以CMIP6为驱动的10公里超分辨率的每日气候预测,与中国的PET估计
Fuyao Zhang1,2, Xiubin Li1,2, Xue Wang3
1Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing, 100101, China.
Scientific data
|April 30, 2025
概括
全球变暖的影响在中国的新高分辨率气候数据中变得更加明显. 这项研究将气候变量和潜在蒸发透气 (PET) 缩小到10公里,帮助区域适应战略.
科学领域:
- 气候科学 气候科学
- 水文学的水文学
- 数据科学数据科学数据科学
背景情况:
- 全球变暖加剧了极端天气事件,挑战了区域气候和水生态系统.
- 现有的气候数据集面临着像潜在蒸发转化 (PET) 等关键变量的低分辨率限制.
研究的目的:
- 开发一个超分辨率的融合框架,为中国创造一个高分辨率 (10公里) 的气候和PET数据集.
- 为了解决由于空间不连续性而导致的降级精度下降的局限性.
主要方法:
- 利用深度残留注意网络 (RCAN) 进行超分辨率降级气候变量.
- 建立了中国10公里分辨率的多模型多场景高分辨率气候和PET数据集 (SRCPCN10).
主要成果:
- 在温度,辐射和压力方面,RCAN实现了高降缩精度 (R2/KGE>0.99).
- 降水缩小显示较低的准确性 (R2 = 0.897) 归因于空间不连续性.
- 根据SSP情景的未来气候预测表明,温度,辐射和降水量随着强化的辐射强迫而增加.
结论:
- 开发的数据集克服了传统的局限性,为水文建模和气候风险评估提供了至关重要的千米级多变量数据.
- 这些高分辨率数据提高了区域气候变化适应战略和碳中和途径的精度.


