陕西
黄土高原位于黄河中上游地区，是典型的半干旱气候区。受全球气候变暖影响，区域干旱与极端强降水事件交替频发，对当地水资源安全、生态系统稳定以及地质环境安全构成严重威胁。目前，CMIP6全球气候模式的输出结果普遍存在空间分辨率较低、系统偏差较明显以及模式间不确定性较大等问题，难以精细刻画复杂地形条件下降水的空间分异特征及极端降水信号，从而在一定程度上制约了区域降水变化评估及其影响研究的深入开展。
近日，中国科学院地球环境研究所气候变化集成‑模拟‑同化‑预测团队（CLIMAP）基于注意力拉普拉斯金字塔网络深度学习降尺度方法（AttLap，图1），构建了黄土高原0.1°高分辨率日降水数据集，时间跨度覆盖1950‑2100年，包含历史气候序列与多种排放情景下的未来预估结果。研究团队基于该降尺度数据集，进一步剖析了黄土高原近、中、远期降水及极端气候事件的演变规律 (图2)。预估结果表明，在两类社会经济排放情景下，黄土高原年总降水量整体呈增加趋势；极端强降水的发生频次与强度持续上升，高排放情景SSP5‑85 的增幅显著高于中等排放情景SSP2‑45。至本世纪末，高排放情景下部分极端降水指数相对历史基准期增幅可达100%以上。这意味着未来黄土高原极端强降水事件将增多，降水年内分布趋于集中，暴雨致灾风险进一步加剧，也将对区域防灾减灾、水资源调度管理带来更为严峻的挑战。
目前，该深度学习降尺度数据集已在黄土科学数据中心公开发布(https://doi.org/10.12262/lsdc.17015.2607)，数据采用标准NetCDF格式，可供国内外科研人员免费获取和使用。数据集可为黄土高原气候变化机理探究、水文过程模拟、生态-灾害风险评估、气候适应策略制定等多项研究提供基础支撑，也为黄河流域生态保护和高质量发展的科学研判提供重要的数据工具。
相关研究成果发表于Nature旗下数据期刊Scientific Data。论文第一作者为郭家宁博士，通讯作者为解小宁研究员。研究工作得到中国科学院战略性先导科技专项、国家重点研发计划及国家自然科学基金项目联合资助。
Guo, J., Xie, X.*, Fan, L., Liu, H., Wang, G., Liu, X., Shi, Z., Yan, H., 2026: CMIP6-driven deep-learning downscaling dataset of historical and future daily precipitation over the Loess Plateau, China. Scientific Data.
https://doi.org/10.1038/s41597-026-08463-x
图1 AttLap模型的技术流程图
图2 基于深度学习降尺度的未来极端降水指数变化
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
