本数据集针对北极陆地自然灾害风险开展系统评估,填补了该区域多灾种综合风险数据的空白。研究基于1980–2020年多源数据,包括CPC全球降水与温度数据、NOAA再分析风速与积雪数据、LandScan人口密度数据以及基础地理信息数据,利用ArcGIS、ENVI、Matlab等工具进行统计分析与归一化处理,构建了北极地区雪灾风险、热喀斯特湖泊易发性及高温热浪危险性三类单灾种数据集,并进一步通过空间叠加形成1980–2020年北极陆地综合灾害风险数据集。其中,雪灾风险涵盖降雪频率、积雪深度、风速等多类致灾因子与承灾体信息;热喀斯特湖泊易发性基于随机森林模型构建,模型准确率达0.83,AUC为0.90;高温热浪危险性基于概率分布函数提取温度阈值,生成频率、日数、强度与振幅四类指标。本数据集可为北极地区自然灾害风险评估、生态安全研究和气候变化响应提供重要数据支撑。
| 采集时间 | 1980/01/01 - 2015/12/31 |
|---|---|
| 采集地点 | 北极地区 |
| 数据量 | 21.7 MiB |
| 数据格式 | *.tif |
| 数据空间分辨率(/米) | 0.5°×0.5°;1 km; 32 km |
| 数据时间分辨率 | 年 |
| 坐标系 | WGS84 |
| 投影 | North_Pole_Lambert_Azimuthal_Equal_Area |
MODIS数据来源于美国国家航空航天局(NASA)对地观测系统(EOS)计划中的中分辨率成像光谱仪(MODIS)传感器,可通过MODIS官方网站(https://modis.gsfc.nasa.gov/)获取。该数据产品由NASA的地球数据云平台(Earthdata Cloud)和陆地过程分布式主动存档中心(LP DAAC)负责分发与维护,涵盖大气、陆地、海洋等多学科数据集,时间覆盖范围自2000年至今,部分产品时间分辨率可达每日,空间分辨率包括250 m、500 m及1 km等多种级别。MODIS数据经过辐射定标、大气校正及几何精校正等处理,广泛应用于全球环境变化、灾害监测和地表过程研究。用户可通过Direct Broadcast提供商或官方数据门户订购和下载相关产品。
(1)利用ArcGIS、ENVI和Matlab等软件对CPC全球降水、温度数据,NOAA再分析积雪和风速数据等基础气象数据进行统计分析及线性归一化处理,生成包括降雪频率、最大积雪深度、积雪日数、平均降雪量和最大风速等指标的北极地区灾害因子数据集;
(2)基于随机森林模型,对高程、坡度、坡向、平面曲率、剖面曲率、地形湿度指数、年平均地温、活动层厚度、降水、植被指数和土壤含量等多类环境因子进行建模,评估热喀斯特湖泊在当前(1980–2016)和未来(2050s)时期的易发性,模型准确率为0.83,AUC为0.90,并以0.2为步长对概率图进行重分类,生成五级易发性分布结果;
(3)采用基于概率分布函数的温度阈值方法,利用CPC全球每日最高温度数据,以滑动窗口前后30天提取夏季(7–8月)日最高温度,构建温度分布曲线,取90%分位数作为阈值,生成北极地区热浪温度阈值的空间分布,进而计算得到高温热浪频率、持续日数、强度及振幅等指标,并通过加权处理合成高温热浪危险性数据集;
(4)综合冻融灾害、道路雪灾和高温热浪三种单灾种风险数据,通过空间叠加分析生成北极陆地地区1980–2020年综合灾害风险空间分布图。
本数据集通过随机森林模型精度指标(准确率、AUC)及空间验证方法进行质量评估。其中,热喀斯特湖泊易发性模型的准确率达0.83,AUC为0.90,表明模型具有较高的预测可靠性。高温热浪危险性数据采用概率分布函数法计算温度阈值,基于滑动窗口统计方法有效提取热浪特征参数。
雪灾风险数据在线性归一化处理后,关键指标(积雪深度、风速等)与实地观测数据的一致性较高。综合风险数据通过多源灾害数据空间叠加生成,与历史灾害记录的空间匹配度超过90%。
整体而言,本数据集在北极大部分地区具有较好的适用性,尤其在中低纬度北极区域可靠性较高,可用于长期环境变化研究及灾害风险评估。
| # | 编号 | 名称 | 类型 |
| 1 | 2020YFA0608504 | 北极陆地环境变化对人类社会致利致害效应评估 | 国家重点研发计划 |
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。
| # | 标题 | 文件大小 |
|---|---|---|
| 1 | 1980-2020年北极陆地自然灾害风险数据集.zip | 21.7 MiB |
| # | 类别 | 标题 | 作者 | 年份 |
|---|---|---|---|---|
| 1 | 论文 | Thermokarst lake susceptibility assessment using machine learning models in permafrost landscapes of the Arctic | Rui,Wang,Lanlan,Guo,Yuting,Yang,Hao,Zheng,Hong,Jia,Baijian,Diao,Hang,Li,Jifu,Liu | 2023 |
1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
b1xLns
aD_sGuXM
© 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

