1965–2022年中国大陆高分辨率分部门用水数据集,包含:灌溉用水、工业制造用水、生活用水和火电冷却

1965--2022年中国大陆高分辨率部门用水数据集

高质量用水数据集对推进变化环境下的水资源研究至关重要。然而,现有中国用水数据通常按行政区划或流域汇总,时空分辨率不足,难以支撑人类用水模式及时空变化特征的精细化分析。为此,我们构建了1965--2022年中国大陆高分辨率部门用水数据集(HSWUD),涵盖灌溉、工业制造、火电冷却、生活用水等关键部门。

该数据集通过融合遥感土地利用数据、人口密度分布图、再分析气象数据、火电厂地理信息及工业企业微观调查数据,研发了多协变量降尺度算法,将省级年度用水数据降尺度至0.1°×0.1°网格的月尺度数据,显著提升了用水空间细节与季节分布特征的表达能力。验证表明,HSWUD与地级市统计数据的决定系数达0.88(R²=0.88),其捕捉的时空格局与现有数据集总体一致。

制作流程

1 数据来源

用水统计数据

省级用水数据(1965--2013年)来自国家长期用水数据集(NLWUD);

2014--2022年数据源于《中国水资源公报》和《中国统计年鉴》。

社会经济数据

灌溉耕地面积(CIrrMap250数据集);

热电厂发电量(全球电厂数据库GPPD);

工业企业产值(中国工业企业数据库CIED);

人口密度(1km网格数据)。

气象数据

温度、降水、潜在蒸散发(ERA5-Land再分析数据)。

2 方法流程

空间降尺度

将省级年用水量分配至0.1°网格,权重公式为:

(xi,j为网格值,n为省内网格数)

制造业用水采用企业级效率校准

(基于分省分行业用水效率)

时间降尺度

灌溉用水:基于CROPWAT模型计算净需水量(作物系数×潜在蒸散发--有效降水);

生活用水:以温度波动为代理变量;

热电冷却用水:结合采暖/制冷度日数(阈值:加热18°C、制冷26°C);

制造业用水:以分行业月度销售收入比例分配。

数据信息

数据资源:1965--2022年中国大陆高分辨率分部门用水数据集,包含:灌溉用水、工业制造用水、生活用水和火电冷却

高分辨率部门用水数据集提供1965年1月至2022年12月中国逐月用水数据,空间分辨率为0.1°(约11公里),单位为10⁸立方米/月,涵盖灌溉、火电冷却、工业制造和生活用水四大部门。

数据以NetCDF格式存储,采用"分部门单文件"设计:例如"HSWUD_dom.nc"即生活用水数据文件。所有文件均采用WGS84坐标参考系统(EPSG:4326),确保与主流地理信息系统(如ArcGIS、QGIS)的兼容性。

相关推荐
倔强的石头_1 天前
kingbase备份与恢复实战(二)—— sys_dump库级逻辑备份与恢复(Windows详细步骤)
数据库
武子康1 天前
大数据-237 离线数仓 - Hive 广告业务实战:ODS→DWD 事件解析、广告明细与转化分析落地
大数据·后端·apache hive
大大大大晴天1 天前
Flink生产问题排障-Kryo serializer scala extensions are not available
大数据·flink
jiayou642 天前
KingbaseES 实战:深度解析数据库对象访问权限管理
数据库
李广坤3 天前
MySQL 大表字段变更实践(改名 + 改类型 + 改长度)
数据库
武子康3 天前
大数据-236 离线数仓 - 会员指标验证、DataX 导出与广告业务 ODS/DWD/ADS 全流程
大数据·后端·apache hive
爱可生开源社区4 天前
2026 年,优秀的 DBA 需要具备哪些素质?
数据库·人工智能·dba
随逸1774 天前
《从零搭建NestJS项目》
数据库·typescript
武子康4 天前
大数据-235 离线数仓 - 实战:Flume+HDFS+Hive 搭建 ODS/DWD/DWS/ADS 会员分析链路
大数据·后端·apache hive
DianSan_ERP5 天前
电商API接口全链路监控:构建坚不可摧的线上运维防线
大数据·运维·网络·人工智能·git·servlet