摘要&关键词
摘要：气候变化背景下，全球极端低温事件频发，严重影响了人类社会经济的发展。准确识别极端低温事件是减轻和抵御极端低温灾害的关键。本文基于中巴经济走廊地区格点化（0.25°×0.25°）逐日最低气温数据，通过计算极端低温阈值、剔除高温地区、识别不同持续时间极端低温事件，制作了1961–2015年中巴经济走廊地区的极端低温事件数据集。通过与历史极端低温事件记录对比验证表明：本数据集具有较高准确度和可靠性。本数据集可为中巴经济走廊地区极端低温事件时空变化和风险评估研究提供数据支撑。
关键词：中巴经济走廊；极端低温事件；数据集；1961–2015
Abstract & Keywords
Abstract:?Due to climate change, global extremely low-temperature events occur frequently, which have serious impacts on the development of human society and the economy. Accurate identification of extremely low-temperature events is the key strategy to reduce and resist the disasters caused by extreme low temperature. Based on gridded daily minimum temperature data with a resolution of 0.25 °×0.25 ° in the China Pakistan Economic Corridor (CPEC), a more efficient method was developed to detect extreme low-temperature events during 1961–2015 over the CPEC region., This method involves defining the extremely low-temperature threshold, eliminating the areas with high temperature, and identifying the extreme low temperature events with different durations. The comparison with historical extremely low-temperature events shows that this dataset has high accuracy and reliability. And it can provide data support for risk assessment of extreme low temperature events in the CPEC region.
Keywords:?China-Pakistan Economic Corridor (CPEC);?extreme low temperature event;?dataset;?1961–2015
数据库（集）基本信息简介
| 数据库(集)名称 | 1961–2015年中巴经济走廊极端低温事件数据集 |
| 数据作者 | 李涛、陶辉、陈金雨 |
| 数据通信作者 | 陶辉（taohui@ms.xjb.ac.cn） |
| 数据时间范围 | 1961–2015年 |
| 地理区域 | 中巴经济走廊地区，地理范围包括24°N–40°N，60°E–80°E。 |
| 空间分辨率 | 0.25°×0.25° |
| 数据量 | 482KB |
| 数据格式 | *.mat |
| 数据服务系统网址 | http://www.dx.doi.org/10.11922/sciencedb.01101 |
| 基金项目 | 科技部基础资源调查专项课题（2018FY100501） |
| 数据库(集)组成 | 本数据集由7个数据文件组成，其中：(1) 持续1天极端低温事件70.5 KB; (2) 持续2天极端低温事件66.3 KB；(3) 持续3天极端低温事件46.0 KB; (4) 持续4天极端低温事件51.3 KB；(5) 持续5天极端低温事件46.9KB；(6) 持续6天极端低温事件46.2 KB；(7) 持续7天及以上极端低温事件155 KB。 |
Dataset Profile
| Title | A gridded dataset of extremely low-temperature events in the China-Pakistan Economic Corridor during 1961–2015 |
| Data corresponding author | Tao Hui(taohui@ms.xjb.ac.cn) |
| Data authors | Li Tao, Tao Hui, Chen Jinyu |
| Time range | 1961–2015 |
| Geographical scope | China-Pakistan Economic Corridor (24°N–40°N, 60°E–80°E) |
| Spatial resolution | 0.25°×0.25° |
| Data volume | 482KB |
| Data format | *.mat |
| Data service system | <http://www.dx.doi.org/10.11922/sciencedb.01101> |
| Source of funding | National Key Research and Development Program of China MOST (2018FY100501) |
| Dataset composition | This dataset consists of 7 date files in MAT format: (1) the extreme low temperature events lasting for one day, with a data volume of 70.5 KB; (2) the extreme low temperature events lasting for 2 days, with a data volume of 66.3 KB; (3) the extreme low temperature events lasting for 3 days, with a data volume of 46.0 KB; (4) the extreme low temperature events lasting for 4 days, with a data volume of 51.3 KB; (5) the extreme low temperature events lasting for 5 days, with a data volume of 46.9 KB; (6) the extreme low temperature events lasting for 6 days, with a data volume of 46.2 KB; (7) the extreme low temperature events lasting for 7 days, with a data volume of 155 KB. |
引 言
最新发布的IPCC第六次评估报告指出，人类活动造成的气候变化已经影响到全球的天气和气候极端事件，未来极端天气气候事件将大幅增加 [1]。极端气温事件作为其重要组成部分，受气候变化影响显著。与极端高温事件相比，极端低温事件的变化更为剧烈，对全球平均气温变化的敏感性更高[2-3]。近年来，全球多个地区冬季频繁发生持续时间长、覆盖范围广的极端低温事件[4-6]。例如，2020年底至2021年1月中旬，北京和天津发生了两次破纪录低温寒潮事件，最低气温分别达到了?19.7°C和?19.9°C，是过去54年来的最低值；2021年2月，历史极端低温袭击了北美的中西部和南部诸州，在得克萨斯州的奥斯汀市和休斯敦市分别出现了?13.3°C和?8.3°C的低温天气[7]。随着全球气候变暖，极端低温已多次刷新气温极值。尽管全球范围内极端低温事件总体呈减少趋势，但已有研究表明，极端低温事件的变化趋势也存在明显的区域化差异[8-9]，因此针对不同区域的极端低温事件研究必不可少。中巴经济走廊（China-Pakistan Economic Corridor，CPEC）地处北半球，地理经纬度介于24°N–40°N和60°E–80°E，北起中国喀什地区，南至巴基斯坦的瓜达尔港，是“一带一路”先行示范区[10]。该区域气候类型复杂，极端低温事件频发，对人口、经济、社会造成了巨大威胁[11]。如2020年2月，巴基斯坦发生了一场大规模持续性极端低温事件，造成100多人死亡，数十人受伤。因此，制作该区域的极端低温事件数据集，对其进行风险评估与监测预警有着重要作用。
近年来，针对极端低温事件，国内外开展了大量研究 [12-17]。其中对极端低温事件的识别方法主要分为三类：第一类是定义单站低温阈值，当气温低于阈值时，则定义为出现了单站的极端低温事件[18]；第二类是根据区域平均的气温序列定义极端低温事件[19]；第三类是在定义单站的极端低温阈值基础上根据单站极端事件的影响范围和强度大小定义极端事件[20]。第一和第二类方法无法界定发生在不同空间范围的极端低温事件。第三类定义方法适用于大范围持续性极端低温事件研究。此外，世界气象组织（WMO）和世界气候研究计划（WCRP）等联合成立了气候变化检测和指数专家组（ETCCDI），定义了27个具有代表性的气候指数，其中包含了（TNx、TNn、TN10p、TX10p、FD、ID、CSDI）7个与极端低温相关的指数，被广泛用于全球及区域极端低温事件的研究[21-22]，但极端气候指数无法定量描述极端低温事件开始时间、结束时间、影响范围等特征。姜彤等[23]针对极端事件的持续时间、强度和影响面积的三维度特征，创建了强度–面积–持续时间（intensity-area-duration，IAD）方法，即将一次极端事件定义为在一定时间尺度段内，连续面积大于给定阈值的格点集合。该方法能客观识别极端事件强度、影响范围和持续时间[24-27]，但无法完整表征一次大范围持续性极端低温事件的动态过程并存在重复计算低温事件影响面积等问题。
目前国内外****采用各种研究方法制作了不同区域的极端高温天气数据集[28-30]，但有关极端低温事件的数据集尚不多见。鉴于此，本文基于中巴经济走廊1961–2015年0.25°×0.25°分辨率的逐日最低气温数据集，通过剔除面积小于设定的最小极端低温事件影响面积阈值区域，对其产生、发展到消亡过程进行提取与追踪，精准识别了中巴经济走廊地区不同持续时间的极端低温事件的发生位置、格点日最低气温、开始时间、结束时间和影响面积，并通过与历史极端低温事件对比验证对数据集进行质量评估，制作了不同持续时间的中巴经济走廊1961–2015年极端低温数据集，以期为中巴经济走廊地区极端低温事件相关研究提供基础的数据资料。
1 ? 数据采集和处理方法
本文所采用的原始数据主要来源于发表在《中国科学数据》上的1961–2015年中巴经济走廊逐日气象数据集的逐日最低气温数据，该数据与国际上常用的日最低气温数据集PGFMD、CPC相比质量更好[31-32]。实现高温地区的剔除、极端低温阈值（5%）的计算和不同持续时间极端低温事件的识别并存储为mat格式数据。
1.1 ? 极端低温事件基本要素含义
一次极端低温事件的基本要素主要包括：发生位置、格点日最低气温、开始时间、结束时间和影响面积。其具体含义见表1。
表1 ? 极端低温事件基本要素
| 要素名称 | 含义 |
|---|---|
| 发生位置 | 极端低温事件发生的格点的经纬度 |
| 开始时间 | 一次极端低温事件的开始时间 |
| 结束时间 | 一次极端低温事件的结束时间 |
| 格点日最低气温 | 极端低温事件所覆盖的每个格点的当日最低气温 |
| 影响面积 | 极端低温事件所覆盖的最大面积 |
1.2 ? 数据处理流程
本数据的处理流程如图1所示，主要包括：原始数据输入、高温地区判别、极端低温阈值计算、剔除面积小于A的事件和不同持续时间的极端低温事件的识别。具体步骤如下：
图1 ? 数据处理流程图
步骤1 输入1961–2015年中巴经济走廊地区逐日最低气温栅格数据。
步骤2 剔除高温地区（格点年均日最低气温>研究区平均日最低气温）。若研究区无高温地区，则无需剔除高温地区步骤直接进行极端低温阈值计算。
步骤3 进行极端低温阈值的计算。从1961–2015年中巴经济走廊地区逐日最低气温栅格数据中选取逐年冬季（12–2月）日最低气温，升序排列后的第5个百分位数的多年平均值作为极端低温的阈值。极端低温阈值确定后，开始进行不同持续时间的极端低温事件识别。
步骤4 设定极端低温事件最小影响面积阈值A，剔除影响面积小于A的极端低温事件。一般情况下，小范围的极端低温事件可能部分是由仪器观测误差引起，另有其他地球和大气之间待研究的原因，从而影响极端低温事件的识别结果。因此设定最小面积阈值A，若一次低温事件的影响面积小于A，则进行剔除。所以，此步骤首先对整个时间尺度进行扫描，剔除小于A的极端低温事件。本方案最小面积A阈值可变，可根据研究区的大小来进行设定。借鉴目前国内外的研究，本研究区为中巴经济走廊，设定最小面积A阈值设为25?000 km2。若进行中国尺度研究，可设为150000 km2；全球尺度研究，可设为500?000 km2[33]。
步骤5 识别极端低温事件。一次极端低温事件应包括发生位置、影响面积、格点日最低温度、开始时间和结束时间。其中发生位置为具体发生极端低温事件的经纬度，影响面积为发生极端低温事件所覆盖的最大面积，开始时间和结束时间为这次极端低温时间的历时。本研究统计了持续时间为1 d、2 d、3 d、4 d、5 d、6 d、7 d及以上的极端低温事件。
2 ? 数据样本描述
1961–2015年中巴经济走廊极端低温事件数据集识别并统计了整个中巴经济走廊地区极端低温事件共449次，其中影响面积最大和持续时间最长的一次为1994年12月29日开始至1995年1月19日结束，持续时间为22天，影响范围主要分布在巴基斯坦北部的吉尔吉特–巴尔蒂斯坦地区和中国的喀什地区，影响面积约为182?790 km2。本数据集共包含中巴经济走廊1961–2015年持续时间为1 d、2 d、3 d、4 d、5 d、6 d、7 d及以上的极端低温事件共7个数据文件，命名方式为CPEC_X_ELTE和CPEC_XP_ELTE。其中CPEC为中巴经济走廊，X为持续时间，ELTE为低温事件，XP为持续时间X天及以上。例如CPEC_6_ELTE.mat表示的是中巴经济走廊地区1961–2015年发生的持续6天的极端低温事件，CPEC_7P_ELTE.mat表示的是中巴经济走廊地区1961–2015年发生的持续7天及7天以上的极端低温事件。每个mat文件示例如图2所示，共分为6行包括发生位置（经度和纬度）、开始时间、结束时间、格点日最低气温和影响面积，列数为持续X天的极端低温事件在1961–2015年发生的次数。第1行给出了发生极端低温事件的纬度；第2行给出了发生极端低温事件的经度；第3行给出了发生极端低温事件的每个格点的日最低气温；第4行以年-月-日的形式给出了开始时间；第5行以“年-月-日”的形式给出了结束时间；第6行给出了该次事件的总影响面积。图3为本文识别出的中巴经济走廊地区2004年2月5日开始到2004年2月7日结束的一次持续3天的极端低温事件；图4为中巴经济走廊地区2013年12月26日开始到2013年12月28日结束的一次持续3天的极端低温事件。
图2 ? 中巴经济走廊地区极端低温事件数据集mat文件示例
(a)
(b)
(c)
图3 ? 中巴经济走廊地区2004年2月5–7日极端低温事件（单位:℃）(a) 2004年2月5日 (b) 2004年2月6日 (c) 2004年2月7日
(a)
(b)
(c)
图4 ? 中巴经济走廊地区2013年12月26–28日极端低温事件（单位:℃）(a) 2013年12月26日 (b) 2013年12月27日 (c) 2013年12月28日
3 ? 数据质量控制和评估
3.1 ? 质量控制
为了验证本数据集的精度和可靠性，采取了数据本身的质量控制和识别极端低温事件过程中的质量控制。首先，本数据集选取的中巴经济走廊逐日最低气温栅格数据，经过了严格的质量控制且通过与国际上其他的常用气象数据集进行对比，验证了该数据集精度较高。其次，极端低温阈值的界定是极端低温事件数据集质量控制的重要步骤。本数据集在进行极端低温阈值界定时，对研究区的高温地区（即格点年均日最低气温>研究区年均日最低气温）进行了剔除，保证了事件识别质量的可靠性。最后，在识别极端低温事件时，剔除了影响面积小于最小面积A的极端低温事件，有效减小了系统误差，提升了本数据集的质量。
3.2 ? 数据评估
采用与中巴经济走廊地区典型极端低温事件对比验证的方法对本数据集进行评估。对识别出来的极端低温事件与历史时期中巴经济走廊的典型极端低温事件进行对比，发现研究区典型极端低温事件（表2）与本文所识别出的极端低温事件数据基本吻合。同时，采用紧急灾难数据库（Emergency Events Database, EM-DAT） 提供的中巴经济走廊地区低温灾害数据对本研究识别出的极端低温事件进行对比验证。图5为中巴经济走廊地区1961–2015年以来重大历史低温灾害事件的发生位置、受影响格点日最低气温和重点受灾城市及其发生次数，这些历史极端低温灾害事件与本数据集中所识别的该区域的极端低温事件高度吻合，验证了本数据集具有较高的准确性和可靠性。
表2 ? 中巴经济走廊典型极端低温事件
| 序号 | 起止时间 | 发生位置 | 平均气温(℃) | 持续天数(天) | 数据来源 |
|---|---|---|---|---|---|
| 1 | 1962/12/30-1963/1/7 | 巴基斯坦北部区域和中国喀什地区 | ?24.0 ℃ | 9 | 巴基斯坦气象局(PMD)/中国气象局(CMA) |
| 2 | 1967/1/17-18 | 伊斯兰堡首都区 | ?6.0 ℃ | 1 | 巴基斯坦天气门户网站(PWP) |
| 3 | 1994/12/29-1995/1/19 | 吉尔吉特-巴尔蒂斯坦地区和中国喀什地区 | ?22.3 ℃ | 22 | 巴基斯坦气象局(PMD)/中国气象局(CMA) |
| 4 | 2004/1/22-30 | 吉尔吉特-巴尔蒂斯坦地区 | ?18.3 ℃ | 9 | 巴基斯坦气象局(PMD) |
| 5 | 2008/1/27-2/14 | 巴基斯坦北部区域和中国喀什地区 | ?22.4 ℃ | 14 | 巴基斯坦气象局(PMD)/中国气象局(CMA) |
| 6 | 2009/1/4-9 | 俾路支省-奎达地区 | ?15.0 ℃ | 5 | 巴基斯坦天气门户网站(PWP) |
| 7 | 2010/10/15-18 | 俾路支省西北地区和巴基斯坦北部部分地区 | ?12.9 ℃ | 3 | 巴基斯坦气象局(PMD) /中国气象局(CMA) |
| 8 | 2013/1/9-20 | 吉尔吉特-巴尔蒂斯坦地区 | ?12.0 ℃ | 11 | 巴基斯坦天气门户网站(PWP) |
| 9 | 2013/1/15-24 | 俾路支省西北地区 | ?6.5℃ | 10 | 巴基斯坦自然灾害管理局(NDMA) |
| 10 | 2013/12/26-2014/1/3 | 俾路支省西北地区和联邦直辖部落地区 | ?12.0 ℃ | 9 | 巴基斯坦天气门户网站(PWP) |
图5 ? 中巴经济走廊地区1961–2015年重大极端低温灾害事件空间分布（单位:℃）
图6为本数据集识别的中巴经济走廊地区1961–2015年发生的持续（1 d、2 d、3 d、4 d，5 d、6 d、7 d及以上）的极端低温事件频次，结果表明1962、2012、2013年是中巴经济走廊极端低温事件的高发年份，与1961–2015年中巴经济走廊发生的典型极端低温事件（表2）一致；如本数据集识别出的发生于2013年12月的持续9天极端低温事件，在EM-DAT统计数据和巴基斯坦天气门户网站（PWP）中记录表明：此次低温事件中巴基斯坦重要城市斯卡都（Skardu）受到极端低温影响，当日最低气温达?12℃，影响人数超过17人（https://public.emdat.be）。同时本数据集更加精确地反映了该区域极端低温事件的发生位置和影响范围。
图6 ? 中巴经济走廊地区1961–2015年极端低温事件频次
4 ? 数据使用方法和建议
精准识别极端低温事件对气候变化的分析和防灾减灾的成效具有直接影响，本数据集可以结合其他人口、经济、耕地数据使用，用于中巴经济走廊的极端低温事件的暴露度、危险性、脆弱性等相关研究。本数据集为mat文件格式，解压后可使用Matlab软件打开、显示、查看、统计分析等。因为数据格式问题，建议使用Matlab软件进行批处理，用户可根据实际研究情况选择下载数据。
[1]
MASSON-DELMOTTE V, ZHAI P, PIRANI A, et al. IPCC, 2021: climate change 2021: the physical science basis[C]// Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, 2021.
+?CSCD?·?Baidu Scholar
[2]
DAI G K, LI C X, HAN Z, et al. The nature and predictability of the east Asian extreme cold events of 2020/21[J]. Advances in Atmospheric Sciences, 2021: 1–10. DOI:10.1007/s00376-021-1057-3.
+?CSCD?·?Baidu Scholar
[3]
FU D X, DING Y H. The study of changing characteristics of the winter temperature and extreme cold events in China over the past six decades[J]. International Journal of Climatology, 2021, 41(4): 2480–2494. DOI:10.1002/joc.6970.
+?CSCD?·?Baidu Scholar
[4]
OUDIN ?STR?M D, FORSBERG B, EBI K L, et al. Attributing mortality from extreme temperatures to climate change in Stockholm, Sweden[J]. Nature Climate Change, 2013, 3(12): 1050–1054. DOI:10.1038/nclimate2022.
+?CSCD?·?Baidu Scholar
[5]
BAILEY H, HUBBARD A, KLEIN E S, et al. Arctic sea-ice loss fuels extreme European snowfall[J]. Nature Geoscience, 2021, 14(5): 283–288. DOI:10.1038/s41561-021-00719-y.
+?CSCD?·?Baidu Scholar
[6]
JIANG J, YAO S X. Winter persistent extreme cold events in Xinjiang region and their associations with the quasi-biweekly oscillation of the polar front jet[J]. Atmosphere, 2021, 12(5): 597. DOI:10.3390/atmos12050597.
+?CSCD?·?Baidu Scholar
[7]
ZHANG X D, FU Y F, HAN Z, et al. Extreme cold events from east Asia to North America in winter 2020/21: comparisons, causes, and future implications[J]. Advances in Atmospheric Sciences, 2021: 1–13. DOI:10.1007/s00376-021-1229-1.
+?CSCD?·?Baidu Scholar
[8]
FISCHER E M, SIPPEL S, KNUTTI R. Increasing probability of record-shattering climate extremes[J]. Nature Climate Change, 2021, 11(8): 689–695. DOI:10.1038/s41558-021-01092-9.
+?CSCD?·?Baidu Scholar
[9]
POWER S B, DELAGE F P D. Setting and smashing extreme temperature records over the coming century[J]. Nature Climate Change, 2019, 9(7): 529–534. DOI:10.1038/s41558-019-0498-5.
+?CSCD?·?Baidu Scholar
[10]
ULLAH S, YOU Q L, ULLAH W, et al. Observed changes in precipitation in China-Pakistan economic corridor during 1980-2016[J]. Atmospheric Research, 2018, 210: 1–14. DOI:10.1016/j.atmosres.2018.04.007.
+?CSCD?·?Baidu Scholar
[11]
SHAHZAD M F, ABDULAI A. Adaptation to extreme weather conditions and farm performance in rural Pakistan[J]. Agricultural Systems, 2020, 180: 102772. DOI:10.1016/j.agsy.2019.102772.
+?CSCD?·?Baidu Scholar
[12]
ZHANG Y X, LIU Y J, DING Y H. Identification of winter long-lasting regional extreme low-temperature events in Eurasia and their variation during 1948-2017[J]. Advances in Climate Change Research, 2021, 12(3): 353–362. DOI:10.1016/j.accre.2021.05.005.
+?CSCD?·?Baidu Scholar
[13]
BELLPRAT O, GUEMAS V, DOBLAS-REYES F, et al. Towards reliable extreme weather and climate event attribution[J]. Nature Communications, 2019, 10: 1732. DOI:10.1038/s41467-019-09729-2.
+?CSCD?·?Baidu Scholar
[14]
CAI W J, WANG G J, SANTOSO A, et al. Increased frequency of extreme La Ni?a events under greenhouse warming[J]. Nature Climate Change, 2015, 5(2): 132–137. DOI:10.1038/nclimate2492.
+?CSCD?·?Baidu Scholar
[15]
BROWN A. Mean and extreme snowfall[J]. Nature Climate Change, 2014, 4(10): 860. DOI:10.1038/nclimate2404.
+?CSCD?·?Baidu Scholar
[16]
李尚锋, 姜大膀, 廉毅, 等. 冬季中国东北极端低温事件环流背景特征分析[J]. 大气科学, 2018, 42(5): 963–976. DOI:10.3878/j.issn.1006-9895.1710.17119.
+?CSCD?·?Baidu Scholar
[17]
王晓娟, 龚志强, 任福民, 等. 1960—2009年中国冬季区域性极端低温事件的时空特征[J]. 气候变化研究进展, 2012, 8(1): 8–15. DOI:10.3969/j.issn.1673-1719.2012.01.002.
+?CSCD?·?Baidu Scholar
[18]
YAN Z, JONES P D, DAVIES T D, et al. Trends of extreme temperatures in Europe and China based on daily observations[J]. Climatic Change, 2002, 53(1/2/3): 355–392. DOI:10.1023/A: 1014939413284.
+?CSCD?·?Baidu Scholar
[19]
WALSH J E, PHILLIPS A S, PORTIS D H, et al. Extreme cold outbreaks in the United States and Europe, 1948–99[J]. Journal of Climate, 2001, 14(12): 2642–2658. DOI:10.1175/1520-0442(2001)014<2642: ecoitu>2.0.co;2.
+?CSCD?·?Baidu Scholar
[20]
ZHANG Z J, QIAN W H. Identifying regional prolonged low temperature events in China[J]. Advances in Atmospheric Sciences, 2011, 28(2): 338–351. DOI:10.1007/s00376-010-0048-6.
+?CSCD?·?Baidu Scholar
[21]
谢星旸, 游庆龙, 王雨枭. 1961—2014年中国冬季极端低温变化特征分析[J]. 气候与环境研究, 2018, 23(4): 429–441. DOI:10.3878/j.issn.1006-9585.2017.17034.
+?CSCD?·?Baidu Scholar
[22]
YIN H, SUN Y. Detection of anthropogenic influence on fixed threshold indices of extreme temperature[J]. Journal of Climate, 2018, 31(16): 6341–6352. DOI:10.1175/jcli-d-17-0853.1.
+?CSCD?·?Baidu Scholar
[23]
姜彤, 王艳君, 翟建青, 等. 极端气候事件社会经济影响的风险研究: 理论、方法与实践[J]. 阅江学刊, 2018, 10(1): 90–105, 147. DOI:10.13878/j.cnki.yjxk.20180202.009.
+?CSCD?·?Baidu Scholar
[24]
HUANG J L, ZHAI J Q, JIANG T, et al. Analysis of future drought characteristics in China using the regional climate model CCLM[J]. Climate Dynamics, 2018, 50(1/2): 507–525. DOI:10.1007/s00382-017-3623-z.
+?CSCD?·?Baidu Scholar
[25]
陈静, 刘洪滨, 王艳君, 等. 华北平原干旱事件特征及农业用地暴露度演变分析[J]. 中国农业气象, 2016, 37(5): 587–598. DOI:10.3969/j.issn.1000-6362.2016.05.011.
+?CSCD?·?Baidu Scholar
[26]
王安乾, 苏布达, 王艳君, 等. 中国极端低温事件特征及其耕地暴露度研究[J]. 资源科学, 2017, 39(5): 954–963. DOI:10.18402/resci.2017.05.15.
+?CSCD?·?Baidu Scholar
[27]
王安乾, 苏布达, 王艳君, 等. 全球升温1.5℃与2.0℃情景下中国极端低温事件变化与耕地暴露度研究[J]. 气象学报, 2017, 75(3): 415–428. DOI:10.11676/qxxb2017.029.
+?CSCD?·?Baidu Scholar
[28]
DONAT M G, ALEXANDER L V, YANG H, et al. Global land-based datasets for monitoring climatic extremes[J]. Bulletin of the American Meteorological Society, 2013, 94(7): 997–1006. DOI:10.1175/bams-d-12-00109.1.
+?CSCD?·?Baidu Scholar
[29]
姜荣. 上海市极端高温天气数据集[J]. 全球变化数据学报(中英文), 2018, 2: 79–85, 210.
+?CSCD?·?Baidu Scholar
[30]
王晓利, 侯西勇. 中国沿海省区极端气温栅格数据集[J]. 全球变化数据学报(中英文), 2019, 3: 54–58, 163.
+?CSCD?·?Baidu Scholar
[31]
陈金雨, 陶辉, 刘金平. 1961–2015年中巴经济走廊逐日气象数据集[DB/OL]. Science Data Bank, 2020. (2021-02-19). DOI: 10.11922/sciencedb.j00001.00189.
+?CSCD?·?Baidu Scholar
[32]
陈金雨, 陶辉, 刘金平. 1961–2015年中巴经济走廊逐日气象数据集[J/OL]. 中国科学数据, 2021, 6(2). (2021-02-19). DOI: 10.11922/csdata.2020.0104.zh.
+?CSCD?·?Baidu Scholar
[33]
SHEFFIELD J, ANDREADIS K M, WOOD E F, et al. Global and continental drought in the second half of the twentieth century: severity–area–duration analysis and temporal variability of large-scale events[J]. Journal of Climate, 2009, 22(8): 1962–1981. DOI:10.1175/2008jcli2722.1.
+?CSCD?·?Baidu Scholar
数据引用格式
李涛, 陶辉, 陈金雨. 1961–2015年中巴经济走廊极端低温事件数据集[DB/OL]. Science Data Bank, 2021. (2021-09-22). DOI: 10.11922/sciencedb.01101.
稿件与作者信息
论文引用格式
李涛, 陶辉, 陈金雨. 1961–2015年中巴经济走廊极端低温事件数据集[J/OL]. 中国科学数据, 2021, 6(4). (2021-12-31). DOI: 10.11922/11-6035.csd.2021.0049.zh.
李涛LI Tao
主要承担工作：论文撰写，数据质量控制和评估。
(1996—)，男，四川达州市人，硕士研究生，研究方向为气象水文灾害风险评估。
陶辉TAO Hui
主要承担工作：整体思路的设计。
taohui@ms.xjb.ac.cn
(1981—)，男，新疆昌吉市人，研究生学历，副研究员，研究方向为气候变化与风险评估。
陈金雨CHEN Jinyu
主要承担工作：数据制作。
(1998—)，男，河南省信阳市人，硕士研究生，研究方向为气象水文灾害风险评估。
科技部基础资源调查专项课题（2018FY100501）
National Key Research and Development Program of China MOST (2018FY100501)
