1980-2024年中国区域0.01°分辨率降水量栅格数据集,含逐日/逐月/逐年三层级

一、数据集概述

气象要素中,降水量是生态环境建模、农业旱情评估以及水文循环模拟等研究领域的基础输入变量,其时间分辨率与空间精度直接影响分析结果的可靠性。高分辨率的降水栅格产品能够更精细地刻画区域降水格局,在流域尺度水文响应分析中具有不可替代的价值。

本数据集基于张凌、胡英屹等人发布在国家冰川冻土沙漠科学数据中心的多源数据融合的中国高分辨多要素气象驱动产品(ChinaMet),将其原始 NetCDF(.nc)格式的0.01°分辨率(约合1千米)数据转换为栅格(.tif)格式,方便在 GIS 平台中直接调用与空间叠加分析。

转换后的降水栅格数据涵盖逐日、逐月、逐年三个时间层级。考虑到逐日数据体量庞大,逐日降水栅格仅覆盖2020至2024年共5年;逐月与逐年栅格则完整延伸至1980至2024年,时间跨度达45年。降水量单位统一为毫米(mm)。需特别说明的是,该数据集未包含中国台湾地区的栅格值。

二、数据基本信息

参数项 说明
时间范围 逐日:2020.01.01---2024.12.31逐月:1980.01.01---2024.12.31逐年:1980.01.01---2024.12.31
空间分辨率 0.01°(约1000米)
数据格式 栅格(.tif)
数据单位 毫米(mm)
空间参考 GCS_WGS_1984
覆盖区域 中国大陆地区(不含台湾)

三、数据来源与融合要素

原始的 .nc 格式高分辨率气象数据由国家冰川冻土沙漠科学数据中心提供,元数据访问地址为:

https://www.ncdc.ac.cn/portal/metadata/21691d03-bef2-4800-924e-5614e7268b87

该数据集(ChinaMet)共包含8个气象要素,各要素的名称、含义及所融合的数据源详见下表:

ChinaMet数据集8个气象要素说明表

四、数据展示

以2022年12月31日的降水栅格为例,对逐日降水数据的空间分布进行可视化预览:

2022年12月31日降水量栅格预览

五、引用格式与参考文献

数据引用规范

中文成果引用格式:

数据来源于国家冰川冻土沙漠科学数据中心 ( http://www.ncdc.ac.cn)。

英文成果引用格式:

The dataset is provided by National Cryosphere Desert Data Center. ( http://www.ncdc.ac.cn).

数据集文献引用

1 张凌,胡英屹,赵彦博,车涛. 多源数据融合的中国高分辨多要素气象驱动产品(ChinaMet). 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2025. https://cstr.cn/CSTR:11738.11.NCDC.NIEER.DB6722.2025.

2 张凌,胡英屹,赵彦博,车涛. 多源数据融合的中国高分辨多要素气象驱动产品(ChinaMet). 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2025. https://www.doi.org/10.12072/ncdc.nieer.db6722.2025.

相关学术论文

1 ZhangLing, Li Xin, Zheng Donghai, Zhang Kun, Ma Qimin, Zhao Yanbo, Ge Yingchun. Merging multiple satellite-based precipitation products and gauge observations using a novel double machine learning approachJ. Journal of Hydrology, 2021, 594:125969.

2 HuYingyi, Zhang Ling. Added value of merging techniques in precipitation estimates relative to gauge-interpolation algorithms of varying complexityJ. Journal of Hydrology, 2024, 645:132214. DOI: https://doi.org/10.1016/j.jhydrol.2024.132214.

如有数据使用需求,请按照官方平台的引用要求进行规范标注,更多数据详情可访问国家冰川冻土沙漠科学数据中心官网获悉。

【下载→

方式一:顶部专栏

https://blog.csdn.net/m0_73019973/category_13165169.html

方式二:数据下载方式汇总-CSDN博客

来源:城数派

相关推荐
BYSJMG2 小时前
大数据毕业设计选题推荐:基于大数据的全球气温历史演变分析与可视化,用Hadoop+Spark处理
大数据·hadoop·分布式·信息可视化·spark·kmeans·课程设计
IT研究室2 小时前
最新大数据毕业设计选题推荐-基于大数据的台北市住宅价格数据可视化分析-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·课程设计
Highcharts.js4 小时前
Highcharts Orbit 管理器:让企业级可视化与数据分析实现平台化
信息可视化·数据挖掘·数据分析·可视化工具·highcharts·图表工具·管理器
大模型码小白1 天前
数据可视化:AI处理多维数据的HTML5可视化方案
大数据·前端·javascript·人工智能·机器学习·信息可视化·html5
二进制漫游记1 天前
ECharts 从入门到实战|前端数据可视化完整教程
前端·信息可视化·echarts
BYSJMG1 天前
计算机毕业设计选题推荐|【基于大数据的植被光谱特征与环境因子关联分析及可视化】Spark+K-Means
大数据·python·信息可视化·数据分析·spark·kmeans·课程设计
龙亘川1 天前
免费开源丨统一决策分析系统 综合态势功能的实现机理与技术难度
人工智能·信息可视化·开源·智慧城市·#后台开发
城数派2 天前
1901-2025年中国1km分辨率逐年平均气温栅格数据
信息可视化
躺柒2 天前
读数据可视化21文本和文档(上)
信息可视化·数据分析·可视化·数据可视化·文档·文本·大数据分析
BYSJMG2 天前
计算机毕设选题|基于大数据与文本挖掘的自动驾驶事故成因分析及可视化研究|Hadoop+PySpark+Django+Vue
大数据·hadoop·信息可视化·django·自动驾驶·kmeans·课程设计