Climatologies at high resolution for the earth's land surface areas.
Climatologies at high resolution for the earth's land surface areas.
复制标题
DOI：
10.1038/sdata.2017.122
复制
发表时间：
2017-09-05
期刊：
影响因子：
9.8
通讯作者：
Kessler M
中科院分区：
文献类型：
--
作者：
Karger DN;Conrad O;Böhner J;Kawohl T;Kreft H;Soria-Auza RW;Zimmermann NE;Linder HP;Kessler M
关于气候条件的高分辨率信息对于环境和生态科学中的许多应用是必不可少的。这里我们给出了地球表面高分辨率气候学(CHELSA)的缩尺模式输出温度和降水的资料-中期气候再分析到30 弧度 秒的高分辨率。温度算法基于大气温度的统计向下标度。降水算法结合了包括风场、山谷暴露和边界层高度在内的地形预报因子，并进行了随后的偏差校正。由此产生的数据包括1979-2013年的月度温度和降水气候学。我们将切尔萨算法得到的数据与其他标准网格产品和来自全球历史气候网络的站点数据进行了比较。我们比较了新的气候学在物种分布模型中的性能，并表明我们可以提高物种范围预测的准确性。我们进一步表明，切尔萨气候学数据具有与其他产品类似的温度精度，但它对降水模式的预测更好。
High-resolution information on climatic conditions is essential to many applications in environmental and ecological sciences. Here we present the CHELSA (Climatologies at high resolution for the earth’s land surface areas) data of downscaled model output temperature and precipitation estimates of the ERA-Interim climatic reanalysis to a high resolution of 30 arc sec. The temperature algorithm is based on statistical downscaling of atmospheric temperatures. The precipitation algorithm incorporates orographic predictors including wind fields, valley exposition, and boundary layer height, with a subsequent bias correction. The resulting data consist of a monthly temperature and precipitation climatology for the years 1979–2013. We compare the data derived from the CHELSA algorithm with other standard gridded products and station data from the Global Historical Climate Network. We compare the performance of the new climatologies in species distribution modelling and show that we can increase the accuracy of species range predictions. We further show that CHELSA climatological data has a similar accuracy as other products for temperature, but that its predictions of precipitation patterns are better.
登录
查看更多内容
影响因子：
6.4
作者：
Deblauwe, V.;Droissart, V.;Couvreur, T. L. P.
通讯作者：
Couvreur, T. L. P.
影响因子：
2.9
作者：
Gao, Lu;Schulz, Karsten;Bernhardt, Matthias
通讯作者：
Bernhardt, Matthias
影响因子：
3.4
作者：
Gao, Xuejie;Xu, Ying;Giorgi, F.
通讯作者：
Giorgi, F.
影响因子：
4.4
作者：
Arnell, NW;Hudson, DA;Jones, RG
通讯作者：
Jones, RG
影响因子：
2.2
作者：
Boehner, Jurgen
通讯作者：
Boehner, Jurgen