概述
降水（雨、雪、冰雹...）是水循环的关键组成部分之一。它的重要性怎么强调都不为过。对于气候研究来说，降水是平衡能源预算的关键术语之一，也是气候建模中最具挑战性的方面之一。因此，对降水分布、数量和强度的高质量估计至关重要。然而，降水的本质和观测系统的局限性使得降水的量化具有挑战性。与具有高度空间和时间相关性的温度不同，降水在空间上可以是分形的，在时间上是不连续的。此外，地形的区域差异也会显着影响降水量。
大多数降水数据集可分为三大类：
测量数据集:CRU TS、GPCC、APHRODITE、PREC/L 仅卫星数据集：CHOMPS 合并的卫星测量产品：GPCP、CMAP、TRMM 3B42。
即使卫星几乎覆盖全球，大多数卫星每天也只飞越一个地区两次，可能会错过降水事件。因此，许多数据集结合了来自多个携带无源微波和/或红外仪器的卫星平台的观测结果。红外传感器用于估计云顶温度，必须根据其他降水估计值进行校准。基于微波的算法从散射和发射中得出降水信号，但只有散射信号在陆地上有用，因为表面发射率的强烈变化会扭曲发射。
仅微波产品包括 CHOMPS 和SSM/I数据集；PERSIANN和CMORPH结合了被动微波和红外的信息。
由于源数据分布广泛且异构，气候质量、基于测量的数据集可能难以构建。此外，需要考虑风和蒸发对降水测量的影响，通常会导致捕获不足。
尽管多年来观测系统和算法取得了许多进步，但验证全球降水观测（例如通过能量预算方法）已被证明具有挑战性。
Adler et al(2012) 估计：全球（海洋+陆地）平均降水量为2.6±7%mm/day。仅在海洋上，Behrangi et al(2014)，估计3年(2007-09)近全球 (80°S-80°N) 海洋平均降水率约为2.94mm/day，比CPC/CMAP高约9%速率（2.68mm/day），比GPCP速率（2.82mm/day）高4%。
降水数据集优点
提供有关水循环和水资源的关键信息
降水数据的主要限制
卫星观测和仪表观测均存在相当大的差距 低强度和短持续时间的降水事件往往采样不足 两半球向极地50度方向的平均降水量存在很大的不确定性 (约50%)
28套降水数据集
高分辨率湖泊沉积物记录中的古气候信息
范围：全球 时间分辨率：Annual,Decadal,Irregular 格式：ascii,csv,Linked Paleo Data (LiPD)
APHRODITE: Asian Precipitation
来源：Hirosaki University 范围：亚洲 时间范围：1951-01 to 2015-12 时间分辨率：Climatology, Daily 空间分辨率：0.25°x0.25°, 0.5°x0.5°(whole Asia), , 0.05°x0.05°(Japan only) 格式：ascii, binary, netCDF
CHELSA高分辨率地表温度和降水
来源：Swiss Federal Research Institute WSL, University of Hamburg, University of Zurich, University of Goettingen 范围：全球 时间范围：1979-01 to 2013-12 时间分辨率：Climatology, Monthly 空间分辨率：30 arc sec 格式：GeoTIFF 数据源：使用地理预测因子和偏差校正降水量对ERA-Interim进行降尺度处理
CHIRPS气候灾害红外线降水与站点数据
来源：Climate Hazards Center - UC Santa Barbara 范围：全球 时间范围：1981-01 to present 时间分辨率：Climatology, Sub-daily, Daily, Monthly, Seasonal, Pentad 空间分辨率：0.05° 或 0.1° 格式：GeoTIFF, netCDF 数据源：微波和红外卫星数据与站数据混合
CMAP：CPC降水合并分析数据
CMAP是指降水数据集的集合，尽管2.5°x2.5°的全球月度版本可能是使用最广泛的。该数据集是通过对仪表数据分析和卫星衍生的降水估计值构建的。还提供"改进"版本（CMAP/A），它通过填补NCEP/NCAR再分析的降水预报的空白，提供全球覆盖。重叠的基于卫星和/或重新分析的估计值根据其与基于仪表的分析的拟合度进行加权，假设该分析具有最准确的值。因此，分析的质量很大程度上取决于可用仪表数据的数量以及卫星估计的准确性。一般来说，热带地区的质量最好，而向极地地区则较弱。
来源：NOAA CPC/Dr. Pingping Xie 范围：全球 时间范围：1979-01 to present 时间分辨率：Monthly, Pentad 空间分辨率：2.5°x2.5° 格式：ascii, netCDF 数据源：分析；极地轨道卫星和地球静止卫星的微波和红外观测数据
CMORPH（CPC MORPHing技术）：高分辨率降水（60°S-60°N）
来源：Climate Prediction Center/R. Joyce, J.Janowiak 范围：全球 时间范围：1998-01 to present 时间分辨率：Sub-daily, Daily 空间分辨率：0.25°x0.25° 格式：netCDF, binary 数据源：卫星微波
珊瑚地球化学记录数据集（Coral geochemical records）
范围：Atlantic Ocean, Indian Ocean, Pacific Ocean, Tropics 格式：ascii, HTML Table, Linked Paleo Data (LiPD), Matlab
COREv2海气表面通量数据集
来源：NCAR / Bill Large & Steve Yeager 范围：全球 时间范围：1949-01 to 2006-12 时间分辨率：Monthly 空间分辨率：1°x1° 格式：netCDF 数据源：-
CPC基于统一测量的全球每日降水量分析数据集
来源：Climate Prediction Center 范围：全球 时间范围：1948-01 to present 时间分辨率：Daily 空间分辨率：0.5°x0.5° 格式：binary 数据源：站点数据
CRU TS自1901年以来的网格化降水数据集
来源：Climatic Research Unit (CRU) / Ian Harris, Phil Jones 范围：全球 时间范围：1901-01 to present 时间分辨率：Climatology, Monthly 空间分辨率：0.5°x0.5° 格式：netCDF, ascii 数据源：约4000个站点记录，主要来自CLIMAT、《世界月气候数据》和《世界天气记录》
Daymet数据集
来源：ORNL/ Michele Thornton and Peter Thornton 范围：北美 时间范围：1980-01 to present 时间分辨率：Climatology, Daily 空间分辨率：1km x 1km in 2x2 tiles 格式：ascii, GeoTIFF, netCDF 数据源：站点观测，特别来自GHCN-daily
E-OBS：欧洲和北非的高分辨率网格数据
来源：Copernicus Climate Change Service , Royal Netherlands Meteorological Institute 范围：欧洲 时间范围：1950-01 to present 时间分辨率：Daily 空间分辨率：0.1°x0.1° 格式：netCDF 数据源：站点观测
GHCN-D数据集
来源：NOAA/ NCEI 范围：全球 时间范围：1880-01 to present 时间分辨率：Daily 空间分辨率：- 格式：ascii 数据源：-
Global (land) precipitation and temperature
来源：U. Delaware / Cort J. Willmott, Kenji Matsuura 范围：全球 时间范围：1901-01 to 2017-01 时间分辨率：Climatology, Monthly 空间分辨率：0.5°x0.5° 格式：ascii, netCDF 数据源：来自GHCNv2和其他一些来源的陆地站点数据
G全球高分辨率降水数据（MSWEP）
来源：H.E. Beck, GloH2O.org, King Abdullah University of Science and Technology (KAUST) 范围：全球 时间范围：1979-01 to present 时间分辨率：Sub-daily 空间分辨率：0.1°x0.1° 格式：netCDF 数据源：测量仪、卫星和再分析降水估算
GPCC：全球降水气候中心
来源：GPCC operated by DWD under the auspices of the World Meteorological Organization (WMO) 范围：全球 时间范围：1891-01 to present 时间分辨率：Climatology, Daily, Monthly 空间分辨率：0.1°x0.1°，1°x1°，2.5°x2.5° 格式：ascii, netCDF 数据源：站点数据
GPCP（每日）：全球降水气候项目
来源：GSFC(NASA):G. Huffmann,D. Bolvin, R.Adler 范围：全球 时间范围：1996-10 to present 时间分辨率：Daily 空间分辨率：1°x1° 格式：netCDF, binary 数据源：站点数据、卫星数据
GPCP（月）：全球降水气候项目
来源：GSFC(NASA)/G.Huffman, D.Bolvin, R. Adler, JJ Wang 范围：全球 时间范围：1979-01 to present 时间分辨率：Climatology, Monthly 空间分辨率：2.5°x2.5° 格式：netCDF, binary 数据源：雨量站、卫星和探测观测
HadISD：非插值气象站数据
来源：Met Office - Hadley Centre | Robert Dunn 范围：全球 时间范围：1931-01 to present 时间分辨率：Sub-daily 空间分辨率：- 格式：netCDF 数据源：-
HOAPS数据集
来源：A. Andersson(DWD), S.Bakan(MPI), K.Fennig(DWD), C. Klepp(Uni. Hamburg) 范围：全球 时间范围：1987-07-01 to 2008-12-31 时间分辨率：Climatology, Sub-daily, Monthly, Pentad 空间分辨率：0.5°x0.5° 格式：netCDF 数据源：SSM/I无源微波辐射计，SST除外，其取自AVHRR
IMERG降水算法和全球降水测量(GPM)任务数据集
来源：NASA & Japan Aerospace Explorartion Agency 范围：全球 时间范围：2000-06 to present 时间分辨率：Sub-daily, Daily, Monthly 空间分辨率：0.1°x0.1° 格式：GeoTIFF, HDF, netCDF, OPeNDAP 数据源：来自多个卫星的多个波段（微波、红外、可见光）数据
美国大陆、墨西哥和加拿大南部的Livneh网格降水数据集
来源：Dr. Ben Livneh, University of Colorado 范围：北美 时间范围：1950-01 to 2013-12 时间分辨率：Daily, Monthly 空间分辨率：1/16 degree(约6km) 格式：netCDF 数据源：GHCN-每日；加拿大环境部；国家气象服务局（墨西哥）；NCEP-NCAR再分析
NLDAS：北美土地数据同化系统
来源：NASA, NOAA, Princeton, U. Washington 范围：北美 时间范围：1979-01 to present 时间分辨率：Climatology, Sub-daily, Monthly 空间分辨率：0.125°×0.125° 格式：GRIB, netCDF 数据源：观测数据和再分析数据
PERSIANN-CDR降水数据集
来源：UCI Center for Hydrometeorology & Remote Sensing (CHRS): S.Sorooshian 范围：全球 时间范围：1983-01 to 2021-09 时间分辨率：Sub-daily, Daily 空间分辨率：0.25°x0.25° 格式：binary, netCDF 数据源：红外卫星，NCEP第IV阶段降水数据、雨量计、PMW卫星数据
PRISM高分辨率降水数据
来源：Oregon State Univ (USDA, NOAA)/ C. Daly 范围：北美 时间范围：1895-01 to present 时间分辨率：Climatology, Daily, Monthly 空间分辨率：4km, 800m 格式：ARC/INFO ASCII GRID, netCDF 数据源：-
TerraClimate数据集
来源：John Abatzoglou, University of California - Merced 范围：全球 时间范围：1958-01 to present 时间分辨率：Climatology, Monthly 空间分辨率：约4km 格式：netCDF 数据源：WorldClim, CRUTS4.0
TRMM：热带降雨测量任务数据集
来源：NASA & Japan's National Space Development Agency 范围：热带 时间范围：1998-01 to 2019-12 时间分辨率：Sub-daily, Daily, Monthly 空间分辨率：0.25°x0.x25° 格式：HDF, netCDF 数据源：卫星微波和红外数据
热带系泊浮标系统数据集：TAO,TRITON,PIRATA,RAMA(TOGA)
来源：USA, Japan, France, Brazil, Indonesia, China/ M.J. McPhaden, others 范围：热带 时间范围：1992-01 to present 时间分辨率：Sub-daily, Daily, Monthly, Weekly 空间分辨率：- 格式：netCDF, ascii 数据源：浮标观测数据
References
https://climatedataguide.ucar.edu/climate-data/overview-paleoclimate-information-high-resolution-lake-sediment-records-strengths https://www.chikyu.ac.jp/precip/english/index.html Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, H.P., Kessler, M. (2017) Data from: Climatologies at high resolution for the earth’s land surface areas. Dryad Digital Repository. https://doi.org/10.5061/dryad.kd1d4 https://www.chc.ucsb.edu/data/chirps https://psl.noaa.gov/data/gridded/data.cmap.html https://climatedataguide.ucar.edu/climate-data/cmorph-cpc-morphing-technique-high-resolution-precipitation-60s-60n https://climatedataguide.ucar.edu/climate-data/coral-geochemical-records-overview-their-use-climate-proxies-and-available-databases https://rda.ucar.edu/datasets/ds260.2/ https://climatedataguide.ucar.edu/climate-data/cpc-unified-gauge-based-analysis-global-daily-precipitation University of East Anglia Climatic Research Unit (CRU). [Phil Jones, Ian Harris]. CRU TS3.21: Climatic Research Unit (CRU) Time-Series (TS) Version 3.21 of High Resolution Gridded Data of Month-by-month Variation in Climate (Jan. 1901 - Dec. 2012), [Internet]. NCAS British Atmospheric Data Centre, 2013, Date of citation. Available from http: //badc.nerc.ac.uk/view/badc.nerc.ac.uk__ATOM__ACTIVITY_0c08abfc-f2d5-11e2-a948-00163e251233 ; doi: 10.5285/D0E1585D-3417-485F-87AE-4FCECF10A992 https://daymet.ornl.gov/ http://surfobs.climate.copernicus.eu/surfobs.php https://www.ncei.noaa.gov/products/land-based-station/global-historical-climatology-network-daily https://psl.noaa.gov/data/gridded/data.UDel_AirT_Precip.html Beck, H. E., E. F. Wood, M. Pan, C. K. Fisher, D. G. Miralles, A. I. J. M. van Dijk, T. R. McVicar, and R. F. Adler, 2019. MSWEP V2 Global 3-Hourly 0.1° Precipitation: Methodology and Quantitative Assessment. Bull. Amer. Meteor. Soc., 100, 473–500, https://doi.org/10.1175/BAMS-D-17-0138.1 https://psl.noaa.gov/data/gridded/data.gpcc.html https://rda.ucar.edu/datasets/ds728.3/ https://psl.noaa.gov/data/gridded/data.gpcp.html Dunn, R. J. H., Willett, K. M., Parker, D. E., and Mitchell, L. (2016) Expanding HadISD: quality-controlled, sub-daily station data from 1931, Geosci. Instrum. Method. Data Syst., 5, 473491, https://doi.org/10.5194/gi-5-473-2016 Fennig, Karsten; Andersson, Axel; Bakan, Stephan; Klepp, Christian-Phillip; Schröder, Marc (2012): Hamburg Ocean Atmosphere Parameters and Fluxes from Satellite Data - HOAPS 3.2 - Monthly Means / 6-Hourly Composites. Satellite Application Facility on Climate Monitoring. DOI:10.5676/EUM_SAF_CM/HOAPS/V001. http://dx.doi.org/10.5676/EUM_SAF_CM/HOAPS/V001 Huffman, G.J. et al. (2020). Integrated Multi-satellite Retrievals for the Global Precipitation Measurement (GPM) Mission (IMERG). In: Levizzani, V., Kidd, C., Kirschbaum, D.B., Kummerow, C.D., Nakamura, K., Turk, F.J. (eds) Satellite Precipitation Measurement. Advances in Global Change Research, vol 67. Springer, Cham. https://doi.org/10.1007/978-3-030-24568-9_19 Livneh, B., T. J. Bohn, D. W. Pierce, F. Munoz-Arriola, B. Nijssen, R. Vose, D. R. Cayan, and L. Brekke, 2015: A spatially comprehensive, hydrometeorological data set for Mexico, the U.S., and Southern Canada 1950–2013. Scientific Data, 2, https://doi.org/10.1038/sdata.2015.42 Xia, Y., K. Mitchell, M. Ek, J. Sheffield, B. Cosgrove, E. Wood, L. Luo, C. Alonge, H. Wei, J. Meng, B. Livneh, D. Lettenmaier, V. Koren, Q. Duan, K. Mo, Y. Fan, and D.M. Mocko, 2012a: Continental-scale water and energy flux analysis and validation for the North American Land Data Assimilation System project phase 2 (NLDAS-2): 1. Intercomparison and application of model products. J. Geophys. Res., 117, D03109, doi:10.1029/2011JD016048 Scientific paper: Ashouri, H., and Coauthors, 2015: PERSIANN-CDR: Daily precipitation climate data record from multisatellite observations for hydrological and climate studies. Bull. Amer. Meteor. Soc., 96, 69–83, doi:10.1175/BAMS-D-13-00068.1. Abatzoglou, J. T., S. Z. Dobrowski, S. A. Parks, and K. C. Hegewisch, 2018: TerraClimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958–2015. Scientific Data, 5, https://doi.org/10.1038/sdata.2017.191 Huffman, G.J., E.F. Stocker, D.T. Bolvin, E.J. Nelkin, R.F. Adler, 2012, last updated : TRMM Version 7 3B42 and 3B43 Data Sets. NASA/GSFC, Greenbelt, MD. Data set accessed at http: // mirador.gsfc.nasa.gov/cgibin/mirador/presentNavigation.pl https://www.pmel.noaa.gov/tao/drupal/disdel/
