Abstract A database is described that has been designed to fulfill the need for daily climate data over global land areas. The dataset, known as Global Historical Climatology Network (GHCN)-Daily, was developed for a wide variety of potential applications, including climate analysis and monitoring studies that require data at a daily time resolution (e.g., assessments of the frequency of heavy rainfall, heat wave duration, etc.). The dataset contains records from over 80 000 stations in 180 countries and territories, and its processing system produces the official archive for U.S. daily data. Variables commonly include maximum and minimum temperature, total daily precipitation, snowfall, and snow depth; however, about two-thirds of the stations report precipitation only. Quality assurance checks are routinely applied to the full dataset, but the data are not homogenized to account for artifacts associated with the various eras in reporting practice at any particular station (i.e., for changes in systematic bias). Daily updates are provided for many of the station records in GHCN-Daily. The dataset is also regularly reconstructed, usually once per week, from its 20+ data source components, ensuring that the dataset is broadly synchronized with its growing list of constituent sources. The daily updates and weekly reprocessed versions of GHCN-Daily are assigned a unique version number, and the most recent dataset version is provided on the GHCN-Daily website for free public access. Each version of the dataset is also archived at the NOAA/National Climatic Data Center in perpetuity for future retrieval.

In this study, we present the collation and analysis of the gridded land‐based dataset of indices of temperature and precipitation extremes: HadEX2. Indices were calculated based on station data using a consistent approach recommended by the World Meteorological Organization (WMO) Expert Team on Climate Change Detection and Indices, resulting in the production of 17 temperature and 12 precipitation indices derived from daily maximum and minimum temperature and precipitation observations. High‐quality in situ observations from over 7000 temperature and 11,000 precipitation meteorological stations across the globe were obtained to calculate the indices over the period of record available for each station. Monthly and annual indices were then interpolated onto a 3.75° × 2.5° longitude‐latitude grid over the period 1901–2010. Linear trends in the gridded fields were computed and tested for statistical significance. Overall there was very good agreement with the previous HadEX dataset during the overlapping data period. Results showed widespread significant changes in temperature extremes consistent with warming, especially for those indices derived from daily minimum temperature over the whole 110 years of record but with stronger trends in more recent decades. Seasonal results showed significant warming in all seasons but more so in the colder months. Precipitation indices also showed widespread and significant trends, but the changes were much more spatially heterogeneous compared with temperature changes. However, results indicated more areas with significant increasing trends in extreme precipitation amounts, intensity, and frequency than areas with decreasing trends.

Abstract This paper provides a general description of the Integrated Global Radiosonde Archive (IGRA), a new radiosonde dataset from the National Climatic Data Center (NCDC). IGRA consists of radiosonde and pilot balloon observations at more than 1500 globally distributed stations with varying periods of record, many of which extend from the 1960s to present. Observations include pressure, temperature, geopotential height, dewpoint depression, wind direction, and wind speed at standard, surface, tropopause, and significant levels. IGRA contains quality-assured data from 11 different sources. Rigorous procedures are employed to ensure proper station identification, eliminate duplicate levels within soundings, and select one sounding for every station, date, and time. The quality assurance algorithms check for format problems, physically implausible values, internal inconsistencies among variables, runs of values across soundings and levels, climatological outliers, and temporal and vertical inconsistencies in temperature. The performance of the various checks was evaluated by careful inspection of selected soundings and time series. In its final form, IGRA is the largest and most comprehensive dataset of quality-assured radiosonde observations freely available. Its temporal and spatial coverage is most complete over the United States, western Europe, Russia, and Australia. The vertical resolution and extent of soundings improve significantly over time, with nearly three-quarters of all soundings reaching up to at least 100 hPa by 2003. IGRA data are updated on a daily basis and are available online from NCDC as both individual soundings and monthly means.

Abstract This paper describes an improved edition of the climate division dataset for the conterminous United States (i.e., version 2). The first improvement is to the input data, which now include additional station networks, quality assurance reviews, and temperature bias adjustments. The second improvement is to the suite of climatic elements, which now includes both maximum and minimum temperatures. The third improvement is to the computational approach, which now employs climatologically aided interpolation to address topographic and network variability. Version 2 exhibits substantial differences from version 1 over the period 1895–2012. For example, divisional averages in version 2 tend to be cooler and wetter, particularly in mountainous areas of the western United States. Division-level trends in temperature and precipitation display greater spatial consistency in version 2. National-scale temperature trends in version 2 are comparable to those in the U.S. Historical Climatology Network whereas version 1 exhibits less warming as a result of historical changes in observing practices. Divisional errors in version 2 are likely less than 0.5°C for temperature and 20 mm for precipitation at the start of the record, falling rapidly thereafter. Overall, these results indicate that version 2 can supersede version 1 in both operational climate monitoring and applied climatic research.

Abstract We present the second update to a data set of gridded land‐based temperature and precipitation extremes indices: HadEX3. This consists of 17 temperature and 12 precipitation indices derived from daily, in situ observations and recommended by the World Meteorological Organization (WMO) Expert Team on Climate Change Detection and Indices (ETCCDI). These indices have been calculated at around 7,000 locations for temperature and 17,000 for precipitation. The annual (and monthly) indices have been interpolated on a 1.875°×1.25° longitude‐latitude grid, covering 1901–2018. We show changes in these indices by examining ”global”‐average time series in comparison with previous observational data sets and also estimating the uncertainty resulting from the nonuniform distribution of meteorological stations. Both the short and long time scale behavior of HadEX3 agrees well with existing products. Changes in the temperature indices are widespread and consistent with global‐scale warming. The extremes related to daily minimum temperatures are changing faster than the maximum. Spatial changes in the linear trends of precipitation indices over 1950–2018 are less spatially coherent than those for temperature indices. Globally, there are more heavy precipitation events that are also more intense and contribute a greater fraction to the total. Some of the indices use a reference period for calculating exceedance thresholds. We present a comparison between using 1961–1990 and 1981–2010. The differences between the time series of the temperature indices observed over longer time scales are shown to be the result of the interaction of the reference period with a warming climate. The gridded netCDF files and, where possible, underlying station indices are available from www.metoffice.gov.uk/hadobs/hadex3 and www.climdex.org .

CORRESPONDING AUTHOR: Markus Donat, Climate Change Research Centre, University of New South Wales, Sydney, Australia, E-mail: m.donat@unsw.edu.au

Abstract This paper describes a comprehensive set of fully automated quality assurance (QA) procedures for observations of daily surface temperature, precipitation, snowfall, and snow depth. The QA procedures are being applied operationally to the Global Historical Climatology Network (GHCN)-Daily dataset. Since these data are used for analyzing and monitoring variations in extremes, the QA system is designed to detect as many errors as possible while maintaining a low probability of falsely identifying true meteorological events as erroneous. The system consists of 19 carefully evaluated tests that detect duplicate data, climatological outliers, and various inconsistencies (internal, temporal, and spatial). Manual review of random samples of the values flagged as errors is used to set the threshold for each procedure such that its false-positive rate, or fraction of valid values identified as errors, is minimized. In addition, the tests are arranged in a deliberate sequence in which the performance of the later checks is enhanced by the error detection capabilities of the earlier tests. Based on an assessment of each individual check and a final evaluation for each element, the system identifies 3.6 million (0.24%) of the more than 1.5 billion maximum/minimum temperature, precipitation, snowfall, and snow depth values in GHCN-Daily as errors, has a false-positive rate of 1%−2%, and is effective at detecting both the grossest errors as well as more subtle inconsistencies among elements.

The National Oceanic and Atmospheric Administration (NOAA) released the 1981–2010 U.S. Climate Normals in July 2011, representing the latest decadal installment of this long-standing product line. Climatic averages (and other statistics) of temperature, precipitation, snowfall, and numerous derived quantities were calculated for ~9,800 stations operated by the U.S. National Weather Service (NWS). They include estimated normals, or “quasi normals,” for approximately 2,000 active short-record stations such as those in the U.S. Climate Reference Network. The 1981–2010 installment features several new products and methodological enhancements: 1) state-of-the-art temperature homogenization at the monthly scale, 2) extensive utilization of quality-controlled daily climate data, 3) new statistical approaches for calculating daily temperature normals and heating and cooling degree days, and 4) a comprehensive suite of precipitation, snowfall, and snow depth statistics. This paper provides a general overview of this new suite of climate normals products.

Abstract The Integrated Global Radiosonde Archive (IGRA) is a collection of historical and near-real-time radiosonde and pilot balloon observations from around the globe. Consisting of a foundational dataset of individual soundings, a set of sounding-derived parameters, and monthly means, the collection is maintained and distributed by the National Oceanic and Atmospheric Administration’s National Centers for Environmental Information (NCEI). It has been used in a variety of applications, including reanalysis projects, assessments of tropospheric and stratospheric temperature and moisture trends, a wide range of studies of atmospheric processes and structures, and as validation of observations from other observing platforms. In 2016, NCEI released version 2 of the dataset, IGRA 2, which incorporates data from a considerably greater number of data sources, thus increasing the data volume by 30%, extending the data back in time to as early as 1905, and improving the spatial coverage. To create IGRA 2, 40 data sources were converted into a common data format and merged into one coherent dataset using a newly designed suite of algorithms. Then, an overhauled version of the IGRA 1 quality-assurance system was applied to the integrated data. Last, monthly means and sounding-by-sounding moisture and stability parameters were derived from the new dataset. All of these components are updated on a regular basis and made available for download free of charge on the NCEI website.

Abstract The Global Historical Climatology Network (GHCN) monthly precipitation dataset contains historical time series for thousands of land surface stations worldwide. Initially released in 1992 and revised in 1998, the dataset has been employed in a variety of applications over the past three decades, including operational monitoring, applied research, and international assessments. This paper describes the data and methods used to compile the latest edition (version 4), which has three major enhancements. The first enhancement is to the station network, which increased in size by a factor of five due to the inclusion of dozens of new source datasets, most notably GHCN Daily (GHCNd). The second improvement is the application of a rule-based algorithm to compare and merge records representing the same location. The third enhancement is to the quality assurance approach, now consisting of 18 new checks based on GHCNd and other operational systems. Updated monthly, the resulting dataset consists of time series of monthly precipitation totals at more than 120,000 worldwide stations, including more than 33,000 active observing sites.