PDF
碰着，1 鲁高
，1，2，3，4
卫建辉，五
喵喵马，6
Haijun邓，1，2，3，4
张建云高，7
和
兴伟陈1，2，3，4
1福建师范大学地理科学学院，福州350007，中国
2地理研究所，福建师范大学，福州350007，中国
3福建师范大学福建省工程技术研究中心监测和地面访问灾害，福州350007，中国
4亚热带山地生态，福建师范大学，福州350007，中国国家重点实验室
五气象研究所与气候研究，卡尔斯鲁厄理工学院，校园高山，加米施 - 帕滕基82467，德国
6水利部中国水利水电科学研究院，北京100038，中国
7福州350001，中国灾害性天气的福建省重点实验室，
抽象
在这项研究中，从祁连山（QLM）24个气象站2米空气温度数据被检查，以便为1979-期间评估来自欧洲中期天气预报中心（ECMWF）衍生的ERA-临时再分析的温度数据2017年。ERA-临时通常捕获月，季，年的变化非常好。每天高的相关性，从0.956到0.996表明，ERA-临时捕获每日温度的观测非常好。然而，所有的站的±2.7℃的平均根均方误差（RMSE）揭示了ERA-临时不应该直接在个人网站上。偏见的主要原因是ERA-临时网格点与站之间的高度差。的积极趋势（0.457℃/十年）是一种基于1979年至二〇一七年观察在祁连山显著。ERA-临时捕获的回暖态势非常好，0.384℃/十年的增长速度。以0.552℃/十年分别和0.481℃/十年，值夏季观测和ERA-中期都表现出最大的积极趋势。我们的结论是，在一般ERA-临时捕获的趋势非常好观察到2个米气的温度和ERA-临时一般用于气候变化研究在祁连山可靠。
1.简介
祁连山位于我国西北部，位于甘肃和青海的交汇处，是山地地区，地形和气候条件复杂。大部分QLM海拔在4000 m以上，总面积在19.5×10以上4 km2[1-3]。该QLM是一个重要的生态安全屏障，以中国西北，也是一个重要的水源为黄河流域[4]。QLM的冰川是当地居民和生态系统的淡水的重要来源。然而，生态环境已显著由于近年来人类活动，如砍伐森林，过度放牧，过度开采和水资源的影响[3，五]。
传统上，观察是气候变化研究中最常见的资源。不幸的是，地面气象站点稀少的QLM，特别是西部QLM。因此，大多数在QLM以前的研究是基于在QLM [气候和冰川的变化局限于观察或遥感数据6-9]。江等人。[10]发现，冰和雪的年际变化都沿基于MODIS数据海拔显著。田等人。[9]还发现，在QLM冰川在过去20年中，其可以通过温度的升高而引起显著熔化。陈等人。[11] found that the yearly air temperature lapse rate (TLR) was weaker at >3000 m elevations and the seasonal TLRs were more divergent, which further bolsters the evidence of elevation-dependent climate change. Wu et al. [12]发现有在祁连山不同海拔植被和温度之间的显著时间滞后。牛等。[13]发现从Hosi走廊到祁连山北坡北边缘与高度的空气温度的增加。清等人。[14] found that the lapse rate is around 0.48°C/100 m in 2012 based on the four weather stations in the Hulugou watershed in QLM, which is smaller than the lapse rates in other regions of QLM. Cao et al. [15[[endnoteref: 19]]通过QLM南坡19个气象站的研究发现，1960-2014年期间，年气温和季节气温呈现出一致的变暖趋势，特别是冬季。Jin等[16研究发现，青藏高原老虎沟盆地非冰川化区域的温度梯度随海拔升高而增大。
与再分析数据相比，所观察到的记录具有一些缺点，如短的时间序列和不均匀的时间/空间分布。空间内插方法，例如克里格插值和反距离加权内插通常用于估计这些区域不站观测数据[17]。然而，不同的插值方法往往会导致较大的误差，由于空间插值本身的局限性，如密度和站点分布不均。再分析数据已经广泛应用在过去的二十年，因为他们的高分辨率和长期的时间序列[18，19]。然而，再分析数据有时是不可靠的，因为他们的偏见。(例如,(17，19]）评价CFSR，ERA-临时，MERRA，和MERRA-2再分析数据集，发现再分析数据是不适合用作用于海上的风力资源评估补充数据。奥格等。[20]发现，再分析资料显示优于基于在1981-2010四个第三代气候再分析模型的全球集合平均特定区域显著差异。因此，它仍然是必要的，以评估再分析资料的质量和偏见。
有关于ERA-临时在不同的地区，如加拿大大草原的评估许多研究[21]，青藏高原[22]，和葡萄牙[23]。例如，Gao等。[22和Wang等人[24]已验证了再分析数据可能是缺乏的地区，因为它们的分辨率和长期的时间序列数据，以观察的替代品。刘等人。[25]得出的结论是研究人员在地形复杂的地区使用ERA-中期降水和温度数据时应该谨慎。Gao等[22他的结论是过渡时期对于青藏高原的气候变化研究总体来说是可靠的。Gao等[26]得出的结论是ERA-20CM数据的评价是再分析资料的潜在用户，以确定在中国当地的气候变化影响评估很有帮助。Gao等[19]还发现，每月的偏差约为-3.5℃，ERA-临时青藏高原。然而，在QLM再分析数据的可靠性知识是相当有限的。因此，这种分析可以提供用于在QLM再分析数据应用程序的引用。
本研究中使用来自24个气象站为1979年至2017年的时间段，以测试从ERA-临时在QLM每日2米空气温度而得到的温度数据。这一重要的评估将回答这是否ERA-临时温度适合当地气候的研究，尤其是在复杂地形。本文的结构如下。ERA-临时数据，气象观测，和评估方法的一种简短概述章节中给出2。结果和讨论在章节介绍3，最后的结论是在给定的节4。
2.数据与方法
2.1。ERA-临时数据（ŤË）
年代中期2米气温(00协调世界时、06协调世界时、12协调世界时及18协调世界时)数据(ŤË）是由欧洲中心中期天气预报（ECMWF）提供。该spatial resolution is 0.25° × 0.25°, and the time step is 6 hours. The spatial range is 35.5°N-40.75°N, 93°E-104.5°E, and the period is from January 1979 to December 2017. ERA-Interim temperature data are calculated as daily mean temperature (Ť_mean），每日最高温度（Ť-最高温度)及每日最低温度(Ť_min）。由于再分析数据的时间是UTC时间，它利用时间差转换地面观测相匹配。在ERA-临时建模（点）的高度由在每个网格点分割的位势通过重力计算（表1)。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
注意:H时代是ERA-临时网格点高度（m）。 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2.2。意见（ŤØ）
每日空气温度（ŤØ)和24个气象站的高程信息由国家气象信息中心的中国气象数据共享服务系统(http://data.cma.cn/）（图1和表1)。供应商严格控制观测数据的质量包括825个国家参考和基本站(NRBS)从五个方面对中国:气候极限值和许用值检查,极端值检查,内部一致性检查时间价值之间,每日平均每日极端值、时间一致性检查,空间一致性检查。所有资料均由人手核对及更正(http://data.cma.cn/data/cdcdetail/dataCode/SURF_CLI_CHN_MUL_DAY_V3.0.html，最后访问：2020年02月06日）。根据这组数据，中国历史上均匀的温度数据集（CHHT，1.0版）于2009年发布的[27，28]。然而，CHHT只更新到2012（http://data.cma.cn/data/cdcdetail/dataCode/SURF_CLI_CHN_TEM_MUT_HOMO.html，最后访问：2020年02月06日）。目前，每天的数据集V3.0是中国最权威，最可靠的观测数据，这些数据被广泛应用于气候研究[19，29，三十]。对于站的选择标准是长期连续测量而没有间隙超过连续两周。每日空气温度包括日平均气温，日最高气温和日最低气温。
We have to mention that ERA-Interim latitude/longitude grids are interpolated from a reduced Gaussian grid N128 (∼79 km). The grid point closest to the station is selected because the ERA-Interim grid point covers an area of 0.25° × 0.25°in which the station is located. In other words, the grid points represent the value for the whole grid. However, no matter what methods we use to interpolate ERA-Interim to individual site, it will definitely bring new errors. The traditional interpolation methods such as Kriging, Inverse Distance Weighted, and Spline have certain shortcomings in complex mountain areas [17]。因此，我们使用了ERA-临时网格数据的变量，而内插一个更客观的比较。从ECMWF专家（弗洛里安Pappenberger博士）还建议在最近的网格点的气象观测站的专用通信。We selected the grid point closest to the station because this ERA-Interim grid point covers the area of 0.25° × 0.25° where the station is located. Therefore, according to the longitude and latitude coordinates of 24 meteorological stations, the corresponding grid points are selected for comparison, which can avoid the error caused by multigrid spatial interpolation [17，31]。
24个观测站位于不同的海拔高度，海拔从1000米到4000米不等。根据站点坐标提取离每个站点最近的era过渡网格点。详细的台站资料见图1和表1。高差（ERA-临时网格点高度减去气象站高度）也列在表1。一般情况下，23个车站具有正高差，与具有负高差站编号11的异常。四季被定义为春季（三月至五月），夏季（6- 8月），秋季（九月至十一月），冬季（12月至2月）。
2.3。评价方法
相关系数（：为了评价质量ERA-临时数据集，三个标准是基于在24个气象站的ERA-临时和观察到的温度进行比较来计算[R），根均方误差（RMSE），和偏置。
3。结果与讨论
3.1。每日温度比较
ERA-临时每日空气温度在1979至2017年的整体性能，相对于每日平均温度（Ť_mean），每日最高温度（Ť-最高温度)及每日最低温度(Ť_min），列于表2。的相关系数（[R）为0.956至0.996的三个温度。高[R表明ŤË捕捉日常观察非常好。的日平均温度范围从-3.9℃至+ 2.8℃，-1.8℃的平均值的偏差。正值表明，ŤË比回暖ŤØ而负值表明，ŤË温度比ŤØ。11号站(甘肃吴少陵)正偏置最大(+2.8℃)，位于QLM东侧。网格高度(2604 m)远低于吴少陵站(3045 m)。最大的负偏置(- 3.9℃)在15号台站(青海省陀乐)，位于QLM北部海拔3460米。然而ŤË在3936米的网格点高度为蓝本。该second highest negative bias (−3.5°C) appears for station No. 6 (Gao Tai) which is at an altitude only of 1357 m, while the ERA-Interim grid height is much higher (2225 m). We selected another three typical stations: station No. 14, station No. 19, and station No. 20 as representative sites, which are distributed in the western and southern boundary of QLM. The daily biases are −1.0°C, −3.4°C, and −2.5°C for these three stations, respectively. Figure2示出了ERA-临时每日再分析的与站号6的观察结果进行比较，第11号，第14号，第15号，第19号，以及在2079至17年第20号。时代-Interim underestimates significantly the temperature at station No. 15 while it overestimates at No. 11. Other stations performed very well along the 1 : 1 line. The RMSE ofŤ从±1.4℃下_mean变化±4.5℃下进行所有站。对于最大的RMSEŤ_mean还发现在站15号，而最低RMSE值在1号工位发现，第3号，和4号的平均RMSE为所有站±2.7℃，这表明ŤË可能是有问题的直接应用到气候和水文的研究。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
（一个）
(b)
(c)
(d)
(e)
(f)
对于日最高温度，日最高温度偏差范围为−7.0℃~ +2.9℃，平均值为−4.0℃。正值表示ŤË比回暖ŤØ负值表明ŤË比更冷ŤØ。暖偏最大(+2.9℃)发生在11号站(甘肃吴少陵)，位于QLM东部。网格高度(2604 m)低于吴少陵站(3045 m)。最大偏冷(- 7.0℃)出现在15号站(青海省陀乐站)，QLM北部海拔3460米。然而，ŤËis modelled at the grid point height of 3936 m. The RMSE ranges from ±2.9°C to ±7.4°C. Station No. 15 has the largest RMSE, while station No. 12 has the smallest one. The averaged RMSE for all stations is ±4.7°C.
对于每日最低温度，偏置范围为-2.6℃至+ 2.8℃，-0.1℃的平均值。正值表明，ŤË比回暖ŤØ负的值表示ŤË比更冷ŤØ。最大的热情偏置（+ 2.8℃）发生在位于QLM的东站第11号（吴召陵）。网格高度(2604 m)低于吴少陵站(3045 m)。站第19号（德Lingha青海省）拥有最大的冷偏差（-2.6℃）。Its elevation is 2762 m in the northern QLM. However,ŤËwas modelled at 3469 m grid height. RMSE ranges from ±1.9°C to ±3.8°C. Station No. 11 has the largest RMSE while station No. 5 has the smallest one. The averaged RMSE is ±2.7°C over all stations.
3.2。月，季平均气温比较
表S1shows ERA-临时再分析和观测值之间的偏差每月。一般情况下，最大的正偏置在站11号发现而最大的负偏压在站6号和15号，这与日平均气温类似发现。总之，在所有站的最大负偏差是在四月（-2.5℃），并且在所有车站最小的负偏差是在十二月（-0.8℃）。
的高值[R意思是吻合良好ŤË和ŤØ在季节尺度。然而，这反映了季节性手段年初至今年波动的季节性变化是不相符。表3显示了[R，偏置和之间RMSEŤË和ŤØ。平均[R在所有站的春，夏，秋，冬为0.939，0.910，0.873，0.906和分别。23个车站有超过春夏0.8的相关系数，而22台在秋季和冬季符合这个标准。在一般情况下，性能ŤË每个电台都不一样。例如，4号和3号站就有最好的[R在春天。而1号站和18号站，夏季的相关性最好。这表明QLM存在显著的空间变异性。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
四季的最大正偏压还发现在站号11，和所有季节的最大负偏差在车站6号和15号，这与每日和每月的偏见一样被发现。在弹簧最大RMSE在站第6号（±4.8℃）中找到。在夏季最大RMSE在站第15号（±5.7℃）中找到。在秋季最大RMSE在站15号和第17号被发现（±3.6℃）。在冬季最大RMSE发生在站第19号（±3.6℃）。在春，夏，秋，冬平均RMSE为±2.6℃，±2.4℃，±2.1℃，±1.5℃下进行所有24个站，分别。
3.3。气温比较
吻合良好ŤË和ŤØ在年尺度上并不意味着有一致的年际变化。表S2示出的相关性，偏置和之间年平均温度的RMSEŤË和ŤØ。该[R各台站从0.385变化到0.987，平均值为0.892。23个车站有更好的[R大于0.8，且仅站号23具有较低的[R大于0.5。最大的正偏压（+ 2.8℃）在第11工位的最大负偏压被找到（-3.9℃）在第15台最大RMSE（±3.9℃）中发现发生在站号15，而最小RMSE（±0.4℃）在第1台的年平均RMSE以上所有站测试是±2.1℃。
3.4。温补ERA-临时温度和观察的趋势
数字3显示了从聚集的年均温度ŤË和ŤØ还有温度趋势在整个QLM。的线性增加率ŤØ是大约在2079至17年期间+ 0.457℃/十年。该ŤË具有+ 0.384℃/十年的增加趋势，这意味着，ERA-临时通常捕获变暖的趋势以及（表4)。之间的差异趋势ŤË和ŤØ年平均气温为0.076℃/年。趋势差异最大的是冬季(0.093℃/十年)。ERA-Interim很好地捕捉了春季、夏季和秋季的趋势，分别为0.077℃/十年、0.071℃/十年和0.051℃/十年。西部QLM的稀疏观测可能是造成这种差异的原因。一般来说,ŤË是可靠变暖的趋势在检测QLM因为ŤË仅具有一个平均0.073℃/十年趋势差对ŤØ。然而，该平均RMSE（±2.7℃）应给予足够的重视（即，偏移校正）之前ŤË在当地的规模应用。
|
||||||||||||||||||||||||||||||||||||||||||
3.5。偏差分析
数字4示出了每天的偏差的相关性和之间高度差ŤË和ŤØ。请注意，偏差和高度差是通过扣除计算ŤØ从ŤË。判定的相关性([R2）测量所述配合是0.762，这表明，ERA-临时网格点和气象站之间的高度差引起的偏差。因此，有可能通过使用标高修正方法来减少ERA-临时再分析和观测值之间的偏差，以提高的ERA-临时[适用性17，26]。
春，夏，秋，冬[R2值分别为0.837、0.713、0.725、0.381，年相关性为0.762(图)五），这再次表明，海拔差异造成的偏差。特别是对于弹簧温度，海拔差异是主要的误差源，这表明高度校正能减小误差，并进一步提高ERA-临时再分析的适用性。同化数据错误，模型系统误差，插值误差也是可能的。
（一个）
(b)
(c)
(d)
表五、表6和表S3代表平均[R，偏置和RMSE针对不同海拔群体。We divide elevation into five classifications: 1000–1500 m (5 stations), 1500–2000 m (8 stations), 2000–2500 m (2 stations), 2500–3000 m (5 stations), and 3000–3500 m (4 stations). In general, averaged[R不同海拔组的三种温度范围为0.970至0.994。对不同海拔组区分日平均偏差。的最大负偏差(−2.3℃)Ť_意思is found for the 2500–3000 m group, and the smallest negative bias (−1.3°C) ofŤ为3000-3500 m组找到_mean。最大负偏置(- 5.0℃Ť_maxis found for the 2500–3000 m group, and the smallest negative bias (−3.4°C) ofŤ为3000-3500 m组找到_max。最大负偏置(- 0.5℃)Ť2000-2500 m组为_min，最大正偏置为+0.4℃Ť_minis found for the 3000–3500 m group. In general, RMSE increases with the rise of elevation group. The largest RMSEs ofŤ_mean和Ť_minare found for the 3000–3500 m group, and largest RMSE ofŤ在2500-3000 m组中找到_max。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
季节性平均[R，偏置和RMSE在不同海拔群体之间的区别。平均[R不同海拔组四季变化范围为0.695 ~ 0.980。海拔2000-2500 m组春季负偏置最大(−2.9℃)，3000-3500 m组负偏置最小(−1.1℃)。在夏季，2500-3000 m组负偏置最大(−2.5℃)，3000-3500 m组负偏置最小(−1.8℃)。2500-3000 m组秋季负偏差最大(−2.3℃)，3000-3500 m组秋季负偏差最小(−1.2℃)。海拔2500-3000 m组冬季负偏置最大(−1.9℃)，1000-1500 m组冬季负偏置最小(−0.3℃)。总的来说，季节平均RMSE随海拔的升高呈上升趋势。年度平均[R范围为0.672到0.959。该largest negative bias (−2.3°C) is found in the 2500–3000 m elevation group, and the smallest negative bias (−1.3°C) is found in the 3000–3500 m group.
4.结论
在这项研究中，ERA-临时温度（ŤË）与观测比较（ŤØ）从多时间尺度24个气象观测站超过中国（QLM）的祁连山。高级日用相关系数在0.956至0.996表明，ERA-临时可以捕获周期非常好。每日平均温度为-3.9℃至+ 2.8℃（平均为-1.8℃）的偏差主要来自ERA-临时电网高度和观测站的海拔高度（海拔高度之间的差异[R2 = 0.762). The biases of daily maximum temperature range from −7.0°C to +2.9°C with an average value of −4.0°C. The biases of daily minimum temperature range from −2.6°C to +2.8°C with an average value of −0.1°C. The average RMSEs of daily mean temperature, daily maximum temperature, and daily minimum temperature are ±2.7°C, ±4.7°C, and ±2.7°C, respectively. The results of this comparison indicate that ERA-Interim reanalysis should not be applied directly at the local scale for climatological and hydrological model purposes due to large biases.
每月偏见类似于日常的偏见。对于每月偏差变化，最大负偏差是在四月（-2.5℃），最小负偏压是在十二月（-0.8℃）。春，夏，秋，冬的平均相关性是0.939，0.910，0.873，0.906和分别，这表明，那个时代，临时能重现在QLM际变化。春，夏，秋，冬RMSE值偏差是±2.6℃，±2.4℃，±2.1℃，±1.5℃，分别，这也表明ŤË不能在科学研究直接使用。在温度偏见主要是由于高度的差异，特别是在弹簧个月（[R2 = 0.837). This suggests that elevation correction could reduce the error and further improve the applicability of ERA-Interim reanalysis. The relationship ([R2季节观测和年代中期再分析的偏差和高程差值，夏季、秋季和冬季分别为0.713、0.725和0.381。由于“冷湖”等影响因素，山区冬季气候更加复杂多变。因此，温度和海拔的相关性相对较弱。就年变异性而言，所有台站的平均相关系数为0.906。年均RMSE为±2.1℃，也说明ŤË不能在科学研究直接使用。
基于1979-2017年期间的观测，QLM观测到显著的变暖趋势(+0.457℃/十年)。过渡时期一般可以以+0.384℃/ 10年的速度再现变暖趋势。观测到的最大变暖趋势均出现在夏季和过渡时期，分别为+0.552℃/十年和+0.481℃/十年。观测和年代中期的季节变暖趋势差异小于0.1℃/十年。一般来说，ERA-Interim对于QLM的变暖趋势检测是可靠的。
ERA-中期具有在不同高度不同的表演。一般情况下，沿着海拔较高RMSE增加。每天最大的RMSEŤ_mean和Ť_min在海拔3000-3500米组中，forŤ_maxit is found in the 2500–3000 m group. It indicated that ERA-Interim may be weaker for the regions that are higher than the ERA-Interim model height.
到目前为止，该评估范围仅限于24个气象站海拔1000 - 4000米的范围。通过在周边地区增加更多的观测数据，可以进一步扩展分析。研究年代中期再分析的其他气象要素，如QLM上的降水和湿度，也值得一试。
数据可用性
在本文中所使用的ERA-临时数据由欧洲中期天气预报中心（ECMWF）提供。在国家气象信息中心的中国气象科学数据共享服务系统（提供站数据http://data.cma.cn/，最后访问：2020年02月06日）。
利益冲突
作者宣称，有没有在本文中的利益冲突。
致谢
本研究由国家基础科学发展重点项目(批准号:2018YFC1505805、2018YFC1508803)、中国水利水电科学研究院研发支持计划(批准号:2018YFC1505805、2018YFC1508803)资助。JZ0145B582017)，福建省教育厅优秀青年科研人才培养计划。魏建辉博士获得德国研究基金会AccHydro项目资助(DFG-Grant KU 2090/11-1)。中期数据由欧洲中期天气预报中心支持(https://www.ecmwf.int/en/forecasts/datasets)。气象数据由国家气象信息中心（CMA-CMDC的中国气象科学数据共享服务系统提供，http://data.cma.cn/)。
补充材料
表S1：在一九七九年至2017年的所有24个站ERA-临时和观测值之间月平均温度（℃）的偏差。表S2：与在1979至2017年的所有24个站的观察ERA-临时年平均温度的比较。表三：年平均[R，偏置和RMSE在一九七九年至2017年不同海拔群体。（补充材料）
参考
- S.赵，郑W.，C.周，十，Au和J.陈，“祁连山在过去十年50年山地多年冻土分布的模拟使用Logistic回归模型”寒冷地区的科学技术卷。73，没有。1期，第32-40，2012。查看在：出版商网站|谷歌学术
- W.太阳，X.勤，J.仁等人，“表面能预算的老虎沟冰川12号在西祁连山，中国在积累区，在2009年夏天，”北极、南极和高山研究卷。44，没有。3，页296-305，2012。查看在：出版商网站|谷歌学术
- 杨文伟，王洋，王s .等，“青海云杉林的空间分布及其影响因子的阈值，祁连山，中国西北。”科学报告第7卷，no。1, 2017年1 - 12页。查看在：谷歌学术
- W.王十刘，X.邵等人，“祁连圆柏径向生长对气候varintions祁连山和东北部柴达木盆地中部的微分响应，”气候变化卷。2015年，没有。133，第237-251，2015。查看在：出版商网站|谷歌学术
- M.燕，田X.，李正东，E盟，陈C.和W风机，“一个森林碳通量的长期模拟了祁连山”国际杂志应用地球观测和地理信息的第52卷，没有。2016年，515-526页，52。查看在：出版商网站|谷歌学术
- J.他，W.张和Y.吴，“山的影响范围降水δ18O的黑河流域祁连山上游海拔高度影响的地理方位，”水，第10卷，第2期。1797-1812页，2018年。查看在：出版商网站|谷歌学术
- Z.荣，C. Y.召，J. J. Liu等人，“建模气候变化对青海云杉（云杉柑）祁连山的电势分布的效果，”森林，第10卷，第2期。62，第1-15，2019。查看在：出版商网站|谷歌学术
- 赵s，张s，程W.等，“基于遥感数据的祁连山20世纪90 - 40年代山地多年冻土年代际分布模型模拟与预测”。遥感第11卷，no。1，第1-19页，2019。查看在：出版商网站|谷歌学术
- H.田，杨吨，并问：刘，“祁连山气候变化和冰川面积萎缩，中国，从1965年至2010年，”一年生植物的冰川学卷。55，没有。56，第187-197，2014。查看在：出版商网站|谷歌学术
- Y.江，J.明，P.马，P. Au和Z.王，“变异祁连山及其在21世纪初原因积雪，”测绘，自然灾害和风险第7卷，no。6，第1824至1834年，2016。查看在：出版商网站|谷歌学术
- R. S.陈，Y. X.宋，E.S。Kang等人，“A冰冻圈水文观察系统在中国和其气象梯度的祁连山分水岭小高山”北极、南极和高山研究第46卷，no。2, 2014年505-523页。查看在：出版商网站|谷歌学术
- Z. L.吴，W. X.佳，Z. Zhao等人，“植物的时空变化及其与祁连山2000至2012年气候因素的相关性，”干旱的土地地理位置卷。38，没有。6，第1241至1252年，2015年，在中国。查看在：谷歌学术
- Y.钮，X. D.柳，X. H. Yang等人，“方差从斜坡前走廊祁连山北坡沉淀和气温变化的对比分析，”[林业科技的中南大学卷。36，没有。9，第89-95，2016年，在中国。查看在：谷歌学术
- W. W.清，C. T.汉和J. F.刘，“在Hulugou温度递减率研究流域，祁连山，”兰州大学学报（自然科学版）卷。54，没有。1，第44-50，2018年，中国。查看在：谷歌学术
- 曹g.c.c，付建祥，李丽奎等，“1960 - 2014年祁连山南坡及其附近地区气温及空间变化特征分析”，水土保持研究卷。25，没有。3，第88-96，2018年，中国。查看在：谷歌学术
- Z. Z.晋，秦X.，W. J. Sun等，“西部祁连山冰川的和非冰川区温度梯度的月变化”冰川地理第41卷，no。2, 282-292, 2019，中文。查看在：谷歌学术
- L.高，J.伟，王L.，M. AU，K·伯恩哈特和X.陈“为中国田山在1979年至2016年的高分辨率气温数据集，”地球系统科学数据，第10卷，第2期。4，第2097至2114年，2018。查看在：出版商网站|谷歌学术
- A.奥米德，P.艾迪比，和P. Irannejad，“厄尔尼诺 - 南方涛动对伊朗使用ERA-临时数据对气候的影响，”气候动力学卷。51，没有。7，第2897至2911年，2018。查看在：谷歌学术
- L.高，M.·伯恩哈特K.舒尔茨，X. AU，Y.陈，和M.刘，“ERA-20CM在中国的第一个评价，”每月天气回顾，第144卷，no。1，第45-57页，2016年。查看在：出版商网站|谷歌学术
- J. D.俄歇，S. D. Birkel，K. Maasch等人，“第三代全球气候再分析模型的集合平均和评价，”大气层卷。9，没有。2，第1-12，2018。查看在：出版商网站|谷歌学术
- A. K.贝茨和A. C. M. Beljaars，“在ERA-临时在加拿大大草原近地表偏见的分析，”在杂志建模地球系统的进展卷。5，没有。1，第2158至2173年，2017年。查看在：出版商网站|谷歌学术
- L.高，L.浩和X.-w.陈，“青藏高原ERA-临时每月温度数据的评估，”山地学报第11卷，no。5，第1154至1168年，2014。查看在：出版商网站|谷歌学术
- P.帕雷德斯，D.S。马丁，L. S. Pereira的，J. Au和C. Cadima，“使用ERA-临时再分析产品的替代偏置校正方案评估草参考蒸散的每日估计的准确度，”农业用水管理卷。210，没有。1，第340-353，2018。查看在：出版商网站|谷歌学术
- 王s，张m，孙m，“NCEP/DOE R2、era过渡和中国干旱西北地区观测结果的地表气温比较:考虑高度误差”，理论与应用气候学卷。119，没有。1-2，第99-111，2014。查看在：出版商网站|谷歌学术
- Z.刘，刘Y.，和S.王“的时代，临时沉淀和在中国大陆温度的时空绩效评价体系，”气候杂志第11卷，no。1, 2018年4347-4365页。查看在：出版商网站|谷歌学术
- L.高，M·伯恩哈特和K.舒尔茨，“青藏高原ERA-临时温度数据的高程改正”国际气候学杂志卷。37，没有。9，第3540-3552，2017。查看在：出版商网站|谷歌学术
- W.陈，李问，X. L.王，S. AU，L.杨，和Y丰，“中国日报表面气温和极端温度指数趋势分析的同质化，”地球物理学研究杂志：大气，第118卷，no。17, 9708-9720, 2013。查看在：出版商网站|谷歌学术
- Z. Li和Z. W.燕“从1960至2008年匀浆日平均/最大/最小温度系列中国”大气和海洋科学快报第2卷第1期4, 237-243页，2009。查看在：谷歌学术
- B.小，Y.马，T.赵等人，“在极端温度在中国大陆的长期趋势基础上均质的数据集，”气象月报卷。42，没有。3，第339-346，2016年，在中国。查看在：谷歌学术
- D.王，问：你，Z.江等人“的基础上，均匀性调整后的数据在中国的极端温度变化分析，”高原气象卷。35，没有。5，第1352至1363年，2016年，在中国。查看在：谷歌学术
- L. Gao, M. Bernhardt, K. Schulz，“复杂地形中过渡时期温度数据的高程修正”，水文与地球系统科学第16卷，no。12，第4661-4673页，2012。查看在：出版商网站|谷歌学术
版权
版权所有©2020碰着等。这是下发布的开放式访问文章知识共享署名许可，其允许在任何介质无限制地使用，分发和再现时，所提供的原始工作正确的引用。
