Partage de technologie

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Aujourd'hui, nous partageons avec vous un ensemble de données de modèles climatiques mondiaux sur plus de 100 km publiés conformément à la sixième phase du projet d'intercomparaison de modèles couplés du GIEC (CMIP6) et un ensemble de données climatiques mondiales à haute résolution publié par WorldClim, obtenu grâce à la méthode de réduction d'échelle spatiale.Ensemble de données sur les précipitations mensuelles multi-scénarios et multi-modèles à une résolution de 1 km en Chine de 2021 à 2100.

Les données proviennent d'un article intitulé « Ensemble de données mensuelles sur les températures et les précipitations sur 1 km pour la Chine de 1901 à 2017 » publié par Peng Shouzhang (2019) et d'autres chercheurs dans la revue Earth System Science Data set) et de plusieurs autres articles pour des données spécifiques. documents sources, veuillez consulter le site Web de téléchargement des données originales.

Parmi eux, « multi-scénarios » fait référence aux derniers scénarios SSP-RCP publiés par le Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC) : SSP119, SSP245, SSP585 et « multi-modèles » fait référence aux plus de 20 scénarios du sixième RCP qui ont été publiés jusqu'à présent. Trois modèles GCM dans le modèle CMIP6 (International Coupled Model Intercomparison Project) : EC-Earth3, GFDL-ESM4 et MRI-ESM2-0. Présentons-le en détail ci-dessous :

CMIP est un projet de coopération internationale initié par le Groupe de travail sur les modèles couplés (WGCM) initié et organisé par le Programme mondial de recherche sur le climat (WCRP) en 1995. Son objectif est de comprendre le changement climatique passé, présent et futur en collectant et en comparant les résultats de simulation de divers modèles climatiques globaux (GCM). Jusqu'à présent, le WGCM a organisé six plans de comparaison de modèles (CMIP1-6). Sur la base des données de simulation et de projection du changement climatique du programme CMIP, la communauté scientifique internationale a publié un grand nombre d'articles universitaires, qui soutiennent directement la rédaction du rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC). CMIP6 est le programme CMIP qui a participé au plus grand nombre de modèles, conçu les expériences scientifiques les plus complètes et fourni la plus grande quantité de données de simulation au cours des 20 dernières années depuis sa mise en œuvre. Les résultats de tous ses modèles climatiques seront partagés. avec des scientifiques de divers pays et appliqué à la science du changement, à ses impacts et aux contre-mesures.

Le programme d'intercomparaison de modèles de scénarios (ScenarioMIP) du CMIP6 fournit un ensemble de scénarios combinant des trajectoires socio-économiques partagées (SSP) et des trajectoires de concentration représentatives (RCP). Parmi eux, le SSP décrit le développement possible de la société future, et le SSP1, le SSP2, le SSP3, le SSP4 et le SSP5 représentent respectivement cinq voies de développement durable, de développement intermédiaire, de développement compétitif régional, de développement inégal et de développement conventionnel. Le RCP est utilisé pour décrire les futurs scénarios de concentration de gaz à effet de serre et de forçage radiatif, tels que RCP2.6, RCP4.5, RCP6 et RCP8.5. Ces chiffres représentent différents niveaux de forçage radiatif (exprimés en W/m²).

Les trois scénarios SSP-RCP dans les données partagées cette fois sont : (1) SSP1-1.9 : La combinaison de SSP1 et RCP1.9, le scénario d'émission radiative actuellement le plus faible, a un forçage radiatif d'environ 1,9 W/m² en 2100 ; ( 2) SSP2-4.5 : La combinaison de SSP2 et RCP4.5, un scénario de forçage radiatif moyen, avec le forçage radiatif se stabilisant à environ 4,5 W/m² en 2100 (3) SSP5-8.5 : La combinaison de SSP5 et RCP8 ; 5, qui appartient au scénario de forçage élevé, les émissions atteindront 8,5 W/m² d’ici 2100.

Les trois modèles climatiques globaux (GCM) sont : (1) EC-Earth3 : développé par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) et une série d'institutions de recherche européennes, avec une résolution horizontale de 512 × 256 (2 ; ) GFDL-ESM4 : développé par Développé par le Geofluid Dynamics Laboratory (GFDL) de la National Oceanic and Atmospheric Administration (NOAA), la résolution horizontale est de 288×180 (3) MRI-ESM2-0 : La deuxième développée par le ; Modèle climatique moderne de l'Institut japonais de recherche météorologique (MRI) avec une résolution horizontale de 320 × 160.

Vous pouvez répondre aux mots-clés sur le compte officiel 267 Obtenez ces données gratuitement !Pas besoin de transmettre l’article, récupérez-le directement !Ce qui suit est une introduction détaillée aux données :

01 Aperçu des données

Prenons comme exemple les données de précipitations de janvier 2021 dans le mode EC-Earth3 du scénario SSP119 :

02 Détails des données

Les sources de données:

Les données proviennent de données partagées par Peng Shouzhang sur la plateforme du Centre national de données scientifiques du plateau tibétain à l'adresse :

https://data.tpdc.ac.cn/zh-hans/data/a9cd4a09-51a9-433b-9540-0376c6134cf6

Présentation des données :

Cet ensemble de données est un ensemble de données de modèle climatique mondial de plus de 100 km (https://www.wcrp-climate.org/wgcm-cmip/wgcm-cmip6) publié dans le cadre de la phase 6 du programme d'intercomparaison de modèles couplés du GIEC (CMIP6) et publié par WorldClim The Un ensemble de données climatiques à haute résolution (//www.worldclim.org/) a été généré en réduisant l'échelle de la région de la Chine à l'aide de la méthode de réduction d'échelle spatiale delta.

les données montrent :

(1) Les trois scénarios climatiques SSP-RCP (SSP119, SSP245, SSP585) de ces données incluent chacun trois modèles climatiques GCM (EC-Earth3, GFDL-ESM4, MRI-ESM2-0), donc l'ensemble de données a un total de 9 groupes Chaque ensemble de données stocke un total de 80 années de 2021 à 2100 sous forme de fichier nc tous les 2 ans (il y a 24 bandes dans chaque fichier, et chaque bande contient les données de précipitations du mois), soit 40 nc. fichiers, numéros de séquence temporelle Il est 1-40, et le numéro de série 1 représente 2021.1-2022.12, et ainsi de suite, il y a donc 9x40=360 fichiers nc au total.

(2) Le format de nom de fichier est "GCM_SSP_pre-30s-time séquence number.nc", GCM représente le nom du modèle climatique, SSP représente le nom du scénario climatique et 30s représente 30 secondes (c'est-à-dire 0,0083333°). En prenant comme exemple le fichier « EC-Earth3_ssp119_pre-30s-1.nc », il représente les données de précipitations mensuelles à une résolution de 1 km de 2021.1 à 2022.12, réduites à l'échelle par le modèle climatique EC-Earth3 dans le cadre du scénario SSP1-1.9.

Format des données :

format NC

Plage d'espace de données :

Principales parties terrestres de la Chine (à l'exclusion des îles et récifs de la mer de Chine méridionale et autres zones)

Résolution spatiale:

0,0083333° (environ 1km)

Année des données：

2021-2100 (mois par mois)

unité de données：

0,1 mm

Format des données :

format NC

Référence des données :

PENG Shouzhang. Ensemble de données de précipitations mensuelles multi-scénarios et multi-modèles à résolution de 1 km en Chine de 2021 à 2100. Centre national de données scientifiques du plateau tibétain, 10.11866/db.loess.2021.002[PENG Shouzhang.1 km multi-scénarios et multi-modèles. modéliser les données de précipitations mensuelles pour la Chine en 2021-2100.National Tibetan Plateau / Third Pole Environment Data Center,10.11866/db.loess.2021.002]

Citation de l'article :

1. Peng, SZ, Ding, YX, Liu, WZ et Li, Z. (2019). Ensemble de données mensuelles de température et de précipitations sur 1 km pour la Chine de 1901 à 2017. Earth System Science Data, 11, 1931–1946. https://doi.org/10.5194/essd-11-1931-2019

2. Peng, SZ, Ding, YX, Wen, ZM, Chen, YM, Cao, Y., & Ren, JY (2017). Analyse des changements spatiotemporels et des tendances de l'évapotranspiration potentielle sur le plateau de Loess en Chine au cours de la période 2011-2100. Agricultural and Forest Meteorology, 233, 183-194.

https://doi.org/10.1016/j.agrformet.2016.11.129

3. Ding, YX et Peng, SZ (2020). Tendances spatiotemporelles et attribution de la sécheresse en Chine de 1901 à 2100. Sustainability, 12(2), 477.

4. Ding, YX, Peng, SZ (2021). Changement spatiotemporel et attribution de l'évapotranspiration potentielle en Chine de 1901 à 2100. Climatologie théorique et appliquée. https://doi.org/10.1007/s00704-021-03625-w

Si vous avez des exigences en matière d'utilisation des données, veuillez télécharger et citer selon les exigences de la plateforme officielle. Pour plus de détails sur les données, veuillez consulter le site officiel !

03 Conversion de formats

Les données fournies par le site Web d'origine sont au format nc. De nombreux étudiants ne savent pas comment traiter les données dans ce format. Pour la commodité de tous, voici comment utiliser le logiciel ArcGIS pour ouvrir le fichier au format nc et le convertir en raster. (.tif) Tutoriel :

1. Recherchez l'outil « Créer une couche raster NetCDF » dans le logiciel ArcGIS et ouvrez-le.

2. Chargez le fichier nc, qui correspond à la position 1 dans l'image ci-dessous. Il est important de noter que le chemin ici doit être un chemin anglais, et qu'il ne doit y avoir aucun caractère chinois dans le chemin ! S'il s'agit d'un chemin anglais, la boîte de dialogue en 2 dans l'image ci-dessous sera remplie par défaut. Aucun autre réglage n'est nécessaire, cliquez simplement sur OK ci-dessous !

3. Grâce aux opérations ci-dessus, nous pouvons ouvrir le fichier nc dans ArcGIS, comme indiqué ci-dessous :

4. Faites un clic droit sur le nom du calque et cliquez sur "Propriétés". Après avoir ouvert les propriétés de la couche, recherchez NetCDF, puis sélectionnez la couche que vous souhaitez visualiser en cliquant sur la valeur de dimension. Enfin, faites un clic droit sur le fichier et exportez-le vers un fichier au format tif !

04 Acquisition de données