1842-2026年全球台风路径数据集

为什么这份数据值得研究者收藏?

如果你正在研究台风、飓风、气旋,或者在做气候变化、海洋气象、灾害风险评估的相关工作,那你大概率绕不开一份关键数据------IBTrACS 全球热带气旋最佳路径数据集

这是一份跨越近两个世纪的连续观测记录,时间起点可以追溯到 1842 年。无论是从历史个例回溯、长周期气候趋势分析,还是卫星时代以来的高质量建模,这份数据都为研究者提供了标准化的统一参照。

更重要的是,本次公开的数据同时提供 Shp、CSV、NetCDF 三种格式,几乎覆盖了 GIS 空间分析、统计建模与批量栅格运算的所有主流工作流,可以直接接入 ArcGIS、QGIS、R、Python(pandas/xarray)等工具,科研上手成本极低。

数据集核心参数一览

参数项 具体说明
数据名称 IBTrACS 全球热带气旋最佳路径数据集
时间范围 1842 年 --- 2026 年(持续更新)
空间范围 全球(含西北太平洋、东北太平洋、北印度洋、南印度洋、南太平洋、北大西洋六大主要海盆)
数据格式 Shapefile(Shp)/ CSV / NetCDF(NC)三种
数据粒度 逐时刻观测点 + 完整轨迹线
数据来源 NOAA 国际最佳气候管理档案(IBTrACS)
适用方向 气候变化、台风/飓风/气旋研究、海洋气象、灾害风险评估、长时间序列趋势分析

三大格式详解:怎么选最合适?

本次公开的数据集按格式拆分成 Shp、CSV、NC 三类文件,每类都包含「全量历史数据」和「1980 年起卫星观测时代高质量数据」两个版本,研究者可以按需取用。下面分别介绍。

一、Shp 格式:空间分析与制图首选

Shp 格式天然适合 GIS 软件做空间叠加、可视化与制图。本数据集包含四个压缩包:

IBTrACS.ALL.list.v04r01.lines.zip:全球所有海盆、有记录以来全部历史热带气旋的完整轨迹线 Shapefile 压缩包,可直接绘制全球台风路径图。

IBTrACS.ALL.list.v04r01.points.zip:全球所有海盆、有记录以来全部历史热带气旋的逐时刻观测点(位置、风速、气压等)Shapefile 压缩包。

IBTrACS.since1980.list.v04r01.lines.zip:1980 年至今全球所有海盆热带气旋的轨迹线 Shapefile 压缩包,对应卫星观测时代的高质量数据。

IBTrACS.since1980.list.v04r01.points.zip:1980 年至今全球所有海盆热带气旋的逐时刻观测点 Shapefile 压缩包,数据一致性与可靠性更高。

图1:全球热带气旋路径分布示意(IBTrACS lines 数据可视化效果)

图2:Shp 格式 points 数据表预览(字段包括 SID、SEASON、BASIN、NATURE、ISO_TIME、LAT、LON、WMO_WIND、WMO_PRES 等)

二、CSV 格式:表格分析与建模的主流选择

对于使用 R、pandas、Stata 等工具做统计建模的研究者,CSV 是最方便读取的格式。本数据集包含两个 CSV 文件:

ibtracs.ALL.list.v04r01.csv:覆盖范围最完整的全量数据集,包含全球所有海盆、有记录以来全部历史热带气旋的逐时刻观测数据。

ibtracs.since1980.list.v04r01.csv:1980 年至今全球所有海盆热带气旋的逐时刻观测数据,对应卫星观测时代的高质量标准化数据,是当前气候科研的主流选用版本。

图3:CSV 格式数据预览(与 Shp points 字段一致,便于跨工具无缝衔接)

三、NetCDF(NC)格式:批量计算与气候建模标准

NetCDF 是气候、海洋、气象领域的事实标准格式,自带元数据、变量属性与单位,可被 xarray、CDO、NCO 等工具高效读取。本数据集包含两个 NC 文件:

IBTrACS.ALL.v04r01.nc:NetCDF 格式的全球全量热带气旋数据集,包含所有海盆有记录以来的全部风暴数据。

IBTrACS.since1980.v04r01.nc:NetCDF 格式的 1980 年至今全球热带气旋数据集,对应卫星观测时代的高质量标准化数据,是热带气旋气候研究的主流选用版本。

全量版 vs. 1980+ 卫星版,怎么选?

很多研究者在拿到数据后第一反应是「既然是全量就直接用 ALL 吧」。但实际上,1980 年起卫星观测时代的子集在数据质量、字段一致性方面通常更具优势:

对比维度 ALL 全量版(1842---2026) since1980 卫星版(1980---2026)
时间跨度 长(约 180+ 年) 中(约 46+ 年)
早期数据完整度 受观测手段限制,部分字段缺失 字段完整
跨机构融合一致性 早期来源较单一 多源融合(WMO + 各国区域中心)
适合的研究方向 历史个例回溯、长周期气候趋势 当代气候归因、模型训练、灾害风险评估

如果你的研究依赖长期趋势,建议两个版本都下载,用 ALL 版做长序列分析时注意处理早期缺失字段,用 since1980 版做归因与建模。

数据来源与引用格式

本数据集来源于国际最佳气候管理档案(IBTrACS),由美国国家海洋和大气管理局(NOAA)维护与发布,使用时请按以下格式进行学术引用:

1 Gunasekera, D., Sun, Z., Du, W., Gao, J., Zhang, Y., Zhou, Y., Ndugwa, R., & Guo, H. (2026). Global Urban Built-up Area Dataset (GUBAD) for Cities with Populations Exceeding 300,000 (2000--2025) (1.0) Data set. Zenodo.
注:上述引用取自原始公开稿件的参考文献条目。

使用建议

  1. 优先确认字段含义再使用:IBTrACS 中的风速单位(kt vs m/s)、气压单位(hPa vs Pa)、位置精度(早期数据误差较大)等都需结合字段说明文档理解。

  2. 跨海盆比较时统一标准:南印度洋与南太平洋早期气旋强度估计可能受不同机构方法差异影响,建议使用 WMO 统一发布的字段而非各国区域中心原始值。

  3. 配合作风场与海温数据使用:若做台风强度归因,建议同期使用 ERA5 再分析数据(风场、海表温度)做交叉分析。


**数据来源:**国际最佳气候管理档案(IBTrACS)

引用格式:1 Gunasekera, D., Sun, Z., Du, W., Gao, J., Zhang, Y., Zhou, Y., Ndugwa, R., & Guo, H. (2026). Global Urban Built-up Area Dataset (GUBAD) for Cities with Populations Exceeding 300,000 (2000--2025) (1.0) Data set. Zenodo.

【下载→

方式一:顶部专栏

方式二:数据下载方式汇总-CSDN博客

来源:城数派

相关推荐
xfan_me1 天前
全国今日油价 API-油价查询-油价查询接口
大数据·人工智能·信息可视化
cui_ruicheng1 天前
Python数据分析(十四):Pandas 数据可视化
python·信息可视化·数据分析·pandas
AC赳赳老秦1 天前
OpenClaw 采集效率优化:并发控制、增量采集策略与服务器友好型设计
大数据·运维·服务器·人工智能·信息可视化·deepseek·openclaw
zcmodeltech1 天前
智慧城市沙盘模型多系统协同控制系统设计:基于STM32与Modbus RTU的园区-城市-数字孪生联动方案
服务器·数据库·人工智能·stm32·嵌入式硬件·信息可视化·智慧城市
AI工具测评与分析2 天前
Seedance2.5 赋能飙算画影AI无限画布,无边画布进阶专业创作工作台
人工智能·信息可视化·ai作画·视频生成·ai视频·爆款视频
共享笔记2 天前
行政区边界数据哪里找?省市区县街道 GeoJSON、SHP、KML、DXF 下载与使用指南
信息可视化·gis·边界数据下载·行政区边界
凌云拓界2 天前
NodeVerdict:Node.js 原生诊断数据可视化工具
信息可视化·架构·typescript·开源·node.js·github·bug
cui_ruicheng2 天前
Python数据分析(十三):Seaborn 统计可视化
开发语言·python·信息可视化·数据分析
gnsnswa2 天前
解读6大AI人工智能认证证书
人工智能·信息可视化·职场和发展·数据分析·aigc·学习方法·信息与通信