当前位置: 首页 > news >正文

1965–2022年中国大陆高分辨率分部门用水数据集,包含:灌溉用水、工业制造用水、生活用水和火电冷却

1965–2022年中国大陆高分辨率部门用水数据集

高质量用水数据集对推进变化环境下的水资源研究至关重要。然而,现有中国用水数据通常按行政区划或流域汇总,时空分辨率不足,难以支撑人类用水模式及时空变化特征的精细化分析。为此,我们构建了1965–2022年中国大陆高分辨率部门用水数据集(HSWUD),涵盖灌溉、工业制造、火电冷却、生活用水等关键部门。

该数据集通过融合遥感土地利用数据、人口密度分布图、再分析气象数据、火电厂地理信息及工业企业微观调查数据,研发了多协变量降尺度算法,将省级年度用水数据降尺度至0.1°×0.1°网格的月尺度数据,显著提升了用水空间细节与季节分布特征的表达能力。验证表明,HSWUD与地级市统计数据的决定系数达0.88(R²=0.88),其捕捉的时空格局与现有数据集总体一致。

制作流程

图片

1 数据来源

用水统计数据

省级用水数据(1965–2013年)来自国家长期用水数据集(NLWUD);

2014–2022年数据源于《中国水资源公报》和《中国统计年鉴》。

社会经济数据

灌溉耕地面积(CIrrMap250数据集);

热电厂发电量(全球电厂数据库GPPD);

工业企业产值(中国工业企业数据库CIED);

人口密度(1km网格数据)。

气象数据

温度、降水、潜在蒸散发(ERA5-Land再分析数据)。

2 方法流程

空间降尺度

将省级年用水量分配至0.1°网格,权重公式为:

图片

(xi,j为网格值,n为省内网格数)

制造业用水采用企业级效率校准

图片

(基于分省分行业用水效率)

时间降尺度

灌溉用水:基于CROPWAT模型计算净需水量(作物系数×潜在蒸散发–有效降水);

生活用水:以温度波动为代理变量;

热电冷却用水:结合采暖/制冷度日数(阈值:加热18°C、制冷26°C);

制造业用水:以分行业月度销售收入比例分配。

数据信息

数据资源:1965–2022年中国大陆高分辨率分部门用水数据集,包含:灌溉用水、工业制造用水、生活用水和火电冷却

高分辨率部门用水数据集提供1965年1月至2022年12月中国逐月用水数据,空间分辨率为0.1°(约11公里),单位为10⁸立方米/月,涵盖灌溉、火电冷却、工业制造和生活用水四大部门。

数据以NetCDF格式存储,采用"分部门单文件"设计:例如"HSWUD_dom.nc"即生活用水数据文件。所有文件均采用WGS84坐标参考系统(EPSG:4326),确保与主流地理信息系统(如ArcGIS、QGIS)的兼容性。

http://www.lryc.cn/news/585034.html

相关文章:

  • MDSE模型驱动的软件工程和敏捷开发相结合的案例
  • 淘宝拍立淘接口技术解析:从原理到实践‌
  • 1.1.2 运算符与表达式——AI教你学Django
  • [WinForms] 如何为 .NET Framework 4.8 窗体程序添加自定义图标
  • 多租户架构下的多线程处理实践指南
  • 【网络】Linux 内核优化实战 - net.netfilter.nf_conntrack_max
  • 【网络】Linux 内核优化实战 - net.netfilter.nf_conntrack_buckets
  • 番外-linux系统运行.net framework 4.0的项目
  • 如何在报表开发工具FastReport .NET 中构建和连接 Firebird 插件?
  • 基于ASP.NET MVC+SQLite开发的一套(Web)图书管理系统
  • 游戏开发日记
  • 微软语音合成标记语言SSML文档结构和事件(详细文档和实例)
  • Unity Demo——3D平台跳跃游戏笔记
  • WHQL认证失败怎么办?企业如何高效申请
  • LeetCode 148 排序链表解析:高效归并排序实现
  • 基于Springboot+UniApp+Ai实现模拟面试小工具二:后端项目搭建
  • 【数据结构与算法】203.移除链表元素(LeetCode)图文详解
  • doker和网站部署
  • LeetCode--43.字符串相乘
  • Kotlin 常用语法糖完整整理
  • 九联UNT403AS_S905L3SB当贝固件优盘刷机包下载
  • 9、鸿蒙Harmony Next开发:栅格布局 (GridRow/GridCol)
  • AI产品经理面试宝典第7天:核心算法面试题-上
  • 在 Spring Boot 中使用 WebMvcConfigurer
  • AI技术正以前所未有的速度重塑职业生态与行业格局,尤其在自动化测试领域,AI驱动的测试框架通过智能化、低代码化重构传统测试流程。
  • python solr数据导出脚本
  • 分割网络Segformer
  • 界面组件DevExpress WPF中文教程:Grid - 如何检查节点?
  • mongodb 开源同步工具介绍
  • Windows 应用程序的 UI 框架:WPF、WinUI 3 和 UWP的差异区别