-2010）执行。数据生成过程包括有：观测数据采集、数据质量控制、数据格式转换、数据统计与分析。
表1   气象探空设备信息和技术指标
设备名称规格/型号主要技术指标
工作频段载波频率稳定度发射功率调制方式采样周期测量范围允许误差电池供电时间/连续工作时间最大速度测风精度
L波段二次测风雷达GFE（L）1型1675 MHz ± 6 MHz/大发射机峰值功率≥15 kW/1 s方位角0～360°、俯仰角-6°～92°、距离100 m～200 km方位角0.08°（仰角6°以上）、俯仰角0.08°（仰角6°以上）、距离20 m（100 m～150 km）连续工作不低于8小时自动跟踪：方位角≥15 °/s、俯仰角≥15 °/s、距离≥200 m/s
手动跟踪：方位角≥25 °/s、俯仰角≥18 °/s、距离≥2 km/s
角跟踪加速度：方位角≥15 °/s2、俯仰角≥15 °/s2		风速：1 m/s（10 m/s以下）、10%（10 m/s以上）
风向：5°（25 m/s以上）、10°（25 m/s以下）
新型探空仪GTS111675 MHz ± 3 MHz1675 MHz ± 4 MHz不小于400 mW调幅1 s气温-90 ℃～50 ℃；湿度0～100%RH；气压1060 hPa～5 hPa气温0.3 ℃；湿度5%RH；气压2 hPa（气压≥500 hPa）1 hPa（气压＜500 hPa）电池供电不少于120 min//
本数据集所用气象垂直物理量由MICAPS4.0[10]计算，MICAPS4.0是气象常用业务软件，由国家气象中心研发。该软件将信息化技术与预报技术、预报业务流程紧密结合，解决了现代化天气预报方法的平台化集成应用与精细化预报制作的关键技术难题。
2   数据样本描述
本数据集由一个文件组成，文件后缀名为.XLSX。文件包含两个2个SHEET表，分别是08时数据集SHEET表共44列，574行；20时数据集SHEET表共44列，606行，每个SHEET首行为文件头，其余行为数据样本，数据集样本中剔除了因小时数据缺测而无法计算出垂直物理量的时间段数据。1–4列为时间，分别表示原始数据的采样时间（年、月、日、时），为北京时间。第5–44列为40个垂直物理量（见表2）。
表2   垂直物理量信息和说明
序号物理量物理量名称单位说明
1-20H-20度层高度m大水滴的自然冰化区下界，是表示雹云特征的重要参数。
2-30H-30度层高度m
3-40H-40度层高度m
4AA指数%在《天气学原理和方法》[15]中指出A指数是综合反映大气静力稳定度与整层水汽饱和程度的物理量。A值越大，表明大气越不稳定或对流层中下层饱和程度越高，越有利于产生降水。
5BI条件性稳定度指数℃判别某层空气是否稳定
6BIC最大对流稳定度指数℃衡量中低层层结对流不稳定度的指标
7BLI最大抬升指数℃最不稳定者对应的抬升指数即为最大抬升指数
8CCL_P对流凝结高度m在T-lnP图上，通过地面露点温度的等饱和比湿线与大气层结曲线的交点所对应的高度，即为对流凝结高度。
9CCL_T对流凝结高度处温度℃在T-lnP图上，通过地面露点温度的等饱和比湿线与大气层结曲线的交点所对应的高度，即为对流凝结温度。
10DCAPE下沉对流有效位能J·kg-1从理论上反映干空气侵入含水云体后，与雨水一起下泻，因蒸发冷却作用下沉到地表时的最大位能。DCAPE是预报雷雨大风强度和下击暴流最重要的热力学参数之一。
11DCAPE600600 hPa起始下沉对流能J·kg-1大气从600 hPa处沿假绝热线下沉至地面，假绝热线与大气层结曲线所围成的面积表示的能量，即为DCAPE600。
12IC对流稳定度指数℃上、下层的差值
13IL大气垂直稳定度℃大气的稳定度
14ILC条件对流稳定度指数℃IL与IC相加称为条件-对流稳定度指数
15IntegralQ整层比湿积分%大气整层比湿的积分；值越大，约有利于降水发生
16IQ比湿积分%某一层次的比湿积分；值越大，约有利于降水发生
17JI杰弗逊指数℃JI是一种修正的不稳定指数，适用于不同区域及季节，是修正的雷暴指数。
18KK指数℃气团指数，反映大气的层结稳定情况，K指数越大，层结越不稳定。
19LI抬升指数℃平均气块从修正的底层900 m高度沿干绝热线上升，到达凝结高度后再沿湿绝热线上升至500 hPa时所具有的温度（Tx）与500 hPa等压面上的环境温度（T500）的差值。
20LIMax最大抬升指数℃气块抬升到500 hPa得到的LI
21Ls干暖盖指数℃逆温层一般具有干、暖特性
22mK修正K指数℃地面至850 hPa温度与露点平均之和减700 hPa温度露点差再减500 hPa温度
23mK0Charba修正K指数℃Charba对常规K指数进行修正，用来衡量雷暴天气发生可能性。
24QG地面层比湿g/kg地面层空气中的水汽质量和干空气质量与总质量之比
25SHR11 km风矢量差m/s1 km高度和地面之间风矢量之差的绝对值，为低层垂直风切变。
26SHR33 km风矢量差m/s3 km高度和地面之间风矢量之差的绝对值
27SHR66 km风矢量差m/s6 km高度和地面之间风矢量之差的绝对值
28SHR88 km风矢量差m/s8 km高度和地面之间风矢量之差的绝对值
29SI沙氏指数℃小块空气由850 hPa开始，干绝热上升到抬升凝结高度（LCL），然后再按湿绝热递减率上升到500 hPa，在500 hPa上的大气实际温度（T500）与该上升气块到达500 hPa时的温度(Ts)的差值。
30SLW斯拉维指数℃探空图中的状态曲线和层结曲线在500 hPa上的温度差
31SRH风暴相对螺旋度m2/s2SRH是衡量风暴旋转潜势的物理量，它的大小反映了旋转与沿旋转轴方向运动的强弱程度，SRH大小的变化可以推断暴雨雨强的大小。
32SSI风暴强度指数无量纲用于区分强雷暴与非强雷暴的经验物理参数，表示浮力能与垂直风切变之间的线性关系。
33SWEAT强天气威胁指数无量纲在《天气学原理和方法》[15]中指出强天气威胁指数是Miller与Maddox根据328次龙卷资料和日常预报经验得出的一个预报指数，可以利用探空资料根据规定表达式求得，发生龙卷的I（其中I代表SWEAT）临界值为400，发生强雷暴的I临界值为300。
34T75700-500温差℃500 hPa温度与700 hPa温度之差
35T85850-500温差℃500 hPa温度与850 hPa温度之差
36TCL_P抬升凝结高度m在T-lnP图上，不饱和气块抬升，开始是干绝热上升，到饱和后开始凝结，凝结开始的高度。
37TCL_T抬升凝结处温度℃在T-lnP图上，不饱和气块抬升，开始是干绝热上升，到饱和后开始凝结，凝结开始的温度。
38Tg对流温度℃气块从对流凝结高度（CCL）沿干绝热线下降，到达地面时的温度，即为对流温度。
39TT总指数℃总指数（TT）是850 hPa的温度和露点之和减去2倍的500 hPa温度。
40Vws垂直风切变m/s风的垂直切变
3   数据质量控制和评估
本研究从数据观测、数据传输、数据存储过程3个方面进行了质量控制。
首先是观测系统观测数据的质量控制，主要包括探空设备温度、气压、辐射订正算法、秒数据滑动和平均风计算等。
其次是通信系统对接收到的高空观测数据的质量控制，高空观测数据在实时观测资料发报、高空BURF数据文件上传后，对接收到的观测数据进行质量检查和质量控制，按照《高空风探测报告编码规范》[13]中要求，数据编码由指示段、标识段、数据描述段、数据段和结束段构成，具体见图2。在数据段的204008和204000之间的要素，每个要素前面增加8 bit作为质控码；由高至低（从左到右）1–4位，表示省级质控码；5–8位，表示台站质控码。如：0001 1001——高（左）4位为省级质控码，值为1，表示正确；低（右）4位为台站质控码，值为9，表示未作质量控制。


图2   数据编码质控流程图
Figure 2 Flow chart for data encoding quality control
最后，在接收到台站传输的高空数据后，省级MDOS系统对资料审核并进行人工质量控制工作，具体流程见图3所示。


图3   省级人工资料审核质控流程图
Figure 3 Quality Control Flow Chart for Provincial Manual Data Review
4   数据价值
北京地区是暴雨事件和雾霾天气发生比较频繁的地区之一，近年来极端降水和雾霾等事件频发，对首都人民的人身和财产安全构成一定危害。本数据集具有时间序列长、垂直物理量多等特点，能提供整个研究区域的垂直气象要素，帮助了解北京上空气象要素的时空变化动态特征，为降水、雾霾预报等提供支撑；并且为研究暴雨和雾霾天气提供有价值的数据源，为首都社会经济以及生态环境的发展提供助力，具有重要的理论与实际应用价值。
[1]
杨程, 宋金杰, 王元, 等. 热带气旋影响下江苏强对流天气指数分析[J]. 热带气象学报, 2014, 30(3): 559–566. DOI: 10.3969/j.issn.1004-4965.2014.03.017. [YANG C, SONG J J, WANG Y, et al. Analysis of severe convection indices about severe convective weather under the influence of tropical cyclones in Jiangsu[J]. Journal of Tropical Meteorology, 2014, 30(3): 559–566. DOI: 10.3969/j.issn.1004-4965.2014.03.017.]
+ CSCD · Baidu Scholar
[2]
孙荣宇, 孙颖. 2012年夏季兴安盟3次暴雨过程对比分析[J]. 内蒙古科技与经济, 2012(23): 49–51. DOI: 10.3969/j.issn.1007-6921.2012.23.022. [SUN R Y, SUN Y. Comparative analysis of three rainstorms in Xing 'an league in summer of 2012[J]. Inner Mongolia Scientech and Economy, 2012(23): 49–51. DOI: 10.3969/j.issn.1007-6921.2012.23.022.]
+ CSCD · Baidu Scholar
[3]
胡邦辉, 袁野, 王学忠, 等. 基于贝叶斯分类方法的雷暴预报[J]. **理工大学学报(自然科学版), 2010, 11(5): 578–584. DOI: 10.3969/j.issn.1009-3443.2010.05.019. [HU B H, YUAN Y, WANG X Z, et al. Thunderstorm prediction based on Bayesian classification method[J]. Journal of Pla University of Science and Technology (Natural Science Edition), 2010, 11(5): 578–584. DOI: 10.3969/j.issn.1009-3443.2010.05.019.]
+ CSCD · Baidu Scholar
[4]
朱海利, 李春娥, 王英. 用micaps系统制作咸阳地区强对流天气指数图[J]. 陕西气象, 2001, 1(2): 5–7. DOI: 10.3969/j.issn.1006-4354.2001.02.002. [ZHU H L, LI C E, WANG Y. Plotting the weather index of strong convection in Xianyang region with MICAPS system[J]. Journal of Shaanxi Meteorology, 2001, 1(2): 5–7. DOI: 10.3969/j.issn.1006-4354.2001.02.002.]
+ CSCD · Baidu Scholar
[5]
高建芸. 福建沿海岛屿若干污染气象条件分析[J]. 台湾海峡, 1999, 18(1): 55–62. DOI: 10.3969/j.issn.1000-8160.1999.01.009. [GAO J Y. An analysis of some pollution weather conditions in Fujian coastal Islands[J]. Journal of Oceanography in Taiwan Strait, 1999, 18(1): 55–62. DOI: 10.3969/j.issn.1000-8160.1999.01.009.]
+ CSCD · Baidu Scholar
[6]
雷蕾, 邢楠, 周璇, 等. 2018年北京 “7.16” 暖区特大暴雨特征及形成机制研究[J]. 气象学报, 2020, 78(1): 1–17. DOI: 10.11676/qxxb2020.001. [LEI L, XING N, ZHOU X, et al. A study on the warm-sector torrential rainfall during 15-16 July 2018 in Beijing area[J]. Acta Meteorologica Sinica, 2020, 78(1): 1–17. DOI: 10.11676/qxxb2020.001.]
+ CSCD · Baidu Scholar
[7]
吴洪星, 李耀东, 王慧娟, 等. 对流温度在北京夏季局地热力对流云分析中的应用[J]. 气象与环境科学, 2010, 33(4): 11–15. DOI: 10.3969/j.issn.1673-7148.2010.04.003. [WU H X, LI Y D, WANG H J, et al. Application of convective temperature in analysis of local thermodynamic convective clouds in Beijing summer[J]. Meteorological and Environmental Sciences, 2010, 33(4): 11–15. DOI: 10.3969/j.issn.1673-7148.2010.04.003.]
+ CSCD · Baidu Scholar
[8]
石燕茹, 寿绍文, 王丽荣, 等. 风暴相对螺旋度与强对流天气类型的关系分析[J]. 气象与环境学报, 2011, 27(1): 65–71. DOI: 10.3969/j.issn.1673-503X.2011.01.013. [SHI Y R, SHOU S W, WANG L R, et al. Relationship between storm relative helicity and types of strong convective weather[J]. Journal of Meteorology and Environment, 2011, 27(1): 65–71. DOI: 10.3969/j.issn.1673-503X.2011.01.013.]
+ CSCD · Baidu Scholar
[9]
谭凌志. 二种稳定度指数在强对流天气中的应用与比较[J]. 广西气象, 1999(1): 27–28. [TAN L. 二种稳定度指数在强对流天气中的应用与比较[J]. Journal of Guangxi Meteorology, 1999(1): 27–28.]
+ CSCD · Baidu Scholar
[10]
高嵩, 毕宝贵, 李月安, 等. MICAPS4预报业务系统建设进展与未来发展[J]. 应用气象学报, 2017, 28(5): 513–531. DOI: 10.11898/1001-7313.20170501. [GAO S, BI B G, LI Y A, et al. Implementation and development plan of MICAPS4[J]. Journal of Applied Meteorological Science, 2017, 28(5): 513–531. DOI: 10.11898/1001-7313.20170501.]
+ CSCD · Baidu Scholar
[11]
中国气象局. 常规高空气象观测业务规范[M]. 北京: 气象出版社, 2010. [China Meteorological Administration. Operational specification for conventional high-altitude meteorological observation[M]. Beijing: China Meteorological Press, 2010.]
+ CSCD · Baidu Scholar
[12]
中国气象局. 地面气象观测规范[M]. 北京: 气象出版社, 2003. [China Meteorological Administration. Specification for ground meteorological observation[M]. Beijing: China Meteorological Press, 2003.]
+ CSCD · Baidu Scholar
[13]
中国气象局. 高空风探测报告编码规范: QX/T 120—2010[S]. 北京: 气象出版社, 2010. [China Meteorological Administration. Coding specifications for upper-wind report: QX/T 120—2010[S]. Beijing: China Meteorological Press, 2010.]
+ CSCD · Baidu Scholar
[14]
中国气象局. 高空压、温、湿、风探测报告编码规范: QX/T 121—2010[S]. 北京: 气象出版社, 2010. [China Meteorological Administration. Coding specifications for upper-level pressure, temperature, humidity and wind report: QX/T 121—2010[S]. Beijing: China Meteorological Press, 2010.]
+ CSCD · Baidu Scholar
[15]
朱乾根. 天气学原理和方法[M]. 3版. 北京: 气象出版社, 2000. [ZHU Q G. Principles and methods of meteorology[M]. 3rd ed. Beijing: China Meteorological Press, 2000.]
+ CSCD · Baidu Scholar
数据引用格式
熊亚军, 孟慧芳, 薛杨, 等. 北京市观象台2021–2022年气象垂直物理量数据集[DS/OL]. Science Data Bank, 2023. (2023-09-20). DOI: 10.57760/sciencedb.j00001.00855.
Baidu
稿件与作者信息
论文引用格式
熊亚军, 孟慧芳, 薛杨, 等. 北京市观象台2021–2022年气象垂直物理量数据集[J/OL]. 中国科学数据, 2024, 9(1). (2023-09-21). DOI: 10.11922/11-6035.csd.2023.0122.zh.
熊亚军
XIONG Yajun
论文撰写和修改。
（1978—），男，湖北省天门市人，硕士学历，正研级高级工程师，研究方向为气象数据分析与处理工作。
孟慧芳
MENG Huifang
数据集的制作和共享。
147646997@qq.com
（1984—），女，山西省忻州市人，学士学历，高级工程师，研究方向为气象数据传输与数据加工处理工作。
薛杨
XUE Yang
物理量的计算。
（1994—），男，山东省临沂市人，硕士学历，助理工程师，研究方向为数据挖掘工作。
范雪波
FAN Xuebo
数据的清洗和质控。
（1985—），男，山西省忻州市人，硕士学历，高级工程师，研究方向为综合气象观测。
中国气象局大气化学重点开放实验室开放课题（2022B02）
Open Project of Atmospheric chemistry Key Open Laboratory of China Meteorological Administration (2022B02)
Baidu
出版历史
II区出版时间：2024年3月26日 （ 版本ZH3）
CSCD  ·  Badiu Scholar
参考文献列表中查看
中国科学数据
csdata

  • --

中国科学院期刊云服务平台 · 中国科学院科学传播局
技术支持 中国科学院计算机网络信息中心 · 印刻学术
Baidu
map