Climate Change Projections Dataset

该数据集整合了历史气候数据与来自CMIP6模拟的未来预测数据，时间跨度从1995年到2100年，覆盖210个国家。数据集包含关键气候变量如温度、降水和极端天气指数，以及来自世界银行的GDP人均数据，旨在帮助研究人员评估气候与经济之间的相互作用。

This dataset integrates historical climate data with future projection data from CMIP6 simulations, spanning from 1995 to 2100 and covering 210 countries. It includes key climate variables such as temperature, precipitation, and extreme weather indices, along with GDP per capita data from the World Bank, aiming to assist researchers in assessing the interactions between climate and economy.

原始信息汇总

数据集概述

数据集名称

Climate Change Projections Dataset

数据集内容

该数据集结合了历史气候数据与来自Coupled Model Intercomparison Project Phase 6 (CMIP6) 模拟的未来预测数据，形成了一个纵向数据集。数据涵盖1995至2100年，包含210个国家的关键气候变量（如温度、降水量、极端天气指数）以及GDP人均数据。

数据集结构

• 历史数据 (hist/): 包含1995至2014年的210个国家数据。
• 预测数据 (projections/): 包含2015至2100年的气候相关变量预测数据，基于CMIP6的四种不同情景（SSP1, SSP2, SSP3, SSP5）。
• 国家信息 (countries_info.xlsx): 包含ISO-3国家代码和ID信息。

主要变量

• GDP: 国内生产总值人均
• TMP: 平均年温度
• PRE: 平均年降水量
• r20mm: 降水量超过20mm
• cwd: 连续湿润天数最大值
• cdd: 连续干燥天数最大值
• txx: 日最高温度

数据使用

数据集可通过R和Python直接下载使用，具体下载命令如下：

R: r library(readr) hist <- read_csv("https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/hist/hist.csv") SSP1 <- read_csv("https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP1/projSSP1.csv") SSP2 <- read_csv("https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP2/projSSP2.csv") SSP3 <- read_csv("https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP3/projSSP3.csv") SSP5 <- read_csv("https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP5/projSSP5.csv")

Python: bash import pandas as pd

hist = pd.read_csv(r"https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/hist/hist.csv") SSP1 = pd.read_csv(r"https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP1/projSSP1.csv") SSP2 = pd.read_csv(r"https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP2/projSSP2.csv") SSP3 = pd.read_csv(r"https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP3/projSSP3.csv") SSP5 = pd.read_csv(r"https://raw.githubusercontent.com/mila-andreani/climate-change-dataset/main/projections/SSP5/projSSP5.csv")

许可证

本数据集遵循Creative Commons Attribution 4.0 International License。

搜集汇总

数据集介绍

构建方式

该数据集的构建基于历史气候数据与未来气候预测的融合，具体通过整合Coupled Model Intercomparison Project Phase 6 (CMIP6)的模拟结果与世界银行提供的GDP数据。数据集的时间跨度从1995年至2100年，涵盖210个国家，每个国家-年份观测点均包含关键气候变量如温度、降水量及极端天气指数，以及人均GDP数据。这种纵向数据结构旨在为研究者提供一个全面的平台，以评估气候变化对经济系统的潜在影响。

特点

此数据集的显著特点在于其纵向数据结构，能够捕捉从过去到未来的气候与经济变量变化趋势。此外，数据集提供了多种共享社会经济路径（SSPs）下的气候预测，包括SSP1、SSP2、SSP3和SSP5，每种路径代表了不同的未来社会经济和气候情景。这种多路径设计使得研究者能够探索不同政策和环境管理策略对未来气候和经济系统的潜在影响。

使用方法

数据集已预处理并可直接用于R和Python环境。用户可通过简单的代码指令下载历史数据和不同SSP路径下的预测数据。例如，在R环境中，用户可以使用`read_csv`函数下载历史数据和各SSP路径的预测数据；在Python环境中，则可通过`pandas`库的`read_csv`方法实现相同功能。此外，数据集还提供了R脚本，允许用户从原始数据重新生成纵向数据集，进一步支持自定义分析和研究需求。

背景与挑战

背景概述

气候变化是全球关注的重大议题，其对经济和社会的影响日益显著。为应对这一挑战，Mila Andreani博士在其博士论文中开发了一种新型机器学习算法，并以此为基础创建了气候变化预测数据集（Climate Change Projections Dataset）。该数据集整合了历史气候数据与基于Coupled Model Intercomparison Project Phase 6 (CMIP6)模拟的未来预测数据，涵盖1995年至2100年间的210个国家。数据集不仅包括温度、降水等关键气候变量，还纳入了来自世界银行的GDP人均数据，旨在帮助研究人员评估气候变化对经济系统的潜在影响。此数据集的创建不仅为气候经济学研究提供了宝贵的资源，也为全球气候政策的制定提供了科学依据。

当前挑战

该数据集在构建过程中面临多项挑战。首先，整合历史气候数据与未来预测数据需要高精度的模型和复杂的算法，以确保数据的准确性和一致性。其次，不同国家和地区的气候和经济数据存在显著差异，如何标准化这些数据以进行有效比较是一个重要难题。此外，气候变化预测的不确定性较大，依赖于多种假设和情景，这增加了数据分析的复杂性。最后，数据集的广泛应用需要跨学科的合作，包括气候科学、经济学和数据科学等领域，以确保研究结果的全面性和可靠性。

常用场景

经典使用场景

在气候变化研究领域，Climate Change Projections Dataset 被广泛用于评估气候变化对全球经济系统的潜在影响。该数据集结合了历史气候数据与基于CMIP6模拟的未来气候预测，涵盖了从1995年至2100年的210个国家。通过分析温度、降水量等关键气候变量与人均GDP的关系，研究人员能够深入探讨气候变化对经济发展的长期影响，为制定适应性政策提供科学依据。

衍生相关工作

基于该数据集，研究者们开发了多种气候经济模型，用于预测不同气候政策下的经济影响。例如，Andreani等人提出的机器学习算法，通过分析气候变化对经济系统的非线性影响，为政策制定提供了新的工具。此外，该数据集还促进了气候变化与可持续发展目标（SDGs）的整合研究，推动了跨学科的合作与创新。

数据集最近研究

最新研究方向

在气候变化研究领域，Climate Change Projections Dataset正引领着前沿研究方向。该数据集整合了历史气候数据与CMIP6模拟的未来预测，为评估气候冲击对未来经济系统的影响提供了坚实基础。当前，研究者们正利用这一数据集深入探讨气候变化与经济发展的相互作用，特别是在不同共享社会经济路径（SSPs）下，气候变量如温度、降水和极端天气事件对全球经济格局的潜在影响。这些研究不仅有助于理解气候政策的实际效果，还为制定适应性和减缓策略提供了科学依据。