Drought Identification in the Yangtze River Basin Using CMIP6 Multi-Model Data Fusion: A Comparison of Traditional and Machine Learning Methods

降水数据构成了干旱研究的重要基础。本研究整合了两个关键数据集:1) 从国家气象科学数据中心 (https://data.cma.cn) 获得的 1960-2014 年长江流域气象站的空间插值观测记录,以及 2) 来自 15 个 CMIP6 模型(ACCESS-CM2、ACCESS-ESM1-5、BCC-CSM2-MR、CanESM5、CESM2-WACCM、CIESM、CMCC-CM2-SR5、FIO-ESM-2-0、IITM-ESM、INM-CM4-8、INM-CM5-0、IPSL-CM6A-LR、MPI-ESM1-2-LR、MRI-ESM2-0 和NESM3) 通过 CMIP6 官方门户 (http://esgf-node.llnl.gov/search/cmip6/) 访问。基于站点的插值数据提供了高分辨率的历史降水模式,而多模式 CMIP6 集合提供了不同排放情景下的气候变化预测,从而能够跨时间尺度进行全面的干旱机制分析。