降水时序数据是全球和区域气候研究、水文模拟及生态系统评估中的关键基础数据。然而，现有市县未来降水数据序列普遍较短。这导致当前对区域尺度，尤其是市县等局部单元上的长期降水动态与趋势变化的评估仍存在不确定性。本研究基于ACCESS-ESM1-5、IPSL-CM6A-LR、MIROC-ES2L等全球气候模式的未来情景数据，生成黄土高原不同市县（如延安市、兰州市、天水市等）2015-2100年未来降水数据产品。本数据集的核心优势在于本数据集的核心优势在于提供了2015-2100年共86年的长序列降水数据。这一完整的长时间序列有助于揭示局地气候对全球变化的响应细节，从而为市县尺度的长期气候风险评估、适应性规划提供坚实的数据基础。
本数据以Excel格式（*.xlsx）存储。数据文件中不同工作表为不同市县未来降水数据，ACCESS-ESM1-5、IPSL-CM6A-LR、MIROC-ES2L为不同模型，ssp126、ssp245、ssp585为排放情景，时间分辨率为年，时间范围为2015-2100年。
高分辨率观测数据采用基于欧洲中期天气预报中心第五代再分析数据（ERA5）开发的MSWX格点化偏差校正气象数据集，该数据集提供了10个近地表气象变量，空间分辨率为0.1°，时间分辨率为3小时，作为模型训练和验证的对照组（https://www.gloh2o.org/mswx/）。基础气候数据来自耦合模式比较计划第六阶段（CMIP6）中3个全球气候模式的输出，包括历史时期（1950-2014年）和三种未来情景（SSP1-2.6, SSP2-4.5, SSP5-8.5，2015-2100年）的逐日模拟，其空间分辨率介于0.7°至2.8°之间（https://esgf-node.llnl.gov/search/cmip6/）
（1）利用MSWX数据集作为高分辨率观测数据，用于后续偏差校正与模型训练；（2）采用分位数Delta映射方法对CMIP6的3个全球气候模式输出进行偏差校正，校正后的数据用于降尺度输入；（3）基于U-Net深度学习架构构建降尺度模型，针对不同季节分别训练四个独立的U-Net模型，输入包括地形数据与偏差校正后的气象变量，并采用改进的损失函数以提升极端事件模拟能力；（4）利用1982–2014年期间的数据进行模型训练与验证，通过对比MSWX观测数据，从气候均值、极端事件频率及未来变化等多个方面系统评估降尺度数据集的性能。（5）基于经验证可靠的降尺度格点数据集，利用GIS空间分析技术依据标准的市县级行政区矢量边界，计算每个行政单元内所有格点的年度降水量平均值，生成黄土高原不同市县降水的逐年序列。
本研究采用均方根误差（RMSE）、平均偏差（MB）以及对不同等级降水事件（小雨、中雨、大雨、暴雨）频率的刻画能力作为核心验证指标，系统评估了降尺度生成的降水数据与MSWX高分辨率观测数据在1979年至2014年整个历史时期的一致性。
验证结果表明，降尺度后数据的精度显著提升：大部分CMIP6模式的降水RMSE从原始输出的约1.00毫米/天降至0.37毫米/天以下；空间上，多模式集合平均的偏差在黄土高原地区被控制在-0.6至0.6毫米/天之间，有效纠正了原始数据普遍存在的系统性高估。因此，该降尺度降水数据集能够更可靠地反映黄土高原区域不同市县降水的实际情况，可作为黄土高原不同市县水文气候研究的可靠数据基础。
| # | 编号 | 名称 | 类型 |
| 1 | 2022YFC3003401 | 黄土高原极端天气演化趋势及灾害风险演进机制 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.ncdc.loess.db7334.2026
10.12072/ncdc.loess.db7334.2026
