一、引言NOAA美国国家海洋和大气管理局的全球地面气象逐日数据集GHCN-Daily/GSOD是气象科研、气候分析、工程规划等领域的核心基础数据涵盖全球超 10 万个气象站点的多维度观测记录。本文聚焦中国区域从 NOAA 原始数据中提取 1942-2025 年 8 月份的 18 类核心地面气象要素整理为标准化 CSV 格式同时详细说明数据结构、获取流程与使用规范方便科研人员、数据分析师快速复用。二、数据背景说明1. 原始数据来源本次汇总数据源自 NOAA 两大核心数据集GHCN-DailyGlobal Historical Climatology Network-Daily侧重长期历史气象记录1942 年起覆盖气温、降水、风速等基础要素GSODGlobal Summary of the Day补充辐射、气压等衍生要素与 GHCN-Daily 形成互补。2. 中国站点筛选逻辑通过 NOAA 站点元数据筛选出中国境内含港澳台的有效气象站点剔除重复、无效及短时段观测站点最终保留约 2800 个连续观测站点的 8 月份数据。三、18 类核心气象要素说明以下为本次汇总的 18 种地面气象要素涵盖温度、降水、风场、辐射等核心维度均为 NOAA 标注的一级观测要素表格要素英文标识中文名称单位数据说明NOAA 定义TMAX日最高气温摄氏度℃当日观测到的最高气温原始值 ×0.1 转换为℃TMIN日最低气温摄氏度℃当日观测到的最低气温原始值 ×0.1 转换为℃TAVG日平均气温摄氏度℃当日气温算术平均值无观测时为插值结果PRCP日降水量毫米mm当日累计降水量0 表示无降水-9999 为缺失值SNOW日降雪量毫米mm当日降雪折算水量仅冬季有效SNWD日积雪深度厘米cm当日地面积雪厚度0 表示无积雪WIND日平均风速米 / 秒m/s当日 10 米高度平均风速原始值 ×0.1 转换WIND_MAX日最大风速米 / 秒m/s当日观测到的极大风速瞬时值WIND_DIR主导风向度°0~360°0/360 为正北90 为正东PRES日平均气压百帕hPa海平面平均气压原始值 ×0.1 转换PRES_MAX日最高气压百帕hPa当日观测到的最高气压值PRES_MIN日最低气压百帕hPa当日观测到的最低气压值DEWP日平均露点温度摄氏度℃反映空气湿度原始值 ×0.1 转换HUMID日平均相对湿度%0~100%-9999 为缺失值SUN_DUR日照时长小时h当日实际日照时间原始值 ×0.1 转换SOLAR日总太阳辐射兆焦 / 平方米MJ/㎡当日地表接收的总太阳辐射量CLOUD日均云量成okta0~8 成8 为全阴天0 为晴空FOG雾天标识布尔值0/10 无雾1 有雾-9999 为未观测四、CSV 数据格式详解1. 整体结构本次汇总的 CSV 文件命名规范47031299999_ZHENGDING_CHINA_(114.6973,38.280686).csv采用 UTF-8 编码字段间以英文逗号分隔无表头换行缺失值统一标注为-9999。2. 字段定义共 21 列表格列名数据类型示例值说明station_id字符串CHM00054511NOAA 中国站点唯一编码CH 站点编号station_name字符串北京朝阳站点中文名称标准化翻译lon浮点数116.48站点经度°东经为正lat浮点数39.93站点纬度°北纬为正elev整数31站点海拔米myear整数2020观测年份1942-2025month整数8固定为 8仅提取 8 月份数据day整数15观测日期1-31TMAX浮点数32.5日最高气温℃缺失值 - 9999TMIN浮点数24.1日最低气温℃缺失值 - 9999TAVG浮点数28.3日平均气温℃缺失值 - 9999PRCP浮点数15.2日降水量mm缺失值 - 9999SNOW浮点数0.0日降雪量mm缺失值 - 9999SNWD整数0日积雪深度cm缺失值 - 9999WIND浮点数2.5日平均风速m/s缺失值 - 9999WIND_DIR整数180主导风向°缺失值 - 9999PRES浮点数1012.5日平均气压hPa缺失值 - 9999DEWP浮点数22.4日平均露点温度℃缺失值 - 9999HUMID整数75日平均相对湿度%缺失值 - 9999SUN_DUR浮点数8.5日照时长h缺失值 - 9999FOG整数0雾天标识0/1缺失值 - 99993. 数据类型与约束数值型字段气温、气压等保留 1 位小数除整数型外确保与 NOAA 原始精度一致日期字段仅包含 8 月份数据需注意闰年 / 平年 8 月均为 31 天无无效日期站点信息每个station_id对应唯一的经纬度 / 海拔无重复站点。五、数据获取与处理流程Python 实现以下为从 NOAA 原始数据提取中国 8 月份数据的核心代码适配 1942-2025 年全时段处理import pandas as pd import numpy as np import os from glob import glob # 1. 配置NOAA原始数据路径需先下载GHCN-Daily/GSOD数据 NOAA_RAW_PATH /data/noaa/ghcn_daily/ OUTPUT_CSV 47031299999_ZHENGDING_CHINA_(114.6973,38.280686).csv # 2. 加载中国站点元数据NOAA官方站点列表 stations pd.read_csv(f{NOAA_RAW_PATH}/ghcnd-stations.txt, sep\s, names[station_id, lat, lon, elev, state, name, gsn, hcn, wmoid]) # 筛选中国站点country code为CH china_stations stations[stations[station_id].str.startswith(CH)].reset_index(dropTrue) # 3. 遍历原始数据提取8月份数据 all_data [] # NOAA原始数据按年份分文件如ghcnd_2020.csv year_files glob(f{NOAA_RAW_PATH}/ghcnd_*.csv) for file in year_files: year int(os.path.basename(file).split(_)[1].split(.)[0]) # 仅处理1942-2025年 if year 1942 or year 2025: continue # 读取单年份数据 df pd.read_csv(file, low_memoryFalse) # 筛选中国站点 8月份数据 df_china df[df[station_id].isin(china_stations[station_id])] df_china[date] pd.to_datetime(df_china[date]) df_china_aug df_china[df_china[date].dt.month 8].copy() # 4. 数据清洗与格式转换NOAA原始值×0.1转换为实际单位 df_china_aug[TMAX] df_china_aug[TMAX].astype(float) / 10 df_china_aug[TMIN] df_china_aug[TMIN].astype(float) / 10 df_china_aug[TAVG] df_china_aug[TAVG].astype(float) / 10 df_china_aug[WIND] df_china_aug[WIND].astype(float) / 10 df_china_aug[SUN_DUR] df_china_aug[SUN_DUR].astype(float) / 10 # 5. 补充站点名称、经纬度等信息 df_china_aug pd.merge(df_china_aug, china_stations[[station_id, lat, lon, elev, name]], onstation_id, howleft) # 拆分日期为年/月/日 df_china_aug[year] df_china_aug[date].dt.year df_china_aug[month] df_china_aug[date].dt.month df_china_aug[day] df_china_aug[date].dt.day # 6. 筛选18类要素列统一缺失值为-9999 cols [station_id, name, lat, lon, elev, year, month, day, TMAX, TMIN, TAVG, PRCP, SNOW, SNWD, WIND, WIND_DIR, PRES, DEWP, HUMID, SUN_DUR, FOG] df_final df_china_aug[cols].fillna(-9999) all_data.append(df_final) # 7. 合并所有年份数据输出CSV final_df pd.concat(all_data, ignore_indexTrue) final_df.to_csv(OUTPUT_CSV, indexFalse, encodingutf-8) print(f数据处理完成CSV文件路径{OUTPUT_CSV}总记录数{len(final_df)})关键说明国内2025年8月份之前的数据可以从这里下载 https://download.csdn.net/download/pbymw8iwm/92729085国内2025年3月份之前的数据可以从这里下载https://download.csdn.net/download/pbymw8iwm/90463980单位转换NOAA 原始气象要素值为整数如气温存储为 325 代表 32.5℃需 ÷10 还原实际值缺失值处理NOAA 原始缺失值为9999转换为-9999更符合国内数据使用习惯。六、CSV 数据示例以下为截取的 10 行示例数据部分要素简化station_id,station_name,lon,lat,elev,year,month,day,TMAX,TMIN,TAVG,PRCP,SNOW,SNWD,WIND,WIND_DIR,PRES,DEWP,HUMID,SUN_DUR,FOG CHM00054511,北京朝阳,116.48,39.93,31,2020,8,1,32.5,24.1,28.3,0.0,0.0,0,2.5,180,1012.5,22.4,75,8.5,0 CHM00054511,北京朝阳,116.48,39.93,31,2020,8,2,33.1,24.5,28.8,0.0,0.0,0,2.8,190,1011.8,23.1,76,9.2,0 CHM00058362,上海浦东,121.50,31.23,5,2020,8,1,31.8,26.2,29.0,5.2,0.0,0,3.2,220,1008.6,25.4,82,6.8,1 CHM00059287,广州天河,113.38,23.13,11,2020,8,1,34.2,27.5,30.8,0.0,0.0,0,1.8,150,1005.2,26.8,80,7.5,0 CHM00051463,西安雁塔,108.95,34.27,415,2020,8,1,35.5,26.8,31.2,0.0,0.0,0,4.1,270,970.5,24.2,68,10.1,0七、数据使用场景与注意事项1. 典型使用场景气候趋势分析研究中国 8 月份气温 / 降水的长期变化1942-2025 年极端天气研究提取高温、暴雨、大风等极端事件的时空分布工程应用为农业、建筑、交通等领域提供 8 月份气象基准数据模型验证用于气象预测模型的历史数据验证。2. 重要注意事项数据质量1942-1980 年部分站点数据缺失率较高约 15%-20%1980 年后数据完整性90%站点变动部分站点因搬迁 / 停用经纬度可能有小幅调整需结合station_id核对单位一致性所有要素已转换为国内通用单位无需二次转换引用规范使用数据时需标注来源NOAA Global Historical Climatology Network-Daily (GHCN-Daily)。八、总结本次汇总的 NOAA 中国区域 18 类地面气象要素逐日 CSV 数据覆盖 1942-2025 年 8 月份全时段标准化的格式和清晰的要素定义可直接用于各类气象相关研究。数据兼顾历史连续性与精度既保留了 NOAA 原始数据的权威性又适配了中国区域的使用需求。后续可基于该数据集扩展① 补充其他月份数据② 增加极端天气指数计算③ 结合 GIS 实现空间可视化。如需获取完整 CSV 文件可通过 NOAA 官网下载原始数据后运行本文提供的 Python 代码自行生成。