用于地球历史和未来气候动态降尺度的偏差校正 CMIP6 全球数据集（1979-2100）
数据介绍
动态降尺度是获取精细天气和气候信息的重要方法。然而，动态降尺度模拟通常会因大规模强迫本身的偏差而降级。我们基于耦合模型比较项目第 6 阶段 (CMIP6) 和欧洲中期天气预报再分析中心 5 (ERA5) 数据集的 18 个模型构建了偏差校正的全球数据集。偏差校正数据具有基于 ERA5 的平均气候和年际方差，但具有来自 18 个 CMIP6 模型的集合平均值的非线性趋势。该数据集涵盖 1979-2014 年的历史时间段以及 2015-2100 年的未来情景（SSP245 和 SSP585），水平网格间距为（1.25° × 1.25°），每隔六小时一次。我们的评估表明，在气候平均值、年际方差和极端事件方面，偏差校正数据的质量优于单独的 CMIP6 模型。该数据集将有助于对地球未来气候、大气环境、水文、农业、风力发电等进行动态降尺度预测。
数据容量：1.86 TB
参考资源：
Xu, Z. F., Han, Y. & Yang, Z.-L.: Dynamical downscaling of regional climate: A review of methods and limitations. Science China Earth Sciences, 129. https://doi.org/10.1007/s11430-018-9261-5 (2019).
Xu, Z. F. & Yang, Z.-L.: A new dynamical downscaling approach with GCM bias corrections and spectral nudging. J. Geophys. Res. Atmos., doi:10.1002/2014JD022958 (2015)
Xu, Z. F. & Yang, Z.-L. An Improved Dynamical Downscaling Method with GCM Bias Corrections and Its Validation with 30 Years of Climate Simulations. J. Climate, 25, 6271–6286 (2012).
Xu, Z., Han, Y., Tam, CY., Yang, Z.-L., Fu, C. Bias-corrected CMIP6 global dataset for dynamical downscaling of the historical and future climate (1979–2100). Sci Data 8, 293 (2021). https://doi.org/10.1038/s41597-021-01079-3
基金信息：
National Key Research and Development Program of China (Grant No.2018YFA0606004)
National Science Foundation of China (Grant No.42075170, 41675105)
通讯作者：
Zhongfeng Xu; Ying Han ; Chi-Yung Tam ; Zong-Liang Yang ; Congbin Fu
数据下载