ncdc logo title
ncdc_logo
CCAM：中国流域属性和气象数据集
  • 2023/11/27 15:59
  • 10047
  • 241
  • 8
中文名称
CCAM：中国流域属性和气象数据集
英文名称
CCAM: China Basin Attributes and Meteorological Dataset
CSTR
CSTR:11738.11.NCDC.ZENODO.DB4093.2023
DOI
10.5281/zenodo.57294
共享方式
登录获取
数据分类
水文
数据贡献者
金瑾
数据集摘要

  本数据集是第一个提供中国流域气象时间序列和流域属性的数据集。该数据集由数字高程模型(DEM)导出的所有流域边界组成，该模型是全球流域数据集。GDBD以高分辨率(100 m-1 km)导出，与中国现有的全球流域数据具有良好的地理一致性。其中汇编了不同的数据源，包括土壤、土地覆盖、气候、地形和地质。该数据集还包括了每个流域从1990年到2020年共31年的气象数据。

  数据集由中国流域属性与气象数据集和HydroMLYR两个部分组成。第一个数据集提供了中国流域的日气象时间序列和120多个属性。日气象时间序列包括降水、温度、蒸散发、风速、地表温度、气压、湿度、日照时数和潜在蒸散发。流域属性包括地形、气候、水文、土地覆盖、地质和土壤等属性。HydroMLYR（黄河流域机器学习水文数据集）包括每日气象时间序列、标准化周平均流量和102个集水区的120多个属性。

基本信息
采集时间 1990/01/01  -  2020/12/31
采集地点 中国
数据量 3.4 GiB
数据格式 shp,json,txt,excel
数据时间分辨率 年
坐标系 WGS84
数据缩略图
数据源描述

  数据来源于Zenodo网站https://zenodo.org/records/5729444

数据加工方法

  汇编不同的数据源，包括土壤、土地覆盖、气候、地形和地质，以开发数据集。基于Penman方程推导各流域的潜在蒸散发时间序列。

数据质量描述

  数据质量较好。

引用和标注
为保障平台科技资源的权益、扩展平台中心的服务、提升科技资源的应用潜力，请资源使用者在使用资源所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），请按以下方式规范标注和引用。

中文发表的成果中参考以下规范注明： 数据来源于国家冰川冻土沙漠科学数据中心 (https://www.ncdc.ac.cn)。
英文发表的成果中参考以下规范注明： The dataset is provided by National Cryosphere Desert Data Center. (https://www.ncdc.ac.cn).

数据引用
  1. 金瑾. CCAM：中国流域属性和气象数据集. 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2023. https://cstr.cn/CSTR:11738.11.NCDC.ZENODO.DB4093.2023.
  2. 金瑾. CCAM：中国流域属性和气象数据集. 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2023. https://www.doi.org/10.5281/zenodo.57294.
文章引用
  1. Hao Z, Jin J, Xia R, Tian S, Yang W, Liu Q, Zhu M, Ma T, Jing C, Zhang Y. CCAM: China Catchment Attributes and Meteorology dataset[J/OL]. Earth System Science Data, 2021, 13(12): 5591-5616. DOI: 10.5194/essd-13-5591-2021.
    引用格式： Endnote Bibtex RIS
许可协议
# 标题 文件大小
1 中国流域属性和气象数据集.zip 3.4 GiB
最近10条服务记录如下
# 时间 姓名 用途
1 2026/09/18 02:35 张*彤
本人系长安大学硕士研究生，目前正在撰写学位论文。本论文属于硕士论文。为顺利查阅相关学术文献及获取实验数据，特此申请账号权限，望批准。
2 2026/09/10 01:46 柳*
本数据拟用于硕士论文“寒旱流域资料稀缺地表径流预测”研究。主要用于获取黄河流域及其他典型流域的流域边界、地形、气候、土壤、土地覆盖及水文观测等基础信息，筛选具有寒旱气候特征且资料较完整的代表性流域。通过流域属性与气象水文特征分析，构建流域相似性评价指标，开展资料稀缺条件下的径流预测、模型迁移及独立验证研究，并为目标流域的地表径流模拟与模型适用性评价提供数据支撑。
3 2026/09/09 18:19 孙*昌
需要这些数据完成我的硕士论文：融合多源遥感数据的江汉平原洪涝预警研究
4 2026/08/27 19:53 邢*
题目：汛语先知：基于改进Transformer模型的花园口水位智能预测研究 摘要：洪水精准预测是黄河流域防洪减灾体系的核心环节。传统水文模型及早期机器学习方法在捕捉黄河河南段水文序列长程依赖性与复杂非线性特征方面存在局限。本文提出一种基于Transformer深度学习架构的洪水预测模型（HHF-Transformer），旨在实现对黄河花园口至艾山河段关键水文站未来1-3日流量及水位的高精度、多步长预测。模型利用自注意力机制，并行处理历史水文气象序列（包括流量、水位、降雨量等），有效提取其内部的长距离时空依赖关系。本研究以花园口水文站1980-2020年的逐日数据为基础，划分训练集与测试集，对模型进行训练与验证。结果表明：在预见期为1天、3天的预测任务中，HHF-Transformer模型的纳什效率系数（NSE）分别达到0.968和0.892，均方根误差（RMSE）较对比模型（LSTM、GRU）降低18.7%-35.2%。该模型在洪峰流量预测与洪水过程线拟合方面表现出显著优势，其自注意力权重可视化结果清晰揭示了模型对历史关键降雨事件与前期基流的聚焦机制，提升了预测的可解释性。本研究证实了Transformer模型在复杂河流洪水时序预测中的有效性与先进性，为智慧黄河的精准防洪决策提供了新的技术工具。 期刊论文
5 2026/08/14 23:17 魏*玉
补充研究数据，用于后续的研究，保持研究的真实性和严谨性
6 2026/08/14 18:22 李*
基于该数据中气象资料计算珠江流域降雨侵蚀力用于流域土壤侵蚀和水文连通性评估。
7 2026/07/19 23:51 谢*丽
利用 CCAM 构建迁移学习模型，开展区域旱涝智能预警研究
8 2026/07/18 01:23 池*
期刊论文的验证部分需要两类流域：作为知识来源的源流域和作为研究目标的缺资料流域
9 2026/07/06 08:42 齐*曼
用于黄河三角洲地区盐碱地有关的模型参数支撑和合理性检验
10 2026/07/06 06:54 方*
利用本数据进行沱江流域面源污染生态效应分析，希望得到您的同意，保证会尊重您的研究成果
loading
如何获取数据 
东: 138.30
西:  76.00
南:  18.17
北:  52.25
导出元数据
联系信息
数据贡献者：
金瑾
元数据作者：
金瑾
数据管理者：
敏玉芳
平台数据服务信息
联系人：
李红星
服务电话：
0931-4967592
服务邮箱：
ncdc@lzb.ac.cn

© 中国科学院西北生态环境资源研究院 2005- 备案号：陇ICP备2021001824号-21

兰州市东岗西路320号, 730000, 电话: 0931-4967592,0931-4967596