兰州交通大学冰冻圈遥感团队发布1961-2100年中国多降水集中度指标数据集

近期,兰州交通大学测绘与地理信息学院冰冻圈遥感团队(负责人:李雪梅教授)通过国家生态科学数据中心生态网络云平台(https://www.nesdc.org.cn)发布了1961—2100年中国多降水集中度指标数据集(MPCID),用户可在线访问获取数据。相关研究成果以“MPCID, A new high-resolution multi-precipitation concentration indicators dataset for mainland China”为题发表在Scientific Data期刊(2026年,第13卷,第196期)。该数据集为首次发布,融合历史观测与未来情景预估,填补了降水集中度研究在历史—未来时空连续数据方面的空白。

降水作为陆面水循环的主要通量,其强度、频率和历时等多维时间属性是诊断气候系统响应的重要指标。与仅表征极端事件强度的传统指标(如Rx5day、R95p)不同,降水集中度指标通过量化降水在时间上的聚集程度,能够刻画“久旱—骤涝”等干旱洪涝交替过程的临界机制。例如,两个年份的Rx5day值完全相同,但一年降水均匀分布、另一年80%的降水集中于3天,二者的洪涝风险截然不同——这一差异只有PCD/MPCI等集中度指标才能显式刻画。然而,既有降水集中度研究长期受制于两大瓶颈:一是台站观测空间代表性不足(尤其青藏高原等复杂地形区),二是历史基准与未来预估数据体系割裂。MPCID正是在这一背景下构建的集成数据集。

数据集制备过程如下:以中国气象局651个质量控制台站的逐日降水观测(1961—2020年)为地面真值(图1);以CN05.1格点观测数据(1961—2022年,0.25°分辨率)作为高分辨率格点背景,弥补台站空间采样局限;基于24个CMIP6全球气候模式输出,在SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5四种共享社会经济路径下,经分位数映射(QM)与分位数增量映射(QDM)统计降尺度至0.25°分辨率,构建2015—2100年未来降水预估(图2)。

图1 研究区及651个气象站点分布

    数据集包含四项核心指标:降水集中度(PCD)、降水集中期(PCP)、日降水集中指数(DPCI)与月降水集中指数(MPCI)。其中PCD/PCP基于向量分析方法计算,DPCI基于Martin-Vide提出的Lorenz曲线不对称性量化方法,MPCI基于熵分析框架。格点数据通过KD树(KD-Tree)结合反距离加权(IDW)插值生成,并采用平均绝对误差(MAE)、均方根误差(RMSE)、偏差(BIAS)、相关系数(CORR)、年际变率技巧评分(IVS)与泰勒技巧评分(TS)等多维框架系统评估数据可靠性。

图2 MPCID数据集制备流程

    经与地面台站实测数据系统验证,PCD是最可靠的降水集中度指标(历史期MAE=0.034,RMSE=0.042,CORR=0.902,BIAS=-0.012);DPCI误差控制良好(MAE=0.037,RMSE=0.044)但日尺度相关性有限(CORR=0.526),反映短期降水固有的随机性;MPCI对极端降水事件敏感性较低;PCP虽保持较高的时空相关性(CORR=0.885),但在雨季峰值相位对齐上存在系统偏差。基于CMIP6降尺度数据的评估进一步表明,resample-QDM降尺度框架表现最优(如SSP2-4.5情景下近未来验证期MAE=1.147,RMSE=2.158,CORR=0.863)。趋势分析显示:历史期青藏高原中部与东北平原区降水集中期显著提前,西南地区、东部沿海及高原边缘区降水集中度呈上升趋势;高排放情景下,东部沿海与青藏高原等地区降水聚集程度加剧,极端降水风险升高(图3)。

图3 SSP情景下未来降水集中度指标趋势预估(2015—2100)

该项研究工作和数据制备得到了国家自然科学基金(42261026、41761014)、新疆干旱区水循环与水利用重点实验室开放基金(XJYS0907-2023-01)、中国科学院“西部之光”人才培养计划(25JR6KA005)等项目的资助。

论文信息:Zhang, D., Li, X., Li, L. et al. MPCID, A new high-resolution multi-precipitation concentration indicators dataset for mainland China. Scientific Data 13, 196 (2026). https://doi.org/10.1038/s41597-025-06515-2

数据链接:1961-2100年中国多降水集中度指标数据集