当前位置：
X-MOL 学术
›
Geosci. Data J.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
High-resolution gridded climate data for Europe based on bias-corrected EURO-CORDEX: The ECLIPS dataset
Geoscience Data Journal ( IF 3.3 ) Pub Date : 2020-11-20 , DOI: 10.1002/gdj3.110 Debojyoti Chakraborty 1 , Laura Dobor 2 , Anita Zolles 1 , Tomáš Hlásny 2 , Silvio Schueler 1
Geoscience Data Journal ( IF 3.3 ) Pub Date : 2020-11-20 , DOI: 10.1002/gdj3.110 Debojyoti Chakraborty 1 , Laura Dobor 2 , Anita Zolles 1 , Tomáš Hlásny 2 , Silvio Schueler 1
Affiliation
|
Climate is an important driver of many ecological and social processes; the availability of high-resolution climate data is thus one of the key presumptions for knowledge-based decisions. We created a new climate dataset for Europe referred to as ECLIPS (European CLimate Index ProjectionS), which contains gridded data for 80 annual, seasonal and monthly climate variables for two past (1961–1990 and 1991–2010) and five future (2011–2020, 2021–2140, 2041–2060, 2061–2080 and 2081–2100) periods. The future data are based on five regional climate models (RCMs) driven by two greenhouse gas concentration scenarios, RCP 4.5 and RCP 8.5. Two ECLIPS versions were developed: ECLIPS 1.1 with a spatial resolution of 0.11° × 0.11°, which is the resolution of the underlying RCMs, and ECLIPS 2.0 downscaled to the resolution of 30 arcsec employing the delta approach. Both ECLIPS versions were tested against independent station data from the European Climate Assessment (ECA) dataset. Correlations of the ECA and ECLIPS 1.1 data ranged from 0.63 to 0.78, depending on the tested variable. The correlations increased to 0.78–0.93 for ECLIPS 2.0, suggesting substantial improvement of the match with station data due to the downscaling. A large number of climate projections, periods and indices as well as the availability of these data at two different spatial resolutions can support diverse studies across a range of disciplines and thus extend our understanding of climate-sensitive dynamics of many social and ecological systems.
中文翻译：
基于偏差校正的 EURO-CORDEX 的欧洲高分辨率网格化气候数据：ECLIPS 数据集
气候是许多生态和社会进程的重要驱动力；因此，高分辨率气候数据的可用性是基于知识的决策的关键假设之一。我们为欧洲创建了一个名为 ECLIPS（European CLimate Index ProjectionS）的新气候数据集，其中包含过去两个（1961-1990 和 1991-2010）和五个未来（2011- 2020、2021–2140、2041–2060、2061–2080 和 2081–2100) 时期。未来数据基于由两种温室气体浓度情景 RCP 4.5 和 RCP 8.5 驱动的五个区域气候模型 (RCM)。开发了两个 ECLIPS 版本：空间分辨率为 0.11° × 0.11° 的 ECLIPS 1.1，这是底层 RCM 的分辨率，以及 ECLIPS 2。0 使用增量方法缩小到 30 弧秒的分辨率。两个 ECLIPS 版本均针对来自欧洲气候评估 (ECA) 数据集的独立站数据进行了测试。ECA 和 ECLIPS 1.1 数据的相关性范围为 0.63 到 0.78，具体取决于测试变量。ECLIPS 2.0 的相关性增加到 0.78-0.93，表明由于降尺度，与台站数据的匹配有了显着改善。大量气候预测、周期和指数以及这些数据在两种不同空间分辨率下的可用性可以支持跨学科的多样化研究，从而扩展我们对许多社会和生态系统的气候敏感动态的理解。ECA 和 ECLIPS 1.1 数据的相关性范围为 0.63 到 0.78，具体取决于测试变量。ECLIPS 2.0 的相关性增加到 0.78-0.93，表明由于降尺度，与台站数据的匹配有了显着改善。大量气候预测、周期和指数以及这些数据在两种不同空间分辨率下的可用性可以支持跨学科的多样化研究，从而扩展我们对许多社会和生态系统的气候敏感动态的理解。ECA 和 ECLIPS 1.1 数据的相关性范围为 0.63 到 0.78，具体取决于测试变量。ECLIPS 2.0 的相关性增加到 0.78-0.93，表明由于降尺度，与台站数据的匹配有了显着改善。大量气候预测、周期和指数以及这些数据在两种不同空间分辨率下的可用性可以支持跨学科的多样化研究，从而扩展我们对许多社会和生态系统的气候敏感动态的理解。
更新日期：2020-11-20
中文翻译：
基于偏差校正的 EURO-CORDEX 的欧洲高分辨率网格化气候数据：ECLIPS 数据集
气候是许多生态和社会进程的重要驱动力；因此，高分辨率气候数据的可用性是基于知识的决策的关键假设之一。我们为欧洲创建了一个名为 ECLIPS（European CLimate Index ProjectionS）的新气候数据集，其中包含过去两个（1961-1990 和 1991-2010）和五个未来（2011- 2020、2021–2140、2041–2060、2061–2080 和 2081–2100) 时期。未来数据基于由两种温室气体浓度情景 RCP 4.5 和 RCP 8.5 驱动的五个区域气候模型 (RCM)。开发了两个 ECLIPS 版本：空间分辨率为 0.11° × 0.11° 的 ECLIPS 1.1，这是底层 RCM 的分辨率，以及 ECLIPS 2。0 使用增量方法缩小到 30 弧秒的分辨率。两个 ECLIPS 版本均针对来自欧洲气候评估 (ECA) 数据集的独立站数据进行了测试。ECA 和 ECLIPS 1.1 数据的相关性范围为 0.63 到 0.78，具体取决于测试变量。ECLIPS 2.0 的相关性增加到 0.78-0.93，表明由于降尺度，与台站数据的匹配有了显着改善。大量气候预测、周期和指数以及这些数据在两种不同空间分辨率下的可用性可以支持跨学科的多样化研究，从而扩展我们对许多社会和生态系统的气候敏感动态的理解。ECA 和 ECLIPS 1.1 数据的相关性范围为 0.63 到 0.78，具体取决于测试变量。ECLIPS 2.0 的相关性增加到 0.78-0.93，表明由于降尺度，与台站数据的匹配有了显着改善。大量气候预测、周期和指数以及这些数据在两种不同空间分辨率下的可用性可以支持跨学科的多样化研究，从而扩展我们对许多社会和生态系统的气候敏感动态的理解。ECA 和 ECLIPS 1.1 数据的相关性范围为 0.63 到 0.78，具体取决于测试变量。ECLIPS 2.0 的相关性增加到 0.78-0.93，表明由于降尺度，与台站数据的匹配有了显着改善。大量气候预测、周期和指数以及这些数据在两种不同空间分辨率下的可用性可以支持跨学科的多样化研究，从而扩展我们对许多社会和生态系统的气候敏感动态的理解。
京公网安备 11010802027423号