1961-2022年中国大陆多干旱指数数据集(SPI/SPEI/EDDI/PDSI/SC-PDSI/VPD)

DOI: 10.5194/essd-2024-270

干旱指数对于评估和管理缺水和农业风险至关重要;然而,现有数据集中缺乏统一的数据基础,导致不一致,对干旱指数的可比性提出了挑战。本研究致力于创建CHM_Drought,这是一个创新且全面的长期气象干旱数据集,空间分辨率为0.1°,数据收集时间为1961-2022年,中国大陆年。它具有6个关键的气象干旱指数:标准化降水指数(SPI)、标准化降水蒸散指数(SPEI)、蒸发需求干旱指数(EDDI)、帕尔默干旱严重程度指数(PDSI)、自校准帕尔默干旱严重程度指数(SC-PDSI)和蒸气压赤字(VPD),其中SPI、SPEI和EDDI包含2周和1-12个月的多尺度特征。该数据集具有高密度气象站数据的综合应用和从基本气象要素出发的完整框架(中国水文气象数据集,CHM)。该数据集在准确捕捉中国大陆干旱事件方面表现出色,其对2022年长江流域夏季干旱的详细描述就证明了这一点。此外,为了评估CHM_Drought,本文利用气候研究单元(CRU)和CN05.1数据计算的干旱指数进行了一致性检验,发现所有指数总体上具有较高的一致性,且2周尺度SPI、SPEI和EDDI在干旱监测中具有潜在的预警作用。总体而言,我们的数据集弥补了中国在高精度多指标干旱数据方面的差距,完整的基于CHM的框架保证了数据集的一致性和可靠性,有助于提高对中国干旱模式和趋势的理解。

1961-2022年,0.1°,中国大陆,包括SPI SPEI EDDI PDSI SC-PDSI VPD,nc格式,数据可以通过下方链接获取。

复制代码
https://figshare.com/articles/dataset/CHM_Drought/25656951/2
相关推荐
benchmark_cc3 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
AllData公司负责人5 小时前
第九篇:AI大模型数据开发底座系列说明书:AllData集成BISHENG开源项目建设大模型应用开发底座,涵盖可视化编排/智能助手/一键API/模型接入!
人工智能·云原生·数据分析·视觉检测·知识图谱·大模型应用·bisheng
GrowingIO技术社区8 小时前
埋点方案怎么写?从业务问题到事件设计与验收
数据分析
效率工作实验室15 小时前
企业智能数据分析工具选购攻略:从需求梳理到方案落地的完整指南
数据分析·agent·选型·企业数据分析工具怎么选·数据分析工具选购指南
wang_yb1 天前
时间序列数据,先拆规律还是先查异常
数据分析·databook
databook1 天前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
楚山之石2 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri
yuyuxun12 天前
协同过滤的校园二手物品智能推荐系统的设计与实现 毕业设计-附源码40082
javascript·vue.js·spring boot·python·数据分析·django·课程设计
129Lab3 天前
电池循环测试数据自动化分析:用Python+AI工具构建一键式寿命评估流水线
python·数据分析·电池测试·数据自动化·寿命评估
GrowingIO技术社区3 天前
用户行为分析工具怎么评估?用真实任务验证功能
数据分析