div class="header clearfix index-header">
主页 > 相关资料 > 相关简介 >

1901–2014年黄土高原1 km分辨率月均气温和月降水

气候变化已成为全球科学研究的热点,显著影响着人类的生存和发展。黄土高原地区(33°43′–41°16′N,100°54′–114°33′E)横贯黄河中上游,年降水量从西北部的200 mm到东南部750 mm[1],年平均气温从西北部3.6 ℃到东南部14.3 ℃,被公认为对气候变化敏感的半干旱到半湿润的过渡区[2]。作为世界上最大的黄土地区,黄土高原面积约为67.8万平方公里,在生态环境和社会经济等方面对中国的发展有着重要作用。在过去的几十年间,针对黄土高原地区的气候变化学界开展了诸多研究,这些研究均揭示了其年降水量减少、气温升高的趋势[3][4][5]

多个气候研究组织先后发布了全球到次大陆尺度的多种长期气候网格数据集,其具有时序长、气候要素丰富等特点,但大多空间分辨率偏低,在描绘区域小尺度气候信息时存在较大的偏差[6],阻碍了其在小地理尺度上的应用。例如英国东英格利亚大学气候研究中心(Climatic Research Unit,CRU)[7]数据,其空间分辨率为0.5°,在小地理尺度上表达复杂地形、地表特征及气候系统中其他过程的能力有限[8]。因此,为了提高这些数据集在中小尺度地理研究中的应用能力,将其与地面高空间分辨率的参考气候数据集(包含气象站记录(校准)和观测记录的地形效应)相结合以实现空间降尺度,一方面可以减少原始数据的不确定性,另一方面可以实现空间分辨率的提高[9][8]

气候数据空间降尺度方法主要有统计降尺度和动力降尺度两类。与统计降尺度相比,动力降尺度需要大量参数和较多计算资源驱动[10],而且有时不能真实地反映小尺度上的气候变化特征[11][12],因此,统计降尺度往往应用更加广泛。常用的统计降尺度法有Delta法和线性回归法。线性回归法是在历史时期建立网格数据与站点观测数据之间的线性关系,并将这种关系应用到未来时期的网格数据[13],以生成多种未来气候数据集,但其一般仍应用在站点尺度。Delta法使用低空间分辨率的月气候数据和高空间分辨率的参考气候数据作为输入数据,与直接插值不同,该方法可引入地形地貌对气候的影响[9]。因此,使用Delta法对网格气候数据进行降尺度可得到小地理尺度上精准的气候数据。

本数据集采用CRU发布的全球0.5°气候数据集和国家生态系统观测研究网络(CNERN)发布的中国区高分辨率气候数据集,通过Delta空间降尺度方案在黄土高原地区降尺度生成,可应用于中小地理尺度的环境科学研究,为研究黄土高原地区生态环境、水文水资源提供气候数据支撑。

(责任编辑:joseph)