气温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，尽管目前已存在多种气温数据产品，但由于观测站网分布不均、再分析数据与实测值之间的系统性偏差，以及长时间序列数据在空间覆盖一致性与高分辨率连续性方面的不足，当前对黄土高原长期气温动态与趋势变化的评估仍存在一定的不确定性。本研究利用ACCESS-ESM1-5、IPSL-CM6A-LR、MIROC-ES2L未来降水数据集，基于U-Net深度学习架构构建降尺度模型，生成黄土高原2015-2100年未来气温数据产品，空间覆盖范围为33.75°-41.25°N、100.95°-114.55°E，并具备0.1°的高空间分辨率与日时间分辨率。相较于原始模式数据，本数据集的核心优势在于其高分辨率气温数据产品更精细地刻画气温的时空分异规律，显著提升对局地极端高温、低温事件的模拟能力，从而为区域气候模拟、水文过程分析、及极端气温事件研究提供更可靠的数据支持。
本数据以NetCDF格式（*.nc）存储。数据文件命名格式为LoessPlateauRegion_ACCESS-ESM1-5_ssp126_temp_max_2015_2100_merged。其中，LoessPlateauRegion为地区名称，ACCESS-ESM1-5为模型名称，ssp126为未来情景名称。数据文件中temp_min为的日最低气温，temp_max为的日最高气温，时空分辨率分别为日、10 km，时间范围为2015-2100年，lat和long分别为模式格点的纬度和经度。
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基准（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。
本研究采用均方根误差（RMSE）与平均偏差（MB）作为核心验证指标，系统评估了降尺度生成的日最高气温（tasmax）及日最低气温（tasmin）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，降尺度后气温数据的精度得到根本性提升。具体而言，多模式集合平均的日最高气温（tasmax）RMSE从原始CMIP6输出的2.31°C以上普遍降至0.58°C以下，其MB范围也由-1.27至1.13°C改善至-0.52至-0.27°C；日最低气温（tasmin）的RMSE则由最优原始模式的2.32°C降至0.78°C。此外，数据能近乎完美地再现气温的季节循环，其多模式集合平均与观测的相关系数达1.0，且模型间不确定性显著降低。该降尺度气温数据在修正当前偏差的同时，也保留了原始模式预估的未来增温趋势，例如在SSP5-8.5情景下，其21世纪末的预估增温幅度（4.52°C）与原始模式（4.58°C）高度一致。因此，该降尺度气温数据集能够更可靠地反映区域气温的实际情况，可作为黄土高原高分辨率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.db7331.2026
10.12072/ncdc.loess.db7331.2026
