CHM_PRE V2中国大陆高精度网格降水数据集

CHM_PRE V2 数据集概览

CHM_PRE V2 是一个面向中国大陆区域的长期、日尺度、高精度网格降水数据集。它在 CHM_PRE V1 的基础上升级，综合利用地面降水观测、空间自相关信息以及多类降水相关协变量，通过改进的反距离权重方法和 LightGBM 机器学习模型生成连续网格降水产品。

与单纯依赖站点插值或卫星反演的降水产品相比，CHM_PRE V2 的重点在于同时考虑降水的空间相关性和地形、地表、气象背景等协变量影响，尤其适合中国西部、高原边缘、站点相对稀疏区域的水文气象分析。

核心信息

Zenodo 记录显示，V2.1 版本已将数据覆盖期延伸至 2024 年，并对喜马拉雅南麓等青藏高原边缘区域的降水值进行了调整。完整数据体量较大，下载前应根据研究需求优先选择日、月或年尺度文件。

数据文件组成

CHM_PRE V2 主要包含以下几类文件：

NetCDF 文件中的核心变量为：

GeoTIFF 文件采用 WGS84 坐标参考，缺失值使用 -9999 标记。对 GIS 用户而言，年尺度和月尺度 GeoTIFF 更适合快速制图、裁剪和空间叠加；对长时间序列分析而言，NetCDF 更适合用 Python、R 或专业气候水文工具批量处理。

数据质量与方法特点

CHM_PRE V2 的数据论文在验证中使用了高密度站点资料进行对比评估。公开说明给出的关键指标包括：

• 平均绝对误差（MAE）约为 1.48 mm/day。
• Kling-Gupta Efficiency（KGE）约为 0.88。
• 降水事件识别的 Heidke Skill Score（HSS）约为 0.68。
• False Alarm Ratio（FAR）约为 0.24。

这些指标说明该数据集不仅关注降水量数值本身，也关注是否正确识别降水事件。对于洪涝、干旱、径流模拟等问题，事件识别能力往往和总量精度同样重要。

适合哪些研究使用

1. 水文模型输入

日尺度网格降水可以作为 SWAT、VIC、HEC-HMS、WEP-L、TOPMODEL 等水文模型的气象驱动数据，也可以用于流域平均降水、面雨量计算和径流响应分析。

2. 极端降水和洪涝风险

长期连续的 1960-2024 年序列适合计算年最大日降水、连续降水日数、暴雨频次、极端降水指数及其年代际变化，为城市内涝、山洪、滑坡泥石流风险评估提供降水背景。

3. 干旱和水资源评估

月总量和年总量产品可以用于降水距平、SPI/SPEI 前处理、区域干湿变化、水资源分区评价，以及与蒸散发、土壤湿度、径流数据的综合分析。

4. 气候变化与区域对比

0.1° 分辨率兼顾全国覆盖和区域分析精度，适合比较东部季风区、西北干旱区、青藏高原及其边缘地带的降水变化差异。

5. GIS 制图与教学

GeoTIFF 版本可以直接导入 QGIS、ArcGIS、Global Mapper 等 GIS 软件，用于年降水量空间分布图、月降水格局图、流域裁剪和专题制图。

获取入口

这三个链接对应同一个数据集的不同访问入口，建议以 Zenodo 记录和数据论文作为引用与版本核验依据：

1. Zenodo 数据记录：CHM_PRE V2
2. 和鲸社区数据集页
3. EarthLab 论坛发布页

下载时建议核对以下信息：

• 文件名是否为 CHM_PRE_V2_* 系列。
• 版本是否为 V2.1 或后续更新版本。
• 时间范围是否覆盖到 2024 年。
• 文件大小和 MD5 是否与发布页一致。
• 研究引用中是否同时注明数据集 DOI 和数据论文 DOI。

Python 快速读取示例

如果只读取月尺度 NetCDF，可使用 xarray：

import xarray as xr

ds = xr.open_dataset("CHM_PRE_V2_monthly.nc")
print(ds)
monthly_prec = ds["prec"]

如果需要把逐年日尺度文件合并为一个虚拟数据集，建议使用 open_mfdataset 并启用分块读取：

from pathlib import Path
import xarray as xr

paths = sorted(Path("daily").glob("CHM_PRE_V2_daily_*.nc"))
ds_daily = xr.open_mfdataset(paths, chunks="auto", combine="by_coords")
daily_prec = ds_daily["prec"]

对于 GeoTIFF，可直接在 GIS 软件中打开；如需在 Python 中读取，可使用 rioxarray：

import rioxarray

annual = rioxarray.open_rasterio("CHM_PRE_V2_annual.tif", masked=True)
print(annual)

使用注意事项

1. 数据体量较大：完整数据超过数十 GB，日尺度文件按年份组织，适合按研究区和时间段分批下载、裁剪和计算。
2. 单位要区分：日尺度为 mm/day，月尺度为 mm/month，年尺度为 mm/year，不要在多尺度混合分析时直接相加或比较。
3. 缺失值要处理：NetCDF 中缺失值通常表示为 NaN，GeoTIFF 中缺失值为 -9999，计算区域统计前应先屏蔽。
4. 空间范围是中国大陆：如研究区域涉及港澳台、海岛或跨境流域，应额外检查边界覆盖和掩膜处理。
5. 引用要完整：公开发表论文、报告或数据产品时，应同时引用数据集页面和 ESSD 数据论文。

推荐引用

数据集 DOI：

Hu, J., Miao, C., & Zhang, Q. CHM_PRE V2 dataset. Zenodo. https://doi.org/10.5281/zenodo.15735374

数据论文：

Hu, J., Miao, C., Su, J., Zhang, Q., Gou, J., & Sun, Q. (2025). An upgraded high-precision gridded precipitation dataset for the Chinese mainland considering spatial autocorrelation and covariates. Earth System Science Data, 17, 3987-4004. https://doi.org/10.5194/essd-17-3987-2025

小结

CHM_PRE V2 的价值在于，它把长期地面观测、空间自相关和多源协变量共同纳入降水网格化过程，提供了 1960-2024 年中国大陆 0.1° 日尺度降水资料。对于需要长期、连续、空间一致降水输入的水文、气候、灾害和 GIS 分析任务，它是一个值得优先关注的基础数据集。